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。     

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。     

国外小推力液体火箭发动机的最新进展

小推力液体火箭发动机用于航天飞机、宇宙飞船、航天运载器等航天器的轨道和姿态控制、对接、交会等。主要介绍美国、法国、俄罗斯对小推力发动机的研制情况，以及这些国家所研制的这类发动机的性能和特点。     

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。     

雷达与ESM相关算法综述

在比较雷达和ＥＳＭ（ＥｌｅｃｔｒｏｎｉｃＳｕｐｐｏｒｔＭｅａｓｕｒｅｍｅｎｔｓ）这两种传感器特点的基础上，分析了雷达与ＥＳＭ相关的特点，介绍了统计方法、模糊方法和优化方法等五种雷达与ＥＳＨ相关算法，并对这些算法进行了评述。     

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.     

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。     

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。     

液体火箭发动机典型故障类型及将来的传感器检测策略

本文对液体火箭发动机研制中易出现的典型故障按组件进行了归类,并就故障特征进行了说明与分析,进而提出了将来有望发展的传感器检测技术策略,旨在对新型号发动机设计、改进和进行发动机故障诊断与防护研究有所裨益.     

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.     

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。     

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。     

AIS在LRE故障检测与诊断中的应用研究

为提高液体火箭发动机(LRE)故障检测与诊断的及时性、实时性与准确性,将人工免疫系统(AIS)中的否定选择原理用于LRE的故障检测与诊断。基于正常状态与故障模式的人工识别球,采用最大相似原则,实现了LRE稳态工作过程中的故障检测与诊断,并用LRE稳态故障试车数据进行实验。验证结果表明:AIS对LRE故障检测与诊断的速度快,正确率与灵敏度高,捕获未知故障能力强,有良好的应用前景。     

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。     

基于MSPCA的液体火箭发动机试车台氢供应系统传感器故障诊断方法

研究了多尺度主元分析方法在传感器故障诊断中的应用问题。利用小波变换得到传感器信号在各个尺度上的系数，然后根据尺度系数矩阵建立主元分析模型进行传感器故障诊断。设计了固定窗长的移动窗口，对窗内数据进行小波变换后，用最后一个尺度系数计算平方预报误差进行故障检测，采用传感器有效指标这种具有定量辨识标准的参数对故障传感器进行辨识。最后，以液体火箭发动机试车台氢供应系统几个关键传感器的故障诊断为例验证了这种方法实用性和有效性。