李孟源?李丹敏?張笈瑋?陳湘龍

摘要：隨著航天技術的進步，我國航天領域的設施設備系統(tǒng)越發(fā)智能，也日趨復雜，傳統(tǒng)的設備維護策略逐漸難以滿足實際的維護需求。而物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術的快速崛起，為預測性維護技術的發(fā)展奠定了基礎。結合航天設備的歷史數(shù)據(jù)和運行數(shù)據(jù)，利用大數(shù)據(jù)技術，針對航天設備運行管理、高頻度發(fā)射和惡劣氣候環(huán)境等復雜使用環(huán)境，提出了基于大數(shù)據(jù)的預測性維護策略確保航天設備正常運行。文章首先分析了航天發(fā)射場工作環(huán)境的特點及其對維護技術的要求，然后給出了航天設備預測性維護的具體流程，最后闡述了航天設備預測性維護模型的一些關鍵技術及應用實例。

關鍵詞：預測性維護；大數(shù)據(jù)；航天設備

近些年，我國航天領域科學技術飛速發(fā)展，相應設施設備系統(tǒng)精密化、智能化、復雜化程度逐步提高。由于航天設備運行管理、高頻度發(fā)射和惡劣氣候環(huán)境等復雜使用環(huán)境，發(fā)生部件退化、失效、故障的可能性較高。而在航天領域，任何設備失效引發(fā)的事故，都可能導致難以挽回的嚴重損失。為此，航天設備維護需要投入的人力、物力成本非常高。在大數(shù)據(jù)時代背景下，基于海量的設備運行、監(jiān)測、維護數(shù)據(jù)，在嚴重事故發(fā)生之前，實現(xiàn)早期預警故障、進行故障隔離，確定設備健康狀態(tài)發(fā)展趨勢以及評估剩余壽命，進而制定高效可行的維護計劃，對保障航天設備安全可靠運行有重要價值。由此看來，針對航天設備的預測性維護技術研究變得十分迫切。

一、研究背景與研究現(xiàn)狀

（一）航天發(fā)射場的環(huán)境特點及其維護現(xiàn)狀

我國為保障運載火箭將衛(wèi)星送入太空，20世紀70年代開始航天發(fā)射場地面設施設備建設，保障了各類運載火箭的發(fā)射任務，發(fā)射場設施設備不斷迭代更新，順利完成各項工作。我國航天發(fā)射場地面設施具有單臺次，非標準，統(tǒng)計特性不明顯等特點。隨著深空探測、空間站等任務相繼實施，航天任務高密度開展，各類設施設備的數(shù)量及規(guī)模大幅增加、使用愈加頻繁。設備長時間滿負荷運行，使用壽命縮短、突發(fā)故障增多的風險加劇，造成發(fā)射場在發(fā)射任務期間維修維護任務十分繁重。傳統(tǒng)的設備維護模式已難以適應繁重的試驗任務需要，對各類航天任務的高質(zhì)量完成提出了挑戰(zhàn)。這對設備維護保障的體系創(chuàng)新、模式升級及新技術應用提出了緊迫需求。

航天設備保障運維技術經(jīng)歷了三個發(fā)展階段：修復性維護、預防性維護、預測性維護。目前我國航天發(fā)射場主要采用修復性維護及預防性維護結合，同時部分重點地面設備采用傳統(tǒng)的基于專家分析系統(tǒng)及物理退化模型的預測性維護策略。單純選擇修復性維護策略時，設備發(fā)生故障后才實施維護行為，無法避免故障造成的損失。航天發(fā)射對系統(tǒng)設備可靠性要求較高，所以針對任務設備同時也結合預防性維護策略，這種周期性維護不考慮設備實際健康狀態(tài)，容易造成維護過度，會導致設備保障成本增加。針對重點設備的基于已知物理退化模型的預測性維護策略，對維護人員的專業(yè)知識水平要求高，實施落地難度大，只能適用于部分設備。

（二）大數(shù)據(jù)背景下的航天設備預測性維護

伴隨著新一代技術的發(fā)展和落地應用，物聯(lián)網(wǎng)技術、大數(shù)據(jù)技術及人工智能技術可以采集設備實時大數(shù)據(jù)并進行傳輸、存儲、分析、處理以及判斷，從而使航天設備基于數(shù)據(jù)驅動的預測性維護應用成為可能。

