应用BP-ART混合神经网络的推进系统状态监控实时系统

应用ＢＰ－ＡＲＴ混合神经网络提出了一种供推进系统状态监控实时使用的系统,其拓扑结构为： 第一层处理单元由ＢＰ神经网络组成, 每个ＢＰ网络代表一个相应的推进系统组件; 第二层处理单元为一个ＡＲＴ神经网络, 网络的每一个输出代表推进系统的一种“健康状态”, 据此可对其故障进行“诊断”。该混合结构充分发挥了两类网络的优点, 给出的具体应用实例也显示出在推进系统实时状态监控与故障诊断应用中的有效性     

基于模型的液体推进系统故障诊断算法

给出串联双涡轮结构以泵作为供应系统的液体火箭发动机系统故障仿真的准动态数学方法和基于灰色关联度分析的实时诊断算法。该算法对于调整计算确定的具体系统和预先设定的典型故障模式进行仿真计算、事先形成该发动机系统的故障模式样本集。试车时, 利用诊断算法对采集的发动机性能参数进行实时分析, 从而给出发动机所处的健康状况, 以便及时采取措施, 提高发动机的安全性和可靠性。      

用相关参数实现参数多步预测的神经网络方法

对相关参数预测的非线性时间序列进行分析,提出了用相关参数实现多参数、多步数预测的神经网络方法,建立了神经网络实时预测模型,并对预测参数进行了综合处理,不仅弥补了预测信息的不足,而且能够使故障状态提前得到多次警报,克服了传统预测方法所遇到的困难,提高了预测模型精度     

基于时序分析的液体火箭发动机实时故障监测算法

建立ＡＲ模型对液体火箭发动机状态测量参数构成时间序列进行分析，并构造相应的信息距离差别函数进行状态监测。对某次试车的测量参数进行状态监测仿真表明，利用时序分析算法能够在满足实时条件下早期检测出发动机的故障。在算法中，使用了Ｋｏｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ信息距离函数作为判别函数，使得整个计算简单而可靠。     

液体火箭发动机系统故障实时监测算法研究

利用水力系数（ＣＡＤＥ）的性质和现有液体火箭发动机管路系统中压力域流量的测量值，进行适当分段组合，计算出相应的压力和水力系统改变量。并根据实际试车经验确定出相应的根限值。同时使用灰色理论中ＧＭ预测模型对发动机的监测参数进行预测。从而及早分析出发动机所处工况。该算法能尽早地探测出发动机系统中出现的故障，以提供足够的时间对发动机采取措施。     

无喷管发动机燃速特性的实验研究

针对无喷管发动机的工作特点,采用二维片型装药实验方案,对高燃速含铝丁羟复合推进剂做了相当数量的试验来研究其燃速特性.试验参数的选择应用正交设计法.在此试验的基础上,参照有关的燃烧理论,得出了适合无喷管发动机工作特点的固体推进剂的实际燃速表达式.     

YF—75发动机状态监控与故障诊断工程应用系统的研制

根据YF－75发动机状态监控与故障诊断工程应用系统（CMFDS）的研制情况，重点介绍了总体设计原则、系统功能、系统组成、系统结构、系统硬件组成与接口形式、发动机主要技术状态、故障模式分析、故障数据库建立、监测部件与监测参数选择等内容，对状态监控与故障诊断算法也做了较为详细的描述。最后，还给出了用YF－75发动机18次原始试车数据对CMFDS进行验证的情况，结果显示本系统具有很强的适应性和有效性。     

基于神经网络的火箭发动机动态过程建模

简要介绍了神经网络的基本理论, 分析了神经网络与非线性建模问题。基于对液体火箭发动机动态过程的研究, 提出了用神经网络建模的一般思路和基本方法, 从而为发动机参数研究找到了新的建模途径。建模结果表明, 将神经网络应用于液体火箭发动机动态过程的研究是十分成功的。      

液发推力室和涡轮泵故障监测与诊断技术研究

研究了液发推力室和涡轮泵故障监测与诊断技术,介绍了取得的主要研究成果,内容包括:试车结果统计与故障特性分析、故障模式与影响分析、故障数据库的设计与实现、状态分类与特征分析等.此外也介绍了基于人工神经网络理论的动态过程监测与诊断算法、基于时序分析的稳态过程监测与诊断算法和基于频谱方法的事后故障分析与诊断等故障监测与诊断算法.最后,介绍了所研制的工程应用系统,并给出了具体的故障监测与诊断实例.