利用关联规则检测液体火箭发动机启动关机过程的故障

提出了一种基于关联规则的故障检测方法,根据发生故障时相应参数之间的关联关系是否有效来判断是否故障。对液体火箭发动机的启动过程试车数据进行挖掘的应用实例表明,该方法能够有效地挖掘参数之间的关联关系,有效地检测出液体火箭发动机启动过程中的故障。     

基于RVM的液体火箭发动机试验台故障预测方法

液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题,通过预测相关参数在试验台运行过程中的变化趋势,可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模,提出了一种相关向量机(relevancevector machine,RVM)故障预测模型。在模型的训练阶段,根据数据序列的特征,分别采用单参量、相空间重构和多参量的方法进行了模型的训练,然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明,该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。     

量子超球神经网络在振动故障检测中的应用

提出了一种基于量子超球神经网络的液体火箭发动机振动故障检测方法,采用可变量子超球代表发动机工作模式,自然地提供了反映故障程度的概率幅;网络的离线学习算法可以从训练样本中自动提取发动机振动知识,监测算法不仅能正确预报故障,还能在线学习新的振动信息。试验数据检验结果表明：量子超球神经网络可以成功用于液体火箭发动机振动故障检测。     

基于神经网络算法的液体火箭发动机实时故障检测方法研究

以某液体火箭发动机为研究对象,将实时故障检测作为中心,分析了神经网络算法的特点及其实现步骤,利用Lab Windows/CVI与MATLAB混合编程的原理,实现和改进了基于神经网络的发动机实时故障检测方法,并用多次试车数据进行了检验.试车数据验证结果表明,该方法能及时、准确、有效地检测发动机稳态过程的故障.研究结果对发展未来液体火箭发动机的箭载故障检测系统具有重要的参考价值.     

基于人工免疫的液体火箭发动机故障检测方法研究

为有效提高液体火箭发动机故障检测过程中的及时性、实时性及准确性,基于人工免疫系统中的阴性选择原理研究建立了液体火箭发动机故障检测的阴性选择算法与免疫实值算法,实现了液体火箭发动机稳态工作过程中的故障检测与报警。基于某大型泵压式液体火箭发动机实际试车数据的验证结果表明,研究建立的人工免疫故障检测方法能对发动机稳态工作阶段进行有效准确的故障检测与报警,相对以往传统的检测算法在故障检测时间上有了一定的缩短,对研究基于人工免疫的液体火箭发动机的故障检测与诊断系统提供了依据。     

基于人工智能方法的传感器故障诊断技术

在液体火箭发动机地面试验过程中,传感器的失效率远高于发动机部件、组件的故障率,因而提出了采用基于人工智能的方法对传感器的故障进行检测与诊断.本文对基于人工智能方法用于传感器故障检测与诊断的特点进行了分析,并分别应用BP神经网络和自适应神经模糊推理系统（ANFIS）对某次传感器的故障进行检测.结果证明基于人工智能的方法稳定可靠,具有良好的工程应用前景.     

火箭发动机涡轮泵故障检测及预测算法研究

涡轮泵作为液体火箭发动机的核心部件,恶劣的工作环境和极高的转速使其易发生组件断裂、烧蚀等问题。为了对液体火箭发动机的涡轮泵进行健康管理,提出针对某型液体火箭发动机涡轮泵的数据驱动故障检测、故障预测及健康状态评估方法。在某型液体火箭发动机试车数据集上,通过对涡轮泵轴、径、切向振动数据进行对应的时域、频域特征处理后,送入训练好的ResNet网络、自主设计的图像特征识别算法以及退化模式线性回归模型,分别实现了对该型液体火箭发动机涡轮泵的故障检测、预测及健康状态评估,具有较高的准确性。     

液体火箭发动机实时故障检测与报警原型系统的设计与实现

实现了液体火箭发动机启动和稳态工作过程故障检测的神经网络和统计算法,以及检测结果的综合决策与报警算法,并从系统硬件、软件结构和功能等方面设计建立了液体火箭发动机工作过程的实时故障检测与报警原型系统。试车数据验证考核结果表明,故障检测与报警系统能及时和准确地对发动机稳态和启动工作过程中的故障进行检测和报警,现已成为实验室级发动机故障检测与报警的演示与验证原型系统,并对实现未来箭载发动机工作过程实时在线故障检测与报警具有重要的工程应用价值。     

液体火箭发动机健康监控技术研究现状

液体火箭发动机健康监控技术是改进和提高运载火箭、航天器可靠性与安全性的核心技术之一,对其进行研究具有重要的学术价值和工程应用价值。液体火箭发动机健康监控技术的研究主要包括液体火箭发动机故障检测与诊断理论方法、液体火箭发动机健康监控系统两方面。该文介绍了基于模型驱动的方法、基于数据驱动的方法和基于人工智能的方法,阐明了液体火箭发动机故障检测与诊断理论方法的研究现状,通过对美国液体火箭发动机典型健康监控系统的介绍,阐明了液体火箭发动机健康监控系统研究的若干进展及现状,并对液体火箭推进系统健康监控技术的演变趋势作了简要评述。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于LSTM-ResNet模型的时变结构损伤检测

