吳建軍，程玉強(qiáng)，崔 星

（國防科技大學(xué)空天科學(xué)學(xué)院，湖南長沙 410073）

0 引言

液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)是伴隨著航天領(lǐng)域需求的推動而逐步發(fā)展起來的，其起源于1967年美國執(zhí)行阿波羅登月計劃時出現(xiàn)的一系列嚴(yán)重設(shè)備故障。之后，美國海軍研究室在國家航空航天局（National Aeronautics and Space Administration，NASA）的倡導(dǎo)下，進(jìn)行了一系列的研究開發(fā)工作。

健康監(jiān)控技術(shù)的研究主要包括故障檢測與診斷理論方法的研究和健康監(jiān)控系統(tǒng)的研制等方面。

1 液體火箭發(fā)動機(jī)故障檢測與診斷理論方法

液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)的核心和基礎(chǔ)是故障檢測與診斷的相關(guān)理論方法。根據(jù)故障檢測與診斷算法所使用的信息類型，以下基于模型驅(qū)動的方法、基于數(shù)據(jù)驅(qū)動的方法和基于人工智能的方法等3 種類型分別進(jìn)行相關(guān)研究評述。

1.1 基于模型驅(qū)動的方法

基于模型驅(qū)動的故障檢測與診斷方法主要包括基于解析模型的方法和基于定性模型的方法。

1.1.1 基于解析模型的方法

基于解析模型的故障檢測與診斷方法其基本原理是：首先，根據(jù)系統(tǒng)運行的內(nèi)在規(guī)律，以解析方程的形式表示系統(tǒng)的輸入、狀態(tài)和輸出之間的關(guān)系，從而建立系統(tǒng)的數(shù)學(xué)模型；其次，根據(jù)數(shù)學(xué)模型的輸出與系統(tǒng)的實際測量信息進(jìn)行比較生成殘差，并對所生成的殘差信息進(jìn)行分析和處理，從而實現(xiàn)故障的檢測與診斷。根據(jù)其所建立模型的不同，基于解析模型的方法可分為基于靜態(tài)模型的方法和基于動態(tài)模型的方法。

基于動態(tài)模型的方法主要包括狀態(tài)估計、參數(shù)估計等方法。狀態(tài)估計方法利用狀態(tài)觀測器（或卡爾曼濾波器）估計發(fā)動機(jī)的狀態(tài)，再基于估計量與實際測量信號所生成的殘差進(jìn)行故障檢測。參數(shù)估計是指利用系統(tǒng)輸入和輸出的可測量值對系統(tǒng)參數(shù)進(jìn)行辨識，并根據(jù)參數(shù)的統(tǒng)計特性來檢測故障。

基于數(shù)學(xué)模型的故障檢測與診斷方法在理論上是完備的，但其診斷結(jié)果的準(zhǔn)確性直接依賴于所建立的數(shù)學(xué)模型與實際系統(tǒng)的相符程度。對于系統(tǒng)結(jié)構(gòu)和工作過程簡單、輸入輸出關(guān)系明確的小型系統(tǒng)而言，基于數(shù)學(xué)模型的故障檢測與診斷方法是一種不錯的選擇。然而，對于發(fā)動機(jī)尤其是新一代大推力液體火箭發(fā)動機(jī)而言，由于其是一個機(jī)械—流動—燃燒等過程強(qiáng)耦合的復(fù)雜非線性系統(tǒng)，不僅關(guān)鍵部件多，相互緊密耦合，而且大多處于高溫、高壓、強(qiáng)振動的極致工作環(huán)境中，并需經(jīng)歷多次起動、轉(zhuǎn)工況、主級運行與關(guān)機(jī)的大范圍變工況工作過程。因此，建立合理精確的數(shù)學(xué)模型本身就是一個困難的問題，同時，所建立的數(shù)學(xué)模型是否適用于基于模型的故障檢測與診斷是另外一個問題。例如，對于狀態(tài)估計方法，由于發(fā)動機(jī)系統(tǒng)結(jié)構(gòu)工況復(fù)雜，故障模式較多，要實現(xiàn)對發(fā)動機(jī)故障的準(zhǔn)確診斷，就需要對每種故障模式和不同工況，設(shè)計相應(yīng)的高階狀態(tài)觀測器，這樣就會使得整個診斷系統(tǒng)很復(fù)雜，用于實時在線檢測與診斷顯然是很難滿足要求的。對于參數(shù)估計方法而言，發(fā)動機(jī)有限的輸入輸出測量參數(shù)，使得很難準(zhǔn)確估計出眾多與故障相關(guān)的結(jié)構(gòu)、性能參數(shù)，有時甚至使得求解無法進(jìn)行。因此，在液體發(fā)動機(jī)故障檢測與診斷研究中，基于模型的方法需要與其他方法結(jié)合采用。

1.1.2 基于定性模型的方法

基于定性模型的方法其基本原理是：首先根據(jù)系統(tǒng)組成元件之間的連接（或參數(shù)間的依賴關(guān)系）建立診斷系統(tǒng)的結(jié)構(gòu)、行為或功能上的定性模型；然后，通過將系統(tǒng)定性模型預(yù)期行為與系統(tǒng)實際行為進(jìn)行比較，獲取異常征兆；最后，利用定性推理技術(shù)，對導(dǎo)致異常征兆出現(xiàn)的故障源進(jìn)行搜索求解。

