航天器故障诊断
AI 摘要：航天器故障诊断是指利用遥测数据、专家知识和算法模型，对航天器在轨运行中出现的异常状态进行检测、隔离和原因识别的技术过程。其核心目标是在故障造成不可逆后果之前，尽早发现异常、准确定位故障源并支持地面人员实施有效处置。诊断方法分为基于模型、基于数据和基于知识三大类。国际标准ISO 16615和GB/T 45736为姿轨控系统的异常检测与软硬件故障处理提供了规范框架。现代故障诊断正从地面人工判读向星上自主诊断与地面智能辅助相结合的方向演进。
一句话定义
航天器故障诊断是指利用星上遥测数据、地面专家知识以及算法模型，对航天器在轨运行中出现的异常状态进行检测、隔离和原因识别的技术过程，其核心目标是在故障造成不可逆后果之前尽早发现异常、准确定位故障源并支持有效处置。
概念边界：故障诊断与故障容错、在轨管理的区别
航天器故障诊断与故障容错是紧密关联但职责不同的两个环节。故障诊断负责“发现问题”——通过数据分析判断系统是否偏离正常状态、定位故障发生在哪个部件、识别故障类型。故障容错负责“解决问题”——在故障被诊断出来后，通过冗余切换、系统重构或降级运行维持系统功能。诊断是容错的前提，容错是诊断的目的。
航天器故障诊断与在轨管理的区别在于层次。在轨管理是覆盖航天器全寿命周期的系统性活动，包括遥测监视、轨道维持、健康评估和故障处置等多个维度。故障诊断是在轨管理中技术含量最高的核心能力之一，它为健康评估提供结论、为故障处置提供依据。
| 对比项 | 故障诊断 | 故障容错 | 在轨管理 |
|---|---|---|---|
| 核心功能 | 检测、隔离、识别故障 | 维持系统功能 | 全寿命周期管理 |
| 时间关系 | 故障发生后率先介入 | 诊断结论确认后执行 | 覆盖全过程 |
| 典型输出 | 故障类型、位置、程度 | 重构指令、降级策略 | 状态报告、处置方案 |
核心原理：三类诊断方法
航天器故障诊断的方法体系从20世纪60年代至今经历了从简单状态监测到智能诊断的演进-17，当前主流方法可归纳为三大类。
基于模型的方法利用航天器的物理模型或解析冗余关系进行故障诊断。其核心思想是：如果系统正常工作，模型预测的输出应与实际测量值一致；当残差超出阈值时，判定系统发生故障。常用的模型包括状态观测器、卡尔曼滤波器和奇偶空间方程。基于模型的方法物理意义明确、可解释性强，但依赖精确的系统模型，对建模误差和未建模动态敏感。
基于数据的方法不依赖显式物理模型，而是从历史遥测数据中学习正常与异常模式的区别。典型方法包括神经网络、支持向量机、自编码器和深度学习模型。基于数据的方法能够处理高维、非线性和时变的遥测数据，特别适合故障模式难以用物理模型描述的复杂系统。其局限在于需要足够的故障样本，而航天器故障样本天然稀缺。
基于知识的方法利用专家经验和规则进行故障推理。专家系统是典型代表，将领域专家的诊断知识编码为“如果-那么”规则。NASA为航天飞机主发动机涡轮泵和空间站电源系统开发的诊断专家系统是这一方法的经典应用-17。基于知识的方法可解释性强，但知识获取困难，规则维护成本高，对未知故障模式无能为力。
星上自主诊断与地面智能辅助
航天器故障诊断的实施位置分为星上自主诊断和地面诊断两个层次。星上自主诊断的能力受限于星载计算机的处理能力和存储容量，通常只能处理预定义的故障模式，采用简单阈值判断或有限状态机逻辑。地面诊断则拥有充足的算力和完整的历史数据，可以实施复杂的分析和推理。
事件触发的自适应故障诊断与恢复方法代表了星上诊断的演进方向。现有方法通常将故障诊断与恢复逻辑以固化代码形式存储在星上，针对特定类型故障设计，难以适应在轨突发的新故障模式。事件触发机制使星上诊断系统能够根据异常事件的类型和严重程度动态调用相应的诊断和恢复策略，提升了对未知故障的适应能力-1。
