CC BY
49
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
ПРИНЦИПЫ АВТОМАТИЗИРОВАННОГО ОПЕРАТИВНОГО АНАЛИЗА СОСТОЯНИЯ КОСМИЧЕСКИХ АППАРАТОВ
В.А. СКОРНЯКОВ, доц. каф. информатики и вычислительной техникиМГУЛ, канд. техн. наук, Н.Н. ВАЛОВ, асп., инженер центра управления полетами ФГУП ЦНИИМаш
Возрастающая сложность космических аппаратов (КА), увеличение числа задач, решаемых с их использованием, существенные расходы, связанные с разработкой космических систем и их управлением - все это определяет важность и актуальность задачи автоматизации процесса управления КА.
Современный космический аппарат представляется большой системой, включающей сложный набор связанных между собой подсистем с различным целевым назначением. Анализ функционирования КА основывается на измерении параметров его состояния посредством системы телеметрических измерений с последующим сопоставлением их значений с планируемыми по программе полета. При этом, в случае выхода значения параметров за допустимый диапазон, реализуется задача диагностирования КА с целью поиска места и причины возникающего отклонения.
Особенность решения задачи автоматизации оперативного анализа состояния бортовых систем космических аппаратов заключается в сложности описания протекающих на борту процессов, а также в невозможности представления модели КА в рамках выбранной какой-то одной математической структуры: адекватность отображения протекающих процессов требует применения аппарата математической логики, классического анализа, теории алгоритмов и т.п. Существующие попытки ее решения [1] основываются на принципах «эталонного» представления режимов работы космического аппарата в терминах функциональных связей и подмножеств телеметрических параметров, отображающих эти режимы. При этом процедура анализа реализуется на принципах сопоставления «эталонных образцов» режимов с реальной информацией, получаемой с борта КА. По результатам сравнения выносится вердикт о работоспособности
caf-vt@mgul. ac. ru
анализируемой системы. К методам, в основе которых лежит представленный принцип, относятся методы: «многоуровневого
контроля», «матриц состояний», «деревьев поиска состояний» и «специальной математической модели».
Суть метода «многоуровневого контроля» [1] заключается в априорном задании допустимых диапазонов изменения анализируемых параметров с последующим машинным сопоставлением их значений с эталонной метрикой с последующим отображением на дисплее оператора сообщений о тех параметрах, которые вышли за этот допустимый диапазон. По результатам анализа делается вывод о состоянии аппарата в целом. В случае возникновения нештатной ситуации на борту, если таковая не описана в эталонных образцах, операции по выявлению причин и места неисправности возлагаются на оператора группы анализа.
В основу метода «деревьев поиска состояний» [1] заложен принцип последовательного анализа заданного набора телеметрических параметров ({A}, i = 1..n, где n - число анализируемых параметров) и результатов промежуточных вычислений ({Ak}, k = 1..m), где m - число расчетных значений анализируемых параметров, получаемых по реальной телеметрической информации (X). По результатам сравнения каждого значения телеметрического параметра с его пороговым значением ([Xi], [Ak]) выносится вердикт о состоянии каждой отдельной системы и аппарата в целом. Схема деревьев поиска состояний представлена на рис. 1.
Метод матриц состояний [1] представляет собой таблицу соответствия между вектором эталонных состояний системы космического аппарата ...SK, где K- все штатные
состояния системы) и теми телеметрическими параметрами, которые характеризуют фактическую работу системы (Хи...Хш, где N - чис-
ЛЕСНОИ ВЕСТНИК 4/2009
137
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
ло параметров, характеризующих состояние системы). Если какой-либо телеметрический параметр выходит за «ожидаемый» диапазон изменения, то это свидетельствует о нештатном функционировании системы. «Матрица состояний системы» имеет вид, представленный на рис. 2.
Методы, основывающиеся на использовании аппарата классических раз-
делов математики [1] (дифференциальные уравнения, имитационное моделирование и т.д.), крайне сложны в реализации не только в силу упомянутой сложности структуры и многомерности космического аппарата, но, в основном, по причине различной природы протекающих в системах физических, биологических, психологических, информационных и т.п. процессов.
