液体火箭发动机地面试车实时故障检测与报警系统

建立了液体火箭发动机地面试车过程的实时故障检测与报警系统,完成了系统的硬件、软件结构设计与功能分析,实现了发动机试车过程实时故障检测的综合决策与报警.系统经过了大量的试车数据考核和在线综合测试,并两次参加了发动机地面试车试验的在线验证.验证结果表明,系统能及时准确地对发动机稳态和启动工作过程中的故障进行检测和报警,并具有良好的可靠性、稳健性和可扩展性,对开发建立工程实用的液体火箭发动机健康监控系统具有重要的应用价值.     

基于聚类分析的液体火箭发动机稳态过程故障程度评估方法

目前液体火箭发动机稳态过程的故障检测与评估的研究相对较少,挖掘发动机稳态过程故障信息数据对运载火箭保障发射任务成功率、降低运行成本、实现可重复使用等具有重要意义,提出基于聚类分析的故障程度评估方法,构建了故障程度评估算法,通过采用液体火箭发动机的仿真数据,验证评估单一故障程度与二度故障程度。验证结果表明,该算法评估效果满足要求。     

液体火箭发动机地面试车故障检测的自适应相关方法

提出了一种用于液体火箭发动机地面试车故障检测的自适应相关方法，应用统计理论指导其检测阈值的选择，推导了均值为向量和协方差矩阵的逆阵的递推估计公式，使得算法具有自适应性。用实际试车数据验证了方法的有效性。     

基于混沌和支持向量机的预测模型分析与应用

应用混沌动力学理论对某型发动机压气机的试车时间序列数据进行处理,计算出最大Lyapunov指数,得到了最大有效预测步数.在此基础上建立支持向量机预测模型,利用支持向量机强大的非线性映射能力,实现时间序列的非线性预测,结果证明该方法具有较高的预测精度.     

载人运载火箭发动机可靠性试车方法及评估

概述了载人航天工程运载火箭液体火箭发动机(以下简称"载人航天发动机")的可靠性试车方法,重点分析了发动机在各种边缘工况下的试车考验情况,并通过发动机可靠性试车实例,说明了该试车方法比传统的试车方法能更有效地暴露发动机的薄弱环节,可更充分地验证发动机的可靠性水平.同时对发动机性能和结构可靠性评估方法进行了论述.最后对发动...     

大型泵压式液体火箭发动机故障综合分析

基于发动机故障模拟研究，结合实际试车数据统计分析，归纳出了泵压式液体火箭发动机的主要故障模式；从故障检测与诊断的角度，研究了发动机监测参数的选择与评价，并提出了监测参数选择与评价的三种标准；推荐了分别用于监控系统门限检测和故障诊断的两组参数，为发动机的故障检测与诊断奠定了重要基础。     

基于支持向量机集成的导弹发动机压力预测

针对导弹发动机压力下降难以预测的问题,根据某型导弹发动机压力实测数据,首先将实测数据进行插值处理,然后利用前5组数据为输入数据,后一组数据为预测数据,采用支持向量机集成方法对导弹发动机压力进行模型辨识,实现导弹发动机压力预测.通过对3组发动机压力实测数据进行仿真分析,发现支持向量机集成预测误差最大为0.102%,满足导弹发动机压力预测要求,对导弹发动机压力预防性维修具有重要作用.     

基于注意力机制循环神经网络的液体火箭发动机故障检测

针对液体火箭发动机主级段工作过程,采用多变量非线性时间序列分析理论,在两级注意力机制循环神经网络（Dual Stage Attention Based Recurrent Neural Networks,DA-RNN）的基础上,提出一种新型时序分析工具——卷积两级注意力机制循环神经网络（Convolutional Dual Stage Attention Based Recurrent Neural Networks,CDA-RNN）,从而建立故障趋势预测模型。通过对预测残差进行自相关性分析并定义故障置信概率,提出了故障检测量化依据。利用发生微弱故障的热试车数据进行验证,结果表明,CDA-RNN模型对非稳态工作段微弱故障多参数检测具有良好鲁棒性,该方法十分有效,具有直接应用价值。     

氢氧膨胀循环发动机启动仿真研究

基于IRC方法对液体火箭发动机进行模块化建模,在此基础上搭建了闭式膨胀循环发动机启动仿真模型,对发动机的启动过程进行了研究。研究结果表明：仿真模型与试车数据吻合较好,仿真模型得到了验证,调节涡轮旁通阀的时序可以有效改善启动过程中燃烧室压力超调。     

