液体火箭发动机故障诊断中的特征提取

对液体火箭发动机故障的原始特征进行特征提取和选择，以使所建立的故障标准模式由少数几个新特征给予有效的表达。比较了不同原始特征分布矩阵对特征提取结果有效性的影响，并对采用新特征来代表各种故障的效果进行了检验，结果同采用原始特征的效果很接近。     

液体火箭发动机基于关系模型的故障诊断方法

提出了一种新的描述液体火箭发动机系统的定性模型，阐述了系统部件行为模型和结构模型的构建方法，给出了求解基于关系模型诊断问题的推理机制，建立了液体火箭发动机基于关系模型的故障诊断方法。以空间推进系统为研究对象进行了实例诊断分析，结果表明：该方法是一种有效的基于定性模型故障诊断方法。     

基于定性模型的液体火箭发动机故障诊断

建立了液体火箭发动机各类部件在正常和故障状态下的定性工作模式库，然后根据液体火箭发动机系统的拓补结构和系统的定性故障特征寻找系统全局定性解，并依据全局解中各个部件的状态来确定系统的故障部件。方法具有较好的解释性，在计算机上实现只需少量的内存和执行时间。另外，该方法用节点支路关联矩阵来表示系统的拓扑结构，具有一定的通用性。     

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。     

奇偶空间法用于液体火箭发动机故障诊断

基于液体火箭发动机系统测量输出之间的内在一致性,直接利用液体火箭发动机试车的测量参数, 采用奇偶空间方法对仿真的液体火箭发动机１６种故障进行分离, 结果证明该方法对实现液体火箭发动机故障诊断有较好的效果。     

基于定性定量知识集成的液体火箭发动机故障诊断方法

首先从知识表示和处理的角度对 SDG方法进行了简要的分析 ,然后根据液体火箭发动机系统的特点 ,提出了改进的途径 ,通过建立只包含发动机测量变量的 SDG,对故障模式进行初步诊断 ,然后对不能区分的故障模式采取加入适当定量信息的办法来进行进一步诊断 ,并对液体火箭发动机中出现的多故障模式建立了诊断方法。测试结果表明本文所提出的方法是可行的     

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。     

液体火箭发动机故障诊断技术综述

综述了液体火箭发动机故障模式与故障机理、故障诊断技术、故障诊断技术应用三个方面的研究进展。不同种类故障诊断方法的优缺点和应用场景各不相同,融合多种方法于一个健康管理系统,可以提升故障诊断的时间敏感性、对故障的覆盖性、对发动机工作阶段的覆盖性以及对传感器失效的鲁棒性。制约故障诊断方法在液体火箭发动机健康管理中应用的三个主要问题是：（1）故障诊断方法与对象结合不够紧密;（2）基础研究不足,故障模式和故障机理积累欠缺;（3）数据融合不足,信息量匮乏。     

基于定性和定量关系的液体火箭发动机故障诊断

针对定性故障诊断系统的固有缺陷，利用模糊数学知识，在符号有向图上加入定量信息，形成定性定量模型，通过计算和比较被诊断模式对已知故障类型的模式的隶属度来确定系统的故障。该方法比较充分地利用了系统被监测参数的数值资源，对故障模式具有较强的识别和区分能力。     

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。     

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。     

液体火箭发动机基于主要目标的减损与延寿控制方法

首先通过构造目标函数、提取约束条件与问题解的分析,对液体火箭发动机减损与延寿控制技术的优化问题进行了数学描述,然后以某大型液氧/煤油火箭发动机为对象,考虑其涡轮叶片为关键部件,研究了发动机起动过程减损控制律综合分析的主要目标法,并在不同的约束条件下,对实现不同意义下的减损控制进行了仿真计算.结果表明该方法可行且有效,能够有效实现系统性能与关键部件损伤间的权衡并实现预期的减损目标,结果为工程中液体火箭发动机的改进和优化设计提供了重要的参考价值.      

基于改进归纳式监控算法的液体火箭发动机实时故障检测

对归纳式监控算法（IMS）应用于故障检测时虚警率高的问题,提出一种改进IMS.改进后的算法对测试时可能出现的野点进行了处理,降低了待测数据中野点对测试结果的干扰.以某型液体火箭发动机仿真试车数据为例,进行了使用IMS的实时故障检测实验.结果表明,原始IMS在进行故障检测时会出现多次虚警,改进后的IMS在实时准确的同时,虚警率大大降低,由37.5%降低至0,达到液体火箭发动机故障检测程序的要求.      

基于权重系数的液体火箭发动机可靠性验证方案

针对现在液体火箭发动机的任务可靠度验证方案不考虑开、关机的影响或试验时间较长的问题,利用权重系数模型,综合了典型的利用二项分布和利用威布尔分布分别制定出的可靠性验证试验方案,提出了制定液体火箭发动机可靠性验证方案的方法.该方法可以在既考虑了发动机的持续时间的验证又兼顾了开机和关机过程的前提下制定出液体火箭发动机可靠性验...     

基于神经网络的涡轮泵多故障诊断

针对液体火箭发动机的涡轮泵系统中，常出现多故障同时发生的现象，分析了涡轮泵常见故障的特征表现，建立了涡轮泵系统的标准故障模式，在此基础上，提出了采用建立并行BP神经网络进行多故障诊断分类的方法，结果表明，并行BP神经网络结构简单，学习诊断速度快，对单一故障的诊断分类优于基本BP网络，且能对并发故障进行诊断分类。     

基于卡尔曼滤波器及神经网络的发动机故障诊断

提出了一种基于卡尔曼滤波器及神经网络的航空燃气涡轮发动机气路故障诊断的方法.该方法用卡尔曼滤波器来估计发动机可测参数的变化量,再由神经网络来映射发动机性能参数的变化量,并据此进行发动机气路故障诊断.数字仿真表明,该方法是可行的,有效的.      

基于小波和模糊神经网络的涡喷发动机故障诊断

提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法。即利用小波变换获取特征域，取特征域上的峰值因子、脉冲因子、裕度因子、偏态因子、峭度因子及频谱最大值作为神经网络的输入，并对神经网络的输入、输出进行模糊化处理，以神经网络进行诊断。将该方法成功地应用于某型涡喷发动机的故障诊断，结果表明，该方法诊断效果明显。     

一种火箭推进系统非线性动态神经网络模型

为了获得实时、准确、可靠的液体火箭推进系统非线性动态模型，使其适用于控制系统的设计和故障检测与诊断，基于RBF（Radial Basis Function）神经网络理论和系统工作机理，综合考虑了系统的动态信息，适当选择了输入输出参数，建立了一种多输入多输出的液体火箭推进系统非线性动态模型。模型的输出与实际试车结果的对比分析表明，模型的计算时间短、实时性强、精度高，可用于液体火箭推进系统的实时状态监控、故障诊断及控制系统设计等。