动态神经网络在液体火箭发动机故障检测与分离中的应用

应用动态神经网络在线辨识方法，提出了一种液体火箭发动机故障实时检测与分离基本系统。检测逻辑通过度量包含发动机故障信息的辨识残差信号实现火箭发动机故障检测，故障分离通过分析辨识误差相关函数的不同空间特征来实现。仿真研究表明动态神经网络可成功地应用于泵压式液体火箭发动机故障检测与分离。     

液体火箭发动机故障检测的阈值估计研究

采用区间估计方法选取故障检测阈值,进而以此阈值为标准监测液体火箭发动机的工作情况。基于分离识别信号的概率密度函数还讨论了故障分离的最优阈值问题。某大型液体火箭发动机的热试车数据分析表明:置信区间估计技术可以有效用于发动机故障检测。      

应用自组织网络识别火箭发动机泄漏故障

以一个典型的泵压式液体火箭发动机（LRE）为对象，针对发动机的几种泄漏故障，先用主成分分析法对泄漏故障的原始样本进行降维，然后利用降维的样本，用自组织网络对泄漏故障进行识别，仿真结果表明，这一方法能对泄漏故障进行很好的识别。     

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。     

奇偶空间法用于液体火箭发动机故障诊断

基于液体火箭发动机系统测量输出之间的内在一致性,直接利用液体火箭发动机试车的测量参数, 采用奇偶空间方法对仿真的液体火箭发动机１６种故障进行分离, 结果证明该方法对实现液体火箭发动机故障诊断有较好的效果。     

液体火箭发动机推进剂检漏技术的综述

在液体火箭发动机发射前,必须进行完整性试验。完整性试验包括对推进剂和其它液体系统的泄漏检测。建立一个能实现推进剂泄漏故障自动检测的系统是很必要的。本文对液体火箭发动机的泄漏故障检测方法进行了综述,对已用于或可能用于液体火箭发动机检漏的技术进行分类和详细评述,指出了液体火箭发动机检漏技术的几个发展方向。     

液体火箭发动机健康监控──故障分析与仿真

以故障分析为目的，建立了一种大型泵压式液体火箭发动机的基本数学模型及实时数学模型，采用历史数据统计及数字仿真分析结合的方法，对发动机的故障模式及其效应进行了分析研究。提出了液体火箭发动机故障诊断系统的框架。为了对液体火箭发动机健康监控的算法及软件进行验证，以实时数学模型为基础，提供并建立了一个实时仿真验证系统。     

基于经验数据发动机故障检测方法

以液体火箭发动机整机试验、试车为目标，对发动机在研制过程中出现的各种故障进行了统计、归纳和分类。并按照目前液体火箭发动机试车测量参数的现状及不同的试车故障类型，制定了检测方法，也建立了故障分析模式。按照此种模式，在发动机未遭受到破坏之前及时停止试车，减少推进剂的浪费，使发动机的破坏尽可能地减到最少。     

神经网络在流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,提出了一种流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。     

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     

基于模型的液体推进系统故障诊断算法

给出串联双涡轮结构以泵作为供应系统的液体火箭发动机系统故障仿真的准动态数学方法和基于灰色关联度分析的实时诊断算法。该算法对于调整计算确定的具体系统和预先设定的典型故障模式进行仿真计算、事先形成该发动机系统的故障模式样本集。试车时, 利用诊断算法对采集的发动机性能参数进行实时分析, 从而给出发动机所处的健康状况, 以便及时采取措施, 提高发动机的安全性和可靠性。      

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。     

基于混合知识模型和混合推理策略的液体火箭发动机智能故障诊断

以某大型泵压式液体火箭发动机为研究对象，围绕着发动机知识的统一处理、定性定量知识的集成与转化以及基于知识的智能故障诊断推理等技术和难点，研究发展了发动机基于混合知识模型和混合推理策略的智能故障诊断方法，并结合实际热试车数据和故障仿真实例进行了验证。研究结果对设计和实现工程实用的液体火箭发动机故障诊断系统具有重要的参考价值。     

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。     

基于人工噪声神经网络BP算法的火箭发动机故障仿真与检测

研究了用于液体火箭发动机故障仿真与故障检测的神经网络ＢＰ算法。在ＢＰ算法中采用了加噪声等技术来避免系统误差陷入局部极小，训练出精度高（误差小于０．０２）的神经网络，试验表明：神经网络ＢＰ算法成功地用于故障仿真与故障检测。     

液体火箭发动机实时故障仿真系统实现

基于液体火箭发动机故障诊断方法实时验证的需求，考虑目前微处理器的技术水平，通过对发动机全阶非线性动态数学模型合理的折衷处理，建立了发动机降阶非线性模型，发展了基于该模型的实时故障仿真计算方法及仿真软件系统。仿真计算结果和实践表明，该模型在精确性、实时性等方面可以满足实时性验证的要求；实现的仿真软件系统具有良好的汉化人机交互界面，可操作性好，移植、维护、升级方便。     

基于时序分析的液体火箭发动机实时故障监测算法

建立ＡＲ模型对液体火箭发动机状态测量参数构成时间序列进行分析，并构造相应的信息距离差别函数进行状态监测。对某次试车的测量参数进行状态监测仿真表明，利用时序分析算法能够在满足实时条件下早期检测出发动机的故障。在算法中，使用了Ｋｏｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ信息距离函数作为判别函数，使得整个计算简单而可靠。     

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。