基于模极大值点液体火箭发动机瞬态检测信号重构的小波分析法

文中把小波分析与奇异值检测理论相结合，提出了液体火箭发动机瞬态数据进行处理的方法，应用小波奇异检测和误差滤波理论，给出了瞬态数据的处理过程，并用热试车实验数据进行了验证，结果表明，液体火箭发动机起动段和关机段瞬态信号变化剧烈、非线性严重、奇异点多，该方法应用结果表明信号的奇异点越多，消噪的效果越好，并且不需要过程先验知识。     

液体火箭发动机启动过程检测研究

建立了火箭发动机启动过程的RBF神经网络模型,将神经网络辨识方法与包络线方法结合,提出分层次检测方案,并根据大型液体火箭的故障仿真结果进行了仿真实例验证,较好地验证了检测方案及模型的有效性和实用性.     

应用神经网络识别液体火箭发动机的故障模式

简要介绍了神经网络的基本理论和误差后向传播算法，给出了应用神经网络的液体火箭发动机故障诊断系统框图，分析了液体火箭发动机的故障模型，提出了数据训练神经网络，为网络训练提供了新的途径。最后，基于模型数据，应用神经网络识别液体火箭发动机的几种故障模式。     

基于粗糙集理论的液体火箭发动机故障诊断

粗糙集理论作为一种处理不完备信息的有力工具,已广泛应用于人工智能的许多领域,特别是数据挖掘和知识发现领域。文章将基于粗糙集理论的数据挖掘技术应用于液体火箭发动机故障诊断的知识发现,在智能诊断的知识自动获取方面取得较好的结果。     

液体火箭发动机涡轮泵状态监测与故障诊断系统研究

针对火箭发动机地面试车时间短、工作转速高且重复性不好的特点，根据实时性、有效性、可靠性、开放性与通用性的系统设计原则，研制了火箭发动机涡轮泵状态监测与故障诊断系统－－TCMD2000。该系统采用并行冗余结构，保证同步整周期采样的同时，实现了高速连续数据采集和存储，并应用了进动分析方法提高故障诊断的准确性。对TCMD2000系统进行了发动机试车故障监测考核。结果表明，所研制的TCMD2000系统达到了设计指标，适合火箭发动机的状态监测与故障诊断。在发动机研制过程中，对诊断发动机故障和排除故障发挥了作用。     

导弹火箭发动机排出物故障定位及分析

针对某型导弹火箭发动机排出物故障及所造成的危害原因进行了分析和定位,确认故障为火箭发动机排出的电极塞所致,并在此基础上,对故障的机理进行了详细分析,进而提出加装遮挡板的设计方案.通过相关试验,使故障机理进一步明确,使措施得以有效验证,从而为火箭发动机的优化设计提供有价值的参考.     

液体火箭发动机故障模式分析

当前新研制的液体发动机特别强调高可靠性和低成本，以往追求高性能和低质量为主的设计目标现已降为次要地位。新研制的发动机都要求进行可靠性设计。在发动机可靠性设计中，为消除故障隐患，提高产品可靠性。采用了行之有效的故障树分析（ＦＴＡ）及故障模式，后果及严重度分析（ＦＭＥＣＡ）。美国先进运载系统（ＡＬＳ）航天运输主发动机（ＳＴＭＥ）的设计工作采用了这种可靠性设计法，以确保发动机达到要求的可靠性指标?..     

筒射导弹发动机点火可靠性分析

以决定筒射导弹发动机点火可靠性的安全机构的可靠性为研究对象,利用FMEA方法对其进行定性分析,使用RBDA方法对其进行定量分析.在定量分析过程中,采用成败型单元的可靠性评定方法进行了定量计算.根据工作实践对如何确保发动机点火可靠性提出了几点建议.     

基于支持向量机的模拟电路故障诊断方法

支持向量机（Support Vector Machines，SVM）故障分类器，在不易取得训练样本的情况下，实现较高准确率的故障诊断，并且具有较强的通用性和实用性。提出三种支持向量多类分类器（一对一算法、一对多算法，以及改进型一对多算法），通过将其应用到实际电路进行故障诊断当中对其性能进行比较，得出串行支持向量机无论在分类速度上还是在分类精度上都好于其它两种方法，核函数的选择对故障诊断的性能也存在着一定的影响。     

干摩擦故障特征分析

研究了液体火箭发动机涡轮泵轩子系统发生干摩擦时的故障状态。建立了该状态下的运动微分方程，并运用四阶变步长Runge-Kutta法对其求解，分析了该故障状态下的振动特征，为涡轮泵的监控和事后故障诊断提供了理论依据。