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。     

基于观测器的传感器故障检测方法对比分析

针对航空发动机传感器故障检测方法的适用范围缺乏量化数据问题，提出以故障检测性能指标为依据，对基于卡尔曼 滤波器和基于自适应滑模观测器的故障检测方法适用性进行对比分析。分别设计了基于卡尔曼滤波器的残差生成和自适应滑模观 测器的故障估计检测方法，根据故障检测策略实现故障检测；以蒙特卡罗法生成随机故障，对比分析在故障和干扰同时存在的情况 下2 种方法的故障检测效果和适用范围；基于DGEN 380 发动机进行仿真，仿真结果表明：基于卡尔曼滤波器的故障检测方法对高 斯噪声的处理能力较强，但故障检测率不足50%，尤其是针对软故障效果较差；而基于滑模观测器的故障检测方法在不考虑测量噪 声的情况下，针对软硬故障检测的效果均较好，但处理传感器测量噪声的能力较差。     

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。     

航空发动机故障诊断系统性能评价与仿真验证

航空发动机故障诊断系统对提高发动机安全性和可靠性具有重要的意义,其性能评价指标包括故障检测率、故障定位率、虚警率等.为此,基于混合卡尔曼滤波器组诊断原理,针对民用航空发动机常见的四种故障搭建了发动机故障诊断系统.采用蒙特卡罗仿真方法,对故障诊断系统在发动机健康和性能退化两种情形下的性能评价指标进行了仿真验证.仿真结果表明,两种情形下诊断系统均满足发动机故障检测率98％以上、故障定位率90％以上、虚警率不大于1％的工程应用需求.     

神经网络在液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,提出了一种液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。     

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。     

基于小波包分析方法的航空发动机滚动轴承故障诊断

将小波包分析技术引入到航空发动机滚动轴承故障诊断的应用研究中，给出了基于小波包分析的滚动轴承故障特征提取方法：应用小波包分解与重构算法分离出了滚动轴承的故障特征频率，识别出了滚动轴承的故障类型。通过对实际航空发动机滚动轴承故障信号的分析表明，该方法可以有效地检测和诊断航空发动机的滚动轴承故障。     

航空发动机电气故障检测系统设计

针对现有航空发动机电气故障检测方法存在检测速度慢、劳动强度大、不能对已有数据存储以便事后分析等问题,设计了一种基于检测传感器特征参数的航空发动机电气故障检测系统,开发了用于原位检测和离线检测的软件系统。硬件部分采用模块化设计思想,较好地实现了检测系统的通用性和扩展性。应用表明,该检测系统不仅检测速度快、数据准确、可靠,而且功能全面、操作简单、便于携带,达到了设计目标。     

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。     

伺服回路故障检测方法研究

航空发动机伺服回路复杂,其工作可靠性和故障容错性对于发动机安全至关重要,因此研究伺服回路的故障检测技术十分必要.提出1种基于模型监控的快速伺服回路故障检测方法,根据伺服回路物理机构从电气到机械进行故障的逐级检测,通过比较器的设计实现回路故障的快速判断.与试验结果对比表明:该方法能够准确检测系统故障,并且缩短了系统判故时间,简化了伺服机构建模和软件代码实现.为数控系统快速检测故障提供了高效的技术手段,具有一定的通用性.     

基于模型的故障诊断方法在飞船推进系统中的应用

在飞船推进系统的物理和数学模型的基础上,研究了基于模型的故障诊断方法在飞船推进系统中的应用。该方法是某飞船推进系统状态监测与故障诊断专家系统中的关键技术之一。仿真结果表明,这项技术的提出和应用使得根据系统模型对推进系统的不可预知故障进行监测和诊断成为可能。     

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。      

液体火箭发动机故障检测与诊断的反向选择算法

基于生物免疫系统中的反向选择原理,提出了液体火箭发动机地面试车故障检测与诊断的新方法,对检测器的产生、检测器数量的确定以及故障诊断的实现等几个问题进行了分析。基于发动机地面试车数据的验证结果表明,该方法能有效提高算法的训练效率、实时性能和诊断结果的准确性。     