基于定性模型的方法具有計算簡單、速度快等特點，但其診斷求解過程中通常會產(chǎn)生除真實解以外的大量虛假行為，即故障診斷的準(zhǔn)確性不高。為此，近年來很多學(xué)者針對集成定性和定量知識的故障診斷方法進(jìn)行了大量研究。而事實上，在許多情況下，系統(tǒng)的確有可用的定量知識。例如，2013年，晏政［1］建立了航天器推進(jìn)系統(tǒng)定性定量集成的故障診斷方法，包括建立了附帶時間信息以及包含組件節(jié)點間的影響關(guān)系的SDG 模型，發(fā)展了相應(yīng)的故障診斷策略，并將其應(yīng)用于神舟推進(jìn)系統(tǒng)故障診斷中。結(jié)果表明，該方法能有效提高故障診斷的分辨率，能確定唯一故障源。

1.2 基于數(shù)據(jù)驅(qū)動的方法

基于數(shù)據(jù)驅(qū)動的方法主要是根據(jù)系統(tǒng)的輸出與故障之間的聯(lián)系，對發(fā)動機(jī)的測量輸出信號進(jìn)行分析處理，判斷故障是否存在及故障發(fā)生的位置?；跀?shù)據(jù)驅(qū)動的方法主要包括統(tǒng)計分析、主成分分析、獨立分量分析、小波分析、羽流光譜分析、最小鄰域方法、支持向量機(jī)方法和聚類方法等。

統(tǒng)計分析方法是根據(jù)大量的數(shù)據(jù)樣本進(jìn)行統(tǒng)計分析，以得出發(fā)動機(jī)或其部件狀態(tài)統(tǒng)計意義上的規(guī)律，從而確定出參數(shù)的閾值，實現(xiàn)故障檢測的目的。一般而言，統(tǒng)計分析方法包括固定閾值和自適應(yīng)閾值兩種。

固定閾值方法是工程上最簡便、最快捷，也是最常用的一種基于發(fā)動機(jī)輸出信號的故障檢測方法。但是，對于不同臺次、不同工況的發(fā)動機(jī)，以及啟動、變工況和關(guān)機(jī)等不同工作過程，該方法都需要對檢測參數(shù)的閾值進(jìn)行人為事先設(shè)定，而難以根據(jù)發(fā)動機(jī)的實際工作情況進(jìn)行自動調(diào)整。因此，為了減小誤報警率，固定閾值方法的閾值一般都設(shè)置得較寬，但這同時也會增加故障的漏報警率。針對上述問題，有學(xué)者提出了自適應(yīng)閾值算法。該算法的優(yōu)勢在于采用遞推方法自適應(yīng)地計算參數(shù)的均值、方差和閾值，從而提高了算法的故障檢測能力。此外，為了避免對每個參數(shù)都計算閾值，并考慮參數(shù)之間的關(guān)系，還提出了自適應(yīng)相關(guān)安全帶算法。

相對于基于高維非線性模型進(jìn)行求解的數(shù)學(xué)模型方法而言，基于數(shù)據(jù)驅(qū)動的故障檢測與診斷方法計算量較小，實時性較好，因而在發(fā)動機(jī)的實時故障檢測中得到了一定的應(yīng)用。然而，該方法對測量數(shù)據(jù)的質(zhì)量要求很高。一般而言，當(dāng)發(fā)動機(jī)正樣本（故障狀態(tài)數(shù)據(jù)）和負(fù)樣本（正常狀態(tài)數(shù)據(jù)）達(dá)到3∶7 左右的比例時［2］，基于數(shù)據(jù)驅(qū)動的故障檢測與診斷方法能夠較好地利用數(shù)據(jù)所隱含的信息、分布規(guī)律，其結(jié)果也具有較高的準(zhǔn)確性和置信度。然而，由于發(fā)動機(jī)結(jié)構(gòu)和工作過程的復(fù)雜性，不僅發(fā)動機(jī)類型不同，其結(jié)構(gòu)和工況不同，故障表現(xiàn)形式各異，而且即使是同一類型的發(fā)動機(jī)，其故障模式也會由于輸入條件的微小變化發(fā)生漂移或完全不同，由此測量得到的發(fā)動機(jī)試車數(shù)據(jù)基本都是正負(fù)樣本比例嚴(yán)重失衡的病態(tài)分布。因此，在不可能獲得發(fā)動機(jī)全部故障模式特征、缺乏充分?jǐn)?shù)據(jù)樣本的情況下，基于數(shù)據(jù)驅(qū)動的發(fā)動機(jī)故障檢測與診斷方法，目前更多地集中在發(fā)動機(jī)穩(wěn)態(tài)工作過程的故障檢測和報警方面，很難實現(xiàn)對液體火箭發(fā)動機(jī)故障的準(zhǔn)確隔離和定位。

1.3 基于人工智能的方法

基于人工智能的方法主要包括專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和模糊理論等方法。

1.3.1 專家系統(tǒng)

