Содержание и структура задач интеллектуализированного контроля состояния космических аппаратов в процессе управления полётом

Управление полётом космических аппаратов (КА) является важнейшей составляющей процесса лётных испытаний и эксплуатации космической техники. Процесс управления космическим полётом КА является многокомпонентным и непрерывным в течение всего срока эксплуатации КА. Неотъемлемой частью данного процесса является контроль выполнения программы полёта КА и определение его фактического технического состояния, включая составные части КА, в целях определения возможности осуществления дальнейшей эксплуатации. Получение необходимой информации для решения задач управления космическим полётом, и в конечном итоге — принятие решений о дальнейшей эксплуатации КА по результатам контроля осуществляется в значительной степени в результате анализа телеметрической информации (ТМИ), получаемой с КА. ТМИ является наиболее полной, достоверной и оперативной информацией для определения как текущего состояния КА, так и предыстории состояния и выполнения программы полёта и, в определённой степени, прогноза его состояния. В общем случае для космической техники понятие «анализ» включает в себя метод исследования, логические и математические действия, направленные на получение результатов контроля. Анализ — это сложный комплексный процесс, в котором участвуют и программноаппаратный комплекс обработки ТМИ, и собственно специалист управления полётом КА. Основная цель при этом — на основе всей совокупности доступной информации дать всеобъемлющее, исчерпывающее и подтверждённое фактологическое знание о техническом состоянии КА и его составных частей, включая полезную нагрузку или научную аппаратуру. На основании этой информации будет принято решение о дальнейшем продолжении программы полёта КА. В общем случае анализ ТМИ представляет собой процесс оценки техническими средствами и специалистами группы управления значений и состояний всех телеметрических параметров (ТМП) КА на всём протяжении его полёта с учётом реализуемой программы полёта.

Анализ текущего состояния технологии анализа ТМИ при управлении полётом

Технология контроля состояния КА в настоящее время является достаточно отработанной [1] и включает в себя устоявшуюся последовательность действий, выполняемую как аппаратнопрограммными средствами Центра управления полётами (ЦУП), так и специалистами службы управления. Существующая человеко-машинная система контроля КА [2], включающая в себя специализированное программное обеспечение (ПО), которое снабжает специалиста управления всеми данными, необходимыми для выполнения функций контроля, в настоящее время постоянно совершенствуется и развивается. Эти технологии контроля имеют свои преимущества и недостатки, но в целом решают свои задачи.

Традиционный анализ состояния КА [3], применяемый повсеместно в настоящее время в процессе управления полётом, построен на использовании алгоритмов, которые создаются квалифицированными специалистами или экспертами в своей области, отвечающими за создание КА. При создании, и, что особенно важно, при верификации алгоритмов анализа требуются значительные трудоёмкость и время для их реализации. Привязанность традиционных методов анализа ТМИ к особенностям конструкции и режимам функционирования конкретного КА приводит к увеличению объёма и сложности ПО, а также — усложнению алгоритма анализа. Возникают задержки в исполнении алгоритма, а также усложняется задача его верификации. Особенностью процесса верификации алгоритмов анализа, в первую очередь, является ручной перебор всей массы ТМП КА для визуального определения достоверности функционирования проверяемого алгоритма. Также данная проверка полностью зависит от квалификации и внимательности специалиста. Развитие алгоритмического обеспечения процедур анализа сталкивается с существенным усложнением ПО, увеличением объёмов обработки и другими факторами.

Математическое моделирование функционирования КА в целом и его составных частей — также непростая задача, и, что более существенно, любая классическая математическая модель обладает только свойствами и знаниями, заложенными в неё заранее при создании, и является конечной со всеми ограничениями. В результате моделирования функционирования КА создаётся набор правил, ограничений и граничных условий, который ложится в основу математической модели КА или его составных частей. Возможна ситуация, когда этот набор изменяется, как правило, в сторону увеличения, при этом увеличивается объём работы. Следствием является уточнение и усложнение модели. Анализ состояния КА (как объекта моделирования) возможен только после создания соответствующей модели, которая в обязательном порядке должна быть верифицирована.

Применение «классических» стохастических моделей для сложных технических объектов [4], к которым безусловно относится современный КА, является проблематичным. Причиной тому служит принципиальная невозможность учёта в модели не только всей априорной информации, но и настройка моделей в условиях структурных и параметрических возмущений в процессе космического полёта и особенно при большой длительности эксплуатации КА, которая уже значительно превышает 10 лет для многих типов космической техники.

Различные методы автоматизации, применяемые в настоящее время при решении задач анализа при проведении контроля различных объектов управления, включая орбитальные модули, транспортные пилотируемые корабли (ТПК) или автоматические КА, можно систематизировать, как представлено в таблице.

