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。     

利用键合图模型进行空间推进系统故障诊断研究

介绍了键合图基本理论,并利用其理论对空间推进系统进行了故障诊断研究。结果表明利用键合图模型诊断液体火箭发动机故障,具有建模简单,模型直观,故障定位方便等优点,是液体火箭发动机故障诊断的一个新途径。      

液体火箭发动机动态数据处理的小波分析方法

研究了基于小波分析的液体火箭发动机动态数据处理方法，给出了数据处理模型，应用小波奇异性检测和误差滤波理论，分析了动态数据的处理过程，并用某液体火箭发动机某次地面试车的动态测试数据进行了验证。结果表明，小波分析方法不需要过程误差的先验知识，能够同时完成异常数据的检测及相应误差的滤除任务，非常适合于液体火箭发动机的动态工作过程。     

液体推进系统充填过程的有限元状态变量模型

研究了常温推进剂液体火箭发动机充填过程的建模问题。对推进剂充填管道系统进行有限元分割，应用基本守恒定律于充满推进剂的单元和充满气体的单元，两相单元则采用等效流容方程，建立了常温推进剂管道系统充填过程的有限元状态变量模型。模型面向液体推进系统动态过程控制与通用仿真。利用该模型，对一管道充填过程进行了仿真计算，给出了有关计算结果。     

基于误差预测修正的液体火箭发动机故障预测方法研究

为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。     

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。     

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。     

模态区间方法在液体火箭发动机系统仿真中的应用

模型简化和系统参数的不确定性导致基于定量模型的液体火箭发动机仿真结果与系统的真实行为存在差异。利用模态区间分析方法对系统进行仿真，得到的结果为一包含系统真实行为的包络线，它是系统真实行为区间的优化。通过对某泵压式液体火箭发动机稳态工作过程的模态区间仿真计算，证明模态区间分析方法对复杂动态系统建模仿真是有效的。     

基于RBF网络的火箭发动机动态过程建模

提出了基于径向基函数神经网络（ＲＢＦＮ）的火箭发动机动态过程建模,仿真计算表明：采用ＲＢＦＮ建模,可以达到很好的逼近精度,而且网络训练速度大大加快,可以更好地适应实时状态监控和故障诊断,有实际的工程运用价值。     

基于子结构试验建模综合的火箭发动机结构动力分析

为了预测补燃循环液体火箭发动机的结构动态特性,采用子结构试验建模综合技术,对四机并联液体火箭发动机的结构动力学进行了研究。在考虑喷管内外壁材料差异的基础上,利用刚度和质量等效原则,建立了精确的喷管有限元模型,然后采用分布参数法建立了发动机有限元模型。结果表明:单机子结构模型的误差小于1.35%;四机并联发动机模型的误差小于2.19%;且仿真振型与实际模态试验结果保持一致。说明该方法的计算结果可靠,能提高结构动态分析的精度和效率。     

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。     

模糊极小极大神经网络在火箭发动机故障分类中的应用

研究了一种用模糊集表示火箭发动机故障模式的神经网络分类器。模糊集是由模糊超立方体聚集形成的集合体，模糊超立方体是一个极小点和极大点构成的用隶属函数表示的ｎ维方盒。极小点和极大点的确定用包含有扩张与收缩阶段的模糊极小极大学习算法实现，这种算法能在一次循环学习中形成非线性模式边界，无需对已知故障模式重新训练就可融合新样本和精炼已存在的故障模式。模糊集用于故障模式分类自然地提供了故障更刘水平分类的有用信     

模糊超体神经网络及其在火箭发动机故障分离中的应用

提出了一种用模糊集表示火箭发动机故障模式的神经网络二次分离器,模糊集是由模糊超体聚集形成的集合体,模糊超体在一次分离中表现为由半径和球心确定的n维超球,在二次分离中是一个由夹角、球心和方向矢量确定的部分超球。神经网络二次分离学习算法与一次学习算法相比,提高了训练样本的分离精度,增强了神经网络对故障的敏感性。      

利用神经网络诊断火箭发动机的故障

首先简要地介绍了人工神经网络(以下简称神经网络)的BP学习方法。然后将BP学习算法用于火箭发动机的故障诊断。仿真实验的结果表明,神经网络完全可以用于发动机的故障诊断。     

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。     

应用反推神经网络检测液体火箭发动机多维故障

基于可测参数所构成的参数模式对应着一定的发动机故障模式, 应用反推神经网络检测发动机多维故障, 方法的有效性由只有泵效率下降和喷注器阻塞同时发生的数值仿真得到验证      

低温液体推进剂充填管路的数值模拟

研究了低温液体推进剂供应管路预冷充填过程的计算方法, 利用一维均相平衡态流体动力学模型和涵盖预冷过程中主要传热工况的传热模型, 考虑了低温液体推进剂的可压缩性, 用有限容积法求解管流方程, 用有限差分法求解管壁内的一维非稳态导热方程.计算了某型低温液体推进剂火箭发动机实验台系统供应管路的预冷充填过程, 分析比较了仿真与实验的结果, 为发动机和实验台系统的改进及新系统的设计提供了依据, 仿真结果及分析结论已应用于现有发动机实验台系统的改造和长距离液氢输送管道的设计中.      

分级燃烧循环火箭发动机的动态特性研究

通过模块化设计 ,仿真分级燃烧循环发动机的动态过程。通过发动机工作参数的波动特性分析 ,为实际的发动机研制提供参照和依据。