李翔宇 ，李 帥

（沈陽(yáng)理工大學(xué)，遼寧 沈陽(yáng) 110158）

0 引言

隨著太空探索的不斷深入以及人們對(duì)網(wǎng)絡(luò)通信的要求越來(lái)越高，近年來(lái)大量衛(wèi)星被發(fā)射[1-2]。盡管航天器經(jīng)過(guò)精心設(shè)計(jì)和測(cè)試以滿足其使命，但許多航天器很早就遭遇了不可恢復(fù)的在軌故障。這些故障將會(huì)導(dǎo)致航天器預(yù)期壽命縮短、飛行能力退化甚至阻礙航天器完成其主要使命。其中，姿態(tài)與軌道控制分系統(tǒng)重組了許多關(guān)鍵系統(tǒng)，主要控制航天器的姿態(tài)和軌道，其發(fā)生故障將會(huì)嚴(yán)重?fù)p壞航天器。像“開(kāi)普勒”空間望遠(yuǎn)鏡上的4 個(gè)反作用輪中的2 個(gè)報(bào)廢，會(huì)極大地威脅已收獲頗豐的望遠(yuǎn)鏡搜尋行星的旅程[3]。國(guó)外研究者分析了1980—2005 年全世界近130 個(gè)航天器中發(fā)生的156 次在軌故障，研究表明：及時(shí)對(duì)在軌航天器進(jìn)行故障檢測(cè)和判別對(duì)衛(wèi)星飛行任務(wù)意義重大[4]。

故障檢測(cè)通常由三部分組成：故障檢測(cè)、故障隔離、故障識(shí)別?，F(xiàn)有航天器姿態(tài)控制系統(tǒng)的故障檢測(cè)方法分為兩類：基于模型的方法、基于數(shù)據(jù)驅(qū)動(dòng)的方法。航天器故障診斷細(xì)化分類如圖1所示。

圖1 航天器故障診斷細(xì)化分類

在故障診斷發(fā)展的初期，由于生產(chǎn)力、技術(shù)限制，人們使用的系統(tǒng)簡(jiǎn)易，出現(xiàn)的故障模式簡(jiǎn)單，往往建模能很好地解決故障問(wèn)題，所以基于解析模型的方法是發(fā)展最早、研究最系統(tǒng)的一種故障診斷方法[5]。基于解析模型的故障診斷方法具有不需要另增加其他物理設(shè)備的優(yōu)點(diǎn)，但復(fù)雜系統(tǒng)需要極強(qiáng)的專業(yè)知識(shí)、嚴(yán)格的數(shù)學(xué)推導(dǎo)、敏銳的誤差感知，建模難度極大。

基于數(shù)據(jù)驅(qū)動(dòng)的方法不依賴系統(tǒng)的先驗(yàn)知識(shí)，例如數(shù)學(xué)模型和專家經(jīng)驗(yàn)，該技術(shù)以采集到的不同來(lái)源和不同類型的監(jiān)測(cè)數(shù)據(jù)作為基底，利用各種數(shù)據(jù)挖掘技術(shù)獲取其中隱含的有用信息，表征系統(tǒng)運(yùn)行的正常模式和故障模式，進(jìn)而達(dá)到檢測(cè)與診斷的目的[6]。

1 總體方案設(shè)計(jì)

第一步，數(shù)據(jù)提?。簭陌胛锢矸抡嫫脚_(tái)中提取實(shí)驗(yàn)數(shù)據(jù)；第二步，數(shù)據(jù)處理：將實(shí)驗(yàn)數(shù)據(jù)分割并提取時(shí)域特征；第三步，劃分?jǐn)?shù)據(jù)集：將特征數(shù)據(jù)集劃分成測(cè)試集與驗(yàn)證集；第四步，得出結(jié)果：將數(shù)據(jù)集注入算法得出結(jié)果。

2 典型反作用飛輪故障模式分析

一般可以將常見(jiàn)的典型反作用飛輪故障模式歸納為三類，分別是卡死故障、空轉(zhuǎn)故障、力矩衰減故障。反作用飛輪三種典型故障的轉(zhuǎn)速的遙測(cè)圖像[7]分別如圖2、圖3、圖4所示。

