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。     

基于决策树方法的液体火箭发动机稳态段故障诊断

以泵压式液体火箭发动机为研究对象,针对故障特征难以提取的问题,提出了在大量试车数据的基础上,应用决策树方法提取故障特征并进行稳态段故障检测与诊断的思路,对某型发动机大量热试车数据进行了实例分析,将得到的故障检测和诊断结果与神经网络等方法所得结果进行了比较。并利用仿真数据对该方法的性能进行了进一步验证。研究结果表明,决策树方法是一种有效、可靠的液体火箭发动机故障检测与诊断的新途径。     

液氧煤油发动机故障监控特征参数提取研究

故障监控可以有效提高发动机工作的安全性和可靠性,建立了大推力液氧煤油高压补燃循环发动机稳态故障仿真模型,开展了发动机故障仿真分析,提取了发动机故障监控特征参数。通过对筛选的可能危及发动机安全工作的故障模式进行仿真分析,获得各种故障模式下发动机测量参数对故障的敏感性排序,通过对测量参数相对偏差的相关性分析,获得各测量参数间相关系数和高相关性测量参数组,基于测量参数的敏感性排序和相关性综合提取出发动机故障监控特征参数。     

基于虚拟仪器技术的信号处理与故障检测系统

为了对液氧/煤油高压补燃发动机试验过程进行实时监测,以便及时发现故障并能够采取相应的措施,基于虚拟仪器技术,运用LabVIEW7.0软件开发环境,开发了一套液氧/煤油发动机数据分析与故障检测系统。通过实例验证,该系统能够大幅提高试验数据分析的效率,并对发动机试验过程的故障进行快速有效的检测。     

液氢液氧火箭发动机非线性静态特性仿真与分析

在考虑泵后推进剂温度和密度变化的情况下,建立低温液体火箭发动机非线性稳态工作的数学模型,以设计点参数为初始值采用离散牛顿法对大范围参数扰动下氢氧发动机的静态特性进行仿真,并对包括真空推力和真空比冲在内的重要参数的变化情况做相应的分析;在引入故障影响因素的情况下,针对液体火箭发动机中常见的典型故障模式进行稳态故障效应仿真和分析,为该发动机的故障检测与诊断工作奠定了基础。     

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.     

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。     

基于振动检测的发动机故障诊断算法研究

基于振动检测的发动机故障诊断算法,分析发动机发生故障时振动信号所具有的特征和故障诊断指标选择,对振动信号预处理、特征提取、状态识别和诊断决策分别进行了介绍,研究出采用振幅和频率两参量包络曲线法诊断发动机故障的算法,通过发动机热试车验证了采用发动机振动检测来判断发动机故障的算法的正确性。     

基于人工智能方法的传感器故障诊断技术

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.