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     

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     

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。     

基于仲裁的高可用服务器故障检测机制的研究

故障检测是设计高可用系统的一项关键技术，本文研究了双模高可用容错服务器的故障检测机制。首先，通过马尔科夫模型对服务器系统进行了分析，指出设计高覆盖率和高成功率的故障检测机制对系统可用性的重要影响。针对传统使用的故障检测机制成功率较低的问题，提出了一种仲裁检测机制，仲裁系统采用容错方案设计，具有较高的可靠性，在双机无法对故障做出正确判断时，可作为可信的第三方对故障做出准确的定位，有效地提高了系统的检测成功率。在此基础上，一种基于仲裁的多层心跳检测机制被应用到了实际系统的设计中，并通过试验证明了其可满足可用性设计要求。     

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。     

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。     

国外载人航天飞行器故障诊断技术的发展现状

综述了国外载人航天飞行器故障发生的特点及其故障诊断技术的发展过程；给出了国外在系统仿真基础上建立的故障诊断技术的研究现状，分析了基于人工智能的国际空间站的故障诊断系统。最后，对其发展进行了展望，并提出了今后有待研究的问题。     

基于故障树模型的航天器故障诊断研究

本文建立了基于故障树模型的航天器故障诊断框架，提出了航天器故障诊断的知识组织和表示方法及相应的推理控制策略，并通过对某卫星能源系统故障实验台的故障诊断验证了方法的正确性。     

星载软件可靠性设计方法

分析了星载软件及其可靠性的特点，针对空间环境对星载软件的影响，提出了软件工程化、模块化和容错设计、遥测遥控处理，以及异常检查等提高软件可靠性的设计措施，并说明了软件测试对提高可靠性的重要性。