基于專家系統(tǒng)的液體火箭發(fā)動機(jī)故障診斷方法是通過在故障檢測與診斷專家系統(tǒng)的知識庫中，存儲故障征兆、故障模式和故障原因等知識，然后推理機(jī)在一定的推理機(jī)制下，運用知識進(jìn)行診斷推理。該方法不依賴于發(fā)動機(jī)的數(shù)學(xué)模型，可以有效地利用專家的經(jīng)驗和發(fā)動機(jī)知識，通過推理過程完成發(fā)動機(jī)的故障檢測和診斷，具有對故障的解釋能力。

目前已研究開發(fā)出的發(fā)動機(jī)故障檢測與診斷專家系統(tǒng)主要有：AEROJET 公司研制的基于規(guī)則的Titan 健康評估專家系統(tǒng)，用于Titan 第一級發(fā)動機(jī)驗收試驗和例行的數(shù)據(jù)分析，并以圖形解釋數(shù)據(jù)［3］；LeRC 開發(fā)的試車后數(shù)據(jù)自動評估系統(tǒng)，用于為航天飛機(jī)主發(fā)動機(jī)（Space Shuttle Main Engine，SSME）地面試車、飛行試驗監(jiān)測數(shù)據(jù)的事后分析與評估提供一個完整通用的自動化系統(tǒng)，以協(xié)助檢測數(shù)據(jù)評估專家確認(rèn)試驗?zāi)繕?biāo)是否達(dá)到、試驗過程中是否存在異常，以及試驗是否失敗等［4］；MSFC 聯(lián)合Alabama 大學(xué)開發(fā)的發(fā)動機(jī)數(shù)據(jù)解釋系統(tǒng)，用于對SSME 試車數(shù)據(jù)的事后分析［5］，該系統(tǒng)主要是通過建立發(fā)動機(jī)及其部件的定性約束模型，以及將部件的狀態(tài)定性化為正、負(fù)偏離于正常狀態(tài)，然后對所觀察到的故障狀態(tài)用定性或基于模型的推理方法搜索合理的解釋。

對于發(fā)動機(jī)故障診斷專家系統(tǒng)，理想的知識庫和知識表達(dá)形式，應(yīng)能完善和精確地表達(dá)發(fā)動機(jī)的診斷知識。目前基于專家系統(tǒng)的液體火箭發(fā)動機(jī)故障診斷方法主要存在以下不足：診斷知識獲取困難，系統(tǒng)自學(xué)習(xí)能力不強(qiáng)，故障檢測與診斷的實時性差、運行效率低，一般只能在發(fā)動機(jī)工作前準(zhǔn)備或關(guān)機(jī)后分析的情況下離線使用等。

1.3.2 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)能力，能克服傳統(tǒng)的以啟發(fā)式規(guī)則為基礎(chǔ)的專家系統(tǒng)，不能正確處理新型故障信息或現(xiàn)象的問題，因而在故障檢測與診斷領(lǐng)域具有較好的應(yīng)用前景。神經(jīng)網(wǎng)絡(luò)用于液體火箭發(fā)動機(jī)故障檢測與診斷的主要方式有：

1）基于無教師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)采用聚類方式進(jìn)行發(fā)動機(jī)故障檢測。由于神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)能力，使得神經(jīng)網(wǎng)絡(luò)故障檢測方法無需液體火箭發(fā)動機(jī)系統(tǒng)的結(jié)構(gòu)知識，只需傳感器測量信號，便可自行抽取發(fā)動機(jī)故障行為特征。

2）基于發(fā)動機(jī)測量信號與神經(jīng)網(wǎng)絡(luò)估計信號之間比較，得到殘差信號，實現(xiàn)對液體火箭發(fā)動機(jī)的故障檢測。

3）利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，將已有的發(fā)動機(jī)故障樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值，建立故障模式與特征參數(shù)向量的對應(yīng)關(guān)系，然后對新的輸入樣本進(jìn)行相似性度量，得到發(fā)動機(jī)故障分離結(jié)果。

目前，應(yīng)用于液體火箭發(fā)動機(jī)故障檢測與診斷的神經(jīng)網(wǎng)絡(luò)方法，主要有前向多層感知機(jī)神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、動態(tài)神經(jīng)網(wǎng)絡(luò)和混合神經(jīng)網(wǎng)絡(luò)等。

