基于数据统计的流体火箭发动机地面试车故障检测算法

研制了一种用于液体火箭发动机地面试车的故障检测算法，既适于发动机启动瞬态过程又可用于稳态过程。算法能设置一些预先设置或在线计算的参数门限，检查参数测量值的平滑值，当连续多次检查到多个参数异常时就判定发动机异常。用下沉试车数据和满足起动条件的异常试车数据进行测试。没有出现报警和漏报警，对满足妄动条件的异常试车，均在现有的红线关机系统关朵之间报警。     

液体火箭发动机启动过程实时在线故障检测算法

利用神经网络技术实现了液体火箭发动机启动过程的非线性辩识；提出并实现了一种基于辩识误差检验的故障检测策略。经大量实际发动机热试车数据验证表明，所提出的检测算法十分有效。由于算法所利用的监测参数均系实际发动机地面试车中所测量的参数，且检测算法在线工作时计算量十分小，因而所提出并实现的检测算法可以直接应用于工程实际。     

数据挖掘在运载火箭智能测试中的应用

针对运载火箭复杂系统的故障检测难以建立准确的数学模型的问题,研究了基于数据驱动的数据挖掘异常检测算法,对多种数据挖掘算法在运载火箭发动机异常检测的应用进行了研究和分析,提出了基于混合概率密度统计的多策略异常检测评价算法。该算法基于非监督学习的算法挖掘火箭发动机不同参数间的正常关联模型,火箭发动机早期的异常数据会引起正常关联模型的破坏,引入混合概率密度统计的多策略异常检测评价机制,可以有效屏蔽参数测量故障对系统故障检测的影响,从而更加准确给出系统异常程度。使用发动机历史试车数据作为样本进行特征模型的训练,使用一元、多元和混合概率密度模型对存在异常的发动机试车数据进行了实时异常检测的实验验证。实验结果表明,相比传统基于阈值和规则的异常检测算法,基于概率密度统计的多策略异常检测算法不仅可给出系统的正常和异常的状态,还可计算各参数和整个系统的异常值,为运载火箭进一步的故障诊断提供更加灵活的参考。     

液路耦联多发动机系统开关机动态特性研究

通过对液路耦联的多发动机系统动态特性仿真研究表明：多发动机开关机时水击对相互间性能影响比较大,若设计不合理,有可能导致异常关机。给出的动力学模型可以用于空间飞行器耦联多发动机系统的结构及工作模式设计和解释一些发动机试车现象。     

基于自回归模型的自适应阈值算法

提出一种基于自回归模型的自适应阈值检测算法用于监测液体火箭发动机地面试验的稳态过程,该算法由两个阶段组成。第一阶段的检测算法阈值由不同试车台次的稳态参数测量值的自回归模型的估计值、标准偏差和带宽系数计算,第二阶段的检测算法阈值由稳态过程的参数均值的自回归模型的估计值、标准偏差和带宽系数计算。用某大型液体火箭发动机的地面试验数据进行验证,结果表明该算法能有效可靠地监测发动机的运行状态。      

基于增量式孤立森林的液体火箭发动机异常检测方法

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法。设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染。利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F₁指标较原始孤立森林算法提高了43%,检测及时性优于红线算法和自适应阈值算法。     

利用多状态试车数据修正发动机部件特性

针对经典的航空发动机部件特性修正因子法的不足,提出一种于多状态试车数据的修正方法.利用发动机部件匹配模型方程以及试车参数计算值和实测值的差值组成目标方程组,采用改进的免疫粒子群算法优化求解获得部件特性修正系数.以多个不同状态下的修正系数为基础,利用滑动最小二乘方法拟合修正系数曲面,进而得到修正的部件特性图.数值试验表明:综合利用不同状态下发动机试车数据进行部件特性修正,克服了传统方法的不足.提高了修正部件特性在整个工作范围的精度.      

