共查询到20条相似文献,搜索用时 15 毫秒
1.
一种基于聚类分析的液体火箭发动机稳态过程故障诊断方法 总被引:1,自引:0,他引:1
液体火箭发动机故障诊断技术是提高液体火箭可靠性的重要手段,基于数据分析的发动机故障诊断方法是其未来重要发展方向。本文通过分析液体火箭发动机稳态过程仿真数据,提出了一种使用发动机稳态过程正常状况/故障状况数据类来实施故障诊断的方法。利用液体火箭发动机稳态过程正常状况/故障状况的仿真数据,对这一方法的正确性进行了初步分析。仿真分析结果表明,这一方法有效实用,其故障诊断效果取决于所使用的发动机正常状况/故障状况数据类的完备程度与数据质量。本文研究为液体火箭发动机稳态过程故障诊断提供了新途径,对推动液体火箭发动机故障诊断技术发展具有一定意义。 相似文献
2.
3.
结合基于模型知识的诊断推理方法和键合图理论在定性建模方面的优点,提出并研究了液体火箭发动机基于定性键合图模型的故障诊断方法。以某大型泵压式液体火箭发动机为研究对象,建立了其定性键合图模型,给出了基于此类定性模型的故障诊断机制,并利用仿真数据验证了诊断结果,对该方法及其结果进行了详细的分析。研究结果表明,该方法具有诊断快速有效和易实现的优点。 相似文献
4.
综述了液体火箭发动机的故障模式,总结了液体火箭发动机故障诊断技术的最新成果,包括基于物理模型、信号分析和人工智能的故障诊断方法;将不同故障诊断方法的应用进展及其诊断效果进行了对比分析;并对液体火箭发动机故障诊断方法的发展趋势进行了展望。 相似文献
5.
基于深层知识规则的液体火箭发动机故障诊断 总被引:11,自引:1,他引:11
本文从深层知识的表示方法之一——符号有向图出发,提出一种基于规则的故障诊断方法。该方法首先建立液体火箭发动机系统的符号有向图,然后根据各个故障根源得出系统的子符号有向图,最后根据这些子图导出故障诊断规则,用这些规则去诊断系统故障。该方法具有较好的解释性和诊断的快速性。 相似文献
6.
7.
基于人工智能方法的传感器故障诊断技术 总被引:1,自引:0,他引:1
在液体火箭发动机地面试验过程中,传感器的失效率远高于发动机部件、组件的故障率,因而提出了采用基于人工智能的方法对传感器的故障进行检测与诊断.本文对基于人工智能方法用于传感器故障检测与诊断的特点进行了分析,并分别应用BP神经网络和自适应神经模糊推理系统(ANFIS)对某次传感器的故障进行检测.结果证明基于人工智能的方法稳定可靠,具有良好的工程应用前景. 相似文献
8.
基于数学模型和测量参数进行故障诊断的结构排除法 总被引:1,自引:0,他引:1
本文对结构排除法进行了简单的介绍,在简单的例子上对利用结构排除法进行故障诊断做了示范,对应用多个测量参数进行诊断提出了简单易行的方法,提出了诊断管路泄漏的方法,最后对结构排除法的优点以及在应用中需深入研究的方向进行了分析。 相似文献
9.
液体火箭发动机智能故障诊断 总被引:2,自引:0,他引:2
液体火箭发动机运行中的可靠性与健康监控技术密切相关.故障诊断是健康监控的关键环节.本文介绍基于知识的液体火箭发动机智能故障诊断原理,简述一种基于知识的液体火箭发动机智能故障诊断方法. 相似文献
10.
11.
12.
为准确判断火箭发动机涡轮泵轴承在试验台上试验时发生故障的部位,同时避免通过轴承特征频率诊断轴承故障的方法所带来的不确定性,基于GPS卫星导航定位原理,利用时幅曲线的相位信息,提出一种新的轴承故障诊断方法:振源坐标定位法,即通过四个已知坐标的振动传感器测得同一振动波的时幅曲线相位差判定振源位置。将试验台上轴承和四个振动信号传感器安放在坐标已知的直角坐标系中,利用时幅曲线拐点分析法准确捕获振动信号到达四个传感器的时刻,再利用这四个时刻和已知坐标计算出振源位置坐标,最后根据振源位置坐标判断其是否为轴承故障及具体故障部位。通过仿真计算证明该方法理论上可行。 相似文献
13.
14.
15.
16.
支持向量机用于液体火箭发动机的故障诊断 总被引:3,自引:0,他引:3
支持向量机(Support Vector Machine,简称SVM)是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。 相似文献
17.
液体火箭发动机故障检测与诊断技术综述 总被引:1,自引:3,他引:1
对几种主要的液体火箭发动机故障检测与诊断技术的研究应用现状作了阐述,对国内外的有效经验作了简单介绍,提出了有待解决的问题。 相似文献
18.
19.
为提高巡航导弹发动机的可靠性和利用率、降低传统的定期维护成本,提出了应用自适应神经网络技术对巡航导弹发动机进行诊断。将采集到的巡航导弹发动机有关数据分为故障现象和故障集分别进行编码,而后利用神经网络的自学习、联想、推测、记忆、容错、自适应和多模式处理等功能对巡航导弹发动机的故障进行诊断。 相似文献