2000年，王建波［6］研究了主成分分析與Koho?nen 網(wǎng)絡(luò)相結(jié)合的液體火箭發(fā)動機(jī)泄漏故障檢測方法。2001年，楊爾輔等［7］建立了火箭發(fā)動機(jī)非線性動態(tài)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型。2003年，張煒等［8］研究了渦輪泵并行BP 網(wǎng)絡(luò)的故障診斷方法。2005年，王志武［9］應(yīng)用BP 網(wǎng)絡(luò)檢測了液體火箭發(fā)動機(jī)的泄漏故障；邱忠［10］提取了某型液體火箭發(fā)動機(jī)渦輪泵的頻段能量比特征，并利用自組織映射網(wǎng)絡(luò)對渦輪泵的健康狀態(tài)進(jìn)行了判別。2008年，謝廷峰等［11］研究了BP 神經(jīng)網(wǎng)絡(luò)以及徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)在某型液氫液氧火箭發(fā)動機(jī)啟動和穩(wěn)態(tài)工作過程故障檢測中的應(yīng)用，并使用大量的歷史試車數(shù)據(jù)以及地面熱試車考核與驗證。2012年，黃強(qiáng)［12］將云理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合，實現(xiàn)了液體火箭發(fā)動機(jī)工作全過程基于云-神經(jīng)網(wǎng)絡(luò)的實時故障檢測方法，應(yīng)用于高壓補(bǔ)燃循環(huán)發(fā)動機(jī)穩(wěn)態(tài)工作過程多種工況的故障檢測，得到了良好的結(jié)果。2017年，聶僥［13］通過基于權(quán)值更新的過程神經(jīng)網(wǎng)絡(luò)算法和自適應(yīng)系數(shù)更新，解決增量問題，提高對液體火箭發(fā)動機(jī)故障預(yù)測的及時性和有效性。

神經(jīng)網(wǎng)絡(luò)方法由于具有較強(qiáng)的容錯能力，在某些信息丟失的情況下（如部分傳感器失效）仍可做出正確的診斷。這對于提高液體火箭發(fā)動機(jī)故障檢測與診斷的可靠性而言，顯得尤為重要。但是，該方法應(yīng)用于故障診斷時，過分依賴于從歷史數(shù)據(jù)中提取的典型模式或經(jīng)驗知識。

1.3.3 模糊理論

液體火箭發(fā)動機(jī)故障診斷過程中，存在著各種不確定性，主要包括各種干擾和噪聲、測量誤差、數(shù)學(xué)模型以及診斷知識描述的不精確等。而基于模糊理論的方法由于在處理系統(tǒng)復(fù)雜性及不確定性方面的優(yōu)勢，因而受到極大的關(guān)注。模糊理論在故障診斷方面也得到了較為廣泛的應(yīng)用研究?；谀：碚摰墓收显\斷首先應(yīng)用于小規(guī)模線性單變量系統(tǒng)，隨后逐步向應(yīng)用于大規(guī)模、非線性復(fù)雜系統(tǒng)擴(kuò)展，目前，已在機(jī)械、化工、輸電網(wǎng)絡(luò)和航空航天等領(lǐng)域都得到了成功的應(yīng)用。

基于模糊理論的故障診斷方法主要有基于模糊聚類的方法、基于模糊模型的方法，以及模糊理論與其他方法相結(jié)合。

1）基于模糊聚類的方法。

聚類是指將一個數(shù)據(jù)點集合中的各元素，以某種相似程度作為度量指標(biāo)，分別指定不同的類別標(biāo)號。模糊聚類的典型方法有模糊C-均值聚類（Fuzzy C-Means clustering，F(xiàn)CM）。FCM 是用隸屬度來確定每個數(shù)據(jù)點屬于某個聚類程度的一種聚類算法。FCM 是將n個數(shù)據(jù)向量分為c個模糊類，求得每組的聚類中心，并以相似性指標(biāo)為目標(biāo)函數(shù)，使之達(dá)到最小。FCM 與普通分類的區(qū)別就在于FCM 用模糊劃分，使得每個給定數(shù)據(jù)點用一個在［0，1］區(qū)間的隸屬函數(shù)來確定其屬于各個類的程度。也就是說，某一個數(shù)據(jù)點屬于某個類的程度值可以從0 到1 逐漸過渡，而不像以前那樣要么是0 要么是1。隸屬度矩陣U的元素在［0，1］上取值，與引入的模糊劃分相對應(yīng)。一般而言，一個優(yōu)化的模糊劃分應(yīng)具有盡可能大的類間分離度和盡可能小的類內(nèi)緊致度。

謝濤等［14］研究了模糊模式識別技術(shù)在液體火箭發(fā)動機(jī)故障診斷中的應(yīng)用，其使用最大隸屬度原則的模糊聚類方法，用以識別火箭發(fā)動機(jī)故障模式。Joentgen等［15］提出了一種基于改進(jìn)型可能性C-均值聚類和故障向量理論的故障診斷方法，可以實現(xiàn)對在線檢測中出現(xiàn)的未知類型故障的診斷。此外，謝濤等［16］研究了一種基于模糊熵與方向相似度的液體火箭發(fā)動機(jī)故障檢測方法，通過試車數(shù)據(jù)模糊聚類中心矢量方向相似度的變化來檢測發(fā)動機(jī)系統(tǒng)的故障，并采用基于廣義模糊熵的模糊Koho?nen 聚類網(wǎng)絡(luò)作為滑動數(shù)據(jù)窗口上的聚類算法，從而提高了故障檢測算法對強(qiáng)干擾噪聲的魯棒性［17］。

2）基于模糊模型的方法。

基于模糊模型的故障檢測與診斷方法，其基本思想是：將研究對象看成一個黑箱，使用其歷史數(shù)據(jù)或其他知識，建立一個模糊辨識模型來模擬對象的系統(tǒng)輸入輸出關(guān)系，再將模型輸出與實際系統(tǒng)輸出相比較，以實現(xiàn)故障的檢測與診斷。

