液体火箭发动机振动故障特征信号提取方法

液体火箭发动机试验是一项高成本、高风险的工程,由于设计缺陷、零件加工误差、工作过程及机械连接结构的影响,导致试验过程发动机大振动现象的发生。基于发动机振动信号分析的状态监测与故障诊断方法是提高发动机可靠性和降低试验成本的重要手段。在给出液体火箭发动机振动故障诊断数学模型的基础上,详细介绍了发动机试验过程中7种特征信号提取方法,即:振幅特征提取、功率谱特征提取、频谱分析(谐频识别和边频识别)、突频特征提取、状态特征提取、小波特征提取和高阶谱特征提取,并结合发动机实际故障诊断方案,给出了发动机特征信号提取算法应用实例,通过发动机热试车验证了液体火箭发动机振动故障诊断的特征信号提取方法的正确性。     

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.     

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。     

液体火箭发动机滚动轴承故障诊断方法初探

轴承故障在回转机械的各种故障中占有很大比例,轴承故障的诊断和检测是机械故障诊断重点发展的技术之一。本文结合发动机滚动轴承使用情况,介绍了液体火箭发动机滚动轴承故障诊断的作用、工作过程、诊断与检测方法。     

基于特征频段RMS值的发动机故障实时监测方法

发动机试车数据分析在发动机故障诊断中发挥着重要作用,某型号发动机试车多次出现关键部位焊缝开裂及燃料泄漏等故障,根据液体火箭发动机试车不同阶段信号特点,给出了试车信号的处理和分析方法,对该型号发动机16次试车振动信号进行处理、分析及对比,得到了正常和出现故障的试车信号频域的不同特征,提出一种基于特征频段RMS值的发动机故障识别方法,此方法可以用于发动机试车过程故障的实时监测,对于确保试车产品安全、预防试车破坏性灾难具有一定的实际意义。     

液体火箭发动机智能故障诊断的研究现状

综述了液体火箭发动机的故障模式，总结了液体火箭发动机故障诊断技术的最新成果，包括基于物理模型、信号分析和人工智能的故障诊断方法；将不同故障诊断方法的应用进展及其诊断效果进行了对比分析；并对液体火箭发动机故障诊断方法的发展趋势进行了展望。     

机床主轴承多源信息融合故障诊断

针对机床主轴承的故障诊断,为解决传统方法仅由单一传感器数据分析准确性低的问题,提出基于主元小波包、递归神经网络以及振动及噪声信号多源数据融合的轴承故障诊断方法,实现对锻压机床主轴承的故障诊断。将振动及噪声传感器采集的信号,经主元小波包处理提取特征值,再利用递归神经网络进行局部故障诊断,得到不同传感器对轴承故障互相独立的故障证据,然后采用基于数据修正D-S证据理论将振动及噪声诊断结果融合,发现基于递归神经网络及数据修正D-S证据理论的诊断方法。该方法解决了单一传感器的不稳定性和局限性以及传统D-S证据理论冲突证据失效的问题,使故障诊断具备容错能力,提高了传统故障诊断的精确度。     

基于导航定位原理的火箭涡轮泵轴承故障诊断

为准确判断火箭发动机涡轮泵轴承在试验台上试验时发生故障的部位，同时避免通过轴承特征频率诊断轴承故障的方法所带来的不确定性，基于GPS卫星导航定位原理，利用时幅曲线的相位信息，提出一种新的轴承故障诊断方法:振源坐标定位法，即通过四个已知坐标的振动传感器测得同一振动波的时幅曲线相位差判定振源位置。将试验台上轴承和四个振动信号传感器安放在坐标已知的直角坐标系中，利用时幅曲线拐点分析法准确捕获振动信号到达四个传感器的时刻，再利用这四个时刻和已知坐标计算出振源位置坐标，最后根据振源位置坐标判断其是否为轴承故障及具体故障部位。通过仿真计算证明该方法理论上可行。     

基于故障可诊性的模拟电路多音正弦测试信号进化生成

为增加模拟电路故障诊断中故障模式之间的可辨识性,提高诊断精度,提出一种基于故障可诊性的模拟电路多音正弦测试信号进化设计方法。该方法采用多音正弦信号作为模拟电路故障诊断的激励信号,根据遗传算法的进化生成过程,用混合编程法直接修改待测电路仿真程序中测试信号参数值,实现电路的动态响应。同时动态采集电路可测节点的故障样本集,采用核模糊聚类算法(KFCM)对故障样本进行预处理,计算样本在核空间的类间距离,以类间距离大小作为衡量故障模式可诊性的依据,建立遗传算法寻优的目标函数。实验结果表明优化得到的多音正弦测试信号有效提高了待测电路的故障诊断率。     

振动监测与故障诊断技术在“风云二号” 扫描辐射计中的应用

转动部件的状态监测和故障诊断有多种方法,其中振动诊断技术在被诊断系统的信号采集、数据处理、故障识别和诊断中显示出简便可靠的优越性,尤其适用于不停机在线监测和诊断报警。“风云二号”扫描辐射计由于其特征频率为较高的67 Hz与200 Hz,尤其适用于通过测量加速度来监测状态和诊断故障。振动诊断技术将为确保卫星的长寿命和高可靠提供有力保障。     

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。     

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。     

基于相似匹配的液体火箭发动机故障模式挖掘

将时间序列相似性匹配方法引入到液体火箭发动机故障模式挖掘中。针对发动机试车数据的特点,提出了一种基于序变换的时间序列相似匹配算法。该算法具有对时间序列幅值和持续时间不敏感、抗噪声能力强等优点。对某型液体火箭发动机故障数据的相似匹配实验表明：该算法能够为液体火箭发动机的故障检测和诊断提供较好的技术支持。     

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.     

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。     

液体火箭发动机启动段振动信号的小波去噪

液体火箭发动机试验启动段的振动信号中包含有大量的噪声分量,通过小波变换的Mallat算法对振动信号进行去噪处理,并通过试车数据对采用的方法进行验证,取得了良好效果,显示了小波去噪在振动信号去噪领域的广泛应用前景。     

高精度频率分辨在振动信号辨识中的应用

发动机振动信号处理通常采用DASP软件进行。由于软件功能限制,DASP处理采样频率为50 kHz发动机振动信号时,频谱的频率分辨率最高精度仅为12.2 Hz,导致对微弱及故障信号的辨识较为困难。本文采用抗混叠低通滤波、信号抽取及短时傅里叶变换相结合的信号分析方法,有效提高了频率分辨率的精度,最高精度达到1.2 Hz,达到了理想的频率辨识效果。     

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。     

液体火箭发动机故障检测与诊断研究的若干进展

近十年来，液体火箭发动机故障检测与诊断方法和技术的研究在以下几方面取得了重要进展：基于信号分析的方法；基于模型的方法；基于人工智能的方法；故障模式分析与信号特征提取；阈值的选择。该文对这些研究的若干进展作简要评述。