劉曉萍，吳曉莉，孫偉杰，董恩強，黃雙臨

北京衛(wèi)星導航中心，北京，100094

?

組合多方法快速診斷衛(wèi)星導航系統(tǒng)故障

劉曉萍，吳曉莉，孫偉杰，董恩強，黃雙臨

北京衛(wèi)星導航中心，北京，100094

衛(wèi)星導航系統(tǒng)功能多、結構復雜、集成度高，其故障具有復雜性、層次性、相關性、延時性和不確定性等特點。因此，當衛(wèi)星導航系統(tǒng)在實際運行過程中出現故障，單一的故障診斷方法已遠遠不能滿足故障診斷的需要。本文主要針對衛(wèi)星導航系統(tǒng)故障診斷復雜性的現實需要，提出了一種多技術手段融合的衛(wèi)星導航系統(tǒng)故障快速診斷技術，探討了故障快速診斷推理過程，詳細分析了故障診斷的知識獲取、知識表示和診斷推理方法等快速定位故障中的一些關鍵問題，并利用COMPASS系統(tǒng)實際數據對該方法進行了試驗驗證。結果表明：該方法可以對復雜故障進行快速準確定位，從而有效提高系統(tǒng)故障診斷的效率，提升了系統(tǒng)故障診斷的智能化水平。

故障診斷；案例推理；案例匹配；相似度；狀態(tài)監(jiān)測

1 引 言

衛(wèi)星導航系統(tǒng)是復雜的軟硬件集成系統(tǒng)， 其故障具有復雜性、層次性、相關性、延時性和不確定性。系統(tǒng)某一局部的故障往往造成整個系統(tǒng)的中斷或可用性下降，引發(fā)安全隱患和經濟損失。

衛(wèi)星結構的復雜性、運行環(huán)境的獨特性和誘發(fā)故障的多源性，使衛(wèi)星故障的診斷與預測較一般設備困難，單粒子翻轉等因素會造成導航業(yè)務信息中斷等問題。此外，災害性空間天氣事件、衛(wèi)星內部軟件運行異常等原因均會引起衛(wèi)星導航業(yè)務信息中斷。衛(wèi)星發(fā)生故障后，就該星向用戶提供的服務而言，可能產生三種結果：無法提供服務、服務性能下降、錯誤服務。衛(wèi)星較長時間處于不可用狀態(tài)是對衛(wèi)星可用資源與壽命的浪費，也將降低系統(tǒng)提供導航定位服務的可用性[1]。

因此，對衛(wèi)星導航系統(tǒng)故障進行快速診斷與恢復，既是保證衛(wèi)星導航系統(tǒng)連續(xù)穩(wěn)定運行，最大限度保證系統(tǒng)可用性的需要，也是充分利用衛(wèi)星可用資源與壽命的需要。

由于故障模式多樣、復雜，因此單一診斷模式已遠遠不能滿足故障診斷的需要。為適應導航系統(tǒng)故障多樣性要求，必須探索、應用新的診斷技術以適應系統(tǒng)要求。一方面，在實際診斷過程中，只有從多方面獲得關于診斷對象的多維信息，才能對系統(tǒng)進行可靠、準確的診斷；另一方面，隨著所獲取診斷信息的增多，非常有必要引入和研究適用于衛(wèi)星導航故障診斷領域的信息融合技術，充分挖掘信息的內涵，并對多診斷信息進行有效地融合利用，從而提高故障診斷的準確性、有效性和可靠性。本文融合6種診斷方法對衛(wèi)星導航系統(tǒng)故障的快速診斷進行了研究，實現了衛(wèi)星故障的快速診斷。

2 多方法組合的衛(wèi)星導航系統(tǒng)故障診斷方法

智能診斷作為一種仿生診斷方法，為復雜系統(tǒng)的故障診斷提供了新的解決辦法，也使診斷系統(tǒng)朝微型化、“傻瓜化”邁進。但是，每種智能診斷方法都有其優(yōu)缺點，因此，研究融合智能診斷方法即如何把多種智能方法有機結合起來、取長補短，以提高診斷準確率顯得十分必要。下面對智能診斷對衛(wèi)星故障快速定位的應用進行分析。