Takagi 和Sugeno 在1985年提出用數(shù)學(xué)工具建立系統(tǒng)的模糊模型，稱為T-S 模糊模型。盡管相比于人類主觀上的語言條款規(guī)則，T-S 模糊模型的直觀性下降，但其優(yōu)勢同樣也很明顯，主要包括：對于非線性系統(tǒng)，T-S 模糊模型可以在運行狀態(tài)點附近建立一個線性模型，局部逼近目標(biāo)系統(tǒng)；在不同的系統(tǒng)運行區(qū)間，通過對運行狀態(tài)點定義不同的前提集，可以使T-S 模糊模型能夠全區(qū)間逼近目標(biāo)系統(tǒng)。對此，Wang［18］于1992年首次給出了萬能逼近定理，證明了T-S 模糊系統(tǒng)能夠以任意精度逼近緊集上的連續(xù)實值函數(shù)。

T-S 模糊推理系統(tǒng)一般使用乘積推理機(jī)、單值模糊化、中心平均解模糊化和高斯隸屬度函數(shù)的方式來構(gòu)造，其能夠以任意精度模擬一個確定的系統(tǒng)。在此基礎(chǔ)上，蔡開龍等［19］將基于T-S 模糊模型的故障診斷方法應(yīng)用于航空發(fā)動機(jī)，以判定某渦扇發(fā)動機(jī)的健康狀況。劉鑫蕊［20］將模糊模型應(yīng)用于非線性互聯(lián)大系統(tǒng)的H∞控制。Zheng等［21］和Lyu等［22］深入研究了T-S 模糊系統(tǒng)的魯棒穩(wěn)定性以及可靠控制問題，研究了幾類模糊系統(tǒng)的穩(wěn)定性及魯棒可靠控制問題。同時，模糊聚類對于模糊建模也有幫助。例如，Huang等［23］研究了一種新的基于模糊聚類快速建立知識模型的故障診斷方法。Palade等［24］將模糊聚類結(jié)合故障診斷模型，用于粗糙數(shù)據(jù)建模。

3）模糊理論與其他方法相結(jié)合。

由于基于模糊理論的方法易于利用專家的經(jīng)驗和知識，適用于難以建立精確數(shù)學(xué)模型的系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)方法具有學(xué)習(xí)能力強(qiáng)等特點，并在知識的獲取、規(guī)則的學(xué)習(xí)以及模型的修正方面具有優(yōu)勢。因此，將模糊方法與神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等方法相結(jié)合，可以發(fā)揮各種方法的優(yōu)勢，從而更有效地實現(xiàn)液體火箭發(fā)動機(jī)的故障檢測與診斷。

艾延廷［25］應(yīng)用模糊數(shù)學(xué)為故障診斷專家系統(tǒng)建立診斷矩陣，確立故障征兆與故障成因間的隸屬關(guān)系，建立了火箭發(fā)動機(jī)的故障診斷專家系統(tǒng)。Wu［26］將模糊理論與支持向量機(jī)結(jié)合，提出基于模糊支持向量機(jī)的故障診斷方法，并對4 種典型的轉(zhuǎn)子故障進(jìn)行了模擬與診斷。2015年，李吉成［27］研究了發(fā)動機(jī)剩余子系統(tǒng)基于模糊聚類與神經(jīng)網(wǎng)絡(luò)的建模方法，充分利用了聚類算法與神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點，進(jìn)一步提高了建模的精度，并依據(jù)所建模型，結(jié)合試車數(shù)據(jù)驗證了基于該模型的故障隔離方法。

綜合上文的分析可知，基于數(shù)據(jù)驅(qū)動的方法和基于人工智能的方法本質(zhì)上都是不直接利用研究對象的數(shù)學(xué)模型，而是在一定程度上將研究對象作為一個黑箱來處理。這兩種方法的優(yōu)點在于計算的簡單性和對專家經(jīng)驗知識等表示的直觀性，但其強(qiáng)烈地依賴于數(shù)據(jù)信息和經(jīng)驗知識，而且對于超出專家系統(tǒng)規(guī)則庫或數(shù)據(jù)統(tǒng)計規(guī)律的未知故障類型或模式，容易出現(xiàn)誤檢或誤診。

2 液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)

從液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)誕生至今，全球主要航天國家都高度重視液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)的研究和開發(fā)。事實上，健康監(jiān)控系統(tǒng)已成為研制新型發(fā)動機(jī)和改進(jìn)現(xiàn)有推進(jìn)系統(tǒng)不可缺少的關(guān)鍵組成部分。圖1為液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)的功能框圖。

20 世紀(jì)70年代以來，為了降低SSME等液體火箭發(fā)動機(jī)故障的影響，提高航天飛行的可靠性與安全性，NASA 每年都會增加在健康監(jiān)控科研與項目管理財政預(yù)算方面的投入，并相繼研制了多個發(fā)動機(jī)健康監(jiān)控系統(tǒng)。近年來，在集成空間運輸計劃（Integrated Space Transportation Plan，ISTP）［28］的指導(dǎo)下，NASA 已在深入開展先進(jìn)健康監(jiān)控技術(shù)的研究和系統(tǒng)的研制。

