空间站有效载荷预测性维护支持系统设计
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
空间站有效载荷在轨出现故障时，很多情况 下无法通过自诊断功能独立确认要更换的目标部 件，即在轨可更换单兀(Orbital Replaceable Unit, ORU),而人工分析和排查往往费时费力。通过 综合分析有效载荷监测数据,调用诊断模型,结合 推理逻辑,能实现故障的快速准确定位,这是预测 性维护支持系统的智能诊断功能。有效载荷包含 有退化特征的产品,例如泵组、过滤器、电池、制冷 机等,建立性能退化模型,持续跟踪退化趋势，预 测剩余寿命,为备件保障和维修准备提供预测性 指示。此外，还需定期对设备、分系统、系统开展 基于监测数据的健康评估,让地面人员能全面掌 握有效载荷健康动态。图1为空间站有效载荷预 测性维护支持系统的方案设计图，由数据库、自动 辅助建模软件、计算平台、Web U1程序4个部分 组成。
数据库
自动辅助建模软件
数据操作 算法库
计算平台
7实时、
J十算丄 ■定时'
"十算厦
WebUI 卩数据、 h图标2
图1预测性维护支持系统方案 Fig・1 Scheme of the predictive maintenance support system
2.1数据库 空间站有效载荷数据量大、来源多，为充分挖
掘数据中对预测性维护有指导意义的信息，应统 一规划数据源。根据数据来源不同，分为研制阶 段产生的数据与运行阶段产生的数据。 以运行阶 段的数据为主要数据来源,根据需要提取研制阶
第3期
施建明，等•空间站有效载荷预测性维护支持系统设计
397
段的数据辅助分析。 数据类型分为结构化数据和 非结构化数据,针对不同数据类型选择合适的数 据库。有效载荷监测数据以时序数据为主，在工 业大数据、工业互联网领域，1nfluxDB、OpenTSDB 等是常用的开源时序数据库软件［9］,可用于存储 与管理有效载荷状态监测数据。表1列出了预测 性维护支持系统的数据源及相应的数据库产品 选型。
有效载荷方面,NASA在科学实验柜接口定 义文档中对有效载荷的健康和状态数据的定义、 数据传输、处理、显示等进行了规定⑸。中国空 间站有效载荷设计了一定的在轨故障诊断功能， 并将故障事件和传感器参数等数据下行至地面。 同时，也开展了预测及健康管理(Prognostic and Health Management, PHM )相关方法、算法研 究［6-7］与地面健康管理软件开发工作,通过制冷机 在轨数据、热控子系统地面测试数据等进行了技 术验证⑻。
第27卷第3期 2021年 6月
载人航天 Manned Spaceflight
Vol.27 No.3 Jun. 2021
・成果应用・
空间站有效载荷预测性维护支持系统设计
施建明，王功，王伟，李绪志
(中国科学院空间应用工程与技术中心，北京100094)
摘要：针对空间站有效载荷运维对安全性要求高、保障资源有限的问题，建立了预测性维护支 持系统，包括数据库、自动辅助建模软件、计算平台及Web U1程序。以数据驱动预测方法和 技术为核心搭建了支持系统框架，设计了自动辅助建模软件，构建了一种开放式、层次化、可扩 展的软件架构，在此架构上开发了数据处理、机器学习、深度学习算法库,初步开发了有效载荷 模型库与故障诊断、预测及健康管理业务程序集。采用公开数据源对软件建模功能开展测试， 结果表明：软件架构可行，可高效、灵活地完成状态监测数据处理、分析与建模任务。 关键词：有效载荷；预测性维护；算法；模型 中图分类号：V19 文献标识码：A 文章编号：1674-5825( 2021) 03-0395-08
2） 构建故障模式发生和处置场景,为建模提 供应用依据；
3） 对故障模式类型进行判定,包括预警类、
诊断类及RUL预测类； 4） 基于模型清单,对每个模型建立所需的输
入数据进行梳理, 构建输入数据集； 5） 建立故障模型,包括用于故障预警的基线
模型、用于故障诊断的特征识别模型 、用于RUL 预测的退化模型。
建模流程 建模专家
领域专家
定义建模对象 和故障模式
建模输入 数据集构建
11111
；
1
故障建模
1
构建在轨 故障发生、 处置场景
;
故障模式 类型判定
基线
」/预警类
模型
故障 特征
? ! K /诊断类\
〈---1---V 障癮我
退化 模型
/RUL 预\ 测类故
\旖籲式/
图2 PHM建模流程 Fig・2 PHM modeling process
关系型数据库 关系型数据库
时序数据库
8
其他设计数据 结构化/非结构化 知识图谱数据库
