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。     

结合动态时间弯曲与决策树方法的液体火箭发动机故障诊断

对某大型液体火箭发动机的热试车数据及通过发动机模型仿真得到的故障数据进行动态时间弯曲分析,得到弯曲路径集,然后结合决策树方法进行了故障检测和诊断。对于故障试车没有出现漏报警和误报警,对于正常试车没有出现误报警。通过与神经网络、支持向量机等方法所得结果的对比,证明该方法可以成功地应用于火箭发动机的故障检测和诊断。     

过氧化氢发动机中的低频振荡

过氧化氢是现代液体火箭推进剂的重要发展方向。针对过氧化氢发动机试验中出现的低频振荡现象,通过建立发动机系统模型,对这种振荡现象进行了仿真和分析,成功实现了发动机的稳定工作。本文将有利于结合仿真和试验,促进过氧化氢发动机的研制。     

基于转子固有频率的涡轮泵故障检测方法

为了有效地检测液体火箭发动机涡轮泵的故障,分析了某型液体火箭发动机的28次历史试车数据,得到了涡轮泵转子的一阶、二阶和三阶临界转速以及轴向固有频率的数值,研究了这4个转子固有频率幅值的稳定性及对涡轮泵故障的敏感性,得出了它们具有较强的稳定性和故障敏感性的结论。在此基础上,提出并验证了基于转子固有频率的涡轮泵故障检测方法。结果表明,基于转子的一阶、二阶和三阶临界转速以及轴向固有频率幅值能有效地检测涡轮泵的故障。     

火箭弹道学发动机推力模拟方法

发动机工作性能对火箭飞行性能的严重影响已引起众多研究人员的重视,尤其是火箭发动机推力总冲及其工作时间等重要参数.这里提出了一种在静态测定推力时间历程、总冲的基础上,通过实际飞行测试结果确定其扰动量来最终模拟推力时间历程的仿真方法.该方法简洁方便,易于编制程序及模拟仿真,便于工程人员掌握,可用于火箭发射动力学、外弹道学及射表编制等方面研究,具有一定应用价值.     

基于小波分解的柴油机振动信号特征提取方法

柴油机振动是一种多振源的复杂振动形式,其机体表面振动是内部各种激振力共同作用的综合反映。在柴油机使用过程中技术状态的改变将导致激振力发生不同的变化,因此测量机体激振信号有利于对柴油机技术状态进行监测。通过测量不同技术状态的柴油机机体振动信号,利用小波包分析的方法,将柴油机振动信号按其特征频率进行了小波分解和重构,提取了振动信号特征。分析结果表明,此方法能够提高信噪比,提取的振动信号特征能够反映柴油机技术状态的变化。     

过氧化氢改善柴油机燃烧的试验研究

提出采用过氧化氢组液参与柴油机的燃烧,改善柴油机燃烧过程,同时降低油耗与排放的新方法。分析了过氧化氢对柴油机燃烧过程的影响机理,从实用角度设计并开发了一种过氧化氢组液供给系统,并在135柴油机单缸机上试验研究过氧化氢组液消耗量对比油耗、烟度、排温及NOx的影响。     

基于装备多寿命周期理论的发动机再制造工程及其效益分析

为了延长装备的回用时间,减少装备对环境的影响及充分利用资源,介绍了基于装备多寿命周期理论的发动机再制造工程,对发动机再制造的内涵、工艺流程、经济社会效益进行了分析。以年再制造1万台重型车辆斯太尔发动机为例进行了效益分析,结果表明可以节省金属材料7.65 kt,回收附加值3.23亿元,提供就业500人,并可节电1.45×108kWh,减少CO2排放0.6 kt,说明发展再制造工程对延长装备寿命周期、节能、节材、环保等方面具有重要意义。     

基于模糊支持向量机的发动机故障诊断方法

发动机的故障样本少,用神经网络进行故障类别的学习和分类往往会出现过学习、泛化能力不高以及局部极小点等问题。针对这一缺陷,将基于小样本理论的支持向量机学习方法应用到发动机的故障诊断中。同时讨论了3种多故障分类器的优缺点,并用引入模糊隶属函数的方法解决了“一对多”方法在构建多故障分类器时存在的分类盲区,提高了分类器的分类精度。用该方法对发动机常见的8种状态模式的样本进行训练和识别,训练样本和测试样本都有较好的识别率。     

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%。