2.1 故障模式與影響分析(FMEA)

FMEA是分析產品所有可能的故障模式及其產生的影響，并按每個故障模式產生影響的嚴重程度予以分類的一種歸納分析方法，是屬于單因素的分析方法。FMEA是產品可靠性分析的一個重要的工作項目。其分析的目的是在早期發(fā)現產品的各種缺陷與薄弱環(huán)節(jié)，減少過多的晚期修改帶來的損失，并采取有效的改進和補償措施以提高其可靠性水平。

FMEA工作需提前至從方案設計一開始就進行，而不是局限在事后分析上。FMEA是以預防為主的可靠性分析手段，從根本上保證產品的可靠性?；诘孛孢\控系統(tǒng)目前的設計方案：

(1)分析的產品層次

初始約定層次：地面運控系統(tǒng)。

約定層次：地面站，包括主控站、注入站、一類監(jiān)測站、二類監(jiān)測站。

最低約定層次：主控站的系統(tǒng)，監(jiān)測站的設備。

(2)故障判據

故障判據：性能中的精度和參數更新周期指標，超出指標要求極限即為故障；發(fā)生無法實現系統(tǒng)功能的事件，都定義為故障。

地面運控系統(tǒng)能夠實現規(guī)定的功能，按照指標要求實現導航系統(tǒng)日常運行維護即為正常。

(3)嚴酷度分類

所有故障影響將根據運控系統(tǒng)嚴酷度類別進行評估，結合地面運控系統(tǒng)特點，嚴酷度分類規(guī)定見表1。

表1 運控系統(tǒng)嚴酷度類別

嚴酷度類別故障影響I災難的運控系統(tǒng)功能完全喪失，造成系統(tǒng)巨大損害，或使人員傷亡；II嚴重的運控系統(tǒng)功能喪失，任務失敗，造成系統(tǒng)嚴重損壞，對人員傷害有嚴重威脅；III中度的運控系統(tǒng)功能明顯下降，對系統(tǒng)造成一定的損害，對人員傷害有輕度威脅，甚至無威脅；IV輕微的系統(tǒng)功能有輕度下降，對系統(tǒng)未造成損害，對人員完全無害。

2.2 基于貝葉斯網絡的故障數據挖掘技術

衛(wèi)星導航系統(tǒng)運行過程中，可能出現的故障模式多樣化，故障之間具有動態(tài)隨機性和相關性。部分故障由于缺乏數據關聯(lián)性，無法快速分離問題；無法通過綜合的失效分析和針對業(yè)務能力的故障分析進行快速故障定位。這些特點給系統(tǒng)故障分析帶來較多困難。因此，對系統(tǒng)運行管理、故障診斷和恢復等都提出了嚴峻的挑戰(zhàn)。當故障發(fā)生時需快速進行故障定位，排除故障，縮短故障時間以保障北斗導航系統(tǒng)服務的連續(xù)性。

本文將貝葉斯網絡結構故障樹分析引入至衛(wèi)星導航系統(tǒng)[2]，為分析和解決復雜而繁瑣的任務提供一個全新的視角和思路。該分析把系統(tǒng)看成一個大的開放的貝葉斯網絡結構，將問題域中的節(jié)點(變量)當成一個子系統(tǒng)，在專家知識、先驗信息、觀測數據的相互作用和影響下，通過最大后驗概率與最小描述的協(xié)調計算，得到一個最佳匹配的貝葉斯網絡結構。這樣，不僅有利于綜合相關知識和信息解決計算復雜性的問題，避免主觀偏見帶來的片面性，而且還有機結合網絡結構的精確性，使結構模型與數據實例達到最佳匹配。

