预燃式等离子体射流点火器工作特性实验研究

为解决发动机点火包线小于飞行包线的实际问题,提供等离子体点火技术在航空发动机中的工程应用新思路,论文设计了一种预燃式等离子体射流点火器,实验研究了放电特性和射流特性。结果表明,预燃式等离子体射流点火器与空气等离子体射流点火器相比,在提升射流能量降低电源功率方面有着较大的优势,电流相同时通入甲烷在较大流量时可减小驱动电源功率,总流量为44L/min时,减幅可达14.99%;同时预燃式等离子体射流较空气等离子体射流稳定,且射流长度增加,扩大了点火面积,有利于点火。     

某火箭发动机故障检测及诊断算法设计分析

针对某型号液体火箭发动机故障检测及诊断软件存在瞬态段（起动段、关机段）故障检测功能缺失、故障诊断无法给出故障量大小的问题,在原软件故障诊断算法——余弦相似度分类的基础上,通过引入故障因子定量给出故障量大小,实现发动机故障诊断的定性定量分析。同时,采用基于统计学基础的包络线算法,通过Python语言对发动机瞬态段故障检测算法进行设计开发,使原软件实现发动机瞬态段故障检测功能。通过仿真试车数据对软件算法进行验证,结果表明优化后的故障诊断功能可实现故障量大小计算,基于包络线算法开发的故障检测功能提高了发动机故障检测效率。     

补燃循环液体火箭发动机启动过程的模块化仿真

通过模块化编程，建立了新一代高性能补燃发动机启动过程的部件模型。虽然采用的是集中参数方法，但同时考虑了液体的惯性、粘性和压缩性，所以建立的常微分方程组能在一定程度上反映发动机工作过程的分布特性。     

基于人工噪声神经网络BP算法的火箭发动机故障仿真与检测

研究了用于液体火箭发动机故障仿真与故障检测的神经网络ＢＰ算法。在ＢＰ算法中采用了加噪声等技术来避免系统误差陷入局部极小，训练出精度高（误差小于０．０２）的神经网络，试验表明：神经网络ＢＰ算法成功地用于故障仿真与故障检测。     

太阳能热推进系统效率分析

太阳能热推进采用小分子量气体作为推进剂可以获取800～900 s高比冲,但提高推进系统的换热效率是目前亟待解决的问题.本研究建立了太阳能热推进系统主要部件的基本分析模型,在利用有限单元法进行热分析的基础上,对系统在多种工况下的相关参数进行了计算,分析了各部件主要参数对提高太阳能热推进系统热效率和推进效率的影响,得出了系统效率在不同工作状态下的变化规律,并提出了提高系统效率的措施.     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

发动机故障的数值模拟及模式分析

针对发动机的邦联特点，提出了其工作状态过渡的非线性动态数学模型。利用随机模拟结果，对发动机的邦联特性进行了简单分析。     

基于等离子体的新型燃烧室头部工作特性实验研究

本文设计了一种基于三维旋转滑动弧的航空发动机新型燃烧室头部,该头部可以在保持原有燃烧室结构不变的基础上,实现对燃烧室的点火和助燃。进行了新型燃烧室头部的放电特性实验,分析了稳定电弧滑动(A-G)模式和击穿伴随滑动(B-G)模式两种放电模式的特点。探究了两种放电模式对振动温度的影响,以及空气流量和电压对OH、O2、O3、NO四种粒子光谱发射强度的影响。结果表明,B-G模式电弧的放电功率更大,达到84W,放电模式对振动温度的影响取决于空气流量和电压的变化,而光谱发射强度则是A-G模式大于B-G模式。     

变推力液体火箭发动机的故障识别

讨论了专家系统在液体火箭发动机故障诊断中的应用，研制出一个基于阈值判断的故障识别专家系统，应用该系统成功地识别出变推力液体火箭发动机故障模式。     

应用反推神经网络检测液体火箭发动机多维故障

基于可测参数所构成的参数模式对应着一定的发动机故障模式, 应用反推神经网络检测发动机多维故障, 方法的有效性由只有泵效率下降和喷注器阻塞同时发生的数值仿真得到验证