基于AR/CGARCH模型的液体火箭发动机自适应阈值故障检测算法

为了解决传统自适应阈值算法对时间序列方差跟踪能力不足,以及故障阶段带宽自动放大的问题,提出了紧广义自回归条件异方差（Compact General Auto-Regressive Conditional Heteroskedasticity,CGARCH）模型。针对液体火箭发动机稳态试车数据的波动性特点,提出一种基于自回归（Auto-Regressive,AR）模型和CGARCH模型的自适应阈值故障检测算法。采用AR模型对稳态参数的均值进行估计,并采用CGARCH模型对稳态参数的方差进行估计,从而利用均值和方差的估计值自适应地构造检测阈值。用某氢氧火箭发动机的热试车数据进行验证,结果表明,该算法能够准确、快速、灵敏地检测液体火箭发动机故障,在正常工作阶段,能够有效跟踪数据波动性,在故障阶段,能够避免阈值变宽带来的漏检。     

基于增量式孤立森林的液体火箭发动机异常检测方法

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法。设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染。利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F₁指标较原始孤立森林算法提高了43%,检测及时性优于红线算法和自适应阈值算法。     

某型氢氧火箭发动机频率特性模块化建模计算分析

为分析某型氢氧火箭发动机频率特性,建立了主、副系统耦合的线性化动态模型：通过一维分布参数模型描述管路特性;采用考虑熵波的绝热流动模型描述燃烧组件特性;推导了转速脉动反馈的传递函数,采用考虑气蚀效应的模型描述泵组件;采取有理近似式表达分布式参数模型和热力组件中的超越函数。在Simulink平台上建立模块化仿真模型,采用扫频法获取频率特性,并利用热试车数据进行验证。结果表明,所开发的模块化仿真库对工程应用十分友好,可用于分析发动机系统低频至中频频率特性;该型发动机在燃气脉动激励下将产生主系统10、165 Hz和副系统124、204 Hz的频率响应;考虑转速脉动反馈计算所得特征频率更加准确;增加泵前管路局部流阻和燃气发生器喷注压降,可提高发动机系统稳定性。