火箭发动机涡轮泵故障检测及预测算法研究

涡轮泵作为液体火箭发动机的核心部件,恶劣的工作环境和极高的转速使其易发生组件断裂、烧蚀等问题。为了对液体火箭发动机的涡轮泵进行健康管理,提出针对某型液体火箭发动机涡轮泵的数据驱动故障检测、故障预测及健康状态评估方法。在某型液体火箭发动机试车数据集上,通过对涡轮泵轴、径、切向振动数据进行对应的时域、频域特征处理后,送入训练好的ResNet网络、自主设计的图像特征识别算法以及退化模式线性回归模型,分别实现了对该型液体火箭发动机涡轮泵的故障检测、预测及健康状态评估,具有较高的准确性。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

液体火箭发动机健康监控技术研究现状

液体火箭发动机健康监控技术是改进和提高运载火箭、航天器可靠性与安全性的核心技术之一,对其进行研究具有重要的学术价值和工程应用价值。液体火箭发动机健康监控技术的研究主要包括液体火箭发动机故障检测与诊断理论方法、液体火箭发动机健康监控系统两方面。该文介绍了基于模型驱动的方法、基于数据驱动的方法和基于人工智能的方法,阐明了液体火箭发动机故障检测与诊断理论方法的研究现状,通过对美国液体火箭发动机典型健康监控系统的介绍,阐明了液体火箭发动机健康监控系统研究的若干进展及现状,并对液体火箭推进系统健康监控技术的演变趋势作了简要评述。     

输油管道泄漏自动检测装置的研制

介绍一种基于软件的管道泄漏自动检测装置 ,通过检测压力、流量、温度等的变化来判断泄漏是否发生及发生泄漏的位置。该装置具有适应性广、安装简单等优点。     

基于全解耦奇偶方程的动态系统执行器故障检测与识别

给出了基于全解耦奇偶方程的动态系统执行器故障的检测与识别方法。讨论了全解耦奇偶向量的产生方法,给出了全解耦奇偶向量的存在条件,并结合卡尔曼滤波方法得到了故障模型参数的估计方法。最后给出了仿真实例。结果表明,全解耦奇偶方程方法能估计出动态系统执行器故障模型。     

一种改进的非相干序贯检测捕获方案

为实现伪码的快速捕获 ,提出了一种基于连续累加的非相干序贯检测判决逻辑 ,同时给出了一种估算连续积分 /累加序贯检测逻辑的采样数的概率分布密度和平均采样数上限 ASN(Average Sample Number)的算法。仿真结果表明 ,连续累加非相干序贯检逻辑达到了预期的虚警概率和检测概率 ,且性能优于传统序贯检测 ,证明了检测逻辑的正确性和可用性。此方案可以为扩频通信系统中如何解决伪码捕获这一问题提供新的思路和方法     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

液体火箭发动机故障检测与诊断研究的若干进展

近十年来，液体火箭发动机故障检测与诊断方法和技术的研究在以下几方面取得了重要进展：基于信号分析的方法；基于模型的方法；基于人工智能的方法；故障模式分析与信号特征提取；阈值的选择。该文对这些研究的若干进展作简要评述。     

数控系统瞬时故障容错技术研究

本文研究的瞬时故障容错技术是以故障掩盖和故障恢复的思想为基础的新的提高可靠性的技术方法,建立了数控系统容错模型和层次结构,并结合弹(箭)上计算机,对故障进行实时在线检测和处理,以达到减小或消除瞬时故障对控制系统的影响的目的。     

QPSK信号相干检测的错误概率计算公式辨析

在各种文献中 ,QPSK信号相干检测错误概率的计算公式和相应的曲线往往互不相同 ,使工程设计者常感困惑。文中对这些差异及其本质作出详细分析 ,以求正本清源