神经网络在流体火箭发动机故障检测中的应用（Ⅰ）非线性辨识技术

应用ＢＰ神经网络,提出了一种流体火箭发动机故障实时检测系统,它采用非线性辨识技术,在建立发动机数学模型和输出包含故障信息的监视指标信号之后,用阈值线与监视指标比较,从而预报发动机故障,液体火箭发动机启动与稳态过程的试验数据检验表明：基于非线性辨识技术的故障检测系统性能优越。     

动态神经网络在液体火箭发动机故障检测与分离中的应用

应用动态神经网络在线辨识方法，提出了一种液体火箭发动机故障实时检测与分离基本系统。检测逻辑通过度量包含发动机故障信息的辨识残差信号实现火箭发动机故障检测，故障分离通过分析辨识误差相关函数的不同空间特征来实现。仿真研究表明动态神经网络可成功地应用于泵压式液体火箭发动机故障检测与分离。     

液体火箭发动机推进剂检漏技术的综述

在液体火箭发动机发射前,必须进行完整性试验。完整性试验包括对推进剂和其它液体系统的泄漏检测。建立一个能实现推进剂泄漏故障自动检测的系统是很必要的。本文对液体火箭发动机的泄漏故障检测方法进行了综述,对已用于或可能用于液体火箭发动机检漏的技术进行分类和详细评述,指出了液体火箭发动机检漏技术的几个发展方向。     

基于模型的推进系统故障检测与诊断

针对泵压式供应系统液体火箭发动机的健康监控问题，提出了故障检测与诊断的基本框架，并讨论了基于发动机系统非线性数学模型，推广的卡尔曼滤波的故障检测方法的基于低阶线性模型的故障诊断方法。     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础，按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型，对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点，建立了降阶故障模式响应模型，并发展了相应的故障模式检验方法。为了适应在线实时检测的需要，利用发动机的试验数据，分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证，证明了这些实时算法的快速性、准确性和鲁律性。     

推进剂利用系统对液体火箭发动机性能的影响分析

建立了带有推进剂利用系统的泵式压液体火箭发动机稳态工况的非线性数学模型，用非线性优化方法和小偏差方法计算分析了推进剂利用系统调节阀所控制的燃料流量对液体火箭发动机性能的影响，并对比分析了计算结果。所得结论可用于泵压式液体火箭发动机的控制和调节、试验结果分析、可靠性分析、故障分析，也可用于揭示发动机参数随各种干扰因素的变化规律。     

液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况，必须提高研究水平和加快研究进程，做好基础性的研究工作，介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

液体火箭发动机故障检测的阈值估计研究

采用区间估计方法选取故障检测阈值,进而以此阈值为标准监测液体火箭发动机的工作情况。基于分离识别信号的概率密度函数还讨论了故障分离的最优阈值问题。某大型液体火箭发动机的热试车数据分析表明:置信区间估计技术可以有效用于发动机故障检测。      

液体火箭发动机故障特性动态模拟

以某大型泵压式供应系统液体火箭发动机为研究对象, 建立了液体火箭发动机非线性动态数学模型。针对已发生过或可能出现的故障形式, 以阶跃形式输入, 进行了故障状态下动态特性模拟。数值方法用四阶定步长龙格-库塔方法发展而成的自适应变步长龙格-库塔法。计算结果表明, 所建模型较精确合理, 数值方法满足故障模拟的要求。该工作为故障模式提取、监控参数优化选择、基于模型的故障检测与诊断等发动机健康监控问题的研究奠定了基础。      

奇偶空间法用于液体火箭发动机故障诊断

基于液体火箭发动机系统测量输出之间的内在一致性,直接利用液体火箭发动机试车的测量参数, 采用奇偶空间方法对仿真的液体火箭发动机１６种故障进行分离, 结果证明该方法对实现液体火箭发动机故障诊断有较好的效果。     

基于故障分辨能力的火箭发动机测量参数选择方法

针对液体火箭发动机测量参数选择这一难题，提出一种基于模型的、提高故障分辨能力和系统可靠性的液体火箭发动机测点选取方法。基于发动机系统非线性静态特性数学模型，建立常见发动机故障下的故障特征库，并采用飞行数据验证其准确性；分别基于凝聚层次聚类算法、蒙特卡洛方法和失效模式影响分析（FMEA）构建了发动机测量特征子集的故障分辨种类数、鲁棒性和系统可靠性3种评价指标，并基于改进的多目标二进制粒子群算法（MOBPSO）开展优化设计。优化后的测点排布，可分辨故障从9种提高到13种，鲁棒性与原排布相当，风险指数略有上升；进一步探究了副系统混合比在故障分辨中的重要作用并分析其机理。本文提出的方法对其他复杂、闭环动力系统测量特征的选择具有较好的应用价值。     

