涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态,提高其安全性,降低其故障带来的破坏程度,提出了短数据均值自适应阈值算法(SDM—ATA),建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑,以及故障数据对阈值贡献的踢除等方法,并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明,SDM—ATA没有发生误检测情况,并具有实时故障检测的能力。     

涡轮泵故障检测系统

1引言随着可重复使用运载器(RLV)的出现与发展,要求涡轮泵具有较高的可重复使用率,因此,它的故障检测与状态监控工作也变得越来越重要[1]。马歇尔飞行中心(MSFC)和波音-加州坎诺加帕克(BCP)正在研究航天飞机主发动机(SSME)涡轮泵的先进实时振动监控系统(ARTVMS)[2]。我国也针对     

涡轮泵振动参数与统计特征量的线性相关性分析

为了剔除冗余的振动参数和统计特征量,提高涡轮泵故障检测的实时能力,建立了线性相关性假设检验模型。利用该假设检验模型和某型液体火箭发动机的历史试车数据,检验了7路涡轮泵振动参数以及13种常用统计特征量的线性相关性,并分析了统计特征量对涡轮泵故障的敏感性和稳定性,以及涡轮泵振动数据的正态性。数据统计分析表明,大部分涡轮泵振动参数以及统计特征量显著线性相关,幅值统计特征量的故障敏感性弱,但稳定性强,而无量纲统计特征量的情况恰好相反,并且正常涡轮泵振动数据服从正态分布,而异常涡轮泵振动数据不再服从正态分布。据此,为涡轮泵故障检测选择了线性相关性弱,故障特征反映能力强的3路振动参数和3种统计特征量。     

液体火箭发动机涡轮泵技术的发展

阐述了涡轮泵的技术发展水平在液体火箭发动机研制中的重要地位;分级燃烧循环系统发动机涡轮泵的设计特色;苏联涡轮泵总体设计的特点;并对预压泵、轴向力平衡活塞、两相流诱导轮、正反旋涡轮等涡轮泵新技术的设计原理进行了概述.     

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。     

涡轮泵转子稳定性计算

随着涡轮泵压力和转速的提高,流体密封和叶轮偏心间隙激励成为影响转子稳定性的主要因素。利用Ｃｈｉｌｄｓ Ｄ Ｗ等提出的动力系数计算方法,计算了环形密封引起的附加刚度和阻尼,采用整体传递矩阵法,对考虑流体密封和Ａｌｆｏｒｄ力引起的涡轮泵转子系统的稳定性进行了计算。结果表明,增加支承阻尼和进口反涡动,可以提高转子稳定性。     

涡轮泵转子的临界转速研究

当支承的组合刚性沿周不均匀时,可将其刚性分解到两个互相垂直的主平面中,在主平面中具有最大和最小刚性。同时,把转子振动时的受力和位移分解到主平面中,用八阶阵分别建立轴、支承、盘的传递矩阵,然后根据 转子布局方案 出临界转束客振幅计算方程,研究表明,非均匀支承转子与均匀支承转子相比,频率谱有质量差别,前者可能出现的临界转速数增加一倍,在刚性小的方向首先发生振动,转子振动的轨迹为椭圆。     

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。     

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。     

涡轮泵转子的临界转速研究(Ⅴ)临界转速的有限元法

通过对轴段和盘的受力分析得出轴段和盘单元的运动方程,把支承和密封对轴的作用力按节点力处理,再由单元运动方程综合出转子系统的运动方程。求解临界转速归结为实数特征值的计算,并以计算实例验证了有限元法的正确性、有效性和准确性。     

基于定性和定量关系的液体火箭发动机故障诊断

针对定性故障诊断系统的固有缺陷,利用模糊数学知识,在符号有向图上加入定量信息,形成定性定量模型,通过计算和比较被诊断模式对已知故障类型的模式的隶属度来确定系统的故障。该方法比较充分地利用了系统被监测参数的数值资源,对故障模式具有较强的识别和区分能力。     

液氧烃类发动机循环系统比较

本文通过理论计算得出两种循环的液氧/烃类发动机参数和性能,计算了混合比、涡轮进口温度、泵效率等参数对发动机性能的影响。利用涡轮功率平衡方程推导出发生器循环的涡轮流量与总流量比和燃烧室压力的关系;分级燃烧循环的燃料泵出口压力与燃烧室压力的关系。最后分析了两种循环的适应范围。     

液体发动机涡轮泵端面密封长期贮存变形研究

为分析长期贮存条件下液体火箭发动机涡轮泵端面密封变形问题,采用有限元分析软件对其静环组件过盈配合过程中的变形及长期贮存中的蠕变进行了分析计算,考虑静环座与石墨环间摩擦不均匀及二者为椭圆等因素对变形的影响,估算得到最大变形量引起的介质泄漏率。研究表明:长期贮存条件下,石墨环端面沿圆周方向会出现马鞍形变形,径向为内高外低,石墨环变形会引起较大的介质泄漏率,长期贮存条件下的石墨环变形会对液体发动机安全使用构成隐患。     

固体发动机及火箭固有振动特性预估

用有限元方法计算了选用的固体火箭各级发动机壳体,药柱及整机固有频率和振型,并计算了火箭固有振动特性,为发动机冲击试验,今后的模态和振动试验提供了参考数据。这些数据是选择测试设备及量程,激励方式及位置,测点布置及试验夹具设计等测试技术所必需的。     

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。     

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。     

基于数据统计的液体火箭发动机地面试车故障检测算法

研制了一种用于液体火箭发动机地面试车的故障检测算法,既适于发动机启动瞬态过程又可用于稳态过程。算法能设置一些预先设置或在线计算的参数门限,检查参数测量值的平滑值,当连续多次检查到多个参数异常时就判定发动机异常。用正常试车数据和满足启动条件的异常试车数据进行测试,没有出现误报警和漏报警。对满足启动条件的异常试车,均在现有的红线关机系统关机之前报警。     

液体火箭发动机故障诊断中的特征选择

对表征发动机故障的原始特征,以提高故障类可分性为目的,利用信息论中互信息的理论,采用贪婪算法,去除原始特征中不利于所设计分类器的特征,得到最有利于分类的子特征集。采用子特征集对故障进行分类,得到了较理想的结果。