地面智能诊断正在向知识图谱与大语言模型融合的方向发展。航天器健康管理知识图谱的构建解决了专家知识离散化的问题，通过知识图谱嵌入技术对实体与关系进行向量化表征，深度挖掘设备间的复杂语义关联。结合大语言模型的领域知识对齐与调优，构建涵盖语义解析、候选答案生成的全链路故障问答流程，显著提升了故障诊断的准确性与响应效率-8。图谱RAG方法进一步解决了传统知识图谱构建成本高、通用大语言模型对特定领域诊断知识专业性不足的问题，通过本体约束驱动的图谱RAG故障诊断方法实现多源诊断知识的规范化抽取与动态集成更新-3。
标准规范与工程要求
国际标准为航天器故障诊断提供了规范性框架。ISO 16615:2025《空间系统—航天器姿态和轨道控制系统稳定运行要求》规定了异常检测的等级分类：部件级异常检测和系统级异常检测两个层次。标准同时规定了软件故障和硬件故障的分类处理要求，以及数据有效性判断、安全边界检测和应急安全模式激活协议-5-20。
中国国家标准GB/T 45736-2025《航天器姿态和轨道控制系统稳定运行要求》与ISO 16615在技术内容上保持协调，规定了姿轨控系统稳定运行的总体要求、数据有效性判断、异常检测、软/硬件故障处理、安全边界检测和应急安全模式，适用于各类航天器姿轨控系统的设计、应用及地面运行维护-10。
遥测数据的质量问题是故障诊断中的常见挑战。信号丢失（LOS）期间，遥测处理器可能返回无效状态、无数据、静态帧或重播数据，导致诊断系统接收到不可靠的输入。数据抖动和状态转换期间的异常行为进一步增加了诊断的复杂性。工程实践中需要建立数据有效性判断机制，在遥测质量下降时禁用受影响的诊断规则，防止基于劣质数据得出错误结论-2。
适用与限制
航天器故障诊断适用于所有在轨运行的航天器，从近地轨道卫星到深空探测器。西安卫星测控中心长期管理着我国100多颗在轨卫星，近3年来排除卫星险情和故障数百次，先后成功抢救了10多颗重大故障卫星，为国家挽回经济损失数十亿元-19。深空探测器的通信延时使地面实时诊断不可行，天问一号环绕器的综合电子分系统需要在长时间无上行指令的条件下自主完成故障检测与安全处置。
故障诊断的限制来自故障样本稀缺、模型不精确和星上资源受限三重约束。航天器是高度可靠的系统，故障样本相对于正常运行数据而言极为稀少，基于数据的方法面临“小样本”困境。基于模型的方法依赖的物理模型在长期在轨运行后可能因部件退化而偏离实际。星上诊断的计算资源受限，复杂的诊断算法难以在星载处理器上实时运行。此外，故障的级联隐蔽性使单一部件的初始故障可能通过耦合关系传播到多个分系统，增加了故障定位的难度。
常见问题 FAQ
航天器故障诊断是自动的还是人工的？
两者结合，分层实施。星上自主诊断处理预设的故障模式，采用阈值判断或有限状态机逻辑，在故障发生后秒级至分钟级内触发自主保护动作（如切换备份部件、进入安全模式）。地面诊断负责复杂的故障分析和定位，运行管理人员对遥测数据逐项判读，借助专家系统和知识图谱辅助推理。对于深空探测器，通信延时使地面无法实时干预，星上自主诊断承担了更大的责任。
为什么航天器故障诊断比地面设备诊断更难？
核心困难在于故障样本稀缺和环境不可复现。地面设备可以主动制造故障进行测试，航天器无法在轨制造故障来验证诊断算法的有效性。航天器故障的历史数据量相对于正常运行数据极为有限，基于机器学习的方法难以获得足够的训练样本。空间辐射导致的单粒子翻转可能产生与真实故障相似的异常遥测，增加了虚警率。此外，航天器一旦发射便无法维修，诊断算法只能在发射前通过地面仿真和半实物测试进行验证。
知识图谱和大语言模型如何帮助航天器故障诊断？
知识图谱解决的是“知识散落在哪里”的问题。航天器的故障诊断知识分散在设计文档、试验报告、在轨数据和专家经验中，传统检索方式效率低下。知识图谱将设备、故障模式、诊断规则和处置措施构建为结构化的关联网络，使查询“某型号动量轮转速异常可能的原因有哪些”时能够快速返回关联的故障路径。大语言模型在此基础上提供自然语言交互能力，使地面人员可以用日常语言提问并获得专业级诊断建议-8。图谱RAG方法进一步提升了知识检索的精准度和推理的深度-3。