Значительный опыт, накопленный отечественными специалистами управления полётами КА различного типа и назначения, позволяет чётко сформулировать основные недостатки средств и технологий контроля, которыми в настоящее время являются:

• •    минимальная автоматизация процедур анализа технического состояния КА и его составных частей, включая поиск предвестников потенциальных нештатных ситуаций (НШС);

• •    наличие операций анализа, выполняемых только специалистом управления без каких-либо средств автоматизации («ручной» контроль);

• •    ограниченная автоматизация анализа для контроля выполнения полётных операций и исполняемых режимов составных частей КА;

• •    отсутствие средств автоматизированного прогнозирования технического состояния космического аппарата

и деградации его характеристик при длительной эксплуатации;

• •    ограничение по объёму отображаемой ТМИ на экране рабочего места оператора управления;

• •    отсутствие средств для автоматизированного учёта ресурсов КА.

Методы автоматизации

Методы автоматизации	Объекты управления
	Орбитальные модули	ТПК, ТГК	КА
Иерархические форматы отображения ТМИ	Частичное применение	Применяются	Применяются
Оптимизация размещения информации на формате отображения	Частичное применение	Частичное применение	Частичное применение
Быстрый вызов справки	Частичное применение	Применяется	Применяется
Графические форматы отображения ТМИ	Частичное применение	Частичное применение	Частичное применение
Допусковый контроль значений ТМП	Не применяется	Частичное применение	Применяется
Алгоритмы анализа типовых режимов	Частичное применение	Частичное применение	Частичное применение
Оперативные расчёты типовых задач	Частичное применение	Частичное применение	Частичное применение
Автоматическое формирование рекомендации при возникновении НШС	Не применяется	Не применяется	Не применяется
Послеполётный анализ с учётом баз данных по результатам предыдущих полётов	Не применяется	Применяется	Не применяется
Подсчёт ресурсов работы составных частей КА	Частичное применение	Не применяется	Применяется
Ведение электронных журналов оперативных смен	Частичное применение	Не применяется	Не применяется
Ведение электронных баз замечаний к работе оборудования КА	Применяется	Применяется	Не применяется

Примечание. Сокращения см. в тексте.

В существующей практике управления полётом [2] определение результата анализа состояния КА осуществляется, в основном, группой специалистов с учётом конкретной фазы полёта или полётной операции. Подобный подход удобен при наличии достаточного числа высококвалифицированных специалистов, так как позволяет проводить, зачастую на интуитивном уровне, оптимизацию решения для конкретного этапа полёта с учётом слабо формализованных особенностей для конкретного КА и внешней обстановки. Вместе с тем, этот подход имеет следующие недостатки:

• •    использование интуитивных конструкций является субъективным и определяется квалификацией конкретного специалиста;

• •    формализация алгоритма для его автоматического исполнения либо сложна, либо имеет различные условия и нюансы;

• •    зачастую отсутствует единое логическое объяснение конкретной ситуации различными квалифицированными специалистами.

Рассматривая современные технологии [1, 2, 4, 6], применяемые при решении задач анализа при управлении полётом КА различного назначения, можно отметить, что в целом уровень автоматизации невысок. Значительные части задач анализа в принципе выполняются исключительно операторами службы управления. Там же, где существуют примеры автоматизации отдельных процедур, она носит вспомогательный характер. Для будущих космических программ целесообразность автоматизации процедур анализа возрастает ввиду очевидного увеличения размеров и сложности КА, усложнения решаемых функциональных задач и увеличения количества полётных операций.

Для автоматических КА наблюдается очевидная тенденция к созданию многоспутниковых группировок. К ним в первую очередь относятся космические навигационные системы с числом одновременно эксплуатируемых КА на орбите не менее 24. И, конечно, создание технологий мобильной спутниковой связи, для чего развёртываются группировки КА, содержащие от 600, как в системе OneWeb одноименной компании , до нескольких тысяч КА, как в системе StarLink компании SpaceX , которые будут обеспечивать широкополосный доступ в сеть Интернет пользователям по всему миру за счёт полного охвата поверхности Земли. Рациональное и оптимальное управление полётом КА, входящих в состав подобных систем, невозможно без существенного роста степени автоматизации процессов контроля и решения задач анализа на иных принципах.

Сущность и задачиинтеллектуализированного анализа

Интеллектуализированный анализ в технических приложениях представляет собой процесс обнаружения знаний, необходимых для принятия определённых решений, которые не определяются стандартными, алгоритмическими методами обработки или экспертным путём. При осуществлении интеллектуального анализа предметом интереса являются:

• •    нетривиальные (неочевидные) знания;

• •    неявные зависимости;

• •    предварительно неизвестные знания;

• •    потенциально полезные знания;

• •    аномальные изменения.

