液体火箭发动机智能故障诊断的研究现状

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。     

基于深层知识规则的液体火箭发动机故障诊断

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。     

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

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。     

贝叶斯分类器在液体火箭发动机故障诊断中的应用

研究数据挖掘技术在火箭发动机故障诊断中的应用,利用两种典型的贝叶斯分类器——朴素贝叶斯分类器和TAN分类器对液体火箭发动机故障进行分类,对某型号液体火箭发动机的试车数据和仿真数据进行了故障诊断,结果和实际试车情况相符,从而验证了贝叶斯分类器可以应用于液体火箭发动机故障诊断。     

基于集合-覆盖模型的液体火箭发动机多故障诊断研究

通过从故障仿真数据中提取常见故障的效应参数症状，建立发动机的集合覆盖多故障诊断模型。根据当前发动机已有测量参数的症状与假设故障的相应参数效应症状的对比结果，对各假设故障赋以相应的奖征值，然后综合诸参数的奖惩值得到相应假设故障集的合理笥指标值值，基于该指标值利用遗传算法进行启发式的假设故障产生与测试。最后，基于所提取的效应参数症状进行了仿真故障数据样本的多故障诊断分析，并与经参数优选后的多故障诊断结     

液体火箭发动机健康监控技术

本文介绍了液体火箭发动机健康监控技术的概念、历史及发展状况；对发动机故障检测与诊断的各种方法进行了分类总结并给出了详细评述。指出了这门技术今后的几个研究方向，同时也指出这门技术应引起我国研究人员的重视。     

基于模型知识的液体火箭发动机故障诊断方法研究

提出了一种基于定性模型的液体火箭发动机故障诊断方法，该方法首先通过建立发动机的定性偏差模型。以及对故障模式进行效应分析组建发动机的诊断模型知识，然后通过检测模型与系统实际行为的一致性进行故障诊断，用某实际大型发动机的故障数据进行测试的结果表明该方法是一种有效的定性故障诊断方法。     

支持向量机用于液体火箭发动机的故障诊断

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。     

液体火箭发动机基于定性键合图模型的故障诊断方法研究

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。     

基于RVM的液体火箭发动机试验台故障预测方法

液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题,通过预测相关参数在试验台运行过程中的变化趋势,可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模,提出了一种相关向量机(relevancevector machine,RVM)故障预测模型。在模型的训练阶段,根据数据序列的特征,分别采用单参量、相空间重构和多参量的方法进行了模型的训练,然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明,该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。     

液体火箭发动机故障检测与诊断研究的若干进展

近十年来，液体火箭发动机故障检测与诊断方法和技术的研究在以下几方面取得了重要进展：基于信号分析的方法；基于模型的方法；基于人工智能的方法；故障模式分析与信号特征提取；阈值的选择。该文对这些研究的若干进展作简要评述。     

液体火箭发动机故障诊断中的特征优选策略

针对液体火箭发动机故障诊断中的特征选择问题,提出了一类最小代价模糊决策模型。在应用中,该模型能够融合各个故障特征参数的先验信息、故障程度,并允许故障间的关联存在,从而比现有特征选择方法具有广泛的适用性,特征选择结果更贴近工程实际。同时,给出了基于贪婪算法的模型求解方法,并对某发动机的故障特征集进行了特征优选实验。实验证明了该方法的有效性。     

液体火箭发动机故障的数值型关联规则挖掘

数值型关联规则的算法大多是将多值属性关联规则挖掘问题转化为布尔型关联规则挖掘问题,而连续属性的离散化是数值型关联规则的核心问题。本文基于数值型关联规则的理论,用一种数理统计的方法进行连续属性的离散化。将该方法应用于某大型液体火箭发动机稳态段的热试车数据,然后利用FP-Growth算法对其进行测试,挖掘出了故障数据,进而验证了其可行性。     

液体火箭发动机诊断知识挖掘系统设计

基于对液体火箭发动机的试验与故障诊断现状分析,设计了液体火箭发动机故障诊断知识挖掘系统DKMS,以实现试车数据的全面管理和故障诊断知识的高效提取。该系统采用C/S结构,分为数据采集子系统、试车数据管理子系统和诊断知识挖掘子系统三大部分。DKMS系统的设计为克服发动机故障诊断知识获取的瓶颈提供了一条新的途径。