物聯(lián)網(wǎng)技術是數(shù)據(jù)驅動預測性維護的數(shù)據(jù)采集感知層技術，是預測性維護的神經(jīng)末梢?，F(xiàn)在的物聯(lián)網(wǎng)系統(tǒng)可以通過5G/4G、無線傳感器網(wǎng)絡等無線傳輸手段實時獲得設備的振動、噪聲、溫度、電流電壓、疲勞度、損傷探測等傳感器信息，隨時掌握機械設備的運行健康信息。物聯(lián)網(wǎng)技術應用于航天設備中，可以遠程實時獲取地面設備部件各方面測點信息，為預測性維護的數(shù)據(jù)來源奠定基礎。

大數(shù)據(jù)指超出傳統(tǒng)數(shù)據(jù)管理、處理技術操作極限的大量、實時、多樣、價值密度低的數(shù)據(jù)集合。大數(shù)據(jù)相關技術主要包含預處理、存儲、分析挖掘、可視化分析等技術。航天設備部件種類繁多、結構龐大、不同設備的監(jiān)測維度方法不同、運行時間長，所產(chǎn)生的監(jiān)測數(shù)據(jù)規(guī)模較大、數(shù)據(jù)類型多樣，符合大數(shù)據(jù)的特征。大數(shù)據(jù)技術使得存儲、處理分析大量歷史數(shù)據(jù)及實時數(shù)據(jù)成為可能，為航天設備預測性維護的數(shù)據(jù)處理提供計算支撐。

以深度學習為代表的新一代人工智能技術憑借其優(yōu)秀表現(xiàn)已經(jīng)成為智能預測算法的有力工具，已經(jīng)在農(nóng)業(yè)、醫(yī)療、教育等眾多領域取得廣泛應用。同樣在航天領域，面對航天設備所產(chǎn)生的海量監(jiān)測數(shù)據(jù)，深度學習技術能夠無需專業(yè)背景的輔助，而以一種類似黑盒模式提取數(shù)據(jù)內(nèi)部潛藏的特征，為后續(xù)的處理與分析提供解決方案。

（三）中國航天設備預測性維護研究現(xiàn)狀

當前中國航天發(fā)射設備預測性維護缺乏基于新技術的體系設計、預測模型設計及智能學習應用方法。隨著人工智能及物聯(lián)網(wǎng)技術的發(fā)展，通過積累設備的測點數(shù)據(jù)、故障機理模型以及生命周期相關參數(shù)，從“預防性”維護轉向“預測性”維護已成為一種可行的更高效、更可靠的設備維護手段。

二、航天設備預測性維護總體流程

（一）預測性維護流程

完整的預測性維護系統(tǒng)流程包括數(shù)據(jù)感知獲取與處理、狀態(tài)分析識別、故障診斷與定位、健康值評估與壽命預測、維護管理、維護執(zhí)行與有效性評審、保障決策、管理優(yōu)化、狀態(tài)可視化等過程。預測性維護借助先進的物聯(lián)網(wǎng)傳感器采集設備采集所需要預置在設備中的傳感器數(shù)據(jù)，經(jīng)預處理的數(shù)據(jù)結合設備模型，分析和挖掘反映設備健康狀態(tài)、壽命及性能退化的特征。用獲得的特征及處理后的數(shù)據(jù)，借助機器學習等算法模型對設備進行實時健康狀態(tài)評估以及失效分類判別、剩余壽命預測等。最終，基于智能化模型分析的結果，對設備進行維護規(guī)劃，結合維護資源，提供指導性的維護策略，合理安排維護周期及措施。

（二）航天設備預測性維護流程

航天發(fā)射設備預測性維護的主要技術難點在于構建打通設備數(shù)據(jù)采集、集成、存儲、管理、故障預測模型、壽命預測分析和維護決策應用的整體技術鏈路，故需要建立基于新技術的預測性維護技術體系。

航天發(fā)射設備與一般性質(zhì)的工業(yè)設備相比，具有地面設備種類組成復雜、設備服役時間長、工作環(huán)境嚴酷、可靠性安全性要求較高的特點，基于以上特點可對航天設備預測性維護進行總體設計。航天設備預測性維護關鍵技術主要包括對典型航天設備如擺桿設備的失效原理進行分析建模，對復雜多樣的航天設備進行多層級劃分，并進行不同層級的健康及壽命預測性維護；根據(jù)預測的健康評級評分、壽命預測和故障預警結果進行動態(tài)維護決策優(yōu)化。其中，航天設備多層級健康及壽命預測性維護技術及模型、設備預測性維護系統(tǒng)動態(tài)維護決策優(yōu)化方法等關鍵技術是預測準確的基石。