有效载荷运行状态监测数据以遥测、工程数 据（下行的状态监测数据）为主，包含了在轨诊断 （例如机内测试）给出的故障或异常状态的指示 量，在排除错误诊断的前提下,这些指示量可为数 据标记提供重要的参考。数据通过天地通讯链路 下行至地面,地面控制中心进行通讯管控,地面数 据中心进行数据管理，预测性维护支持系统作为 地面系统的一部分，提供非紧急故障的诊断、健康 状态长期跟踪和预测等服务，允许一定的时间延 迟。因此，数据库可贴近业务端进行部署，以近实 时的方式从数据中心获取所需的数据。 2.2自动辅助建模软件
1引言
空间站空间应用系统有效载荷设备包括信息 管理、供配电、热控、氮气供应等共用支持设备、空 间科学实验和技术试验机柜、舱内外独立载荷等。 在空间站运营期,这些设施、设备长期运间站有效载 荷维修保障资源有限，修复性维修和定期维修精 准性低、资源代价大，难以满足空间站运行安全 性、可靠性要求。预测性维护对设备进行状态监 测、持续对监测数据进行分析计算、评判设备的健 康状态、预测健康趋势,为有效载荷制定更合理的
设计开发自动辅助建模软件是为提供统一的 有效载荷故障诊断和预测建模平台，在此平台上, 建模专家和领域专家协作开展建模工作,把概率 统计、信号处理、机器学习等数据建模技术同有效 载荷产品知识和故障机理紧密结合起来,并进行 快速迭代、集成与扩展。建模流程如图2所示，具 体步骤如下：
1） 定义建模对象和故障模式。根据有效载 荷产品组成和FMEA报告等，建模专家和领域专 家共同梳理出模型清单；
Abstract: To ensure the safe operation and maintenance of payloads onboard space station with con strained logistic support resources, a Predictive Maintenance Support System ( PMSS) was construc ted including the data bases, AAMS, computing platform, and Web U1 applications. The framework of PMSS was based on the data-driven PHM technologies. A type of open, hierarchical and extensi ble framework for AAMS was then designed, based on which data processing, machine learning and deep learning algorithms were developed. Moreover, the PHM models and applications were devel oped preliminarily for the payload. Then, AAMS was tested using the open data source. The results showed that the framework of AAMS was feasible, and software could be applied for monitoring the data processing, analysis and modeling with high efficiency and flexibility. Key words: payload ； predictive maintenance ； algorithm ； model
自动辅助建模软件生成的模型，由计算平台 调用完成数据计算处理,并将结果输出，包括异常 预警信号、故障诊断结果、指标预报或RUL预测 值等信息。当数据量不大时，可在单台计算机或 服务器上完成计算任务。随着数据量的增大，需 要并行计算［10］甚至分布式大数据计算平台，以提 高计算速度, 满足业务需求。
有效载荷产品种类较多,故障模式与机理复 杂,需要采用不同算法处理大量的监测数据、训练 故障诊断和预测模型。为提升算法、模型及业务 程序的开发和集成效率,各有效载荷产品应统一一 开发范式,解决标准不统一、接口不匹配、数据不 一致等问题。且预测性维护技术相关方法、理论 研究成果急需工程化的软件和平台来承载，并通 过实测数据来实现技术验证和迭代。为此，本文 构建面向有效载荷的系统层预测性维护支持平 台，对核心的自动辅助建模软件开展架构设计和 基础开发工作,为后续持续扩展和优化打下基础。
