独立分量分析在液体火箭发动机故障检测中的应用

针对液体火箭发动机试车中,因噪声干扰、不同源信号之间的混叠而造成的信号信噪比低、信号分析和特征提取难度大的问题,提出采用独立分量分析(ICA)法对液体火箭发动机试车信号进行分离,以提高信号的信噪比,并能实时反映各子系统工作过程,为数据分析、特征提取和故障检测与诊断提供可靠的信号。通过对某型液体火箭发动机热试车压强信号进行实例分析,验证了该方法的有效性。     

液体火箭发动机故障检测和诊断中数据挖掘策略的分析

分析了液体火箭发动机的工作特点,提出了应用数据挖掘方法从数据仓库的角度对液体火箭发动机进行故障检测和诊断的策略。对在液体火箭发动机故障检测和诊断的不同问题中可能应用的数据挖掘方法进行了分析比较。分析表明,聚类、分类、关联、时间序列分析和孤立点检测等数据挖掘方法适用于液体火箭发动机的故障检测和诊断。     

单兵火箭燃气射流噪声抑制的实验研究

为了能够有效抑制单兵火箭发射时的燃气射流噪声,设计了液体水圆柱形平衡体安置在火箭发动机后面,对平衡体降噪进行实验研究。在实验中利用压电式传感器测得了发射筒周围的冲击波超压值,与没加液体水平衡体实验测得的超压值相比较,发现放液体水平衡体时在改进发动机推力性能的同时,降低了整个观测区域的噪声,尤其是射流上游,起到了显著的降噪效果,并分析了火箭燃气射流与液体水平衡体相互作用的机理。实验结果对单兵火箭发射的噪声防护问题研究提供了科学依据。     

液体火箭发动机技术

液体火箭发动机是采用液体推进剂的火箭发动机的简称,属于使用液体推进剂的化学火箭发动机。液体推进剂由输送系统送到发动机泵前,经泵加压后进入发动机推力室进行燃烧穴双组元推进剂雪或分解穴单组元推进剂雪,将推进剂的化学能变为热能,产生高温高压燃气,通过推力室喷管膨胀,将热能变为动能,以高速方式从喷管内向外喷出,产生反作用力--推力,为火箭飞行提供所需的动力。液体火箭发动机的优点是比冲高(250～500秒),推力范围大(单台推力在1克力～700吨力)、能反复起动、能控制推力大小、工作时间较长等。液体火箭发动机主要用作航天器发射、姿…     

变推力液体火箭发动机动态特性的状态空间分析

本文将状态空间分析方法运用于变推力液体火箭发动机系统的动态特性分析,导出了一组描述所述变推力液体火箭发动机动态过程的状态方程。文中提出了求解该系统方程的一种有效的数值方法,理论解与实验数据得到了满意的符合。做为变推力液体火箭发动机系统分析的初步结果,在文中分析了几个重要的工作参数对所述发动机系统动态特性的影响。     

基于云-神经网络的液体火箭发动机故障检测方法

根据故障检测原理,研究和实现了基于云-神经网络的液体火箭发动机故障检测方法。根据训练结果、测试结果和故障检测结果可以看出,云-神经网络用于液体火箭发动机的故障检测是可行的,经过历次试车数据验证,该方法没有误报警和漏报警。     

液体火箭发动机无失效条件下的可靠性分析方法

针对液体火箭发动机热试车过程中可能出现的无失效情况,在对寿命分布进行分析的基础上,利用配分布曲线-最小二乘法,采用经典估计和Bayes估计作为先验分布,对液体火箭发动机无失效条件下的可靠性进行了评估,并对评估结果进行了分析。计算结果表明,采用最小二乘法结合Bayes估计,可以较好评估液体火箭发动机在无失效条件下的可靠性。     

内外干扰因素对液体火箭发动机的影响分析

在已有的液体火箭发动机稳态工况的非线性数学模型基础上,计算分析了单干扰因素对液体火箭发动机参数的影响,用非线性方法和小偏差方法对比分析了两个干扰因素分别和共同对发动机参数的影响。所得结论可用于泵压式燃气发生器循环的液体火箭发动机试验结果分析、可靠性及故障分析,也揭示了此类发动机参数随各种干扰因素的变化规律     