提出和設計了衛(wèi)星導航地面運控系統(tǒng)的貝葉斯網絡結構學習算法。首先，基于樣本數據和專家知識，通過互信息測度和條件獨立性檢驗學習出一個無向圖；其次，運用最大后驗概率和最小描述長度的集成準則，確定節(jié)點之間連接的方向性；最后，通過相關的知識和規(guī)則，對有向無環(huán)圖中的連接邊和方向進行優(yōu)化和調整，達到最佳匹配的網絡結構模型。

為了進一步提高診斷系統(tǒng)的工作效率，根據對象系統(tǒng)和故障的層次性特點，確定層次診斷策略、合適的診斷粒度、淺知識和深知識有機結合等確定診斷力度。根據系統(tǒng)診斷的要求來進行，在滿足診斷要求的前提下，使劃分的“塊”大一些，以降低工作量。

衛(wèi)星出現導航業(yè)務信息中斷問題，進行故障發(fā)現與確認的輸入數據源主要包括：監(jiān)測站觀測數據、衛(wèi)星遙測數據和主控站監(jiān)測數據。

對監(jiān)測站觀測數據進行實時的數據判讀與比對是發(fā)現衛(wèi)星異常問題最有效可靠的數據源。每個監(jiān)測站的監(jiān)測接收機都可實時對其可視范圍內的在軌衛(wèi)星進行監(jiān)測、測量，具有接收衛(wèi)星導航電文，完成電文解析的功能。若在軌衛(wèi)星出現異常問題、引起星地數據異常時，異常衛(wèi)星可視范圍內的多個監(jiān)測站將在第一時間收到異常的星地數據。監(jiān)測站的觀測數據通過專用通道傳送至地面運控監(jiān)視管理分系統(tǒng)，管理分系統(tǒng)實時提取監(jiān)測站觀測數據，對其進行數據判讀和比對。一旦發(fā)現多數監(jiān)測站觀測數據出現針對單星相同的中斷、超差、不連續(xù)等現象時，即可發(fā)出報警信息，提示出現衛(wèi)星異常問題。如星地時間同步中斷貝葉斯網絡故障樹分析如圖1所示。

圖1 星地時間同步中斷貝葉斯網絡故障樹

2.3 基于案例推理方法(Case Based Reasoning)

CBR是人工智能和故障診斷方法的一次新發(fā)展[3]。它規(guī)避知識和規(guī)則難以獲取這一瓶頸，運用以前積累的經驗直接求解問題，成為人工智能領域的一個研究熱點。它是由目標案例的提示而得到歷史記憶中的源案例，并由源案例指導目標案例求解的一種策略。在CBR中，知識單元是案例(case)，合理的案例表達方式是CBR推理的基礎和關鍵。其基本思路是：首先將已解決的故障做成案例并按照一定的格式存儲于案例庫，當有新的診斷任務時，程序依某一匹配算法檢索案例庫，若能匹配相關案例，則輸出結果；如果不能匹配，則對該故障采取其他診斷方法進行處理，如專家會診等，得到的診斷結果經規(guī)范化處理后，作為新的案例添加到案例庫中去。

衛(wèi)星故障模式多樣、復雜，單一診斷模式已遠遠不能滿足故障診斷的需要。為適應衛(wèi)星故障多樣性要求，必須探索、應用新的診斷技術以適應系統(tǒng)要求。

2.4 系統(tǒng)參數判斷技術

衛(wèi)星導航系統(tǒng)有多個系統(tǒng)，每個系統(tǒng)有上千個參數，這些參數按一定速率快速傳到監(jiān)視與控制分系統(tǒng)。由于參數太多，主要靠計算機程序來實現故障報警，報警方法有3類，具體如下。

2.4.1 參數門限判斷技術

該方法是衛(wèi)星管理中應用最早的方法，它的算法能及時發(fā)現參數的變化[4]。只要參數在給定的上、下限范圍內，就表明系統(tǒng)工作正常，否則通過顯示或聲音報警。