表1预测性维护支持系统数据源 Table 1 Data sources of PMSS
序号
数据源
数据类型
数据库选择
1
模拟量遥测
2
数字量遥测
结构化 结构化
时序数据库 时序数据库
3
工程数据
结构化
时序数据库
4
科学应用数据 结构化/非结构化 关系型数据库
5
FMEA 数据
6
ORU数据
7 研制阶段测试数据
结构化 结构化 结构化
2预测性维护支持系统方案设计
有效载荷产品自身集成了一定的在轨故障自 检测和诊断功能，对影响安全性和重要功能的异 常状态进行实时检测，采用阈值判断的方式来实 现,适用于故障需要立即响应的场景。预测性维 护支持系统能充分利用地面的存储和计算资源， 对有效载荷长期运行积累的大量数据开展分析,
能完成在轨不便开展的趋势分析、多维监测数据 联合分析以及复杂机器学习模型的训练、使用、评 价与再训练等任务。经过实际数据充分验证的算 法和模型，还能用于在轨故障检测功能和性能的 升级。
空间站有效载荷产品类型多样、故障模式复 杂、研制单位众多，不同故障诊断、预测算法和模 型应能以标准接口进行集成，并以统一范式实现。 自动辅助建模软件是预测性维护支持系统的核心 部分，承载有效载荷数据智能分析、故障诊断与预 测建模、模型优化及管理的功能，第3节将对辅助 建模软件的设计进行详细论述。 2. 3计算平台
收稿日期:2020-08-31；修回日期：2021-03-11 第一作者:施建明，男，博士，工程师，研究方向为PHM、机器学习等。E-mail：sjm@
396
载人航天
第27卷
维护维修计划和备品备件上行方案。 NASA针对国际空间站任务开展了集成系统
健康管理(1ntegrated System Health Management, 1SHM)技术研究,并开发了状态监测工具软件⑴, 用于航天飞机、1SS控制力矩陀螺、1SS主动热控 系统的状态监测任务。软件的核心算法是K最 近邻(Knearest Neighbor, KNN )和聚类(Cluste ring) ，这些算法和工具在航天器健康监测上有较 成功的应用［2-3］。借鉴NASA的经验，余晟等⑷提 出一种基于推演式聚类学习算法的卫星健康状态 监视系统，并通过热控分系统的测试数据对该系 统的有效性进行验证，能较好地完成状态识别与 评估。
Design of Predictive Maintenance Support System for Payload Onboard Space Station
SH1 Jianming, WANG Gong, WANG Wei, L1 Xuzhi
(Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing 100094, China)
数据库
自动辅助建模软件
数据操作 算法库
计算平台
7实时、
J十算丄 ■定时'
"十算厦
WebUI 卩数据、 h图标2
图1预测性维护支持系统方案 Fig・1 Scheme of the predictive maintenance support system
2.1数据库 空间站有效载荷数据量大、来源多，为充分挖
掘数据中对预测性维护有指导意义的信息，应统 一规划数据源。根据数据来源不同，分为研制阶 段产生的数据与运行阶段产生的数据。 以运行阶 段的数据为主要数据来源,根据需要提取研制阶
第3期
施建明，等•空间站有效载荷预测性维护支持系统设计
397
段的数据辅助分析。 数据类型分为结构化数据和 非结构化数据,针对不同数据类型选择合适的数 据库。有效载荷监测数据以时序数据为主，在工 业大数据、工业互联网领域，1nfluxDB、OpenTSDB 等是常用的开源时序数据库软件［9］,可用于存储 与管理有效载荷状态监测数据。表1列出了预测 性维护支持系统的数据源及相应的数据库产品 选型。
有效载荷方面,NASA在科学实验柜接口定 义文档中对有效载荷的健康和状态数据的定义、 数据传输、处理、显示等进行了规定⑸。中国空 间站有效载荷设计了一定的在轨故障诊断功能， 并将故障事件和传感器参数等数据下行至地面。 同时，也开展了预测及健康管理(Prognostic and Health Management, PHM )相关方法、算法研 究［6-7］与地面健康管理软件开发工作,通过制冷机 在轨数据、热控子系统地面测试数据等进行了技 术验证⑻。
第27卷第3期 2021年 6月
载人航天 Manned Spaceflight
Vol.27 No.3 Jun. 2021
・成果应用・
空间站有效载荷预测性维护支持系统设计
