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.     

基于BP算法的巡航导弹发动机故障诊断

介绍了BP网络的结构及学习算法，阐述了BP算法在巡航导弹发动机故障诊断中的实现过程。通过对巡航发动机中高速旋转部件（压气机、涡轮等）的常见故障的诊断，验证了该神经网络收敛速度快、学习记忆稳定，诊断准确的等功能。     

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。     

基于统计参数分析和RBF网络的动调陀螺故障诊断方法

针对动调陀螺故障振动信号的特点,提出了一种基于振动统计参数分析和神经网络的动调陀螺故障诊断方法.该方法通过计算原始振动信号的一组统计参数作为表征故障的特征信息,以此作为RBF神经网络的输入参数来学习并识别陀螺故障.实验结果表明,采用对统计参数的计算能够简单、有效地提取陀螺故障特征信息;运用神经网络进行故障诊断建模,使诊断具有自适应、自学习的能力,诊断结果更加可靠.     

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。     

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.     

航空发动机多变量神经网络自适应控制仿真研究

针对航空发动机是一个具有强非线性、时变不确定性的被控对象,提出了一种基于RBF网络的航空发动机多变量神经网络自适应控制方法,该方法采用RBF网络对发动机非线性模型进行实时辨识,并将系统的灵敏度信息反馈给神经网络控制器,保证了控制器对被控对象的准确控制.通过某涡扇发动机在飞行包线内的数字仿真,结果表明该方法不依赖被控对象的精确模型,有效地实现了对发动机的多变量自适应控制,而且具有较好的动静态性能.     

固体燃料冲压发动机推力平稳性及飞行稳定性分析

分析了固体燃料冲压发动机中燃面退移速率的影响因素,建立了燃面退移速率仿真模型。在此基础上,建立了固体燃料冲压发动机工作过程仿真模型。采用该模型对固体燃料冲压发动机超音速巡航导弹的推力平稳性和飞行稳定性进行了分析。分析结果表明,选择适当的发动机设计参数能确保推力随时间的变化最小;发动机能根据巡航导弹飞行高度和速度的变化进行调整,使巡航导弹维持在设计点飞行。     

某型巡航导弹发动机控制系统分析与FADEC设计

为克服某型巡航导弹发动机现行模拟控制系统响应慢、误差大、以及程序修改受硬件限制等诸多缺点，设计了基于FADEC的控制系统。对某型巡航导弹发动机控制原理进行了分析，给出了燃油控制系统原理图。通过对综合控制器机理研究，给出了基于FADEC的控制系统设计方案。经实验证明该系统满足设计要求。     

一种液体火箭发动机试车启动过程故障预警方法

针对某液体火箭发动机地面试车启动过程中故障样本数据稀少、故障预测和故障部件定位等问题,提出了一种基于注意力机制的卷积神经网络和长短时记忆网络的故障预警方法。首先,搭建了液体火箭发动机系统仿真模型,采用参数故障注入方法获取启动阶段的正常/故障样本;其次,通过卷积神经网络从输入样本中捕获局部特征,利用长短时记忆网络从特征中提取时序特征,进而预测出监测参数的潜在变化趋势;最后,基于故障诊断模型定位故障部件,实现发动机启动过程的故障预警。实验结果表明,该方法能够有效地对该火箭发动机启动阶段故障进行预警,具有工程应用价值。     

适应运载火箭推力下降故障的神经网络容错控制方法

针对运载火箭单台发动机推力下降故障,提出了一种基于径向基神经网络(Radial Basis Function Neural Network,RBFNN)的容错姿态控制方法。该方法无需故障诊断系统,根据运载火箭姿态动力学控制通用模型,使用RBFNN在线辨识并补偿模型的故障变化和不确定干扰,得出容错控制律。仿真结果表明,在单台发动机发生推力下降故障时,本文方法与传统PD方法、自适应增广控制方法(Adaptive Augment Control,AAC)相比,可有效保证姿态稳定和控制精度。     

美军巡航导弹现状及发展趋势分析

首先引入了美国巡航导弹的有关型号；其次，从导航技术、计算机计算、发动机、弹头以及加工生产等五个方面概括了美国巡航导弹的发展趋势。其结论对国内巡航导弹的研究颇有用处。     

螺桨风扇发动机将应用于巡航导弹

根据美国工业界最近为美国空军和海军进行的研究结果,螺桨风扇发动机可用于美国下一代巡航导弹。波音公司和麦道公司正在设计这种推进装置和采用螺桨风扇发动机的导弹结构形式。麦道公司的研究主要满足海军巡航导弹的需要,而波音公司则研究螺桨风扇发动机在空射巡航导弹上的应用。     

集群航天器鲁棒自适应快速任务分配

针对集群航天器协同观测任务分配问题，提出一种基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略。为提高燃料消耗指标的计算效率，利用深度神经网络直接预测连续推力转移轨迹的燃料消耗，避免在线规划相对运动轨迹。通过构造虚拟收益矩阵和分配向量使得拍卖算法适用于航天器数与任务数目不一致的分配问题。为提高拍卖算法的收敛速度，提出报价增量自适应调整策略。考虑到通信失联、航天器故障等不确定因素，通过在线调整故障航天器的收益和报价矩阵以提高算法鲁棒性。数值仿真表明深度神经网络对燃料消耗指标预测精度高，基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略可在保持计算精度的同时，将计算效率提升约两个数量级。     

基于振动检测的发动机故障诊断算法研究

基于振动检测的发动机故障诊断算法,分析发动机发生故障时振动信号所具有的特征和故障诊断指标选择,对振动信号预处理、特征提取、状态识别和诊断决策分别进行了介绍,研究出采用振幅和频率两参量包络曲线法诊断发动机故障的算法,通过发动机热试车验证了采用发动机振动检测来判断发动机故障的算法的正确性。     

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。     

一种适于典型发动机故障的自适应制导方法

为尽可能避免导弹固体发动机故障引发全弹自毁造成飞行失败,针对固体发动机喷管和喉衬故障常出现在关机附近的情况,采用子级弹体自毁方案,提出一种适用此方案的自适应制导方法,对导弹上面级发动机能量进行最优管理,在能量充足时确保导弹仍能成功完成打击任务。仿真结果表明,该自适应制导能量管理有效,方法误差小,证明了方法的正确性。     

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。     

固体火箭发动机工作异常的诊断与分析

把故障树模型的层次诊断方法引入固体火箭发动机的故障诊断，使固体火箭发动机的故障诊断快速、直观、形象。本文引用国内外三种固体火箭发动机的典型故障为例，阐述了层次诊断法的基本思想和应用，并得出了明确的分析结论。