基于AR/CGARCH模型的液体火箭发动机自适应阈值故障检测算法

为了解决传统自适应阈值算法对时间序列方差跟踪能力不足，以及故障阶段带宽自动放大的问题，提出了紧广义自回归条件异方差（Compact General Auto-Regressive Conditional Heteroskedasticity,CGARCH）模型。针对液体火箭发动机稳态试车数据的波动性特点，提出一种基于自回归（Auto-Regressive,AR）模型和CGARCH模型的自适应阈值故障检测算法。采用AR模型对稳态参数的均值进行估计，并采用CGARCH模型对稳态参数的方差进行估计，从而利用均值和方差的估计值自适应地构造检测阈值。用某氢氧火箭发动机的热试车数据进行验证，结果表明，该算法能够准确、快速、灵敏地检测液体火箭发动机故障，在正常工作阶段，能够有效跟踪数据波动性，在故障阶段，能够避免阈值变宽带来的漏检。