В широком смысле это концепция анализа данных, для которого формально не определена цель поиска, и только после обнаружения предмета поиска формулируется обоснование его появления. Таким образом, интеллектуа-лизированный анализ даёт новое знание о свойствах, процессах и состоянии технических устройств (в нашем случае КА), тем самым позволяя глубже понять происходящее и дать возможность повлиять на него. Для задач контроля состояния КА такими данными служит, в первую очередь, телеметрическая информация, поступающая от КА и принимаемая наземными средствами управления.

Для целей контроля при управлении полётом КА и решения задач анализа состояния КА основными преимуществами интеллектуализирован-ного анализа по сравнению с традиционными алгоритмическими моделями являются следующие:

• •    отсутствие необходимости в предварительно заданных параметрах состояния КА и алгоритма анализа его работы;

• •    высокая скорость реакции на появление аномалий, отклонений или отличий, фактически — в темпе поступления ТМИ;

• •    установление и отслеживание взаимосвязи между значениями всех ТМП, содержащихся в ТМИ КА;

• •    обнаружение единичных и комплексных отклонений;

• •    автоматическая обработка и получение необходимой информации;

• •    универсальность в части контроля состояния различных составных частей КА или конструктивно различных КА;

• •    учёт поступающих данных о нормальном или ожидаемом состоянии КА и его составных частей и обновление ранее построенной модели поведения.

Важными предпосылками для автоматизации процесса контроля при управлении полётом КА являются:

• •    необходимость устранения множества рутинных, постоянно повторяющихся операций, выполнение которых специалистами ЦУП может быть заменено работой автоматизированной системы;

• •    обработка большого количества информации и мониторинг огромного, для человеческих возможностей, числа ТМП для получения достаточного объёма информации для принятия решений при управлении полётом;

• •    длительность полётов и накопление значительного количества информации в процессе эксплуатации (например, МКС функционирует уже на протяжении 20 лет);

• •    большая трудоёмкость существующих технологий и её возрастание при конструктивном и количественном росте КА, особенно для многоспутниковых группировок или пилотируемых орбитальных комплексов сложной архитектуры;

• •    высокая производительность вычислительных средств наземного комплекса управления;

• •    значительный прогресс в информационных технологиях и интеллектуа-лизированной обработке данных.

Следует отметить, что существующие мощные вычислительные технологии позволяют применять в технике широкий спектр статистических инструментов математического анализа данных теории идентификации, идентификационного анализа и моделирования. Рассмотрение тенденций по увеличению сроков эксплуатации КА или количества однотипных КА, по крайней мере, в части конструкции и функционирования составных частей КА, позволяет считать, что подобные методы будут использоваться при контроле полёта КА, как минимум, при анализе аномалий, отклонений и отказов в приборах и составных частях КА. Применительно к случайным событиям на борту КА, таким как, например, воздействие тяжелозаряженных частиц на электронные компоненты, входящие в состав бортовых электронных приборов, не приводящим к катастрофическим отказам в них, данный вид анализа является единственно возможным способом установления причины сбоя.

Сущностью решения задачи автоматизации процессов контроля является:

• •    повышение оперативности, качества и надёжности управления в части решения задач контроля состояния и функционирования КА;

• •    повышение производительности труда специалиста управления полётом, т. е. решение необходимого объёма задач меньшей численностью единовременно привлекаемых специалистов управления;

• •    снижение нагрузки на специалиста управления полётом и её перераспределение с рутинных, постоянно повторяющихся операций на задачи более высокого интеллектуального уровня.

Достигается это за счёт устранения «человеческого фактора» и его ограниченных возможностей при переработке информации.

Повышение оперативности решения задач анализа достигается средствами автоматизации путём расширения возможностей персонала управления в процессе эксплуатации КА с помощью технических и программных средств вычислительной техники, что позволяет решать следующие задачи:

• •    систематизация информации;

• •    автоматический оперативный анализ состояния составных частей КА;

• •    представление данных ТМИ в удобном и наглядном виде специалисту управления для использования в работе;

• •    оказание информационной поддержки специалисту управления в предоставлении справочной информации, проведении расчётных действий и т. п.;

• •    высвобождение специалиста управления полётом от рутинных и постоянно повторяющихся операций заполнения стандартных форм оперативной документации и проведения однотипных операций и переориентация его деятельности в область более углублённого анализа состояния КА, учёта остаточного ресурса, определения фактических характеристик оборудования, нежелательных процессов и аномалий и их причин.

В структуре задач контроля при управлении полётом КА можно сформировать следующие задачи интеллектуального анализа:

• •    автоматизация процедур анализа ТМИ;

• •    извлечение неочевидных знаний о функционировании и взаимовлиянии составных частей КА при изменяющихся внешних воздействующих факторах;

• •    выявление, локализация и определение причин аномалий, нечётких состояний или нерассмотренных НШС;

• •    прогнозирование состояния КА и его отдельных характеристик на определённую перспективу;

• •    идентификация и построение прогнозирующих идентификационных моделей.

