用于识别双星故障的RAIM算法

由于传统的基于识别门限的卫星故障识别算法存在漏检和误警致使识别率较低,为此提出一种可用于识别双星故障的接收机自主完好性监测算法.该算法通过构造新的奇偶矢量与故障特征平面,利用奇偶矢量与故障特征平面之间的几何关系来识别卫星故障,使得算法不再受限于识别门限的影响,从而有效地避免了由于识别门限引起的识别效率较低的问题.计算机仿真结果表明:改进后的算法与传统的基于识别门限的算法相比,双星故障正确识别的性能有显著的提高,正确识别率可达到90%.同时,与基于门限识别的重构最优奇偶矢量法相比,计算量可减少约61.2%以上.     

基于BBN的故障定位技术

故障定位的目的是帮助程序员寻找引发失效的原因或故障位置,以加快调试过程.故障和失效间的关系往往非常复杂,难以直接描述故障到失效的转化.分析了采用差异分析的方法,提出基于可疑模式,构建故障推理贝叶斯网络,节点由可疑模式及其方法调用者构成;介绍了贝叶斯网络构建算法,各个相关概率的定义及BBN(Bayesian Belief Network)中各个边的条件概率计算公式.基于推理算法,得到包含故障的模块,并计算得到每个模块包含故障的概率.提出评价方法,并进行了实验验证,取得了平均0.761的定准率和0.737的定全率,定位结果良好有应用价值.     

基于降维观测器的最优故障诊断算法研究

为降低诊断算法的计算量,优化算法参数,设计了一种基于降维观测器的最优故障诊断算法。首先,利用正交原理,将故障状态与系统状态进行解耦,从而构造了用于故障估计且无需进行矩阵分块运算的降维观测器。其次,基于对偶原理,将诊断算法的增益优化问题转化为诊断误差方程对偶系统的最优控制律设计问题,从而实现了对故障的最小方差估计。然后,利用诊断结果设计了基于故障补偿思想的容错控制律,以此实现了系统与故障的隔离。最后,通过数值仿真验证了所提方法的有效性。结果表明,对于二阶系统,该诊断算法可在7s内快速收敛到故障真实值。     

基于FDDPB方法的卫星姿态控制系统故障诊断

针对卫星姿态控制系统故障诊断问题,将执行机构及输出传感器的阶跃型和缓变型输出偏差统归于一种"参数偏差"型故障,介绍了改进的参数偏差型故障的实时检测与诊断 (FDDPB,Fault Detection and Diagnostics of Parameter Bias)算法,说明了此算法在卫星姿态控制系统执行机构和传感器故障诊断中的应用.引入卫星姿态动力学模型和飞轮模型,建立了算法仿真模型,选取执行机构阶跃型和缓变型故障作为故障注入条件,将该算法用于实验验证.仿真结果表明:该算法能够检测出系统发生的故障,且能够准确估计出故障幅值.      

卫星在轨故障案例与人工智能故障诊断

减少卫星在轨故障,使卫星按设计寿命要求在轨执行飞行任务是卫星设计的一个重要课题.为了分析在轨卫星故障的原因,探索最新的卫星故障诊断方法,首先收集了2003～2021年卫星典型在轨故障案例,然后对卫星故障从不同的维度进行统计分析和相关性分析,包括卫星平台与卫星故障的相关性、卫星在轨时长与卫星故障的相关性等,最后介绍了基于...     

基于自适应UKF的敏感器故障诊断算法

针对非线性系统中敏感器测量过程存在异常干扰和出现仪器故障问题,提出一种基于自适应UKF(Unscented Kalman Filtering)的鲁棒故障诊断算法.算法通过新息特性分析引入自适应矩阵对异常干扰和仪器故障建立系统级抑制和部件级诊断.系统级检测将UKF的新息特性通过自适应函数引入状态预测,修正异常值对状态预测值的影响,达到对异常干扰的鲁棒性.部件级检测将新息特性分解成各部件参数的新息特性,建立各自敏感器的自适应矩阵,通过对自适应矩阵的迹进行判断,检测是否发生故障并隔离故障.仿真结果表明,算法对异常值具有较强的鲁棒性,对测量仪器失效造成的故障能够准确地检测并给出故障大小.算法结构简单,计算量小,对工程应用具有较好的参考价值.      

基于分层随机梯度辨识算法的传感器故障检测方法

提出一种基于两阶段递推随机梯度参数辨识的传感器故障的在线检测方法.相对于最小二乘参数辨识算法,随机梯度参数辨识算法所需计算量更小.针对计算能力受限的系统,提出基于随机梯度参数辨识的检测算法.通过分析可知,参数辨识精度越高时检测精度越高.为提高精度,给出基于两阶段递推随机梯度参数辨识的检测算法并设计基于最新估计信息的残差.除此之外,还给出新的检测算法与原有的基于最小二乘检测算法计算量的对比分析,并通过仿真实例,证明新的检测算法的优越性及有效性.     

