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。     

神经网络在液体火箭发动机故障检测中的应用(Ⅰ)非线性辨识技术

应用ＢＰ神经网络,提出了一种液体火箭发动机故障实时检测系统。它采用非线性辨识技术,在建立发动机数学模型和输出包含故障信息的监视指标信号之后,用阈值线与监视指标比较,从而预报发动机故障。液体火箭发动机启动与稳态过程的试验数据检验表明：基于非线性辨识技术的故障检测系统性能优越。     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础，按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型，对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点，建立了降阶故障模式响应模型，并发展了相应的故障模式检验方法。为了适应在线实时检测的需要，利用发动机的试验数据，分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证，证明了这些实时算法的快速性、准确性和鲁律性。     

液体火箭发动机故障检测与诊断综述

对健康监控技术的中心问题－故障检测与诊断方法进行了综述，对可能用于液体火箭推进系统的各种故障检测与诊断方法进行了系统分类和详细评述，指出了近期必须研究和完善的几项主要工作。     

变推力液体火箭发动机的故障识别

讨论了专家系统在液体火箭发动机故障诊断中的应用，研制出一个基于阈值判断的故障识别专家系统，应用该系统成功地识别出变推力液体火箭发动机故障模式。     

神经网络在液体火箭发动机故障检测中的应用(Ⅱ)模式识别技术

基于模糊超球神经网络,提出了一种液体火箭发动机故障的实时检测系统。它采用模式识别技术,在建立正常工作状态的样板模式之后,把当前样本与样板模式进行比较,进而判断发动机工作状态。发动机试车数据分析表明：模糊超球神经网络对输入样本非常敏感     

液体火箭发动机启动过程实时在线故障检测算法

利用神经网络技术实现了液体火箭发动机启动过程的非线性辩识；提出并实现了一种基于辩识误差检验的故障检测策略。经大量实际发动机热试车数据验证表明，所提出的检测算法十分有效。由于算法所利用的监测参数均系实际发动机地面试车中所测量的参数，且检测算法在线工作时计算量十分小，因而所提出并实现的检测算法可以直接应用于工程实际。     

液体火箭发动机故障诊断中的特征提取

对液体火箭发动机故障的原始特征进行特征提取和选择，以使所建立的故障标准模式由少数几个新特征给予有效的表达。比较了不同原始特征分布矩阵对特征提取结果有效性的影响，并对采用新特征来代表各种故障的效果进行了检验，结果同采用原始特征的效果很接近。     

液体火箭发动机泄漏故障实时仿真

以某泵压式供应系统的液体火箭发动机作为研究对象, 进行泄漏故障状态下的模拟, 为提取泄漏故障模式、优化监控参数、泄漏故障检测和诊断奠定了基础。仿真的结果表明, 模型能够较精确实时地仿真泄漏故障     

液体火箭发动机高速涡轮泵的振动故障检测

讨论了涡轮泵故障的几个主要原因，据此提取涡轮泵振动数据的特征，用BP神经网络的方法进行故障检测。BP神经网络的训练样本集由一个具有无监督聚类功能的神经网络从原始的特征向量集获取。     

液体火箭发动机涡轮泵故障诊断的新方法

针对传统的液体火箭发动机涡轮泵故障诊断方法只能在有样本数据并且样本数据充足的情况下才能进行准确诊断以及诊断时难以提取状态特征的缺点,提出一种适用于涡轮泵在线监测及诊断方法,该方法利用生物免疫系统的反面选择机理,利用生物克隆和学习机理使改进型反面选择算法产生的检测器具有不同的检测半径,使其能更有效地覆盖异常空间,能有效地提取涡轮泵的状态特征,避免了检测器产生效率低等问题。实例诊断结果表明:该方法较好地解决了故障样本难以获取及有效地提取涡轮泵的状态特征的问题,能准确监测出涡轮泵各种常见故障所引起的异常并能准确诊断,较高诊断精度表明该方法是可行的,并且具有较好的在线性、准确性及鲁棒性,为液体火箭发动机涡轮泵故障异常检测探索了一条新路。     

液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况，必须提高研究水平和加快研究进程，做好基础性的研究工作，介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

基于神经网络的涡轮泵多故障诊断

针对液体火箭发动机的涡轮泵系统中，常出现多故障同时发生的现象，分析了涡轮泵常见故障的特征表现，建立了涡轮泵系统的标准故障模式，在此基础上，提出了采用建立并行BP神经网络进行多故障诊断分类的方法，结果表明，并行BP神经网络结构简单，学习诊断速度快，对单一故障的诊断分类优于基本BP网络，且能对并发故障进行诊断分类。     

应用独立分量分析提取液体火箭发动机的故障特征

以某型液体火箭发动机为研究对象，针对故障诊断中故障特征提取难的问题，提出了应用小波消噪技术和独立分量分析获取高品质源信号，并利用源信号进行故障诊断的思路，对发动机热试车压强信号进行了实例分析。研究结果表明，该方法提高了诊断信号的质量，有效地提取了故障特征。     

液体火箭发动机基于关系模型的故障诊断方法

提出了一种新的描述液体火箭发动机系统的定性模型，阐述了系统部件行为模型和结构模型的构建方法，给出了求解基于关系模型诊断问题的推理机制，建立了液体火箭发动机基于关系模型的故障诊断方法。以空间推进系统为研究对象进行了实例诊断分析，结果表明：该方法是一种有效的基于定性模型故障诊断方法。     

液体火箭发动机地面试车故障检测的自适应阈值算法

提出一种自适应阈值故障检测算法,其检测阈值由实时估计的参数均值、标准差及由训练算法得到的带宽系数计算。用某发动机22次点火试验的试车数据进行离线故障检测,结果表明其综合性能优于红线系统和SAFD算法。     

液体火箭发动机多Agent故障诊断技术研究

利用多Agent技术建立了液体火箭发动机故障检测与诊断系统,包括小波去噪、传感器检测、故障检测、故障诊断和系统总调度等功能.利用多线程编程、动态链接库及网络编程技术,使故障检测与诊断系统具有较高的智能性.给出了小波去噪、传感器检测等Agent的运行算例,并给出了故障检测与诊断系统的整体框架.      

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。