三、航天設備預測性維護關鍵技術分析及應用

航天發(fā)射塔架擺桿系統(tǒng)是發(fā)射場地面設備中的重要設施之一，主要用于懸掛、支持和固定在擺桿上各種加注、供氣、電纜、空調(diào)等管線路和連接器，火箭起飛前帶動脫落的連接器、管路、接頭等擺開到火箭飛行區(qū)外的安全位置。據(jù)統(tǒng)計研究，多年來擺桿設備出現(xiàn)過各類故障狀況。為保證發(fā)射塔的正常運轉，需要對其進行狀態(tài)監(jiān)測、故障檢測、健康狀況評估、壽命預測等分析，以便科學決策，消除事故隱患。

（一）對典型航天設備如擺桿設備的失效原理進行分析建模

首先，分析常見航天設施設備失效故障的類型及現(xiàn)有對策，確立預測性維護的優(yōu)化策略目標。航天發(fā)射典型設備失效類型主要分為機械類故障、狀態(tài)異常和性能衰退，具體表現(xiàn)為部件老化、斷裂、銹蝕、電氣元件失效、短路斷路等。針對這些故障，現(xiàn)有對策通常為檢測檢修、定期維護、定期更新等。數(shù)據(jù)預測性維護的優(yōu)化策略為基于數(shù)據(jù)預測故障發(fā)生、判斷健康狀態(tài)，根據(jù)預判結果提前適期安排更新、維護等。其次，分析設備機構原理，包括系統(tǒng)整體的功能、運行機理，各組分結構、功能、運行參數(shù)等。擺桿系統(tǒng)根據(jù)組分模式，從機械結構、液壓系統(tǒng)、控制系統(tǒng)三個部分進行分析。再者，明確設備測點布置需求，核實現(xiàn)有測點，確定新測點建設需求和建設方案，包括傳感器的選型和安裝、物聯(lián)網(wǎng)傳輸協(xié)議。以航天發(fā)射擺桿系統(tǒng)為例，當前可獲取的數(shù)據(jù)包括常規(guī)運行狀態(tài)信息數(shù)據(jù)、故障數(shù)據(jù)、維修維護數(shù)據(jù)和性能數(shù)據(jù)。需要新建測點監(jiān)測系統(tǒng)，包括沖擊壓力監(jiān)測系統(tǒng)、風荷載監(jiān)測系統(tǒng)、應力應變監(jiān)測系統(tǒng)、振動加速度監(jiān)測系統(tǒng)。最后，對設備故障分析建模。應從擺桿機構運動全過程出發(fā)，分析擺桿運行過程和動作機理，研究擺桿的鋼結構和驅動泵閥的承載力學分析情況，構建擺桿系統(tǒng)啟停失效、連續(xù)運行失效、運行限位失效、擺開速度波動等故障的分析模型。根據(jù)擺桿機構運行故障數(shù)據(jù)挖掘，建立擺桿系統(tǒng)運行可靠性模型和解析方程。

（二）航天設備多層級健康及壽命預測性維護技術及模型

航天設備系統(tǒng)通常包括系統(tǒng)、分系統(tǒng)、設備、部件等多個層級。對此類復雜系統(tǒng)構建預測性維護管理模型，需要完成對系統(tǒng)多個層級的健康狀態(tài)、壽命值等的量化評估?；谒芯肯到y(tǒng)的各部分組成與結構關聯(lián)關系，建立層級分析結構樹，采用層次分析的方法，將定性的評估定量化，逐級計算各級設備量化健康信息，為維護者提供決策數(shù)據(jù)支持。

作為航天地面設備系統(tǒng)層析分析結構樹的部件結點，將擺桿設備部件的測點歷史數(shù)據(jù)或仿真數(shù)據(jù)作為輸入，對擺桿設備的健康、壽命發(fā)展趨勢進行擬合預測，給出基于多維數(shù)據(jù)的擺桿部件健康狀態(tài)及部件壽命預測模型。

1.航天設備數(shù)據(jù)感知采集與處理

在預測性維護模型中，數(shù)據(jù)是關鍵。充足、準確的數(shù)據(jù)輸入，才能保證挖掘到有效的目標特征，訓練合適的機器模型，收獲期望的維護決策信息支持。

