基于人工免疫的液体火箭发动机故障检测方法研究

为有效提高液体火箭发动机故障检测过程中的及时性、实时性及准确性,基于人工免疫系统中的阴性选择原理研究建立了液体火箭发动机故障检测的阴性选择算法与免疫实值算法,实现了液体火箭发动机稳态工作过程中的故障检测与报警。基于某大型泵压式液体火箭发动机实际试车数据的验证结果表明,研究建立的人工免疫故障检测方法能对发动机稳态工作阶段进行有效准确的故障检测与报警,相对以往传统的检测算法在故障检测时间上有了一定的缩短,对研究基于人工免疫的液体火箭发动机的故障检测与诊断系统提供了依据。     

液体火箭发动机实时故障检测与报警原型系统的设计与实现

实现了液体火箭发动机启动和稳态工作过程故障检测的神经网络和统计算法,以及检测结果的综合决策与报警算法,并从系统硬件、软件结构和功能等方面设计建立了液体火箭发动机工作过程的实时故障检测与报警原型系统。试车数据验证考核结果表明,故障检测与报警系统能及时和准确地对发动机稳态和启动工作过程中的故障进行检测和报警,现已成为实验室级发动机故障检测与报警的演示与验证原型系统,并对实现未来箭载发动机工作过程实时在线故障检测与报警具有重要的工程应用价值。     

液体火箭发动机基于ATA算法的实时故障检测与报警系统实现

以平台液体火箭发动机为研究对象,改进和完善了用于发动机实时故障检测的自适应阈值门限算法（ATA算法）,提高了算法检测的适用性。然后,从健康监控系统的功能和要求出发,基于LabWindows／CVI实现了发动机地面试车的实时故障检测与报警系统。结合实际试车数据的检测结果表明,系统不仅能够及时地对异常试车数据进行检测报警,同时,对正常试车数据也没有误报警。     

基于相似匹配的液体火箭发动机故障模式挖掘

将时间序列相似性匹配方法引入到液体火箭发动机故障模式挖掘中。针对发动机试车数据的特点,提出了一种基于序变换的时间序列相似匹配算法。该算法具有对时间序列幅值和持续时间不敏感、抗噪声能力强等优点。对某型液体火箭发动机故障数据的相似匹配实验表明：该算法能够为液体火箭发动机的故障检测和诊断提供较好的技术支持。     

液体火箭发动机地面试车实时故障检测算法

为了实时有效地检测液体火箭发动机地面试车中的故障,提出了改进自适应阈值算法(IATA)。讨论了自适应阈值算法(ATA)的原理,研究了其改进方法,提高了算法对故障的敏感性和对新试车数据的适用性。通过大量历史试车数据和实际热试车对IATA算法实时性和有效性的验证表明,IATA算法不仅能够及时地检测到异常试车的故障,同时,对正常试车也没有误报警,简洁有效,计算量小,检测速度快。因此,IATA算法适用于液体火箭发动机地面试车的实时故障检测。     

液体火箭发动机地面试车过程的实时故障检测方法研究

为解决液体火箭发动机地面试车过程中故障检测的及时性、实时性、可靠性和稳健性等关键问题,研究建立了稳态和启动工作过程实时故障检测与报警的自适应相关算法和包络线算法,并进行了大量试车数据的验证和地面试车的实时考核。结果表明,算法能对发动机启动和稳态工作过程中的故障及时准确地检测,并在地面试车的实时和强干扰环境下具有良好的可靠性和稳健性。研究结果对研制工程实用的我国运载火箭健康监控系统具有重要的理论和应用价值。     

火箭发动机涡轮泵故障检测及预测算法研究

涡轮泵作为液体火箭发动机的核心部件,恶劣的工作环境和极高的转速使其易发生组件断裂、烧蚀等问题。为了对液体火箭发动机的涡轮泵进行健康管理,提出针对某型液体火箭发动机涡轮泵的数据驱动故障检测、故障预测及健康状态评估方法。在某型液体火箭发动机试车数据集上,通过对涡轮泵轴、径、切向振动数据进行对应的时域、频域特征处理后,送入训练好的ResNet网络、自主设计的图像特征识别算法以及退化模式线性回归模型,分别实现了对该型液体火箭发动机涡轮泵的故障检测、预测及健康状态评估,具有较高的准确性。     