此外，俄羅斯針對RD-170 研制了健康監(jiān)測、壽命評估與預(yù)測系統(tǒng)［29］；德國在20 世紀(jì)90年代開發(fā)了基于模式識別的專家診斷系統(tǒng)［30］，用來對液體火箭發(fā)動機(jī)進(jìn)行故障診斷；歐洲航天局在提出的未來運載火箭技術(shù)方案中，將發(fā)動機(jī)的健康監(jiān)控列為重要研究項目［31］；日本在H-2 液體火箭發(fā)動機(jī)的健康監(jiān)控方面加大了研發(fā)力度［32］。

美國在這方面的投入和取得的成績尤為顯著。圖2為美國進(jìn)行液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)研究的發(fā)展歷程?？梢悦黠@看出，其發(fā)展歷程可以概括為“3 個階段，1 條主線”。

發(fā)動機(jī)健康監(jiān)控系統(tǒng)發(fā)展的“3 個階段”為：

1）初級階段。始于20 世紀(jì)70年代初，美國對Atlas、Titan等一次性使用的發(fā)動機(jī)進(jìn)行關(guān)鍵參數(shù)上下限控制，開創(chuàng)了健康監(jiān)控技術(shù)在液體火箭發(fā)動機(jī)領(lǐng)域的應(yīng)用先例。其中又以研制成功的SSME工作參數(shù)“紅線閾值檢測與報警”系統(tǒng)為代表。但該類系統(tǒng)方法相對較為簡單（使用固定的紅線閾值方法），功能也比較單一（只具有故障檢測功能）。

圖1 液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)功能框圖Fig.1 Functional block diagram of the health monitoring system of a liquid rocket engine

圖2 美國健康監(jiān)控系統(tǒng)發(fā)展歷程Fig.2 Development history of the health monitoring system of the United States of America

2）中級階段。以對上一階段系統(tǒng)功能的提升和工程實用化、方法性能的改進(jìn)為目標(biāo)，其代表是20 世紀(jì)80年代中期研制的用于SSME 地面試車監(jiān)控 的SAFD（System of Anomaly and Fault Detec?tion）系統(tǒng)。該系統(tǒng)顯著加強(qiáng)了紅線閾值監(jiān)控的檢測能力。

3）高級階段。在空間運載計劃和ISTP 指導(dǎo)下，美國相繼開展了多個先進(jìn)健康監(jiān)控或健康管理系統(tǒng)的研究和開發(fā)，包括健康監(jiān)控系統(tǒng)（Health Monitoring System，HMS）、火箭發(fā)動機(jī)健康管理系統(tǒng)、集成健康監(jiān)控系統(tǒng)、智能控制系統(tǒng)（Intelligent Control System，ICS）、智能集成管理系統(tǒng)［33-34］等多種系統(tǒng)框架或方案。此外，還包括美國GENSYM公司多年來發(fā)展和不斷持續(xù)改進(jìn)的火箭發(fā)動機(jī)實時診斷系統(tǒng)開發(fā)平臺G2等［35］。

貫穿液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)發(fā)展過程的“1 條主線”——集成化、平臺化、工程實用化，液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)的工程實用化毋庸置疑。健康監(jiān)控系統(tǒng)研制的最終目的就是應(yīng)用到發(fā)動機(jī)的研制、試驗和實際運行中，發(fā)揮其提高發(fā)動機(jī)可靠性和安全性的最大效益。有關(guān)平臺化的問題，下文將結(jié)合典型健康監(jiān)控系統(tǒng)進(jìn)行具體分析。液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)的集成化主要包含了3 個層次的含義：第1 個層次為功能的集成，包括集成故障檢測與隔離、故障預(yù)測與預(yù)報、壽命估計、維修計劃等諸多功能，使發(fā)動機(jī)健康監(jiān)控的內(nèi)涵和功能進(jìn)一步擴(kuò)展，從單一的監(jiān)控向綜合健康管理邁進(jìn)；第2 個層次為方法的集成，包括集成基于規(guī)則、基于統(tǒng)計、基于模型等方法，提高系統(tǒng)檢測與診斷的能力；第3 個層次為專用傳感測量與診斷技術(shù)的集成，如識別SSME 軸承和燃燒室等關(guān)鍵結(jié)構(gòu)部件故障的羽流光譜技術(shù)、監(jiān)測渦輪葉片溫度分布及其健康情況的光學(xué)高溫測量技術(shù)等［36］。

下面以美國為例，結(jié)合其典型健康監(jiān)控系統(tǒng)進(jìn)行分析。

1）RCS（Redline Cut-off System）。20 世紀(jì)70年代研制的紅線關(guān)機(jī)系統(tǒng)（RCS）［37-38］是液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)的應(yīng)用先例。其能對SSME 高壓渦輪泵的5 個參數(shù)（高壓燃料渦輪泵出口溫度、高壓氧化劑渦輪泵出口溫度、高壓燃料渦輪泵冷卻劑入口溫度、高壓氧化劑渦輪泵介質(zhì)密封吹除壓力、高壓氧化劑渦輪泵二級渦輪密封壓力）的紅線值進(jìn)行實時監(jiān)控，且無需數(shù)學(xué)模型，計算量小。但該系統(tǒng)對傳感器的要求較高，不能及時準(zhǔn)確檢測發(fā)動機(jī)工作過程中的早期故障和緩變故障，故障覆蓋面有限，魯棒性差，可靠性較低。

