液体火箭发动机地面试车故障检测的自适应阈值算法

提出一种自适应阈值故障检测算法,其检测阈值由实时估计的参数均值、标准差及由训练算法得到的带宽系数计算。用某发动机22次点火试验的试车数据进行离线故障检测,结果表明其综合性能优于红线系统和SAFD算法。     

载人航天器推进系统健康监测的组件技术研究

为了适应载人航天器推进系统多发动机的分布式结构,提高健康监测系统的可靠性,应用组件技术构造了分布式多智能组件集成的健康监测系统,给出了组件之间的协调修正和决策算法。原型系统仿真结果表明,该技术比传统的面向对象（ＯＯＰ）技术更适用于分布式系统,可应用于载人航天器推进系统的健康监测。     

各向异性单晶叶片强度寿命研究—第I部分:晶体滑移本构模型及应用

单晶叶片技术是提高航空发动机及地面燃气轮机性能、寿命及可靠性的关键技术之一，但单晶材料机械、力学性能的各向异性特性制约了其发展和应用，对其工程应用及应用的理论基础提出了挑战。课题组开展了各向异性单晶叶片强度分析和寿命预测方面的一些研究工作。包括：建立并验证了弹塑性、蠕变滑移本构模型及蠕变持久寿命预测方法；进行了不同晶体取向DD3单晶在不同温度、不同速率或不同温度、不同应力水平下的拉伸试验及蠕变试验，这些实验数据及由其反映的单晶中、高温各向异性特性对单晶材料的应用具有重要意义。此外还进行了某种单晶叶片的实验研究。作为上述研究的应用，对某发动机单晶涡轮叶片进行了强度分析和寿命预测。本文这一部分介绍本构模型及应用，实验研究将在第II部分介绍。     

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型。采用遗传BP算法来优化隐层节点数和学习速率η0与回归方法相比，其预测误差明显小于回归公式的预测误差。     

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况，必须提高研究水平和加快研究进程，做好基础性的研究工作，介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

基于K线理论的股票灰色预测方法研究

文章将GM(1,1)模型用于股票预测,提出了基于K线理论的股票灰色预测方法,并通过预测实例说明了其有效性.     

卫星推力器可靠性评估和寿命预测

提出一种卫星推力器无失效数据可靠性分析方法,该方法能够在高置信水平下给出卫星推力器可靠度和使用寿命的置信下限。同时还建立了卫星推力器强检验和弱检验方法,前者适用于对首次采用的卫星推力器的验收,而后者适用于对已长期使用的卫星推力器的例行的批抽样检验。文中对卫星推力器寿命遵循Weibull分布和对数正态分布的情况分别进行了详细讨论。      

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。