一种液体火箭发动机试验台螺纹拧紧力矩量化控制方法

针对液体火箭发动机试验台工艺装配可靠性提升的需求,提出一种螺纹拧紧力矩量化控制方法。利用非试验和试验环境的力矩值统计与分析,确定液体火箭发动机试验台螺纹拧紧力矩值区间;通过拧紧力矩强度理论计算,验证力矩值区间的合理性;结合试验台螺纹空间位置的具体特点,确定适用不同空间位置的力矩量化控制方法和流程,并在试验中进行了应用。应用结果表明,本文提出的方法可有效提高发动机试验工艺的可靠性。     

轨／姿控发动机脉冲后效冲量快速算法的研究及应用

轨／姿控发动机脉冲性能需在地面高空模拟试验中进行考核,试验数据需即时提供,针对脉冲后效冲量的计算,当前方法不能兼顾速率和统计偏差。简述了后效冲量计算要求、高模试验特点、Pacific6000原理及数据文件结构。在分析当前计算方法优缺点基础上,将网络脚本语言的设计思想引入试验数据处理过程,提出了实现数据快速处理的数据流式算法,基于此算法开发了工程应用软件,在实际试验中应用,取得了良好效果。     

轨/姿控发动机试验数据快速自动处理技术

轨/姿控发动机试验数据需即时提供,大量数据的快速自动处理技术未见报道。在简述了高空模拟试验特点、Pacific6000原理及数据文件结构后,分析了当前计算方法优缺点;在此基础上,将网络脚本语言的设计思想引入试验数据处理过程,提出了实现数据快速处理的数据流式算法,进而形成自动处理技术;基于此算法开发了工程应用软件,在实际试验中应用,取得了良好效果。该技术对类似计算和海量数据的快速处理具重要工程参考意义。     

一种液体火箭发动机试验台螺纹拧紧力矩量化控制方法

针对液体火箭发动机试验台工艺装配可靠性提升的需求，提出一种螺纹拧紧力矩量化控制方法。利用非试验和试验环境的力矩值统计与分析，确定液体火箭发动机试验台螺纹拧紧力矩值区间；通过拧紧力矩强度理论计算，验证力矩值区间的合理性；结合试验台螺纹空间位置的具体特点，确定适用不同空间位置的力矩量化控制方法和流程，并在试验中进行了应用。应用结果表明，本文提出的方法可有效提高发动机试验工艺的可靠性。     

2．5DC／SiC复合材料的热物理性能

分别采用热膨胀仪和激光脉冲导热仪测试2.5D C/SiC复合材料从室温到1400℃纵向、横向的热膨胀系数和厚度方向的热扩散系数.结果表明,2.5D C/SiC复合材料的热膨胀系数随温度的升高而缓慢升高,在350℃和700℃附近出现波动,且横向的热膨胀系数略高于纵向.热扩散系数随温度的升高逐渐降低,且下降速率随温度的升高而变缓.CVD SiC涂层后,材料热扩散系数提高1～2倍.     

基于FIG-SVR的姿控发动机推力校准斜率预测

为了对某型号姿控发动机高空模拟试验推力现场校准斜率进行趋势预测,提出了一种模糊信息粒化(fuzzy information granulation,FIG)和支持向量回归机(support vector regression,SVR)相结合的时间序列预测方法。借助模糊信息粒化方法将推力现场校准的斜率映射为包含区间最小值Low、中值R和最大值Up 3个参数的模糊信息粒,以降低样本的维数,并以其为输入构建SVR回归模型。预测结果表明,基于模糊信息粒化SVR确定的预测区间较好地反映了推力现场校准斜率的变化趋势。     

三维针刺C/SiC在等离子焰中的烧蚀行为

采用CVI制备了三维针刺C/SiC复合材料,利用等离子烧蚀对复合材料的烧蚀性能进行了分析.结果表明:复合材料的线烧蚀率和质量烧蚀率分别为131.3μm/s和74.2 g/s,对应的标准偏差分别为4.9μm/s和4.7 mg/s.微结构观察显示烧蚀表面不同区域其烧蚀机理不同,烧蚀中心以升华烧蚀为主,过渡区主要是升华烧蚀和等离子流的剪切剥蚀为主,而烧蚀边缘则以热氧化为主.     

基于ARVM模型的液体火箭发动机试验台故障预测方法

针对液体火箭发动机试验台故障子样少,故障预测精度低,故障维修保障困难等问题,在分析标准RVM优缺点的基础之上,提出了一种自适应能力较强的故障预测模型——ARVM(Adaptive Relevance Vector Machine)。为测试该模型,以某型轨控发动机高空模拟试验台管路流量、燃烧室压力为输入参量对推力矢量进行了预测,预测结果表明,ARVM方法能够有效跟踪推力矢量参数的变化趋势,并且获得了较高的预测精度和模型稀疏性。该方法对于复杂系统的故障预测和维修保障具有一定的理论价值和工程应用意义。     

远地点发动机推力矢量的极坐标算法

简述了远地点发动机推力矢量测试系统的原理;概述了往次试验数据处理所采用的推力矢量计算方法--“线性组合法”,着重分析其缺点;提出了计算准确度更高的极坐标计算方法,并给出了极坐标法计算举例。     

基于RVM的液体火箭发动机试验台故障预测方法

液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题,通过预测相关参数在试验台运行过程中的变化趋势,可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模,提出了一种相关向量机(relevancevector machine,RVM)故障预测模型。在模型的训练阶段,根据数据序列的特征,分别采用单参量、相空间重构和多参量的方法进行了模型的训练,然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明,该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。