2）SAFD。20 世 紀(jì)80年代末期研制的SAFD［39］是早期發(fā)動機(jī)健康監(jiān)控系統(tǒng)的典型代表，其先進(jìn)的設(shè)計理念一直為后續(xù)先進(jìn)健康監(jiān)控系統(tǒng)的研制所借鑒。該系統(tǒng)的最大特點是初步體現(xiàn)了健康監(jiān)控系統(tǒng)集成化和平臺化的設(shè)計思想?；趯⒂布④浖脚_和算法操作平臺有效區(qū)分的系統(tǒng)架構(gòu)設(shè)計，系統(tǒng)的擴(kuò)展性、移植性和可用性都得到了很大程度的增強(qiáng)。其中軟件平臺主要完成對所有算法通用的功能，包括輸入/輸出、標(biāo)定、時序安排、記錄、顯示和用戶接口等。算法操作平臺則有效集成了多種算法實現(xiàn)并行運行，并采用冗余設(shè)計和表決報警技術(shù)，提高了故障檢測能力。這樣，一方面系統(tǒng)底層的任意改動都對上層透明；另一方面系統(tǒng)無需進(jìn)行軟件或硬件的改動就可以進(jìn)行算法的升級或應(yīng)用新的算法。但該系統(tǒng)僅適用于SSME穩(wěn)態(tài)工作過程，故障的覆蓋率、敏感度和魯棒性仍較低。

3）PTDS（Post Test Diagnostic System）。20世紀(jì)90年代初期研制的SSME 高壓氧化劑渦輪泵試車后故障診斷系統(tǒng)PTDS、1994年研制的應(yīng)用于Atlas/Centaur中 的PTDS 和1998—2001年研制的應(yīng)用于X-33 主推進(jìn)系統(tǒng)的PTDS［28］，是液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)首個基于集成化和平臺化的思想實現(xiàn)系列化的重要代表。在集成化方面，該系統(tǒng)一方面集成了多種數(shù)據(jù)分析、傳感器驗證與重構(gòu)方法，用于對發(fā)動機(jī)試車后的大量實驗數(shù)據(jù)進(jìn)行分析，以確定發(fā)動機(jī)的運行狀態(tài)；另一方面，系統(tǒng)通過提供與眾多信息源的標(biāo)準(zhǔn)接口，有效集成數(shù)據(jù)處理和分析過程中所需要的大量數(shù)據(jù)信息、知識，自動完成發(fā)動機(jī)試驗后及飛行后的狀態(tài)檢測與診斷。在平臺化方面，該系統(tǒng)基于模塊化的分解設(shè)計思想，將系統(tǒng)4 大功能模塊（智能化知識系統(tǒng)、應(yīng)用支持模塊、部件級分析模塊、對話/信息管理模塊）的各子模塊都分解為“核心通用模塊-特定發(fā)動機(jī)專用模塊”的組合，而且核心通用模塊可被繼承和復(fù)用。因而，該系統(tǒng)具有較強(qiáng)的通用性和擴(kuò)展性，不僅可有效實現(xiàn)功能模塊的積木拼搭式組合和系統(tǒng)的快速組建，而且實現(xiàn)了與具體發(fā)動機(jī)對象的松耦合。

4）ICS。20 世紀(jì)90年代初期以來，LeRC 根據(jù)SSME 多年的試驗和使用經(jīng)驗所研制的ICS，實現(xiàn)了兩個方面的集成。在系統(tǒng)功能方面，ICS 實現(xiàn)了發(fā)動機(jī)多變量基本控制（推力、混合比、渦輪泵轉(zhuǎn)速、高壓渦輪燃?xì)鉁囟?、高壓泵進(jìn)口壓力）同故障檢測和診斷的有機(jī)集成。系統(tǒng)不僅可以完成發(fā)動機(jī)的故障檢測、診斷和基本控制功能，還可以預(yù)測發(fā)動機(jī)的壽命，給出維修計劃建議。在算法方面，ICS結(jié)合了基于模型、基于規(guī)則的故障檢測與診斷算法。但由于難以建立完善的發(fā)動機(jī)診斷模型和控制規(guī)則庫，因而該系統(tǒng)目前只能對故障模式、故障檢測與診斷算法、閉環(huán)多變量控制等進(jìn)行仿真研究。

