液体火箭发动机稳态运行故障数据聚类分析研究

作为统计学的一个分支,聚类分析己经被广泛研究了多年,并形成了系统的方法体系,利用基于聚类分析方法的数据挖掘在实践中己取得了较好效果。IMS算法是N。ASA根据智能监控系统以及故障诊断技术的发展而提出的一种利用正常数据库来监控异常数据的可实时监控算法,已经被NASA使用在各个方面,收获了令人满意的效果。在分析美国航天飞机主发动机(SSME)IMS算法的基础上,提出一种基于液体火箭发动机稳态运行故障数据的夹角余弦IMS聚类分析研究方法,并对其进行仿真验证。     

液体火箭发动机智能故障诊断

液体火箭发动机运行中的可靠性与健康监控技术密切相关.故障诊断是健康监控的关键环节.本文介绍基于知识的液体火箭发动机智能故障诊断原理,简述一种基于知识的液体火箭发动机智能故障诊断方法.     

基于模型知识的液体火箭发动机故障诊断方法研究

提出了一种基于定性模型的液体火箭发动机故障诊断方法，该方法首先通过建立发动机的定性偏差模型。以及对故障模式进行效应分析组建发动机的诊断模型知识，然后通过检测模型与系统实际行为的一致性进行故障诊断，用某实际大型发动机的故障数据进行测试的结果表明该方法是一种有效的定性故障诊断方法。     

基于深层知识规则的液体火箭发动机故障诊断

本文从深层知识的表示方法之一——符号有向图出发，提出一种基于规则的故障诊断方法。该方法首先建立液体火箭发动机系统的符号有向图，然后根据各个故障根源得出系统的子符号有向图，最后根据这些子图导出故障诊断规则，用这些规则去诊断系统故障。该方法具有较好的解释性和诊断的快速性。     

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。     

液体火箭发动机基于定性键合图模型的故障诊断方法研究

结合基于模型知识的诊断推理方法和键合图理论在定性建模方面的优点,提出并研究了液体火箭发动机基于定性键合图模型的故障诊断方法。以某大型泵压式液体火箭发动机为研究对象,建立了其定性键合图模型,给出了基于此类定性模型的故障诊断机制,并利用仿真数据验证了诊断结果,对该方法及其结果进行了详细的分析。研究结果表明,该方法具有诊断快速有效和易实现的优点。     

基于集合-覆盖模型的液体火箭发动机多故障诊断研究

通过从故障仿真数据中提取常见故障的效应参数症状，建立发动机的集合覆盖多故障诊断模型。根据当前发动机已有测量参数的症状与假设故障的相应参数效应症状的对比结果，对各假设故障赋以相应的奖征值，然后综合诸参数的奖惩值得到相应假设故障集的合理笥指标值值，基于该指标值利用遗传算法进行启发式的假设故障产生与测试。最后，基于所提取的效应参数症状进行了仿真故障数据样本的多故障诊断分析，并与经参数优选后的多故障诊断结     

支持向量机用于液体火箭发动机的故障诊断

支持向量机（Support Vector Machine,简称SVM）是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。     

贝叶斯分类器在液体火箭发动机故障诊断中的应用

研究数据挖掘技术在火箭发动机故障诊断中的应用,利用两种典型的贝叶斯分类器——朴素贝叶斯分类器和TAN分类器对液体火箭发动机故障进行分类,对某型号液体火箭发动机的试车数据和仿真数据进行了故障诊断,结果和实际试车情况相符,从而验证了贝叶斯分类器可以应用于液体火箭发动机故障诊断。     

液体火箭发动机健康监控技术

本文介绍了液体火箭发动机健康监控技术的概念、历史及发展状况;对发动机故障检测与诊断的各种方法进行了分类总结并给出了详细评述。指出了这门技术今后的几个研究方向,同时也指出这门技术应引起我国研究人员的重视。     

基于神经网络的液体火箭发动机泄漏检测方法

针对液体火箭发动机在热试车过程中出现的推进剂泄漏现象进行了分析，提出采用神经网络法对发动机相关参数进行检测，以发现发动机在工作过程中的推进剂泄漏。研究结果表明，利用神经网络实现推进剂泄漏的及时检测是可行的。     

液体火箭发动机故障的数值型关联规则挖掘

数值型关联规则的算法大多是将多值属性关联规则挖掘问题转化为布尔型关联规则挖掘问题,而连续属性的离散化是数值型关联规则的核心问题。本文基于数值型关联规则的理论,用一种数理统计的方法进行连续属性的离散化。将该方法应用于某大型液体火箭发动机稳态段的热试车数据,然后利用FP-Growth算法对其进行测试,挖掘出了故障数据,进而验证了其可行性。     

液体火箭发动机性能可靠性的随机仿真方法

分析了影响液体火箭发动机性能可靠性的随机扰动来源,提出了一种基于随机仿真的发动机性能可靠性的预估方法,并以某型号液氧/煤油补燃循环上面级发动机为研究对象,采用随机仿真方法对该发动机的性能可靠性进行计算,获得了该发动机主要性能参数的分布规律和在给定偏差范围内主要性能参数的可靠性。     

液体火箭发动机基于非线性理论的稳定性分析方法

以液氧/煤油单台空间发动机的起动过程和平稳工况为研究对象,在改变推力室喷管喉部直径的情况下,运用非线性领域中的分析方法,对系统在整个相空间的表现行为作了全局分析比较。综合考虑相空间吸引子、李雅普诺夫指数以及分维数,提出了一种新的研究系统稳定性分析方法——轨道稳定性分析法。该方法具有几何学直观的优点,易于在计算机上实现。     

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。