补燃循环液体火箭发动机启动过程的模块化仿真

通过模块化编程，建立了新一代高性能补燃发动机启动过程的部件模型。虽然采用的是集中参数方法，但同时考虑了液体的惯性、粘性和压缩性，所以建立的常微分方程组能在一定程度上反映发动机工作过程的分布特性。     

基于人工噪声神经网络BP算法的火箭发动机故障仿真与检测

研究了用于液体火箭发动机故障仿真与故障检测的神经网络ＢＰ算法。在ＢＰ算法中采用了加噪声等技术来避免系统误差陷入局部极小，训练出精度高（误差小于０．０２）的神经网络，试验表明：神经网络ＢＰ算法成功地用于故障仿真与故障检测。     

某火箭发动机故障检测及诊断算法设计分析

针对某型号液体火箭发动机故障检测及诊断软件存在瞬态段（起动段、关机段）故障检测功能缺失、故障诊断无法给出故障量大小的问题，在原软件故障诊断算法——余弦相似度分类的基础上，通过引入故障因子定量给出故障量大小，实现发动机故障诊断的定性定量分析。同时，采用基于统计学基础的包络线算法，通过Python语言对发动机瞬态段故障检测算法进行设计开发，使原软件实现发动机瞬态段故障检测功能。通过仿真试车数据对软件算法进行验证，结果表明优化后的故障诊断功能可实现故障量大小计算，基于包络线算法开发的故障检测功能提高了发动机故障检测效率。     

太阳能热推进系统效率分析

太阳能热推进采用小分子量气体作为推进剂可以获取800～900 s高比冲,但提高推进系统的换热效率是目前亟待解决的问题.本研究建立了太阳能热推进系统主要部件的基本分析模型,在利用有限单元法进行热分析的基础上,对系统在多种工况下的相关参数进行了计算,分析了各部件主要参数对提高太阳能热推进系统热效率和推进效率的影响,得出了系统效率在不同工作状态下的变化规律,并提出了提高系统效率的措施.     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

挤压式液体火箭发动机水击特性研究

以某四氧化二氮/偏二甲肼挤压式液体火箭发动机为研究对象,建立了包括液路动力学模型、充填动力学模型和气路动力学模型的发动机系统启动过程动态数学模型。仿真计算了发动机系统启动过程中不同节流孔位置和大小时的水击峰压。分析表明,在靠近阀门处设置节流孔可明显减小水击峰压,对氧化剂管路的作用较燃料管路更明显;较小的节流孔利于降低水击峰压,但尺寸须合适,否则会因推进剂流量下降而在节流孔处形成发射。     

基于模糊方向规则的火箭发动机传感器故障检测与分离

提出了一种直接从训练样本中获取模糊方向规则的学习算法，并应用于火箭发动机的传感器故障检测与分离。每种传感器故障模式由一些模糊方向规则聚集形成，模糊方向规则的全隶属区是一个由单位方向、夹角和两个半径确定的方向超体。模糊方向规则一次循环学习形成，在学习中能不断融合新样本信息。液体火箭发动机传感器故障检测与分离的仿真研究验证了模糊方向规则系统的优越性能。     

发动机故障的数值模拟及模式分析

针对发动机的邦联特点，提出了其工作状态过渡的非线性动态数学模型。利用随机模拟结果，对发动机的邦联特性进行了简单分析。     

变推力液体火箭发动机的故障识别

讨论了专家系统在液体火箭发动机故障诊断中的应用，研制出一个基于阈值判断的故障识别专家系统，应用该系统成功地识别出变推力液体火箭发动机故障模式。     

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。