涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态，提高其安全性，降低其故障带来的破坏程度，提出了短数据均值自适应阈值算法(SDM—ATA)，建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑，以及故障数据对阈值贡献的踢除等方法，并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明，SDM—ATA没有发生误检测情况，并具有实时故障检测的能力。     

涡轮泵故障检测系统

1引言随着可重复使用运载器(RLV)的出现与发展,要求涡轮泵具有较高的可重复使用率,因此,它的故障检测与状态监控工作也变得越来越重要[1]。马歇尔飞行中心(MSFC)和波音-加州坎诺加帕克(BCP)正在研究航天飞机主发动机(SSME)涡轮泵的先进实时振动监控系统(ARTVMS)[2]。我国也针对     

基于故障仿真的故障知识库应用研究

制约故障知识库技术发展的主要瓶颈是知识的积累问题,故障仿真是更新故障知识的重要方法。以液体火箭发动机试验台推进剂供应系统为研究对象,对基于故障仿真的故障知识库展开应用研究。从知识的表现形式以及故障知识库的主体框架、故障仿真的基本思路、故障知识提取的若干技术等三个方面展开讨论,就故障知识的管理方式、故障的注入方法以及故障知识的验证与优化方法进行了探讨。最后通过一个实例验证了本文总结的故障知识库的应用方法。