參數門限判斷方法的問題主要是參數的上、下限合理取值困難，這反映在2個方面：第一，當上、下限值相差較大時，不容易發(fā)現參數變化，只有當設備故障到一定程度，超過給定的上、下限值，才能報警，這樣會錯過故障處理時間，不利于系統(tǒng)緩變故障的發(fā)現；第二，當參數值本身變化較大時，判斷門限不好掌握，無法正確報警。

2.4.2 參數相對值判斷法

參數相對值判斷法的結構與行為描述方法是，將診斷對象看成由一系列單個零件通過相互連接而構成，進而對這些零件的輸入、輸出進行行為描述，建立好結構與行為模型后即可預測系統(tǒng)的行為。將模型預測值與實測值相比較以獲取異常征兆，然后利用這些異常征兆搜索那些可使預測模型與實測值相一致的各種可能行為的狀態(tài)假設，對于每一個偏離指定正確行為的上述狀態(tài)的假設被視為故障。該報警算法簡單，只要超限報警門限設置合理，就能夠及時發(fā)現系統(tǒng)出現的異常。2.4.3 參數關聯(lián)判斷法

當一個故障導致多個參數超限，將所超限參數都顯示出來，會讓使用人員無法正確判斷故障源；或者地設備切換時，相應的參數會從發(fā)令前的值跳變至發(fā)令后的值，屬于正常情況，如果在對參數變化進行判斷時未考慮發(fā)令的影響，就會造成誤判。因此，對數據的實時監(jiān)測與比對也非常必要。在完成對數據的解析后，根據判定策略，對其進行數據判讀和比對，一旦出現異常數據，及時發(fā)出提示信息。

2.5 衛(wèi)星和地面站綜合監(jiān)視與控制技術

監(jiān)視管理系統(tǒng)實時接收并處理地面系統(tǒng)的各類觀測數據和定軌與時間同步軟件的預處理數據，以圖形化的方式顯示與業(yè)務信息中斷現象相關的監(jiān)測接收機測量數據、星地時間同步上下行數據、導航電文、遙測信息、衛(wèi)星鐘差。結合地面接收機工況、規(guī)劃設備工況、衛(wèi)星任務規(guī)劃、任務規(guī)劃回執(zhí)、測站預報等因素，對衛(wèi)星導航業(yè)務數據綜合狀態(tài)進行實時監(jiān)視，用于輔助人工判斷，提高地面運控系統(tǒng)對故障判定的及時性和準確性[5]。

監(jiān)視管理系統(tǒng)的數據庫接收并保存重要數據、事件、控制指令，對故障前后數據、設備工況進行備份。支持對故障前后的數據進行事后分析和場景再現，幫助分析人員進行經驗積累，對故障相關信息進行統(tǒng)計匯總。

2.6 故障模型擴展技術

針對系統(tǒng)的靈活性和擴展性要求，數據處理和監(jiān)控分系統(tǒng)以目前已知的各種異?，F象及故障為基礎，設計并實現了具有一定擴展性的故障模型[6]。故障模型擴展性技術實現流程見圖2。

圖2 故障模型擴展性技術實現流程

故障模型的擴展性表現在：

①異?，F象參數可修改。在故障模型庫中可以配置每一種異?，F象的多類閾值，包括參數報警閾值、時間閾值、概率和差值閾值等?？梢愿鶕闆r調整和優(yōu)化異?，F象參數。

②故障定位策略可擴展。在故障模型庫中，針對每一種故障，建立了可擴展的故障定位模型。通過配置，每一類故障的定位策略可以修改或新增，實現了衛(wèi)星故障判斷策略的可擴展，異?，F象與故障的判定邏輯之間的關系可配置。在故障定位過程中，故障定位策略是從故障模型庫中讀取的，在故障模型庫變化后，相關軟件通過讀取數據庫，自動適應新的需求。

