摘要
飞轮作为航天器姿态控制的关键执行元件，其性能和可靠性直接影响着航天器的寿命和功能。运行中的飞轮一旦丧失平衡，需即刻校正，否则发动机在运转过程中将受到愈发严重的振动，引发“抱轴烧瓦”安全事故，甚至将振断相关的航天器零部件，威胁太空安全。为此，及时有效地评估飞轮的健康状态对航天器意义重大。在实际飞轮的健康评估过程中，应保证评估模型的可解释性。这是因为，可解释的评估分析有助于指导飞轮系统的特征工程、增加模型的透明度和可信度、方式和识别偏差等，同时避免诸多高风险的隐患。因此，该项可解释飞轮健康评估模型研究具有重要理论价值和实用价值。此研究以置信规则库(Belief Rule Base,BRB)为理论基础，主要集中于以下三方面: 针对飞轮健康评估模型专家知识难构建、评估指标难建立、指标间逻辑关系不清晰的问题，提出基于模糊故障树分析(Fuzzy Fault Tree Analysis,FFTA)的BRB模型构建方式。该方法利用FFTA分析机理建模，使用FFTA丰富了 BRB中的专家知识库，保证了飞轮系统健康状态评估模型的建模过程的可解释性。实验部分案例研究通过不同方法的对比，证明了该方法精度达到95％以上，验证了该部分研究的有效性、可行性和准确性。 针对飞轮健康评估模型规则的组合爆炸和未考虑规则可靠度的问题，提出区间组合并考虑规则可靠度的BRB模型推理方式。该方法将传统BRB的参考值替换为参考区间，以此使得专家知识被更完整地表达;它将规则融合过程中以笛卡尔积组合规则的形式替换为以区间加法组合规则的形式，解决了由参考值指数增多时引发的规则爆炸问题;它把ER规则算法新引入飞轮评估模型，替换了原来的ER解析算法，进一步考虑了规则可靠度。通过飞轮实验案例证明该方法的精度达到98.57％,并与其他数据集对比证明该方法具有通用性，且相较于其他方法有更高的准确度。 针对以BRB为基础的飞轮健康评估模型参数在优化过程中违背实际物理意义并丧失可解释性的问题，提出了可解释约束的BRB模型优化方式。该方法在传统优化算法的基础上添加了使得置信度受每位专家认可和保证优化后的置信分布与实际系统匹配的可解释约束，解决了参数在经过推理过程后引发的不可解释的问题，保证了飞轮系统健康状态评估模型的优化过程的可解释性。实验证明，相较于其他方法，该方法的均方误差值较小，并且置信分布趋势拟合情况良好，说明该方法具有可行性和可解释性。 综上所述，针对传统BRB中的可解释性问题，从建模、推理、优化等三个角度分别提出了不同的应对方案。从理论角度讲，完整的飞轮健康状况评估模型的解释性是有保证的，并且方案的合理性已经通过飞轮健康评估的实验验证。实验结果表明，所提出的模型具有可行性、准确性、有效性。
NETL