液体火箭发动机启动过程实时在线故障检测算法

利用神经网络技术实现了液体火箭发动机启动过程的非线性辩识；提出并实现了一种基于辩识误差检验的故障检测策略。经大量实际发动机热试车数据验证表明，所提出的检测算法十分有效。由于算法所利用的监测参数均系实际发动机地面试车中所测量的参数，且检测算法在线工作时计算量十分小，因而所提出并实现的检测算法可以直接应用于工程实际。     

泵压式液体火箭发动机故障监控研究中几个问题的考虑

从工程观点出发，提出了开展泵压式液体火箭发动机故障监控系统研制中面临的几个方面问题的考虑，包括监控参数的确定原则与方法，检测算法的综合考虑，微小泄漏的检测，硬件的可靠性保证措施等，对工程研制提供参考。     

模糊极小极大神经网络在火箭发动机故障分类中的应用

研究了一种用模糊集表示火箭发动机故障模式的神经网络分类器。模糊集是由模糊超立方体聚集形成的集合体，模糊超立方体是一个极小点和极大点构成的用隶属函数表示的ｎ维方盒。极小点和极大点的确定用包含有扩张与收缩阶段的模糊极小极大学习算法实现，这种算法能在一次循环学习中形成非线性模式边界，无需对已知故障模式重新训练就可融合新样本和精炼已存在的故障模式。模糊集用于故障模式分类自然地提供了故障更刘水平分类的有用信     

应用神经网络识别液体火箭发动机的故障模式

本文以一个典型的泵压式液体火箭发动机（ＬＲＥ）为对象，考虑发动机的几种主要故障，建立了描述发动机静态工作过程的非线性方程组。用Ｈｏｐｆｉｅｌｄ神经网络模拟这些非线性方程组。用ＡＲＴ２网络识别故障模式。对该发动机，特别是涡轮泵故障的识别方法进行了研究。     

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     

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题，研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下，仅通过传感器之间的冗余关系，利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明，利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障，还对多传感器同时发生故障具有一定的检测能力。     

基于小波分形和一类辨识的航空发动机故障诊断

在支持向量机理论的基础上,针对支持向量机的二类辨识传统,引入了基于支持向量机的一类辨识理论。设计了航空发动机几种典型故障的一类分类器,使得发动机的故障诊断更加简单可行。同时,将小波分形方法引入到航空发动机振动信号的特征提取中。通过对航空发动机典型故障的成功诊断,证明了该方法的有效性。     

控制系统故障诊断技术

介绍了控制系统故障诊断的基本概念和方法。提出了一种较为合理和全面的故障诊断技术方法的分类，并对其中基于模型、知识和信号处理的三种故障诊断方法进行了较为详细的论述，分别总结了它们的基本思路，对其发展中的各种问题作了归纳。最后提出了航天领域中故障诊断技术的研究重点。     

导弹姿态控制系统最佳测试点的选取

以导弹姿态控制系统框图和信号流程为基础，确定了故障信息矩阵，通过分析测试点的加权值，用逐步分解矩阵的方法选出最佳测试点，确定最佳诊断步骤，达到了以最小测试点和最短时间来检测与隔离故障的目的     

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。