基于主元分析法的液体火箭发动机传感器故障检测与诊断

针对液体火箭发动机的压力、温度、流量等传感器数据,给出了一种基于主元分析法的传感器故障检测与诊断方法。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测与诊断。以某型LRE传感器组为研究对象,通过故障模拟,给出了该方法对4种典型传感器故障的检测与诊断实例。结果表明主元分析法对LRE传感器具有很好的故障检测和故障诊断能力。     

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.     

液体火箭发动机典型故障类型及将来的传感器检测策略

本文对液体火箭发动机研制中易出现的典型故障按组件进行了归类,并就故障特征进行了说明与分析,进而提出了将来有望发展的传感器检测技术策略,旨在对新型号发动机设计、改进和进行发动机故障诊断与防护研究有所裨益.     

基于模糊方向规则的火箭发动机传感器故障检测与分离

提出了一种直接从训练样本中获取模糊方向规则的学习算法，并应用于火箭发动机的传感器故障检测与分离。每种传感器故障模式由一些模糊方向规则聚集形成，模糊方向规则的全隶属区是一个由单位方向、夹角和两个半径确定的方向超体。模糊方向规则一次循环学习形成，在学习中能不断融合新样本信息。液体火箭发动机传感器故障检测与分离的仿真研究验证了模糊方向规则系统的优越性能。     

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。     

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。     

液体火箭发动机地面试车实时故障检测参数的选取

合理有效的参数选择是液体火箭发动机地面试车实时故障检测系统的一个核心而基础的研究问题.本文首先进行了检测系统采集参数的需求分析;之后将液体火箭发动机测量参数作为方案层,各测量参数对发动机故障的敏感性、参数稳定性和参数相关性等作为准则层,测量参数对实时故障检测的有效性作为目标层,建立了液体火箭发动机参数选择层次结构模型;最后利用模糊层次分析法确定了某型LRE地面试车的实时故障检测参数.通过历史试车数据对参数选择的效果分析表明:所确定的检测参数能够全面表征LRE的运行状态,具有较强的故障表征能力和故障敏感性.从而,为科学合理的选择发动机地面试车实时故障检测参数提供了根据,解决了一直以来依靠定性方法确定发动机检测参数的问题.     

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.     

某型火箭发动机起动过程实时故障检测算法研究

以某型火箭发动机为研究对象,针对其起动工作过程,利用Matlab和LabWin-dows/CVI等编程语言,结合神经网络理论,开发了其起动工作过程的实时故障检测算法。使用了多次试车数据进行离线检验,结果证明该算法能够及时、有效地检测出该型火箭发动机起动过程的已有故障,并能够满足实时性的要求,没有出现误报警和漏报警。     

基于神经网络在线建模的非线性动态系统中传感器故障检测方法

本文提出一种基于神经网络在线建模的动态非线性系统中传感器故障检测方法，它首先利用神经网络在线建立动态非线性系统的超前一步预测模型，然后利用神经网络对传感器的预测输出和传感器实际输出之差与一预定阈值比较以检测传感器故障。本文的优点是可以检测多个传感器故障，同时由于采用在线学习方式，非常适于航天器自主系统传感器故障检测的需要。此外，故障检测阈值的选取也比较简单。为了验证本文方法，仿真了一控制系统中同时发生漂移故障的两个传感器故障检测过程。结果表明，方法十分有效。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于神经网络的液体火箭发动机泄漏检测方法

针对液体火箭发动机在热试车过程中出现的推进剂泄漏现象进行了分析，提出采用神经网络法对发动机相关参数进行检测，以发现发动机在工作过程中的推进剂泄漏。研究结果表明，利用神经网络实现推进剂泄漏的及时检测是可行的。     

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BiSNet的航天发动机转子智能健康监控

航天发动机某部件转子健康监控,对检测发动机能否正常工作进而影响航天发射任务的成败至关重要.传统健康监控方法需要依赖经验和专业知识,在对故障机理深入理解后才能构建相应的健康监控模型.针对传统转子健康监控手段效率低、适应性差、过度依赖专家经验等不足,结合海量转子振动健康监控历史数据,提出并设计采用神经网络BiSNet的人工...     

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。     

虚拟仪器和神经网络在粮食水分检测中的应用

在粮食水分检测过程中,水分含量受温度的影响很大,本文详细叙述了利用神经网络的算法在虚拟仪器软件中减小温度对粮食水分测量的影响,实现温度对水分测量的补偿。采用电容式传感器和温度传感器经过信号的调理电路输出标准电信号直接输入NI数据采集器,通过数据采集器把水分和温度电压值送入计算机,然后采用神经网络的算法,减小温度对水分测量结果的影响,从而实现虚拟仪器的温度补偿功能。     

鲁棒自联想神经网络在故障传感器信号恢复中的应用

总结和归纳了传感器的六类故障模式，仿真结果显示出采取鲁棒自联想神经网络能恢复发生故障的传感器信号。