在航天設備數(shù)據(jù)感知采集階段，航天設備測點系統(tǒng)傳感器和終端設備種類多，存在數(shù)據(jù)存儲分散、傳輸方式多樣、數(shù)據(jù)異構、信息量綱不統(tǒng)一、數(shù)據(jù)規(guī)模大等特點，直接采樣的狀態(tài)參數(shù)信息往往不能直接表征部件的健康相關屬性。因此，在獲得測點數(shù)據(jù)（運行狀態(tài)信息數(shù)據(jù)、故障數(shù)據(jù)、維修維護數(shù)據(jù)和性能數(shù)據(jù)）后，需要對狀態(tài)采集數(shù)據(jù)進行處理，以便支持后續(xù)狀態(tài)監(jiān)測、故障診斷、健康評估等的分析需要。通常，數(shù)據(jù)預處理包括數(shù)據(jù)清洗（異常值處理、缺失值處理、去噪等）、數(shù)據(jù)集成（統(tǒng)一量綱、數(shù)據(jù)模式集成等）、數(shù)據(jù)變換（如數(shù)據(jù)歸一化）、數(shù)據(jù)歸約（壓縮數(shù)據(jù)集）等操作。擺桿系統(tǒng)的數(shù)據(jù)處理主要包括：對不同失效或故障狀態(tài)下的擺桿運行數(shù)據(jù)實施規(guī)范化處理，統(tǒng)一量綱，擬合離散信息，構建模型訓練和驗證數(shù)據(jù)集。

數(shù)據(jù)獲取后，如何有效提取數(shù)據(jù)中的特征是預測性維護過程中實現(xiàn)分析預測的關鍵。在擺桿系統(tǒng)案例中，通過以下方式獲取數(shù)據(jù)特征：時域特征、頻域特征等。

2.基于深度學習的航天設備健康狀況評估

健康狀況評估就是對設備系統(tǒng)的性能失效退化過程建模，將高維監(jiān)測特征數(shù)據(jù)進行規(guī)約轉換為二維的健康趨勢曲線，可實時顯示設備系統(tǒng)性能的退化狀態(tài)或者退化程度。在實際中，受自身復雜機理和工作環(huán)境限制，大部分航天設施設備的退化失效情況無法通過直接監(jiān)測獲得?；跀?shù)據(jù)挖掘的機器學習等技術，構建系統(tǒng)健康狀況評估模型，通過數(shù)據(jù)挖掘和模型計算分析，監(jiān)視系統(tǒng)退化過程，確定系統(tǒng)健康狀態(tài)。具體到航天發(fā)射場擺桿系統(tǒng)，監(jiān)測數(shù)據(jù)具有長短期時間序列特征，利用擺桿可靠性模型，對擺桿設備突發(fā)失效和退化失效兩種情況構建基于深度學習的LSTM-VAE網(wǎng)絡健康狀態(tài)模型，并通過各類監(jiān)測數(shù)據(jù)、故障數(shù)據(jù)和性能數(shù)據(jù)對故障失效趨勢多層級健康狀態(tài)進行擬合，從而建立基于數(shù)據(jù)驅動的擺桿失效預測性維護健康狀態(tài)模型。

3.基于深度學習的航天設備壽命預測評估

剩余壽命（RUL）是指設備從當前狀態(tài)到最后可用時刻的時間度量。剩余壽命屬性可提供設備部件等的最晚維護時間信息，作為維護策略制定者的決策依據(jù)。傳統(tǒng)的剩余壽命預測方法大多在依賴領域專業(yè)知識和直覺的人工提取數(shù)據(jù)特征的基礎上進行預測，且無法解讀傳感器狀態(tài)監(jiān)測數(shù)據(jù)的時間序列特性。基于數(shù)據(jù)驅動的壽命預測技術通過監(jiān)測數(shù)據(jù)，無需借助專業(yè)知識，而是利用概率統(tǒng)計、數(shù)據(jù)挖掘等技術完成壽命評估等功能。擺桿系統(tǒng)可結合LSTM循環(huán)神經(jīng)網(wǎng)絡等深度學習理論，利用直接預測策略，即順序滑動預設時間窗口、從測點傳感器監(jiān)測數(shù)據(jù)中窗選生成序列數(shù)據(jù)作為神經(jīng)網(wǎng)絡輸入，建立剩余壽命預測模型。

（三）設備預測性維護系統(tǒng)動態(tài)維護決策優(yōu)化方法

降低航天地面設備故障頻率、提高發(fā)射設施設備運行效率是高密度航天發(fā)射成功的關鍵。在預測性維護過程中，基于設備當前工作狀態(tài)，判斷需要做何種維護、預估最晚必要停機維護時間、針對不同維護目標和維護環(huán)境制定能最大限度保障系統(tǒng)性能高效和降低維護成本的維護活動計劃，是維護決策考慮的問題。

