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。     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础,按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型,对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点,建立了降阶故障模式响应模型,并发展了相应的故障模式检验方法。为了适应在线实时检测的需要,利用发动机的试验数据,分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证,证明了这些实时算法的快速性、准确性和鲁律性。     

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。     

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。     

液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况,必须提高研究水平和加快研究进程,做好基础性的研究工作,介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

液体火箭发动机试验起动过程故障检测算法研究

分析了液体火箭发动机试验起动过程故障检测的特殊性,提出了一种具有工程应用价值的故障检测算法。经过试验数据检验,证明这种算法简单、安全、有效,工程可应用性强。     

应用反推神经网络检测液体火箭发动机多维故障

基于可测参数所构成的参数模式对应着一定的发动机故障模式, 应用反推神经网络检测发动机多维故障, 方法的有效性由只有泵效率下降和喷注器阻塞同时发生的数值仿真得到验证      

液体火箭发动机故障模式及分析

以国内四种泵压式活体火箭发动机研制历史为基础,提出了发动机常见的故障模式,并进行了初步的故障发生、传播机理和后果分析。重点讨论了涡轮泵和管路的故障模式,并例举了若干典型的管路故障实例;同时简要介绍了阀门、推力室、电缆、摇摆软管的一些基本故障模式。还就新型发动机设计及发动机实施故障检测提出了建议。     

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。      

液体火箭发动机多Agent故障诊断技术研究

利用多Agent技术建立了液体火箭发动机故障检测与诊断系统,包括小波去噪、传感器检测、故障检测、故障诊断和系统总调度等功能.利用多线程编程、动态链接库及网络编程技术,使故障检测与诊断系统具有较高的智能性.给出了小波去噪、传感器检测等Agent的运行算例,并给出了故障检测与诊断系统的整体框架.      

集成时间信息的液体火箭发动机故障诊断推理

提出一种液体火箭发动机集成时间信息的定性建模和故障诊断推理方法。该方法以谓词逻辑公式和子句的形式对发动机定性特征和试车过程中的观测信息加以描述,同时基于归结原理和假言推理规则的演绎推理方法进行诊断问题求解。结合实际试车数据的检验结果表明,该方法为液体火箭发动机试车过程中动态诊断知识的表达和组织,提供了一种简洁有效的方式．计算量小．检测速度快,且具有较强的诊断能力。     

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。     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

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。     

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。     

液体火箭发动机智能健康监控技术研究进展

健康监控技术作为改进和提高液体火箭发动机安全性与可靠性的核心关键技术,近年来其智能化发展的趋势十分明显。本文简要回顾了液体火箭发动机健康监控技术的发展历程;重点围绕基于传统人工智能的方法和基于深度学习的方法两个方面,对智能故障检测与诊断方法进行了系统地介绍;进一步阐述了健康监控系统在方案设计和实际应用等方面的研究现状,以及智能健康监控系统的发展情况;最后对今后健康监控技术的发展趋势进行了分析和展望。     

GA—HCM混合聚类算法及其在液体火箭发动机故障检测中的应用

针对HCM聚类算法对初始值和学习参数具有较强依赖性的缺点,提出了GA－HCM混合聚类算法。应用改进的基因算法为HCM算法选取初始种子解,使滑动数据窗上的聚类算法以功能层次分明的“导师一学生”制智能结构出现,从而实现了“精”与“初”相结合的解空间搜索算法,使HCM聚类算法能较快收敛到问题的最优解。同时针对液体火箭发动机系统动力学的特殊性,利用我们提出的一种适用于离线或在线系统故障检测与诊断的算法框架,基于实际试车数据对GA－HCM混合聚类算法进行了准实时的数字仿真。仿真结果表明该算法基本上克服了HCM算法的缺点,能有效地用于液体火箭发动机的事后故障分析或在线故障诊断。该故障诊断框架能区分干扰噪声、永久性故障或间歇性故障所引起的异常数据现象,并能形成当前系统的故障特征模式。对缓变故障的早期检测能力使该算法框架极富应用前景。