面向火箭结构健康监测，提出了一种基于深度学习的损伤检测方法，直接将多个通道的振动数据作为输入，并基于由长短时记忆网络LSTM（Long Short-Term Memory Networks）和残差卷积神经网络ResNet（Residual Convolutional Neural Networks）组合而成的LSTM-ResNet网络进行损伤识别。其优点在于，首先利用LSTM提取信号的时间依赖特征，减轻了由某些通道信号缺失带来的影响，再利用ResNet在不损耗特征的情况下进一步提取空间特征，提高了训练效率和损伤辨识准确性。通过充液圆筒振动放水实验模拟火箭飞行状态下的燃料消耗，并基于自主构建的数据集和公用数据集对LSTM-ResNet、LSTM、ResNet以及ResNet-LSTM网络进行了训练，训练结果表明，LSTM-ResNet组合网络无论在传感器是否存在故障的情况下都具有更好的性能，损伤检测精度更高。     

液体火箭发动机故障诊断中的特征优选策略

针对液体火箭发动机故障诊断中的特征选择问题,提出了一类最小代价模糊决策模型。在应用中,该模型能够融合各个故障特征参数的先验信息、故障程度,并允许故障间的关联存在,从而比现有特征选择方法具有广泛的适用性,特征选择结果更贴近工程实际。同时,给出了基于贪婪算法的模型求解方法,并对某发动机的故障特征集进行了特征优选实验。实验证明了该方法的有效性。     

改进SO优化KELM的液体火箭发动机故障检测

提出了一种ISO-KELM的液体火箭发动机故障检测模型。首先引入Tent混沌映射、动态策略和柯西变异3种方法对原算法进行改进。然后，采用改进后的蛇优化算法(ISO)对核极限学习机(KELM)惩罚因子和核函数参数进行寻优，构建了ISO-KELM液体火箭发动机故障检测模型。最后选取包含5种典型故障模式的某液体火箭发动机历史试车数据进行仿真。结果表明，ISO-KELM模型的故障检测准确率为95.2%,高于SO-KELM故障检测模型和传统BP神经网络故障检测模型，可有效检测火箭发动机的故障状态。同时也表明了ISO相比于SO,收敛速度更快，寻优精度更高。     

基于决策树方法的液体火箭发动机稳态段故障诊断

以泵压式液体火箭发动机为研究对象,针对故障特征难以提取的问题,提出了在大量试车数据的基础上,应用决策树方法提取故障特征并进行稳态段故障检测与诊断的思路,对某型发动机大量热试车数据进行了实例分析,将得到的故障检测和诊断结果与神经网络等方法所得结果进行了比较。并利用仿真数据对该方法的性能进行了进一步验证。研究结果表明,决策树方法是一种有效、可靠的液体火箭发动机故障检测与诊断的新途径。     

一种基于聚类分析的液体火箭发动机稳态过程故障诊断方法

液体火箭发动机故障诊断技术是提高液体火箭可靠性的重要手段,基于数据分析的发动机故障诊断方法是其未来重要发展方向。本文通过分析液体火箭发动机稳态过程仿真数据,提出了一种使用发动机稳态过程正常状况/故障状况数据类来实施故障诊断的方法。利用液体火箭发动机稳态过程正常状况/故障状况的仿真数据,对这一方法的正确性进行了初步分析。仿真分析结果表明,这一方法有效实用,其故障诊断效果取决于所使用的发动机正常状况/故障状况数据类的完备程度与数据质量。本文研究为液体火箭发动机稳态过程故障诊断提供了新途径,对推动液体火箭发动机故障诊断技术发展具有一定意义。     

基于特征频段RMS值的发动机故障实时监测方法

发动机试车数据分析在发动机故障诊断中发挥着重要作用,某型号发动机试车多次出现关键部位焊缝开裂及燃料泄漏等故障,根据液体火箭发动机试车不同阶段信号特点,给出了试车信号的处理和分析方法,对该型号发动机16次试车振动信号进行处理、分析及对比,得到了正常和出现故障的试车信号频域的不同特征,提出一种基于特征频段RMS值的发动机故障识别方法,此方法可以用于发动机试车过程故障的实时监测,对于确保试车产品安全、预防试车破坏性灾难具有一定的实际意义。     

基于相似匹配的液体火箭发动机故障模式挖掘

将时间序列相似性匹配方法引入到液体火箭发动机故障模式挖掘中。针对发动机试车数据的特点,提出了一种基于序变换的时间序列相似匹配算法。该算法具有对时间序列幅值和持续时间不敏感、抗噪声能力强等优点。对某型液体火箭发动机故障数据的相似匹配实验表明：该算法能够为液体火箭发动机的故障检测和诊断提供较好的技术支持。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

液体火箭发动机方案设计阶段可靠性预测方法探讨

通过对方案设计阶段液体火箭发动机可靠性的分析,提出液体火箭发动机可靠性预测的方法和方案阶段液体火箭发动机的可靠性模型。     

液体火箭发动机地面试车实时故障检测参数的选取

合理有效的参数选择是液体火箭发动机地面试车实时故障检测系统的一个核心而基础的研究问题.本文首先进行了检测系统采集参数的需求分析;之后将液体火箭发动机测量参数作为方案层,各测量参数对发动机故障的敏感性、参数稳定性和参数相关性等作为准则层,测量参数对实时故障检测的有效性作为目标层,建立了液体火箭发动机参数选择层次结构模型;最后利用模糊层次分析法确定了某型LRE地面试车的实时故障检测参数.通过历史试车数据对参数选择的效果分析表明:所确定的检测参数能够全面表征LRE的运行状态,具有较强的故障表征能力和故障敏感性.从而,为科学合理的选择发动机地面试车实时故障检测参数提供了根据,解决了一直以来依靠定性方法确定发动机检测参数的问题.