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。     

航天飞机主发动机健康监控技术

美国航天飞机主发动机(SSME)的健康监控系统具有目前液体火箭发动机健康监控技术的先进水平.近年来围绕SSME的健康监控问题开展了大量、广泛的研究工作,这些研究标志着液体推进技术的一个新的发展方向.本文综合评述了在这一新的研究领域里所取得的最新进展.     

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     

液体火箭发动机混合比故障检测

正常模型　变推力发动机其系统结构和数学模型的推导详见文献[1]。在这里,我们主要是要研究如何根据系统仅能提供的燃烧室压力测量值检测混合比严重偏高的故障,所以略去其它部件(见图1)。      

应用神经网络识别液体火箭发动机的故障模式

本文以一个典型的泵压式液体火箭发动机（ＬＲＥ）为对象，考虑发动机的几种主要故障，建立了描述发动机静态工作过程的非线性方程组。用Ｈｏｐｆｉｅｌｄ神经网络模拟这些非线性方程组。用ＡＲＴ２网络识别故障模式。对该发动机，特别是涡轮泵故障的识别方法进行了研究。