故障發(fā)現與定位軟件的軟件架構具有較好的可擴充性，可以加入新的異?，F象判定模塊，在整體架構不變的前提下，通過較少的代碼修改，實現對新增異?，F象的支持。將新的異?，F象加入故障定位策略，只需通過配置故障模型即可實現，故障定位代碼無需修改。

3 多方法融合診斷技術

綜合考慮系統(tǒng)功能、效果和客觀條件等各方面因素，本系統(tǒng)采用了故障模式與影響分析(FMEA)、衛(wèi)星和地面站綜合監(jiān)視與控制、系統(tǒng)參數判斷、基于貝葉斯網絡的故障數據挖掘、故障模型擴展等技術、故障模式與影響分析(FMEA) 等技術相融合的混合智能診斷技術方案。

通過故障模式與影響分析(FMEA)技術、基于貝葉斯網絡的故障數據挖掘技術進行系統(tǒng)故障關聯(lián)性的深入分析，全面分析系統(tǒng)故障狀態(tài)的原因，在實際應用中復雜的故障樹結構函數會造成頂事件概率計算出現組合爆炸的問題，避免障樹分析方法復雜、費時，并形成初步詳細的診斷方法和策略。衛(wèi)星和地面站綜合監(jiān)視與控制主要實現實時的監(jiān)視與控制，發(fā)現系統(tǒng)參數異常等故障。根據故障診斷方法和策略，通過基于案例推理方法實現復雜故障的診斷。尋找一個類似的、成功的過去案例，并對其進行修改直至符合當前問題的需要。此方法克服了分析系統(tǒng)機理的費時工作，并且不需要人從故障實例中提取規(guī)則，降低了知識獲取的負擔，提高了故障診斷效率。

將基于案例的推理和多方法相結合應用于導航系統(tǒng)的故障快速診斷研究中，取長補短，從而使整個系統(tǒng)達到更高智能水平。

3.1 融合案例推理

在進行故障診斷過程中，根據系統(tǒng)故障產生的大致部位及故障現象情況，應用案例推理的方法進行診斷。如果從案例庫中檢索到相同或相似故障的故障案例，則按此案例的故障原因進行故障定位，若故障定位成功，則說明診斷成功，即可按照此案例的維護方案展開維護工作；否則，系統(tǒng)啟動基于規(guī)則的診斷流程，使用由故障樹獲得的維修知識進行精確診斷，診斷成功后將此次信息增加到故障案例庫，從而實現故障快速診斷和精確診段。

一般來說，歸納為以下4個步驟：

①案例檢索：與給定問題的特征相比較，將最符合的案例從案例庫中檢索出來；

②案例重用：將最符合案例的解決方案作為新問題的解決方案；

③案例修改：分析檢索出案例與問題間的差異部分，運用領域知識對案例的解決方案加以修正，形成新的案例；

④案例學習：根據一定的策略，把新案例加到案例庫中，當新的問題到來時，系統(tǒng)從案例庫中檢索出與新問題最相似的舊案例，如果舊案例和新案例完全一致，則采用舊案例的解決方案解決當前問題；否則，需要對相似案例進行修改，修改后的案例被添加到案例庫中。

相似度匹配算法公式如下：

式中，i表示第i個匹配的關鍵特征；相似度[i]表示案例間第i個關鍵特征的相似度；權重[i]表示第i個關鍵特征的權重因子。

3.2 案例檢索策略的基本思想

案例檢索是故障快速診斷的核心技術，每個案例都是在導航設備使用或診斷實踐當中的故障現象、原因以及排除過程與方法的積累和總結。不斷豐富的案例形成系統(tǒng)診斷案例庫，以方便系統(tǒng)診斷的查詢和推理[7]。

