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。     

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。     

液体火箭发动机故障检测与诊断技术综述

对几种主要的液体火箭发动机故障检测与诊断技术的研究应用现状作了阐述,对国内外的有效经验作了简单介绍,提出了有待解决的问题。     

液体火箭发动机智能故障诊断

液体火箭发动机运行中的可靠性与健康监控技术密切相关.故障诊断是健康监控的关键环节.本文介绍基于知识的液体火箭发动机智能故障诊断原理,简述一种基于知识的液体火箭发动机智能故障诊断方法.     

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。     

液体火箭发动机测控演示系统设计

目前,随着测控技术的不断发展和技术手段的不断丰富,以多功能测控仪为技术核心而搭建的液体火箭发动机测控演示系统将成为培训作战部队操作员或箭体总装工艺员、装备工人的最直接、最有效的方法.本文较详细的叙述了该演示系统的工作原理、组成方案、系统功能及技术指标等.     

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。     

液体火箭发动机替代固体捆绑式火箭发动机助推器研究

本文将讨论应用简单的挤压式液体火箭发动机助推器替代现有固体捆绑火箭发动机的可能性,并且探讨如何制造同固体火箭发动机相同经济效益的火箭发动机,而不出现固体火箭发动机的安全和操作缺限。固体火箭发动机经济效益好并被广泛使用。但是它表现出明显的安全和操作缺限,用现有经费模型探讨固体火箭发动机的经济效益,并说明其原因。为此促使我们比较分析简单的挤压液体火箭发动机级,此液体火箭发动机级采用固体火箭发动机有相同经济效益的烧蚀冷却液体火箭发动机。本研究所选择的液体推进剂是过氧化氢和煤油,它具有可与固体火箭发动机相竞争的经济和性能特性。研究表明没有实际的液体推进剂组合可以获得固体火箭发动机那样的的密度比冲,应用过氧化氢和煤油的液体火箭系统是现有或未来运载火箭增加推力的一种经济的方案。     

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。     

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。     

液体火箭发动机试验频率量信号的处理与仿真

液体火箭发动机试验中频率量（流量、转速）数据曲线不规整,存在着“毛刺”。影响了数据的准确性。采用仿真方法优化频率量信号采集模式,并用实际试验数据进行了验证。结果表明,仿真方法优化频率信号采集模式能有效地减少频率量曲线中的“毛刺”。     

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。     

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。     

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。