Wasserstein距离在液体火箭发动机故障检测中的应用

健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。     

我校研制出新一代变推力液体火箭发动机

我国新一代变推力液体火箭发动机——SBF—4多次起动、双组元、双调节变推力液体火箭发动机于1991年3月27日在长沙通过了技术鉴定。鉴定委员会由来自全国各有关科研院所和高等院校的十一名专家、教授组成。我国液体火箭发动机领域的技术权威之一,航空航天部11所刘传儒研究员任鉴     

针对舰船目标高分辨距离像的特征选择方法

为了提高基于高分辨距离像(HRRP)的舰船目标识别率,首先通过目标区域提取来解决HRRP的幅度敏感性和平移敏感性的问题;然后根据传统的特征提取方法,提取出15个较好的特征进行多特征综合识别;最后在基于Fisher准则的特征选择方法上进行改进,提出了一种基于特征互补性的特征选择方法,选择一个最优特征子集。通过仿真实验验证了提出的特征选择方法,同时选择出一个最佳分类器。     

机械故障特征与分类器的联合优化

在机械故障诊断中,特征选择和分类器的参数优化都可以提高诊断精度。利用特征和分类器参数的依赖关系,提出了特征选择和SVM参数的联合优化方法来提高诊断性能。联合优化方法采用支持向量机(SVM)作为故障分类器,SVM半径—间距上界(RM界)为目标计算诊断精度,并应用遗传算法求解此优化问题。齿轮故障诊断试验结果表明,联合优化的诊断精度要优于单独优化特征和SVM参数,而且优化速度更快。因此在故障诊断中,利用特征和分类器参数联合优化能够快速取得较好的诊断精度。     

涡轮泵故障检测的频段能量比SOM算法

为了解决缺少故障样本情况下的涡轮泵健康状态判别问题,分析了涡轮泵振动信号的频谱,提取了频段能量比作为其故障检测特征,并讨论了自组织映射的竞争学习原理及聚类结果的U-矩阵表示,提出了一种基于频段能量比的自组织映射故障检测算法,并实现了该算法最佳匹配神经元的选择和权重向量的自适应更新。通过某型液体火箭发动机历史试车数据的验证,结果表明,健康涡轮泵数据利用该算法聚类时仅存在一个类别,相邻神经元距离小于0.1;反之,故障涡轮泵数据利用该算法聚类时明显存在两个或多个类别,且相邻神经元的最大距离大于0.1。因此,基于频段能量比的SOM算法能有效地判别涡轮泵的健康状况。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

信息论在柴油机故障诊断专家系统中的应用

本文应用信息论的基本原理,对柴油机故障诊断中故障与特征参数的关系进行了分析,提出了一种优化求解包含最大信息量的特征参数组的快速诊断方法及步骤;同时本文还应用加权熵的定义对诊断用的信息量进行了处理。本文对故障诊断专家系统的研究具有实用意义。     

涡轮泵状态监控及传感器故障识别的新异类检测方法

为了在故障样本稀缺、故障模式不完备的情况下监控涡轮泵状态,并剔除传感器失效故障造成的虚警,提出用于涡轮泵状态监控及传感器故障识别的单类支持向量机新异类检测方法。该方法以正常状态为目标类构建单类支持向量机检测器,用于检测涡轮泵是否出现异常;以传感器故障为目标类构建单类支持向量机检测器,用于判断检测到的异常是否属于传感器故障。对涡轮泵试车数据的分析结果表明了该方法的有效性。     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

基于战例数据的制胜要素选择方法

针对战争制胜机理定量研究需求,提出了一种基于混合评估的制胜要素选择算法。针对战例数据特点,该算法选择两种过滤方法分别从不同方面对要素全集进行评估排序而后加权得到综合排序结果;将结果作为遗传算法的初始种群,而后以分类精度作为个体适应度函数。选择几种典型的分类器综合比较,筛选出规模较小、性能较好的要素子集。测试结果表明,该算法不仅能有效地减少要素子集规模,还可以进一步提高制胜机理分析模型的准确率和效率。