液体火箭推进系统健康监控技术的演变

按照液体火箭推进系统对健康监控的需求，考虑现代科技进展所提供的现实可能，叙述了液体火箭推进系统健康监控技术的演变。阐明了故障检测与诊断所遵循的基本原则。对系统框架、故障模式、故障检测与诊断等法、控制措施、传感器技术等作了扼要的介绍。还论述了液体火箭推进系统健康监控技术的演变趋势。     

神经网络在液体火箭发动机故障检测中的应用(Ⅱ)模式识别技术

基于模糊超球神经网络,提出了一种液体火箭发动机故障的实时检测系统。它采用模式识别技术,在建立正常工作状态的样板模式之后,把当前样本与样板模式进行比较,进而判断发动机工作状态。发动机试车数据分析表明：模糊超球神经网络对输入样本非常敏感     

液体火箭发动机智能健康监控技术研究进展

健康监控技术作为改进和提高液体火箭发动机安全性与可靠性的核心关键技术,近年来其智能化发展的趋势十分明显。本文简要回顾了液体火箭发动机健康监控技术的发展历程;重点围绕基于传统人工智能的方法和基于深度学习的方法两个方面,对智能故障检测与诊断方法进行了系统地介绍;进一步阐述了健康监控系统在方案设计和实际应用等方面的研究现状,以及智能健康监控系统的发展情况;最后对今后健康监控技术的发展趋势进行了分析和展望。     

神经元网络在液体火箭发动机健康监控中的应用

含有噪声的、正常和稳定的传感器数据训练 ART2神经元网络 ,用于液体火箭发动机( L RE)故障检测。每个传感器连续窗的功率谱输入 ART2神经元网络进行学习 ,试验学习好的神经网络 ,验证其能否有效地检测出发动机故障以及故障发生时间。传感器数据来自某变推力液体火箭发动机地面试车 RS61。试验结果表明 ,神经元网络显示的故障发生时间与试车后专家分析的故障开始时间相符     

变推力液体火箭发动机的故障识别

讨论了专家系统在液体火箭发动机故障诊断中的应用，研制出一个基于阈值判断的故障识别专家系统，应用该系统成功地识别出变推力液体火箭发动机故障模式。     

液体火箭发动机多Agent故障诊断技术研究

利用多Agent技术建立了液体火箭发动机故障检测与诊断系统,包括小波去噪、传感器检测、故障检测、故障诊断和系统总调度等功能.利用多线程编程、动态链接库及网络编程技术,使故障检测与诊断系统具有较高的智能性.给出了小波去噪、传感器检测等Agent的运行算例,并给出了故障检测与诊断系统的整体框架.      

关于撤销《液体火箭发动机涡轮泵非线性转子系统稳定性影响因素研究》一文的声明

<正>《推进技术》编辑部于2015年11月13日收到匿名举报,指出下列两文内容高度一致,涉嫌一稿多投:[1]液体火箭发动机涡轮泵非线性转子系统稳定性影响因素研究[J].推进技术,2013,34(10):1388-1397.[2]液体火箭发动机涡轮泵转子密封系统动力稳定性研究[J].宇航学报,2013,34(12):1557-1568.经CNKI科研诚信管理系统研究中心的科技期刊学术不端文献检测系统(AMLC)检测,文章[1]与[2]重复度     

基于键图理论的液体火箭发动机故障检测与诊断方法

阐述了键图理论在液体火箭发动机故障检测与诊断中的应用.介绍了液体发动机的键图模型,导出定性推理公式,给出了在发动机故障检测与诊断中的应用步骤.以获得的某些信息量为依据,分析出发动机存在的可能故障.研究结果表明,键图理论用于发动机故障检测与隔离是可行的,且具有实时性强、计算简单的优点.     

神经网络在液体火箭发动机故障检测中的应用 (Ⅱ)模式识别技术

基于模糊超球神经网络,提出了一种液体火箭发动机故障的实时检测系统。它采用模式识别技术,在建立正常工作状态的样板模式之后,把当前样本与样板模式进行比较,进而判断发动机工作状态。发动机试车数据分析表明：模糊超球神经网络对输入样本非常敏感。