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     

液体火箭发动机动态数据处理的小波分析方法

研究了基于小波分析的液体火箭发动机动态数据处理方法，给出了数据处理模型，应用小波奇异性检测和误差滤波理论，分析了动态数据的处理过程，并用某液体火箭发动机某次地面试车的动态测试数据进行了验证。结果表明，小波分析方法不需要过程误差的先验知识，能够同时完成异常数据的检测及相应误差的滤除任务，非常适合于液体火箭发动机的动态工作过程。     

空间推进系统故障诊断专家系统研究

采用人工智能的方法,对空间推进系统进行了有效的分区,并利用文中介绍的组合红线算法进行故障判定,建立了空间推进系统故障诊断的专家系统。通过已有的实验数据、离线回放表明此方法具有实时故障诊断、事后故障分析、系统健康监控等功能、可以有效的满足解决工程实际问题的需要。      

一种推进系统故障诊断反问题模型与算法

针对大型液体火箭推进系统故障诊断工作的需要, 建立了一种推进系统故障诊断反问题模型,并提出了基于遗传算法的反问题求解算法.在对故障诊断反问题的特点与困难及其求解方法研究的基础上,重点论述了基于遗传算法的反问题求解算法和基本过程.最后,给出了液体火箭推进系统故障诊断反问题求解的具体例子,表明所建立的推进系统故障诊断反问题模型及所提出的算法是合理有效的.      

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     

小波分析及其在推进系统健康监控中的应用

详细介绍了小波分析的基本原理和Mallat算法，重点讨论了小波分析在推进系统健康监控中的应用。从工程应用的角度，提出了用小波分析方法进行信号滤波、故障检测与诊断的思路。研究结果显示：小波分析方法具有良好的时-频定位特性，特别适合于分析时变、瞬态或非线性信号，为液体火箭发动机状态监控与故障诊断提供了一种新的强有力工具。     

一种火箭推进系统非线性动态神经网络模型

为了获得实时、准确、可靠的液体火箭推进系统非线性动态模型，使其适用于控制系统的设计和故障检测与诊断，基于RBF（Radial Basis Function）神经网络理论和系统工作机理，综合考虑了系统的动态信息，适当选择了输入输出参数，建立了一种多输入多输出的液体火箭推进系统非线性动态模型。模型的输出与实际试车结果的对比分析表明，模型的计算时间短、实时性强、精度高，可用于液体火箭推进系统的实时状态监控、故障诊断及控制系统设计等。     

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。