Рис. 1. «Дерево» поиска состояний системы
Параметры, характеризующие работу системы КА Эталонные образцы состояния системы КА
Х„ Х12 X1N Si
Х21 Х22 X2N S2
Хк1 Хк2 XKN Sk
Рис. 2. «Матрица» состояний системы
Исходных набор элементов (блоков)
Солнечные
Батареи
{P}, {Авх}СБ, {Авых}СБ,
{F(P)}gb
Аккумуляторные
Батареи
{P}, {Авх}АБ, {Авых}аБ, {F(P)}ab
Зарядные Устройства {P}, {Авх}зу, {Авых}зу, {F(P)}3y
Результирующая цепочка
Условные обозначения
Рзаб - режим заряда аккумуляторных батарей
{P} - подмножество режимов {Уе}сэп = F(F{P}cb; F{P}3y; F{P}ab)
{Авх} - подмножество входных адресов
{Авых} - подмножество выходных адресов
{F(P)} - подмножество функциональных свойств
{Уе}сэп - подмножество результирующих функций
Рис. 3. Структурная схема режима заряда аккумуляторных батарей
138
ЛЕСНОЙ ВЕСТНИК 4/2009
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Описанные выше методы имеют ряд существенных недостатков, к которым относятся сложность априорного описания всех возможных состояний КА и его систем, тем более в нештатных ситуациях, слабая адаптивность моделей в условиях отклонений от заданных режимов на борту КА, большая трудоемкость разработки исходных данных и программно-математического обеспечения.
Наиболее перспективным представляется подход, основывающийся на идеях искусственного интеллекта [2], с использованием ассоциативных моделей. Суть этой идеи заключается в декомпозиции структуры космического аппарата на отдельные составляющие элементы, идентичные по функциональной структуре, с последующим моделированием протекающих в них процессов, при использовании подобающих математических структур, адекватно отображающих функциональные свойства каждого моделируемого элемента. Целостная модель строится на ассоциативных принципах, отображающих логику функциональных связей моделируемых в системах процессов.
Схема взаимосвязи элементов в приложении к задаче моделирования режима заряда аккумуляторных батарей системы энергоснабжения космического аппарата представлена на рис. 3. В качестве исходных элементов структуры системы энергоснабжения выступают элементы системы с указанием тех режимов, в которых они участвуют. Контроль выполнения режима реализуется управляющим алгоритмом на основе анализа значений телеметрических параметров в ожидаемом диапазоне изменений для каждого элемента цепочки. По результатам контроля производится оценка качества исполнения режима и работоспособности системы в целом.
В случае, если полученная цепочка несостоятельна с точки зрения реализации режима, машинный алгоритм реализует построение новой конфигурации модели для заданного режима (цели). Если же такую цепочку построить не удается, то производится анализ области нештатного функционирования системы на уровне ее элементов, на основе получаемых телеметрических измерений.
Реализация такого подхода требует решения ряда вопросов:
1. Определение уровня декомпозиции КА и его систем, при котором обеспечивается получение состоятельных оценок качества функционирования систем с требуемой детализацией рассмотрения.
2. Представление модели каждой системы КА в терминах логики связей и функциональных свойств в рамках располагаемой телеметрии.
3. Описание ассоциативных связей между системами КА и их элементами.
4. Разработка моделирующего алгоритма по всей иерархии представляемой модели КА.
В целом рассматриваемый метод характеризуется методологической универсальностью подхода по отношению к различным космическим аппаратам, при этом благодаря модульности конструкции модели обеспечивается ее высокая адаптивность к изменяющимся условиям, в том числе и в нештатных ситуациях. Уровень такой адаптивности определяется степенью детализации представления моделируемой системы («модуль-элемент-нейрон»). Получаемая структура модели отображает, в некотором роде, искусственную нейросеть [24], но с более расширенным представлением в модельной интерпретации нейроэлемента, его функциональных качеств, на основе гибридной совокупности используемых математических конструкций. Такой подход создает условия для снижения трудозатрат на автоматизацию оперативного анализа и, как следствие, повышение оперативности и надежности принимаемых решений по управлению КА, что играет ключевую роль в управлении космическими аппаратами. При этом обеспечиваются предпосылки для последующего развития автоматизированного программно-математического комплекса вновь создаваемых объектов рассматриваемого класса.
Библиографический список
1. Кравец, В.Г. Автоматизированные системы управления космическими полетами / В.Г. Кравец. - М.: Машиностроение, 1995.
2. Сотник, С.Л. Курс лекций «Основы проектирования систем искусственного интеллекта», 1998.
3. Эндрю, А.М. Мозг и вычислительная машина / А.М. Эндрю. - М.: Мир, 1966.
4. Эшби, М.Р. Конструкция мозга / М.Р. Эшби. - М.: Мир, 1964.
ЛЕСНОЙ ВЕСТНИК 4/2009
139