5）HMS。HMS 由聯(lián)合技術(shù)研究中心（UTRC）研制。該系統(tǒng)是液體火箭發(fā)動機(jī)健康監(jiān)控系統(tǒng)集成化、平臺化和工程實用化思想的真正集大成者。在平臺化方面，系統(tǒng)采用了層次化和模塊化的架構(gòu)設(shè)計，通過將系統(tǒng)功能結(jié)構(gòu)劃分為3 個層次、6 大模塊，實現(xiàn)層與層之間以及層內(nèi)各模塊之間的松耦合和可組合性。HMS 是一個適應(yīng)性和可擴(kuò)展性都很強(qiáng)的健康監(jiān)控系統(tǒng)平臺，能快速有效適應(yīng)SSME 結(jié)構(gòu)的更改。系統(tǒng)的3 個層次包括底層傳感器信息處理、中間層故障檢測與診斷算法、頂層綜合決策，6大功能模塊分別為系統(tǒng)任務(wù)管理、健康監(jiān)控、試驗數(shù)據(jù)記錄、離線數(shù)據(jù)分析、數(shù)據(jù)庫管理和系統(tǒng)通信。在集成化方面，HMS 在系統(tǒng)功能結(jié)構(gòu)各個層次均實現(xiàn)了與傳感器技術(shù)、故障檢測算法的有機(jī)綜合。在底層，系統(tǒng)有效集成了先進(jìn)測量傳感器技術(shù)（包括羽流光譜儀、聲發(fā)射傳感器、光纖撓度計、光纖高溫計、激光振動傳感器等），及時詳細(xì)地獲取發(fā)動機(jī)渦輪泵、軸承等關(guān)鍵部件的健康狀態(tài)信息，有效檢測識別腐蝕、渦輪葉片與軸承磨損、泄漏等故障。在中間層，系統(tǒng)首先綜合運用非線性回歸、時間序列和聚類分析等多重故障檢測算法，對傳感器輸入信號進(jìn)行計算，然后對各種算法的結(jié)果進(jìn)行交叉檢查驗證，綜合評定發(fā)動機(jī)特定部件的健康情況。在頂層，系統(tǒng)則通過組合各部件的狀態(tài)來確定發(fā)動機(jī)的整體健康狀態(tài)，并作出是否關(guān)機(jī)的融合決策，減少誤報警率。在工程實用化方面，該系統(tǒng)在研制之初就制定了詳細(xì)的工程應(yīng)用計劃，計劃5年內(nèi)應(yīng)用于地面試驗，隨后過渡到飛行系統(tǒng)。

6）先進(jìn)健康管理系統(tǒng)（Advanced Health Man?agement System，AHMS）。AHMS 于2004年由波音-加州諾加帕克公司聯(lián)合MSFC 研制［35，40-41］。該系統(tǒng)基于開放式結(jié)構(gòu)設(shè)計的箭載健康管理計算機(jī)集成了實時振動監(jiān)控RTVMS、光學(xué)羽流異常檢測和基于線性發(fā)動機(jī)模型的3 個實時故障檢測子系統(tǒng)，有效提高了SSME 發(fā)射、升空階段的可靠性和安全性。AHMS 不僅可以通過振動信號實時監(jiān)測高壓渦輪泵的狀態(tài)，而且可以通過調(diào)節(jié)發(fā)動機(jī)燃料、氧化劑的流量大小和混合比實現(xiàn)對發(fā)動機(jī)工作狀態(tài)的控制，算法的靈活性和可擴(kuò)展性強(qiáng)。研究表明，針對Block II 型SSME 所研制開發(fā)的先進(jìn)健康管理系統(tǒng)AHMS［40，42］，可以有效降低航天飛機(jī)的升空損失概率并提高航天任務(wù)的成功概率［35，43］，其在降低航天飛機(jī)升空損失概率方面的效果甚至優(yōu)于型號本身改進(jìn)的效果，如圖3 所示。

圖3 AHMS 對航天運載器升空損失的影響Fig.3 Effects of the AHMS on the launch losses of space vehicles

圖4 和圖5 分別給出了AHMS 在SSME中的應(yīng)用情況以及箭載健康管理計算機(jī)的功能結(jié)構(gòu)。

圖4 AHMS 在SSME中的應(yīng)用Fig.4 Application of the AHMS in the SSME

3 液體火箭推進(jìn)系統(tǒng)健康監(jiān)控技術(shù)的演變趨勢

液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)有了明顯的進(jìn)步，已經(jīng)在液體火箭發(fā)動機(jī)地面試車監(jiān)控、飛行過程監(jiān)控和事后健康評估方面得到了成功應(yīng)用，但由于健康監(jiān)控涉及眾多復(fù)雜的技術(shù)問題，目前的科技水平尚不能完全解決這些問題，并且航天技術(shù)的進(jìn)一步發(fā)展也對健康監(jiān)控系統(tǒng)提出了更高的要求。

從當(dāng)前的研究進(jìn)展、需要解決的問題以及需求來看，近期液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)的演變趨勢：1）提高故障檢測與診斷算法的快速性、可靠性；2）發(fā)展在硬件上不降低發(fā)動機(jī)固有可靠性的專用傳感器技術(shù)；3）故障檢測與診斷系統(tǒng)的自動化、局部通用化，健康監(jiān)控系統(tǒng)的集成化、智能化。

液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)是包括計算機(jī)技術(shù)、自動控制技術(shù)、人工智能技術(shù)、傳感器技術(shù)與發(fā)動機(jī)技術(shù)在內(nèi)的多學(xué)科交叉的高新技術(shù)領(lǐng)域，隨著載人航天等一系列航天技術(shù)的發(fā)展與應(yīng)用，液體火箭發(fā)動機(jī)健康監(jiān)控技術(shù)的研究與應(yīng)用將具有越來越重要的意義。