施建明，王功，王伟，李绪志
(中国科学院空间应用工程与技术中心，北京100094)
摘要：针对空间站有效载荷运维对安全性要求高、保障资源有限的问题，建立了预测性维护支 持系统，包括数据库、自动辅助建模软件、计算平台及Web U1程序。以数据驱动预测方法和 技术为核心搭建了支持系统框架，设计了自动辅助建模软件，构建了一种开放式、层次化、可扩 展的软件架构，在此架构上开发了数据处理、机器学习、深度学习算法库,初步开发了有效载荷 模型库与故障诊断、预测及健康管理业务程序集。采用公开数据源对软件建模功能开展测试， 结果表明：软件架构可行，可高效、灵活地完成状态监测数据处理、分析与建模任务。 关键词：有效载荷；预测性维护；算法；模型 中图分类号：V19 文献标识码：A 文章编号：1674-5825( 2021) 03-0395-08
2） 构建故障模式发生和处置场景,为建模提 供应用依据；
3） 对故障模式类型进行判定,包括预警类、
诊断类及RUL预测类； 4） 基于模型清单,对每个模型建立所需的输
入数据进行梳理, 构建输入数据集； 5） 建立故障模型,包括用于故障预警的基线
模型、用于故障诊断的特征识别模型 、用于RUL 预测的退化模型。
建模流程 建模专家
领域专家
定义建模对象 和故障模式
建模输入 数据集构建
11111
；
1
故障建模
1
构建在轨 故障发生、 处置场景
;
故障模式 类型判定
基线
」/预警类
模型
故障 特征
? ! K /诊断类\
〈---1---V 障癮我
退化 模型
/RUL 预\ 测类故
\旖籲式/
图2 PHM建模流程 Fig・2 PHM modeling process
关系型数据库 关系型数据库
时序数据库
8
其他设计数据 结构化/非结构化 知识图谱数据库
有效载荷运行状态监测数据以遥测、工程数 据（下行的状态监测数据）为主，包含了在轨诊断 （例如机内测试）给出的故障或异常状态的指示 量，在排除错误诊断的前提下,这些指示量可为数 据标记提供重要的参考。数据通过天地通讯链路 下行至地面,地面控制中心进行通讯管控,地面数 据中心进行数据管理，预测性维护支持系统作为 地面系统的一部分，提供非紧急故障的诊断、健康 状态长期跟踪和预测等服务，允许一定的时间延 迟。因此，数据库可贴近业务端进行部署，以近实 时的方式从数据中心获取所需的数据。 2.2自动辅助建模软件
1引言
空间站空间应用系统有效载荷设备包括信息 管理、供配电、热控、氮气供应等共用支持设备、空 间科学实验和技术试验机柜、舱内外独立载荷等。 在空间站运营期,这些设施、设备长期运间站有效载 荷维修保障资源有限，修复性维修和定期维修精 准性低、资源代价大，难以满足空间站运行安全 性、可靠性要求。预测性维护对设备进行状态监 测、持续对监测数据进行分析计算、评判设备的健 康状态、预测健康趋势,为有效载荷制定更合理的
设计开发自动辅助建模软件是为提供统一的 有效载荷故障诊断和预测建模平台，在此平台上, 建模专家和领域专家协作开展建模工作,把概率 统计、信号处理、机器学习等数据建模技术同有效 载荷产品知识和故障机理紧密结合起来,并进行 快速迭代、集成与扩展。建模流程如图2所示，具 体步骤如下：
1） 定义建模对象和故障模式。根据有效载 荷产品组成和FMEA报告等，建模专家和领域专 家共同梳理出模型清单；
Abstract: To ensure the safe operation and maintenance of payloads onboard space station with con strained logistic support resources, a Predictive Maintenance Support System ( PMSS) was construc ted including the data bases, AAMS, computing platform, and Web U1 applications. The framework of PMSS was based on the data-driven PHM technologies. A type of open, hierarchical and extensi ble framework for AAMS was then designed, based on which data processing, machine learning and deep learning algorithms were developed. Moreover, the