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.     

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.     

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。     

基于自组织混合模型的多变量航天产品加工过程控制方法研究

为解决航天产品因制造过程的随机性和动态性而在复杂的多变量加工过程中表现出非线性或多模态等特性,用传统多变量过程控制方法无法有效监控的困难,提出了一种基于自组织混合模型(SOMM)的过程监控方法,以实现非线性和多模态等过程的状态建模和在线异常监控。采用自组织映射结合混合模型,对非线性和多模态等过程状态进行建模,设置控制图阈值;提出了基于最小欧氏距离和负对数似然值的制造过程控制图,在线识别和评估制造过程运行状态。设计的基于SOMM的制造过程监控系统由离线建模和在线监控两部分组成。为验证所提方法在非线性和多模态制造过程中的监控效果,进行了两个仿真实验,并与主元分析、自组织映射等传统监控方法性能进行比较。实验结果表明所提方法在非线性及多模态过程中均有更好的过程监控性能,可用于航天产品加工过程的质量控制。     

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。     

面向电路最坏情况分析的DSP仿真建模技术与工程应用

随着电路系统规模的不断增大,航天电子产品越来越多地使用DSP、FPGA等集成器件,传统的电路最坏情况分析仿真建模手段已不能满足型号需求。本文以DSP仿真建模技术展开研究,提出一种综合逻辑功能、器件时延和模拟参数的DSP建模方法,相关研究成果和方法已在某控制器电路系统的电路最坏情况分析中得到成功应用,具有很强的工程实用性。     

基于马尔可夫模型的液体火箭发动机状态监控方法研究

本文介绍了动态系统马尔可夫模型描述方法，在动态系统马尔可夫建模理论基础上提出了基于马尔可夫模型的液体火箭发动机状态监控方法，最后，根据某型发动机的实际数据给出了仿真结果。     

某发动机涡轮泵转子高温超速/疲劳试验研究

涡轮转子是输送液氢/液氧推进剂的关键组件,其运行状态的好坏将直接影响发动机的性能和可靠性。超速/疲劳试验是转子质量控制、极限强度考核的一种试验方法。针对某发动机涡轮转子开展了高温超速/疲劳试验研究,首先研究了试验用转接器的设计方法,然后基于有限元方法建立了某液体火箭发动机涡轮泵转子高温超速试验的有限元模型,研究了温度对涡轮泵转子振型及临界转速等动特性的影响,分析了转子启动升速过程中常温和高温的振动幅值与支撑应力变化规律。在理论研究基础上开展了转子高温超速/疲劳试验研究,分析了高温状态下涡轮泵转子系统启动升速过程振动幅值的变化规律,研究了温度对涡轮泵转子超速动特性的影响规律。     

基于历史数据的测控系统指标预测方法探索

目前对航天测控系统进行故障预测与健康管理成为提高系统安全和可靠性的新发展方向。但已有的方式,如监控系统、自动化测试等,只能对系统进行实时监测或者事后分析。如何让测控系统在实时监测自身状态的基础上,能提前预估系统未来指标状态,从而更好地预防系统可能发生的故障,成为一条新的测控系统发展思路。在经典测控系统的故障识别和预测技术基础之上,针对测控系统关键指标预测的问题,探索基于历史数据的指标预测方法,具体分析基于SVR的单步和多步指标预测方法,并使用实测数据进行试验和分析。与Ridge、Lasso等传统线性回归方法相比,使用SVR进行指标预测更为准确。     

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.     

一种面向空天飞机再入的智能自适应复合控制方法

针对空天飞机再入横、侧向通道的姿态控制问题，设计了一种智能神经网络自适应复合控制方法，基于误差反馈学习准则在线更新神经网络权重以补偿全量姿态控制律输出的姿态控制指令。同时，面向再入过程横侧通道的强耦合问题，引入了耦合控制系数，以降低横、侧通道间的控制干扰。此外，提出了一种自适应链式控制分配律，在控制信号中引入正交优化多正弦激励，基于递推最小二乘方法对气动参数进行在线辨识，进而实时更新链式分配策略。最后，对空天飞机再入横侧向通道的神经网络自适应复合控制方法进行数学仿真校验，验证了该方法的有效性和鲁棒性。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点，借助深度学习在多参数寻优上的优势，提出了一种基于卷积神经网络的模型预测控制算法，满足航天工程低硬件需求，实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态，然后将控制过程中状态量用于3层3核卷积神经网络的训练，训练完成后，用该卷积神经网络代替模型预测对组合航天器进行控制，从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数，相比传统模型预测算法所需硬件计算时间降低约5倍，在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制，控制精度在10 -4 量级。     

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。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

复合材料结构损伤的小波神经网络辨识研究

将小波神经网络应用于结构健康监测，研究实现复合材料结构常见损伤的高精度辨识。剖析了小波神经网络的收敛算法，并使用了惯性系数以抑制振荡并提出了一种自适应调整学习率的算法以加快收敛。组建结构健康监测实验系统，进行数据处理和特征提取以获得不同的结构损伤模式。提出了小波神经网络初始权值的设置方法，据此删除了小波神经网络的冗余节点。将该小波神经网络应用在实验获得的各种结构损伤模式的辨识上，验证了它的高精度和快速收敛，并成功实现了复合材料结构损伤状态的辨识仿真。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

基于Fuzzy ART的航天器状态监测方法及应用研究

为解决信号空间法在航天器状态监测中存在的参数阈值难以设定问题,提出一种基于Fuzzy ART神经网络的状态监测方法．该方法利用Fuzzy ART的聚类特性及网络的自主扩展性,对系统正常状态向量在多维空间进行聚类,并以网络的输出节点编号代表正常状态向量的类别．监测时,网络通过判定输入的状态向量与正常状态向量的匹配度是否满足要求而给出监测结果．该方法克服了信号空间方法各单项参数阈值难以设定问题,并且能有效地消除因噪声干扰产生的虚警．     

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。