排序方式: 共有31条查询结果,搜索用时 0 毫秒
1.
2.
3.
某火箭发动机故障检测及诊断算法设计分析 总被引:1,自引:0,他引:1
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。 相似文献
4.
5.
火箭发动机基于神经网络非线性辨识的故障检测 总被引:1,自引:0,他引:1
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。 相似文献
6.
7.
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。 相似文献
8.
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。 相似文献
9.
10.
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。 相似文献