Важной отличительной особенностью интеллектуального анализа является его универсальность, т. е. возможность применения для различных КА без существенных изменений. Это следствие того, что в основе лежат математические инструменты и алгоритмы, которые не привязаны к конструктивным особенностям КА, а работа осуществляется с данными, поступающими при работе КА. Традиционное применяемое специализированное ПО [3], предназначенное для контроля и анализа полёта КА, в значительной степени индивидуально для каждого отдельного КА. Аналогичные задачи для другого по конструкции КА решаются, соответственно, другими автоматизированными системами, имеющими другие алгоритмы, контролируемые параметры и допустимые значения параметров. Интеллектуализированные методы анализа как бы не видят объекта, который генерирует данные, а осуществляют только анализ нормального «виртуального» состояния КА в сравнении с его текущим состоянием. Другими словами — есть «портрет здорового КА», который подтверждён или проверен, в т. ч. исходя из анализа, традиционными методами. Соответствие модели нормального состояния КА верифицируется применением стандартных, традиционных процедур по анализу технического состояния КА. Если КА эксплуатируется впервые, используются результаты, полученные в ходе наземных и лётных испытаний, так как программа лётных испытаний включает в себя подтверждение свойств и технических состояний КА при всех режимах работы, реализуемых КА и его составными частями. При завершении этапа лётных испытаний КА с положительным заключением принимается, что сформирована и верифицирована модель номинального функционирования КА. Подобную систему можно «научить» анализировать данные с любого КА, не прибегая к изменениям алгоритмов анализа. Это качество особенно ценно ввиду того, что современные КА становятся всё более разнообразными в части используемого бортового оборудования и конструктивно сложными.

Принципиальным моментом любых методов интеллектуального анализа данных является двухэтапный режим работы, как представлено на рис. 1.

На первом этапе «обучения/модели-рования» по данным ТМИ, собранным

Рис. 1. Структурная схема интеллектуализированного анализа телеметрической информации (ТМИ)

при номинальной работе КА, с использованием различных алгоритмов строится база данных номинальных состояний, соответствующих нормальному (среднестатистическому) или штатному функционированию КА. Соответствие этой базы верифицируется применением стандартных, традиционных процедур по анализу технического состояния КА. Данные для этого, очевидно, берутся на предыдущих этапах полёта или на аналогичных КА. Обработанные с помощью алгоритмов интеллектуального анализа данные ТМИ при этом формируют базу знаний — номинальных состояний КА.

Для впервые эксплуатируемых КА или КА, функционирующих по уникальной программе полёта или с иными явными и неявными отличиями, создание базы данных номинальных состояний реализуется отдельным способом. Любой без исключения КА проходит этап лётных испытаний, который осуществляется в начале полёта КА после выведения на рабочую орбиту и перед его эксплуатацией по назначению. Основная цель данного этапа — всесторонняя проверка и подтверждение характеристик КА и его составных частей, заданных в техническом задании. Поэтому на данном этапе к анализу ТМИ, получаемой с испытуемого КА, подключается большое количество специалистов, в т. ч. и разработчиков отдельных составных частей КА. Программа лётных испытаний, как правило, включает в себя подтверждение свойств и технического состояния КА при всех режимах работы, реализуемых КА и его составными частями. Это позволяет подробно и углублённо понять реальное техническое состояние КА в эксплуатационных условиях орбитального полёта. В случае завершения этапа лётных испытаний КА с положительным заключением можно принять, что сформирована и верифицирована база номинальных состояний КА.

На втором этапе, «рабочем», производится анализ технического состояния КА. В режиме реального времени поступает текущая ТМИ от КА, производится анализ (на основе соответствующих алгоритмов), и результаты обработки соотносятся с данными из базы номинальных состояний. Если устанавливается соответствие (по определённому критерию) данных из базы и входящих данных, то они пополняют «номинальную» базу. При несоответствии фиксируется отклонение, и оператор предупреждает о выявленной аномалии.

Заключение

Для эффективного и надёжного управления полётом КА, особенно с учётом внешних возмущающих факторов, длительного срока эксплуатации КА и увеличения числа КА, одновременно находящихся под единым управлением, весьма актуальной задачей являются автоматизация всех составных частей процесса контроля и интеллектуализация задач анализа ТМИ. Наличие автоматизированных систем контроля позволяет освободить специалиста управления от наиболее трудоёмких, «рутинных» составляющих операций контроля и, в конечном итоге, минимизировать состав персонала управления, обеспечивающего оценку технического состояния КА. Задачи, решаемые оператором, смещаются в интеллектуальную область экспертных знаний для более углублённого анализа состояния КА, учёта остаточного ресурса, определения фактических характеристик оборудования, выявления нежелательных процессов и аномалий в функционировании составных частей КА и определения их причин.