煤基高能煤油点火及燃烧性能研究

为研究煤基高能煤油的点火及燃烧性能,开展了气氧煤油姿控发动机热试车,研究了煤基高能煤油发动机真空比冲性能、脉冲工作性能和响应特性。结果显示：煤基高能煤油发动机点火可靠、燃烧稳定,脉冲工作性能和启动/关机响应特性均满足工程应用要求,真空比冲性能相比火箭煤油基础油发动机提高了约7s。     

航空发动机外场振动问题分析与研究

针对某型航空发动机在外场使用过程中出现的整机振动异常问题,根据现场实物检查、飞参数据判读以及比对发动机返厂后的分解检查结果,总结归纳了几种典型振动问题的表现形式和产生的原因。研究结果表明,不同部位的转子、静子碰磨是造成发动机整机振动异常的主要因素。确定了整机振动异常分析检查工作内容,制订了规范的工作流程,并提出了出现振动问题后发动机不返厂应满足的条件。根据振动值超出使用规定的程度、结构是否产生损伤和发动机其他参数表现,决定发生振动问题的发动机是否可以继续使用。     

一种基于阴性选择算法的飞行数据异常值检测方法

研究了基于阴性选择算法的飞行数据异常值检测问题。针对传统的基于数据趋势进行数据异常值检测方法难以处理连续异常值的问题,提出通过提取待测参数的相关参数并在检测器编码中加入相关参数信息,使得阴性选择算法能够用于连续多个异常值的检测,算法不需要关于数据异常的任何先验知识。实验表明,采用改进编码后的阴性选择算法识别飞行数据中的异常值具有较高的精度。     

涡轮泵实时故障检测的改进自适应相关阈值算法

1引言火箭发动机在飞行使用之前,需要分析试车振动数据以评估发动机的性能与状态[1]。涡轮泵是液体火箭发动机中最复杂故障概率最高的部件[2],而振动是涡轮泵故障的重要起因[3],因此,涡轮泵振动数据的分析显得尤为重要。目前,它的主要分析方法有时域统计[4]、频谱分析[5]、神经     

液体火箭发动机地面试车故障检测的自适应阈值算法

提出一种自适应阈值故障检测算法,其检测阈值由实时估计的参数均值、标准差及由训练算法得到的带宽系数计算。用某发动机22次点火试验的试车数据进行离线故障检测,结果表明其综合性能优于红线系统和SAFD算法。     

涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态，提高其安全性，降低其故障带来的破坏程度，提出了短数据均值自适应阈值算法(SDM—ATA)，建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑，以及故障数据对阈值贡献的踢除等方法，并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明，SDM—ATA没有发生误检测情况，并具有实时故障检测的能力。     

涡轮泵振动参数与统计特征量的线性相关性分析

为了剔除冗余的振动参数和统计特征量，提高涡轮泵故障检测的实时能力，建立了线性相关性假设检验模型。利用该假设检验模型和某型液体火箭发动机的历史试车数据，检验了7路涡轮泵振动参数以及13种常用统计特征量的线性相关性，并分析了统计特征量对涡轮泵故障的敏感性和稳定性，以及涡轮泵振动数据的正态性。数据统计分析表明，大部分涡轮泵振动参数以及统计特征量显著线性相关，幅值统计特征量的故障敏感性弱，但稳定性强，而无量纲统计特征量的情况恰好相反，并且正常涡轮泵振动数据服从正态分布，而异常涡轮泵振动数据不再服从正态分布。据此，为涡轮泵故障检测选择了线性相关性弱，故障特征反映能力强的3路振动参数和3种统计特征量。     

涡轮泵故障检测系统

1引言随着可重复使用运载器(RLV)的出现与发展,要求涡轮泵具有较高的可重复使用率,因此,它的故障检测与状态监控工作也变得越来越重要[1]。马歇尔飞行中心(MSFC)和波音-加州坎诺加帕克(BCP)正在研究航天飞机主发动机(SSME)涡轮泵的先进实时振动监控系统(ARTVMS)[2]。我国也针对     