航天器推进系统故障的面向时态检测和诊断

根据航天器推进系统的时变性特点，在规则的专家系统方法基础上，提出了推进系统面向时态的故障检测和诊断方法，在对知识表示方法和推理诊断策略进行改进后，在Windows NT环境与实现了一个基于知识的故障诊断原型系统，介绍了原型系统的结构、功能及网络实时数据通信方法，经过仿真数据测试验证了方法的有效性。     

集成时间信息的液体火箭发动机故障诊断推理

提出一种液体火箭发动机集成时间信息的定性建模和故障诊断推理方法。该方法以谓词逻辑公式和子句的形式对发动机定性特征和试车过程中的观测信息加以描述，同时基于归结原理和假言推理规则的演绎推理方法进行诊断问题求解。结合实际试车数据的检验结果表明，该方法为液体火箭发动机试车过程中动态诊断知识的表达和组织，提供了一种简洁有效的方式．计算量小．检测速度快，且具有较强的诊断能力。     

基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法

组合导航能够将多种类型的导航信息进行结合,实现优势互补,因此成为了目前导航应用领域的主要发展方向。然而,导航信息的增多势必会引入更多的风险源,从而降低导航系统的可靠性。基于联邦滤波的容错方法是目前抑制故障信息影响的主要解决手段,但是现有的故障容错方法普遍采用统一的检测机制,没有根据各个导航子系统的误差传播特性针对性地构建故障检测模型,因此会引起较高的误警率与漏检率。针对上述问题,提出了基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法。通过构建面向INS/BDS/地磁不同导航信息的故障检测函数,能够实现更加准确的矢量化信息分配,从而可以有效避免可用导航信息的损失以及故障导航信息对整体系统的影响。仿真结果表明,提出的方法可以有效隔离不同类型的故障信息,并减小其对无故障导航信息及整体系统的影响,从而提高了组合导航的精度和可靠性。     

航天器在轨故障特征数据生成方法

针对故障特征数据模拟生成算法与航天器的原理、模型关联度高,航天器状态描述模型不成熟、难以应用于工程实践的现状,根据反映航天器在轨故障的遥测数据表现形式和变化时间长短,将航天器故障进行分类。从遥测数据变化的角度,针对每类故障遥测数据的变化特点,研究了符合每类故障数据变化规律的故障特征数据生成算法及基于WEB服务的故障特征数据生成原型系统实现方式。生成的故障特征数据在故障检测、诊断与预警等方面得到成功应用,使航天器对象、状态演化规则和测控信息产生等故障输入数据更接近真实的动态特征。     

液体火箭发动机基于关系模型的故障诊断方法

提出了一种新的描述液体火箭发动机系统的定性模型，阐述了系统部件行为模型和结构模型的构建方法，给出了求解基于关系模型诊断问题的推理机制，建立了液体火箭发动机基于关系模型的故障诊断方法。以空间推进系统为研究对象进行了实例诊断分析，结果表明：该方法是一种有效的基于定性模型故障诊断方法。     

基于小波神经网络航空发动机滑油系统故障诊断方法研究

研究了基于小波神经网络的非线性系统的故障检测和诊断方法.把小波分析与前馈神经网络相融合,并推导出其具体的算法.应用小波神经网络对航空发动机滑油系统进行故障诊断.试验和仿真的结果表明:小波网络应用于故障诊断时具有收敛速度快,对网络输入不敏感等特点,为非线性系统的故障诊断提供了新的理论和方法.     

Real-time fault detection method based on belief rule base for aircraft navigation system

Real-time and accurate fault detection is essential to enhance the aircraft navigation system’s reliability and safety. The existent detection methods based on analytical model draws back at simultaneously detecting gradual and sudden faults. On account of this reason, we propose an online detection solution based on non-analytical model. In this article, the navigation system fault detection model is established based on belief rule base (BRB), where the system measuring residual and its changing rate are used as the inputs of BRB model and the fault detection function as the output. To overcome the drawbacks of current parameter optimization algorithms for BRB and achieve online update, a parameter recursive estimation algorithm is presented for online BRB detection model based on expectation maximization (EM) algorithm. Furthermore, the proposed method is verified by navigation experiment. Experimental results show that the proposed method is able to effectively realize online parameter evaluation in navigation system fault detection model. The output of the detection model can track the fault state very well, and the faults can be diagnosed in real time and accurately. In addition, the detection ability, especially in the probability of false detection, is superior to offline optimization method, and thus the system reliability has great improvement.