基于遗传算法的发动机性能监控与故障诊断

利用综合加权法计算表征发动机整体性能的综合指数时，各参数的权系数难于确定。利用遗传算法确定各参数的权系数，使所得到的综合指数值比采用专家调查法所得综合指数值更能灵敏、准确地反映发动机整体性能的变化情况，提高了发动机性能正常与否的识别率，并以此来发现发动机潜在早期故障，防止故障的扩大。通过对某涡扇发动机进行监控，证明该方法确实有效。     

液体火箭发动机实时故障仿真系统实现

基于液体火箭发动机故障诊断方法实时验证的需求，考虑目前微处理器的技术水平，通过对发动机全阶非线性动态数学模型合理的折衷处理，建立了发动机降阶非线性模型，发展了基于该模型的实时故障仿真计算方法及仿真软件系统。仿真计算结果和实践表明，该模型在精确性、实时性等方面可以满足实时性验证的要求；实现的仿真软件系统具有良好的汉化人机交互界面，可操作性好，移植、维护、升级方便。     

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     

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。