机内测试定量要求的现场试验验证方法研究

阐述了机内测试(BIT)定量要求现场试验验证方法的内涵和实施流程。根据置信度水平和功能单元覆盖要求计算BIT故障检测率、故障隔离率和虚警率综合验证的样本量,根据BIT参数的单侧置信限进行合格判断。给出了数据统计判据、分类流程和统一记录表格。通过案例应用说明了该方法的可行性。     

基于数据关联的故障快速检测

 多数情况下,快速实时地进行故障检测是很重要的。将故障看做是通过多传感器观测的动态模型,进行多传感器多模型概率数据关联,以各个模型的关联结果和设定的阈值为依据,可以有效地实现故障检测。联合概率数据关联（JPDA）算法是解决多传感器多目标跟踪的一个有效方法,文中通过分析概率数据关联算法,对联合概率数据关联算法进行了改进：（1）通过正确地选择阈值,移除小概率事件,进而建立一个近似的确认矩阵;（2）根据被跟踪目标故障跟踪门的相交情况,将跟踪空间进行数学划分,形成若干相互独立的区域;（3）对同一区域内公共有效量测的概率密度值进行衰减,计算出关联概率。仿真对比表明,本文的改进算法能显著减少计算时间,有效提高故障检测的快速性和实时性。     

从探测概率的角度评价飞机的隐身性能

采用雷达散射截面(RCS)均值来衡量飞机的隐身性能并不能给出足够充分的信息,从信号检测概率的角度来衡量飞机的可探测性可以提供更完整的信息。本文从探测概率的角度详细分析了4种典型隐身飞机RCS起伏数据与虚警概率、探测概率、探测距离、信噪比(SNR)等参数间的关系,并给出了完整的推导过程,采用此方法可以对任意飞机目标在给定雷达参数下的可探测性进行准确计算。一般在雷达性能评估中需要用到RCS起伏模型,本文对飞机目标回波信号进行检测分析时采用数值计算方法,信号的概率密度函数(PDF)直接来源于原始回波起伏信号,避免了模型拟合带来的回波特性失真,且不会产生大的计算误差。通过对比分析计算结果发现:单脉冲检测下回波信号均值中值比越大,回波取值范围越小,则信号的检测概率越小,其中均值中值比一般相差3倍以上时可以得到明显不同的检测概率;在快起伏假设下,非相参积累检测的积累脉冲数Nin即便较小,也能得到较大的信噪比增益,此增益可能大于Nin。     

基于RBF神经网络的FADS系统及其算法研究

以典型的十字形布局的大气数据传感系统及其跨声速应用为研究对象,基于RBF神经网络,设计了新的FADS算法和故障检测处理方法。将测压点按不同功能进行精细的划分和组合,形成更加精简、目的性更强且相互独立的RBF网络处理子模块,利用各子网络模块提供的冗余特性,使用基于故障特征向量表的方法,实施简单而有效的故障检测与处理。仿真验证表明,迎角与侧滑角的测量误差不大于0.5°,且故障检测是有效的。     

涡扇发动机低压轴断裂故障在线检测方法

针对低压轴断裂易引起涡轮飞转的问题,需在运营环境中进行涡扇发动机低压轴断裂的机载在线检测。采用机载测量的高压物理转速和低压物理转速等参数,建立了基于物理转速变化率和转差关系的低压轴断裂故障在线检测方法。通过发动机工况仿真识别了能够准确区分正常加减速过程、喘振过程和断轴过程的物理参数,设置了检测判定逻辑和判定阈值。结果表明:在断轴后的0.1 s内,低压转速变化率出现瞬间最小值;在0.2 s内,高压转速变化率变为正值。该方法检测响应时间为0~0.5 s,可以实时检测出低压轴断裂故障,有利于控制系统及时采取停车等处理措施以防止核心机被损坏,不会由于发动机正常停车、加减速、喘振和高压轴断裂而导致虚警,检测可靠性高,具有较高的工程实用性。