基于等离子体的新型燃烧室头部工作特性实验研究

本文设计了一种基于三维旋转滑动弧的航空发动机新型燃烧室头部,该头部可以在保持原有燃烧室结构不变的基础上,实现对燃烧室的点火和助燃。进行了新型燃烧室头部的放电特性实验,分析了稳定电弧滑动(A-G)模式和击穿伴随滑动(B-G)模式两种放电模式的特点。探究了两种放电模式对振动温度的影响,以及空气流量和电压对OH、O2、O3、NO四种粒子光谱发射强度的影响。结果表明,B-G模式电弧的放电功率更大,达到84W,放电模式对振动温度的影响取决于空气流量和电压的变化,而光谱发射强度则是A-G模式大于B-G模式。     

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。     

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      

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。     

神经元网络在液体火箭发动机健康监控中的应用

含有噪声的、正常和稳定的传感器数据训练 ART2神经元网络 ,用于液体火箭发动机( L RE)故障检测。每个传感器连续窗的功率谱输入 ART2神经元网络进行学习 ,试验学习好的神经网络 ,验证其能否有效地检测出发动机故障以及故障发生时间。传感器数据来自某变推力液体火箭发动机地面试车 RS61。试验结果表明 ,神经元网络显示的故障发生时间与试车后专家分析的故障开始时间相符     

空间轨道转移飞行器推进系统静态仿真分析

采用模块化方法建立了空间轨道转移飞行器推进系统的静态数学模型,用C语言开发出对应静态模型的仿真计算软件,应用该软件分别对N2O4/MMH、N2O4/UDMH、LO2/LH2、LO2/RP-1等推进剂组合推进系统进行静态仿真计算,并把计算结果导入相关质量模型,估算各系统在特定条件下的质量,再对上述几种推进系统进行单干扰因素分析,确定了敏感度较大的干扰因素。     

分级燃烧循环发动机启动过程的变结构控制

针对分级燃烧循环液体火箭发动机启动过程的特点，提出了一种变结构控制系统。将启动过程的控制量分解为期望控制输入和随机反馈控制输入，后者由变结构控制来确定。选择发动机涡轮泵转速，预燃室和燃烧室压力作为跟踪状态变量构造线性切换函数，采用分段的等速趋近率实现滑动模态控制。这种变结构控制结构简单且具有较强的鲁棒性，使发动机启动过程的稳定性增强，仿真研究验证了变结构控制系统的有效性。     

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。     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

双组元液体挤压推进系统启动过程时序分析

以四氧化二氮/偏二甲肼(N2O4/UDMH)双组元挤压式推进系统为研究对象,对该系统的启动过程动态特性进行了分析和研究,运用单元法建立了整个推进系统启动过程动态数学模型,采用MATLAB软件中的SIMULINK工具仿真了推进系统启动过程,并得到发动机各阀门打开时序变化对系统启动特性影响的规律。