每一個故障的發(fā)生都是由其內部機理決定的，因此可以根據系統(tǒng)的內部機理對所有故障案例進行合理分類。故障表現通常包括故障數據和故障狀態(tài)。故障數據是對故障的定量描述，故障狀態(tài)是對故障的定性描述，可以用它來確定當前案例所屬的類別。因此，先根據目標系統(tǒng)的內部機理對故障案例進行合理分類，并在不同的案例集中分別計算權重向量；然后根據權重向量的差異大小(表明其重要的程度)，生成案例集狀態(tài)向量，并將當前故障狀態(tài)向量與各個案例集狀態(tài)向量相比較，確定當前故障案例所屬的類別；最后，通過逼近全指標的故障狀態(tài)匹配進一步縮小范圍，采用改進的灰色關聯(lián)度計算方法精確定位相似案例。案例檢索流程圖如圖3所示。

圖3 案例檢索流程圖

3.3 案例知識的獲取

案例知識的獲取可以采用以下幾種方法：一是參考已有的故障資料和廣泛征求專家的意見，從他們成功的故障判斷和故障恢復經驗中提取案例；二是一線工作人員與專家合作，根據具體故障特點，進行故障梳理，找出系統(tǒng)故障間的關聯(lián)信息，確定最優(yōu)故障定位方案，來獲取新的案例；三是通過系統(tǒng)的自學習能力來豐富案例。

3.4 建立檢索樹

檢索過程是通過檢索案例庫中的故障集來和用戶輸入故障的故障現象集匹配，按照案例的故障現象集中的各個故障現象的重要程度，組成如同故障樹一樣的樹結構。樹的根節(jié)點為某系統(tǒng)故障時對應的信息，因為信息是本系統(tǒng)中故障診斷的啟發(fā)性信息，通過確定信息可以縮小診斷的范圍，提高故障診斷的速度。通過計算各個可見征兆和系統(tǒng)參數的重要度，確定每層節(jié)點的節(jié)點值。

3.5 案例的修改

案例修改階段包括兩個任務：①對檢索出的相似案例進行評估，若可行則進入案例學習過程，將問題形成新的案例添加至案例庫中；②若檢索結果評估不可行，則要對相似案例進行修改，從而得到新案例的解決方案。

提出了基于特征差異的案例自修改方法。其核心是從已存在的案例數據中搜索修改知識，根據相似案例中不滿足要求的特征值進行修改，將故障問題之間的差異轉換為故障案例解決方案的修改。在故障診斷系統(tǒng)中，對比故障案例與檢索出的相似案例，根據存在差異的征兆，對相似案例再次采用CBR方法進行相似匹配，根據匹配結果對案例的解決方案進行修改。案例的規(guī)范化表示與存儲見表2。

表2 故障案例庫

系統(tǒng)功能故障模式故障原因任務階段與工作方式故障影響局部影響高一層次影響最終影響嚴酷度類別故障檢測方法星間時間同步上行測距無上行測距信號輸出硬件、軟件故障；天線故障星間時間同步測量上行測距功能喪失星地時間同步功能降級星地時間不能同步II數據接收、工況、檢測儀聯(lián)合上行測距信號不連續(xù)硬件、軟件故障星間時間同步測量星地時間同步功能降級星地時間同步功能降級星地時間同步周期延長III數據接收、工況、檢測儀聯(lián)合上行測距信號輸出錯誤硬件、軟件故障星間時間同步測量星地時間同步功能降級星地時間同步功能降級星地時間同步數據出錯III數據接收、工況、檢測儀聯(lián)合

4 試驗驗證

實現對衛(wèi)星導航業(yè)務信息故障判斷的前提是實現對故障的快速發(fā)現與定位。對星地異?，F象和參數的分析與判斷是發(fā)現與定位衛(wèi)星導航業(yè)務信息中斷及故障單機的主要途徑。主要采用對監(jiān)測站觀測數據、衛(wèi)星遙測數據、系統(tǒng)工況數據的綜合判讀，實現異常問題的定位。