圖2 反作用飛輪卡死故障轉(zhuǎn)速遙測(cè)曲線

圖3 反作用飛輪空轉(zhuǎn)故障轉(zhuǎn)速遙測(cè)曲線

圖4 反作用飛輪力矩衰減故障轉(zhuǎn)速遙測(cè)曲線

反作用飛輪中的卡死故障、空轉(zhuǎn)故障屬于突變性故障，可以肉眼觀察出區(qū)別。但由于特征比較單一，機(jī)器很難區(qū)分。而反作用飛輪中的力矩衰減故障屬于漸變故障，不易區(qū)分[8]。

3 支持向量機(jī)反作用飛輪故障檢測(cè)方法

已知訓(xùn)練集T={(x1,y1),(x2,y2),···,(xN,yN)}，其中，xi是樣本輸入向量；yi是樣本輸出向量，xi∈Rn，yi∈{-1,+1}，i=1,2,···,N。

選取適當(dāng)?shù)暮撕瘮?shù)，這里選取高斯徑向基核函數(shù)（gaussian radial basis function, RBF），其形式為：

將訓(xùn)練樣本集映射到Hilbert 空間，得到對(duì)應(yīng)的新的訓(xùn)練集T={(x1,y1),...,(xl,yl)}。

選取適當(dāng)?shù)膽土P參數(shù)C，構(gòu)造并求解最優(yōu)問(wèn)題：

式中，?是Hilbert 空間中的分類面，ξi是松弛變量，C是懲罰參數(shù)。構(gòu)造Lagrange 函數(shù)，得到上述問(wèn)題的對(duì)偶問(wèn)題為：

得到最優(yōu)解a*=(a1*,···,al*)T；選取a*的一個(gè)正分量0＜aj*＜C，根據(jù)此計(jì)算閾值：

構(gòu)造決策函數(shù)，得到：

4 實(shí)驗(yàn)結(jié)果

將從衛(wèi)星半物理仿真平臺(tái)中獲得的數(shù)據(jù)集應(yīng)用于提出的方法，數(shù)據(jù)集共四類：反作用飛輪卡死故障、空轉(zhuǎn)故障、力矩衰減累積故障、正常數(shù)據(jù)，每類數(shù)據(jù)提取約70 h（周期為0.25 s），將正常數(shù)據(jù)集與反作用飛輪衰減數(shù)據(jù)集在時(shí)域中劃分成平均值、標(biāo)準(zhǔn)差、偏度、峭度、最大值、最小值、峰峰值、均方根、振幅因數(shù)、波形因數(shù)、沖擊因數(shù)、裕度因數(shù)、能量13種特征，得到每類50 份數(shù)據(jù)[9]。由于反作用飛輪卡死故障與空轉(zhuǎn)故障具有特殊性，研究者往往以肉眼可分或顯而易見(jiàn)結(jié)束。但事實(shí)上，肉眼可分是對(duì)進(jìn)化了幾千萬(wàn)年的人類而言的，對(duì)機(jī)器來(lái)說(shuō)沒(méi)有較好的特征輸入，任何數(shù)據(jù)集都是難以區(qū)分的。針對(duì)此問(wèn)題，本文使用時(shí)域中平均值、偏度、峭度、最大值、最小值、峰峰值6 種特征作為輸入特征，并將訓(xùn)練集測(cè)試集劃分成8∶2，得到結(jié)果如圖5、圖6 所示。

圖5 正常數(shù)據(jù)與卡死、空轉(zhuǎn)分類結(jié)果

圖6 正常數(shù)據(jù)與力矩衰減分類結(jié)果

圖5 中分別是正常數(shù)據(jù)、反作用飛輪卡死故障與空轉(zhuǎn)故障的分類結(jié)果，圖6 中分別是正常數(shù)據(jù)與反作用飛輪衰減故障的分類結(jié)果，識(shí)別準(zhǔn)確率都是100%。其中，每一種故障數(shù)據(jù)代表一種類型，即為縱坐標(biāo)；訓(xùn)練集每種故障數(shù)據(jù)類型使用的樣本個(gè)數(shù)共同組成樣本序號(hào)，即為橫坐標(biāo)。

5 結(jié)束語(yǔ)

目前，衛(wèi)星姿態(tài)系統(tǒng)的故障研究往往利用衛(wèi)星的姿態(tài)信息進(jìn)行判別，但衛(wèi)星姿態(tài)信息只是衛(wèi)星某一部件發(fā)生故障后的表現(xiàn)，要想得到更精準(zhǔn)的數(shù)據(jù)，研究具體衛(wèi)星部件則是必然的，本文的研究可以為衛(wèi)星的故障定位問(wèn)題提供一種更好的解決方案[10]。