基于LSTM循环神经网络的故障时间序列预测

有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆（LSTM）循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。      

一种网络环境中的故障诊断模型

结合故障诊断的需求和存在的问题,提出了一种以故障症状、故障假设、诊断操作和观测操作节点为基本元素,并具有网络结构的诊断模型.在该模型基础之上,遵循诊断过程独立的假设,解决实际诊断过程中操作依赖关系的问题,提出了一种基于诊断贝叶斯网络DBN(Diagnosis Bayesian Network)的故障诊断算法.同时通过引入观测操作,加快诊断的速度并且降低诊断代价.试验表明,与P/C更新算法比较,该算法能更有效地降低诊断代价,实现快速故障诊断,较好解决了操作依赖的复杂故障诊断问题.      

基于故障建模的双余度舵机故障诊断技术

针对双余度舵机系统结构复杂、故障诊断困难的问题,提出了根据故障模型反向推理的故障诊断方法.在充分考虑各元件失效机理的基础上,将故障注入闭环系统建立典型故障模型.故障模型仿真了不同元件故障如何导致系统性能下降甚至完全失效.基于故障模型的仿真结果,对可观测到的异常状况进行分类和逆向推理归纳出故障诊断方法,并利用数学公式对一些故障量化评估.该诊断方法涵盖系统各元件,可快速定位故障元件,判断失效原因并进行定量分析,而且算法简单易于工程实现.      

基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

层板式喷注器在空间飞行器发动机中的应用综述

综述了层板式喷注器在空间飞行器液体火箭发动机中的应用。着重举例分析了层板式喷注器应用于航天飞机轨道机动发动机、小推力姿控发动机、燃气发生器中所获得的优于传统喷注器的良好性能和效益;分析了层板式喷注器在小推力＿液体火箭发动机稳态和脉冲方式工作时对抑制排气羽流污染的有效作用;最后提出了研制层板式喷注器所需进一步做的工作。     

液体火箭发动机后效冲量的测量方法

本文叙述在地面条件下试验液体火箭发动机时,通过测量发动机后效段推力与测量发动机燃烧室压力两种方法来求得模拟高空后效冲量,并对这两种方法作简单评论。     

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.      

燃气发生器身部多学科设计优化

为了探索液体火箭发动机多学科设计优化的一般方法,以液体火箭发动机燃气发生器身部为研究对象,在对其进行面向设计的多学科分析的基础上,建立了燃气发生器身部的多学科优化模型,涉及流动、传热、结构强度3个相互耦合的学科.引入了一种新的多目标方法——物理规划方法处理其中的多目标优化问题,通过类别函数将设计者的偏好转化为优化目标,避免了对各个不同大小和量纲的分目标之间重要性的比较和权衡.优化结果显示,利用多学科设计优化减轻了燃气发生器的质量,改善了原有设计,能够提高发动机的设计水平.      

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。     

差动活塞式燃气自增压系统参数设计方法

针对基于单组元肼类物质为工质的液体姿轨控发动机差动活塞式燃气自增压系统,分析了系统的工作原理,提出了系统的参数设计方法,建立了系统的参数设计流程,给出了系统的起动压力计算模型和自锁状态计算方法,并进行了实例研究。结果表明:系统最低起动压力与压力放大贮箱气体腔初始体积、活塞摩擦力和推进剂贮箱初始气垫体积直接相关;系统自锁后,推进剂贮箱压力的设计状态受推进剂贮箱所允许的最大压力上偏差和流量调节器与推进剂贮箱间的压降所约束;推进剂贮箱的工作压力范围是可以根据需要通过燃气自增压系统的设计来保证的。     

一种改进的固液火箭发动机故障诊断方法

针对固液火箭发动机的可靠性问题，设计了一种改进的贝叶斯网络故障诊断方法，可以通过网络化自主逻辑推理，对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征，提出将步进法与核主成分分析(KPCA)相结合的分析方法，并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络，实现对观测信号尺度的模糊处理，提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明，改进的算法能够实现对固液火箭发动机常见故障的有效诊断，并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比，故障诊断的平均准确率提高了20.9%。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

氢氧火箭发动机高空模拟试验推力测量装置研制

为了保证氢氧火箭发动机高空环境下推力测量的准确性,针对氢氧发动机高空模拟试验的特点,结合推力测量装置的原理和实际布局的需求,开展了低温及真空环境影响下的推力测量装置结构设计研究。解决了小弹阻力的弹簧片设计技术、校准力与发动机推力轴线一致的控制技术、校准传力机构由动到静真空舱密封的实现技术以及管路约束力对推力测量影响的控制技术等难点,成功研制了一套推力测量装置,应用于某型火箭发动机试验中取得了较好的效果。