以擺桿設備系統(tǒng)為例，研究設備預測性維護系統(tǒng)動態(tài)維護決策優(yōu)化方法。首先，剖析航天設備預測性維護決策優(yōu)化問題的特點，構建動態(tài)維護決策優(yōu)化模型。分析擺桿設備故障和維護活動，可以發(fā)現(xiàn)系統(tǒng)狀態(tài)轉移取決于當前系統(tǒng)狀態(tài)和維護決策，歷史的系統(tǒng)狀態(tài)與維護決策綜合成當前系統(tǒng)狀態(tài)轉移的初始狀態(tài)。擺桿設備故障與維護活動對系統(tǒng)狀態(tài)的作用機理，以及對維護過程的影響，可利用這種序列決策特點和狀態(tài)轉移過程的步進記憶性特征，構建基于馬爾科夫鏈設備瞬態(tài)性能評估模型，進而獲取擺桿系統(tǒng)性能變化規(guī)律。綜合考慮停機成本、失效懲罰值和預測性維護成本，以最小化系統(tǒng)總成本值為目標，基于馬爾科夫決策過程建立擺桿設備預測性維護決策優(yōu)化模型。然后，針對建立的預測性維護決策優(yōu)化模型，尋找合適的求解策略。對于決策優(yōu)化中大規(guī)模動態(tài)決策問題，在馬爾科夫決策求解過程中將遇到典型的“維數(shù)災難”，利用傳統(tǒng)動態(tài)規(guī)劃方法難以得到最優(yōu)策略。因此，對建立的馬爾科夫決策過程，采用深度強化學習這一近似動態(tài)規(guī)劃方法進行求解，從而獲得最優(yōu)解，即所需要的擺桿系統(tǒng)預測性維護策略。最后，在訓練數(shù)據(jù)上，利用算法對問題進行近似求解，獲得設備預測性維護策略。具體地，為生成神經(jīng)網(wǎng)絡訓練所需的數(shù)據(jù)，基于瞬態(tài)性能評估模型依次迭代模擬擺桿設備的實時運行過程，產(chǎn)生當前時刻設備的系統(tǒng)狀態(tài)、維護決策及對應的系統(tǒng)收益等訓練數(shù)據(jù)；為獲取有效的擺桿設備預測性維護策略，通過深度強化學習算法和神經(jīng)網(wǎng)絡訓練，獲取問題的最優(yōu)近似求解，最終獲得預測性維護決策的優(yōu)化方案。

四、結束語

總而言之，在當前大數(shù)據(jù)時代背景下，面對航天領域設備預測性維護的研究，對保證航天設備系統(tǒng)安全穩(wěn)定運行、降低經(jīng)濟成本、確保航天任務順利完成具有重要意義。當前我國航天設備預測性維護還缺乏系統(tǒng)的理論和應用架構。本文基于航天發(fā)射場維護策略現(xiàn)狀，分析了大數(shù)據(jù)背景下航天設備預測性維護策略的必要性和可行性，結合航天設備特點給出了預測性維護的具體流程，闡述了航天設備預測性維護模型的一些關鍵技術及應用實例。

作者單位：李孟源 63926部隊

李丹敏 中國航天系統(tǒng)科學與工程研究院

張笈瑋 63926部隊

陳湘龍 中國航天系統(tǒng)科學與工程研究院

參? 考? 文? 獻

[1]王春喜，王成城，王凱.智能制造裝備預測性維護技術研究和標準進展[J].中國標準化，2021（02）：15-21.

[2]李建增，路廣勛，王東鋒.發(fā)射場地面設施健康狀態(tài)管理研究綜述[J].中國測試，2013，39（06）：24-27.

[3]陳自強. 基于LSTM網(wǎng)絡的設備健康狀況評估與剩余壽命預測方法的研究[D].中國科學技術大學，2019.

[4]余濤.航天地面測控系統(tǒng)的健康管理應用[J].電訊技術，2021，61（01）：30-35.

[5]趙勁彪，潘玉竹，黎定仕，等.發(fā)射平臺擺桿機構可靠性分析[J].現(xiàn)代機械，2018（05）：76-79.

[6]陳治富. 航天發(fā)射塔平臺擺桿設備液壓系統(tǒng)故障分析與診斷研究[D].國防科學技術大學，2016.

[7]陸寧云，陳闖，姜斌，邢尹.復雜系統(tǒng)維護策略最新研究進展：從視情維護到預測性維護[J].自動化學報，2021，47（01）：1-17.

李孟源（1962.12-），女，漢族，北京，大學本科，正高級工程師，研究方向：自動控制；

李丹敏（1998.05-），女，漢族，山西呂梁，研究生在讀，研究方向：計算機應用技術；

張笈瑋（1979.05-），男，漢族，北京，博士研究生，高級工程師，研究方向：結構工程；

陳湘隴（1979.12-），男，漢族，湖南，學士學歷，研究員，研究方向：航天設備系統(tǒng)總體設計、應用物理電子技術。