圖4 衛(wèi)星故障快速定位圖

數據處理實時處理多監(jiān)測站、多星數據，對其進行數據判讀和比對。觀測數據的判讀設計門限、正常超差等多個判據，減少誤警率。一旦發(fā)現在軌衛(wèi)星出現觀測數據中斷、超差、不連續(xù)等現象時，即可發(fā)出報警信息，提示出現衛(wèi)星異常問題或是地面系統(tǒng)的問題。同時通過對數據的比對判讀，實現對故障以及原因的初步定位。圖4為衛(wèi)星故障快速定位圖，原故障定位方法與快速診斷方法故障定位時間比較見表3。

表3 原故障定位方法與快速診斷方法故障定位時間對比表

5 結束語

針對衛(wèi)星導航系統(tǒng)故障診斷和預測中，故障相關信息多及故障趨勢難以預測問題，本文提出一種多方法融合的衛(wèi)星導航系統(tǒng)故障快速診斷的技術解決方案，該研究有效提高衛(wèi)星導航系統(tǒng)故障診斷的智能化水平。根據研究和開發(fā)實踐，得出以下結論：

1)對于衛(wèi)星的不同故障類型和危險趨勢，需要應用不同的推理方法進行診斷。只有這樣，才能使衛(wèi)星故障診斷和危險趨勢預測更加準確、有效。

2)在應用多形式推理方法進行衛(wèi)星故障診斷和危險趨勢預測中，相關知識的形式化描述是其中的一個難點，這也是專家系統(tǒng)中研究的一個熱點問題，它直接影響著推理的自動化。

3)通過貝葉斯網絡數據挖掘技術建立正確合理的規(guī)則庫、模型庫和案例庫是應用多形式進行衛(wèi)星故障診斷和危險趨勢預測的關鍵。

[1]劉鵬.專家系統(tǒng)在衛(wèi)星測控管理中的應用技術研究[J].軍事通信， 2006， 37 (8)：66-68.

[2]尹偉，章衛(wèi)國，李斌等. 結合貝葉斯理論的飛控系統(tǒng)故障樹診斷方法[J].計算機應用， 2007， 27 (7)：1802-1805.

[3]宋東，劉飛，吳信永.CBR故障診斷系統(tǒng)中的案例自修改方法研究及應用[J].測控技術，2008，27(5)：81-83.

[4]單長勝.在軌衛(wèi)星異常報警和故障診斷方法研究[J].飛行器測控學報， 2011， 30 (3)：6-10.

[5]楊天社，楊開忠，李懷祖.基于知識的衛(wèi)星故障診斷與預測方法[J].中國工程科學， 2003， 5 (6)：63-66.

[6]向睿.在軌衛(wèi)星遠程診斷體系架構[J].華中科技大學學報(自然科學版)， 2009， 37 (8)：194-197.

[7]侯霞.基于系統(tǒng)級診斷理論的衛(wèi)星網絡故障診斷[J].電子學報， 2005， 33 (11)：2066-2068.

Fault Rapid Diagnosis for Satellite Navigation System by Combined Multi-means

Liu Xiaoping, Wu Xiaoli, Sun Weijie, Dong Enqiang, Huang Shuanglin

Beijing Satellite Navigation Center, Beijing 100094, China

The satellite navigation system has the feature of multiple function, complicated architecture and high integrity, which makes the system fault full of complexity, hierarchy, dependency, delay and indeterminacy. Therefore the single-means diagnosis method can not satisfy the need of the satellite navigation system fault diagnosis. To cope with the complexity of system fault diagnosis, a kind of fast diagnosis method with multi-means combination is put forward, this paper discusses the knowledge obtaining, representation and diagnosis reasoning. The method has been verified with real data from BeiDou system and the results show that the method can locate the system fault fast and precisely, which greatly improves the intelligent level of the satellite navigation system fault diagnosis.

fault-diagnosis; case reasoning; case matching; similarity; status monitor

2015-03-17。

劉曉萍(1976—)，女，工程師，主要從事衛(wèi)星導航系統(tǒng)運行管理與控制方面的研究。

P228

A