液体火箭发动机“热泵”起动研究

多次起动泵压式液体火箭发动机存在"热泵"起动故障,主要原因是发动机再次起动时,泵部件的温度过高引起推进剂气化,导致推进剂增压泵不能够正常建压。因此提出一种"热泵"起动故障的解决方案:在发动机系统上增设排空系统和排放系统,降低泵部件的温度及泵腔的含气率;在涡轮和泵之间增加隔热结构,减少它们之间的热量传递;对发动机再次起动的时序进行调整。该方案结合某型多次起动泵压式上面级发动机试验验证,"热泵"起动故障圆满解决。最后通过对不同试验结果和高空环境仿真结果的对比,验证了该方法的正确性,能够提高发动机再次起动的可靠性。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

泵压式多次起动发动机起动过程仿真研究

某型上面级液体火箭发动机采用可反复充填的起动箱作为起动系统,实现了泵压式发动机的多次起动,但相比火药起动器炮式起动方式,发动机起动过程更为复杂。为研究发动机起动过程工作特性,应用Modelica语言,基于MWorks平台建立了起动箱多次起动泵压式发动机动态特性仿真模型,对发动机起动过程进行了仿真研究,分析了起动箱压力、起动箱内推进剂消耗量、起动参数设置对起动过程的影响。结果表明:发动机每次起动推进剂消耗量远小于起动箱设计容积;起动过程参数变化呈现"挤压起动-再充填-稳态工作"三个平台变化的显著特征;发动机在较大起动箱压力范围内均能够保证正常起动。发动机热试车结果验证了发动机起动时序设置的合理性和起动箱参数设置对起动过程的影响。     

量子超球神经网络在振动故障检测中的应用

提出了一种基于量子超球神经网络的液体火箭发动机振动故障检测方法,采用可变量子超球代表发动机工作模式,自然地提供了反映故障程度的概率幅;网络的离线学习算法可以从训练样本中自动提取发动机振动知识,监测算法不仅能正确预报故障,还能在线学习新的振动信息。试验数据检验结果表明：量子超球神经网络可以成功用于液体火箭发动机振动故障检测。     

基于神经网络算法的液体火箭发动机实时故障检测方法研究

以某液体火箭发动机为研究对象,将实时故障检测作为中心,分析了神经网络算法的特点及其实现步骤,利用Lab Windows/CVI与MATLAB混合编程的原理,实现和改进了基于神经网络的发动机实时故障检测方法,并用多次试车数据进行了检验.试车数据验证结果表明,该方法能及时、准确、有效地检测发动机稳态过程的故障.研究结果对发展未来液体火箭发动机的箭载故障检测系统具有重要的参考价值.     

GNSS接收机加权RAIM算法研究

针对接收机使用加权最小二乘定位算法时的故障检测与识别问题,对加权RAIM算法进行了研究。首先,给出了一种卫星权值的计算方法,指出其主要取决于卫星星历误差、电离层延迟误差和对流层延迟误差。然后,通过在构造统计量时加入权值矩阵,得到加权RAIM算法的故障检测和故障识别模型。最后,基于BDS试验数据,对比验证了传统不加权RAIM算法和加权RAIM算法的性能。试验结果表明：故障检测方面,加权RAIM算法的性能与故障卫星的权值有关,而故障识别方面,两种方法性能相同。     

基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。     

模糊超球神经网络辅助组合导航融合算法

研究了应用线性网络对组合导航多传感器信息进行融合的方法,在此基础上提出了一种神经网络组合导航容错算法。该算法将局部滤波器状态估计的模糊超球隶属函数引入网络,在线调整融合网络权值,实现全局估计的自适应性和容错性。仿真表明,该融合算法有较高的估计精度,在传感器故障时,能够及时检测出并在融合网络中予以隔离,不致影响全局估计。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

基于粗糙基的高超声速进气道起动／不起动分类方法研究

进气道起动／不起动状态检测是高超声速进气道研究的重要内容，它是进气道保护控制的基础和前提。针对这一问题，对高超声速进气道进行了不同边界条件下的二维稳态流场数值模拟。提出了利用粗糙集方法对进气道的测点进行约简处理，得到了进气道起动／不起动的分类准则，对分类准则进行了内在的物理机制分析，并利用其它工况数据对判断准则进行了验证。验证结果表明了分类准则的正确性。