PHM models and applications were devel oped preliminarily for the payload. Then, AAMS was tested using the open data source. The results showed that the framework of AAMS was feasible, and software could be applied for monitoring the data processing, analysis and modeling with high efficiency and flexibility. Key words: payload ； predictive maintenance ； algorithm ； model
自动辅助建模软件生成的模型，由计算平台 调用完成数据计算处理,并将结果输出，包括异常 预警信号、故障诊断结果、指标预报或RUL预测 值等信息。当数据量不大时，可在单台计算机或 服务器上完成计算任务。随着数据量的增大，需 要并行计算［10］甚至分布式大数据计算平台，以提 高计算速度, 满足业务需求。
有效载荷产品种类较多,故障模式与机理复 杂,需要采用不同算法处理大量的监测数据、训练 故障诊断和预测模型。为提升算法、模型及业务 程序的开发和集成效率,各有效载荷产品应统一一 开发范式,解决标准不统一、接口不匹配、数据不 一致等问题。且预测性维护技术相关方法、理论 研究成果急需工程化的软件和平台来承载，并通 过实测数据来实现技术验证和迭代。为此，本文 构建面向有效载荷的系统层预测性维护支持平 台，对核心的自动辅助建模软件开展架构设计和 基础开发工作,为后续持续扩展和优化打下基础。
表1预测性维护支持系统数据源 Table 1 Data sources of PMSS
序号
数据源
数据类型
数据库选择
1
模拟量遥测
2
数字量遥测
结构化 结构化
时序数据库 时序数据库
3
工程数据
结构化
时序数据库
4
科学应用数据 结构化/非结构化 关系型数据库
5
FMEA 数据
6
ORU数据
7 研制阶段测试数据
结构化 结构化 结构化
2预测性维护支持系统方案设计
有效载荷产品自身集成了一定的在轨故障自 检测和诊断功能，对影响安全性和重要功能的异 常状态进行实时检测，采用阈值判断的方式来实 现,适用于故障需要立即响应的场景。预测性维 护支持系统能充分利用地面的存储和计算资源， 对有效载荷长期运行积累的大量数据开展分析,
能完成在轨不便开展的趋势分析、多维监测数据 联合分析以及复杂机器学习模型的训练、使用、评 价与再训练等任务。经过实际数据充分验证的算 法和模型，还能用于在轨故障检测功能和性能的 升级。
空间站有效载荷产品类型多样、故障模式复 杂、研制单位众多，不同故障诊断、预测算法和模 型应能以标准接口进行集成，并以统一范式实现。 自动辅助建模软件是预测性维护支持系统的核心 部分，承载有效载荷数据智能分析、故障诊断与预 测建模、模型优化及管理的功能，第3节将对辅助 建模软件的设计进行详细论述。 2. 3计算平台
收稿日期:2020-08-31；修回日期：2021-03-11 第一作者:施建明，男，博士，工程师，研究方向为PHM、机器学习等。E-mail：sjm@
396
载人航天
第27卷
维护维修计划和备品备件上行方案。 NASA针对国际空间站任务开展了集成系统
健康管理(1ntegrated System Health Management, 1SHM)技术研究,并开发了状态监测工具软件⑴, 用于航天飞机、1SS控制力矩陀螺、1SS主动热控 系统的状态监测任务。软件的核心算法是K最 近邻(Knearest Neighbor, KNN )和聚类(Cluste ring) ，这些算法和工具在航天器健康监测上有较 成功的应用［2-3］。借鉴NASA的经验，余晟等⑷提 出一种基于推演式聚类学习算法的卫星健康状态 监视系统，并通过热控分系统的测试数据对该系 统的有效性进行验证，能较好地完成状态识别与 评估。
Design of Predictive Maintenance Support System for Payload Onboard Space Station
SH1 Jianming, WANG Gong, WANG Wei, L1 Xuzhi
(Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing 100094, China)