大推力氢氧补燃循环发动机故障仿真

针对大推力氢氧补燃循环发动机,使用模块化故障仿真方法,对发动机多种典型故障进行了仿真研究,为建立液体火箭发动机健康监控系统奠定了基础。首先,介绍了大推力氢氧补燃循环发动机的系统组成结构以及工作过程;其次,利用Matlab/Simulink工具构建了发动机系统主要部件的模块库,并根据发动机结构和工作过程,建立了氢氧补燃循环发动机的整体仿真模型;最后,仿真分析了发动机的多种典型故障,并利用Matlab的GUI工具搭建了可视化界面,实现了操作和实现方式的人性化。     

基于遗传算法的大推力氢氧补燃发动机故障检测

通过优化故障检测的方法,可以提高大推力氢氧补燃发动机故障检测的精确性能。BP神经网络是基于梯度的方法确定权值与阈值,遗传算法是一种多点搜索的优化方式,具有良好的全局寻优能力,可以优化BP网络的不足。基于发动机试车过程中测得到的流量、温度、压力等信号,应用GA-BP神经络构建发动机工作过程的非线性辨识模型,对大推力氢氧补燃发动机可能的运行故障进行检测,由试车数据的仿真结果可知,该算法达到了较好的故障检测效果。     

大推力氢氧补燃发动机推力闭环控制设计

提出了大推力氢氧补燃发动机推力闭环控制系统的软硬件平台,为建立液体火箭发动机综合控制系统奠定了坚实的基础。首先,建立了氢氧补燃发动机实时动态非线性模型,在此基础上得到了设计点线性化模型并验证;其次,在线性模型的基础上采用根轨迹法设计了推力闭环控制器,将控制器与非线性模型联合仿真验证了算法的有效性;最后,介绍了发动机硬件在回路系统的软硬件配置,并进行了控制器的平台验证,从操作和实现方式上验证了软硬件平台。该设计满足算法需求且界面人性化,易于操作。     

基于RESID方法的液体火箭发动机实时故障诊断算法设计及半实物仿真验证

针对氢氧发动机设计了实时故障诊断算法并通过半实物仿真平台对此进行了仿真分析,为建立液体火箭发动机健康管理系统奠定了坚实基础。首先,建立了氢氧发动机故障模型,通过此模型可以获得发动机的几种典型故障数据;其次,设计并构建了RESID模型,针对该模型的一些参数设置进行了分析;最后,基于RESID模型构建了实时故障诊断系统并进行了仿真分析,由仿真结果可见该算法成功的诊断出发动机的常见故障,并进行了报警,满足了发动机故障诊断系统的需要。     

基于ARMA模型的液体火箭发动机实时故障诊断方法研究

针对重复使用的液体火箭发动机设计了实时故障诊断系统并通过硬件在回路仿真平台对此进行了仿真分析,为建立重复使用液体火箭发动机健康管理系统奠定了坚实基础。首先,建立了液氧甲烷发动机故障模型,通过此模型可以获得发动机的几种典型故障数据;其次,设计并构建了ARMA模型,针对该模型的一些参数设置进行了分析;最后,基于ARMA模型构建了实时故障诊断系统并进行了仿真分析,由仿真结果可见该算法成功的诊断出发动机的常见故障,并进行了报警,满足了发动机故障诊断系统的需要。     

一种改进的基于免疫网络模型(aiNet) 的故障诊断算法

根据抗体群与抗原群的匹配关系,提出一种改进的基于免疫网络模型(aiNet)的故障诊断算法.建立了自适应调整剪枝和抑制阈值的规则,并对K近邻算法的附加距离阈值加以限制,提高了基于aiNet故障诊断算法对已知故障的识别率,克服了其不能识别新故障的缺点.仿真结果表明,改进算法具有优良的故障诊断性能.     

航空发动机试车台推力仿真技术研究

航空发动机试车准确测量推力问题,航空发动机推力是衡量发动机性能的主要参数.航空发动机试车台推力测量系统复杂,测试环境恶劣,易出现推力测量不准确.为解决上述问题,提出贝叶斯正则化算法的BP神经网络技术和相关性分析建立航空发动机试车台推力模型,进行推力仿真.在发动机试验过程中可实时计算发动机推力,和试车台推力测量系统的测试结果进行对比,判别推力测量系统工作是否正常.仿真结果表明,设计的基于L-M贝叶斯正则化算法的BP神经网仿真模型可准确的计算不同大气条件下和各个工作状态的发动机实际推力.     

变循环发动机部件法建模及性能仿真

在变循环发动机部件建模优化的研究中,双涵道变循环发动机具有多个参数可调的几何部件,所有部件的可调参数和固定参数必须满足一定的匹配关系,才能使变循环发动机正常工作,为整机建模、性能仿真以及求解设计点参数带来了一定的困难。为解决上述问题,提出将各部件视为独立整体,采用部件法自底向上构建部件级模型,并构建整机的变几何稳态仿真系统,仿真执行亚音速巡航和超音速巡航两种典型工作模式。结合7个发动机平衡方程,提出一种"先全局后局部"的改进式迭代算法来求解两种模式下的设计点参数。仿真结果表明,使用部件法建模具有很高的灵活性,有利于模型的修改和扩展;使用改进式迭代算法能够更快更精确的得到设计点参数。     

改进PSO-BP方法在ATP车载设备多故障诊断中的应用研究

针对目前ATP车载设备采用单故障诊断方法存在诊断精度偏低的问题,首先对ATP车载设备的故障原因进行分析,并提取出9种故障特征作为输入,7种故障类型作为输出,同时结合ATP车载设备的结构和故障特点建立了改进PSO-BP的多故障诊断模型;其次,在模型求解过程中,引入遗传算法中的变异思想,通过动态调整粒子群的参数来优化BP网络,采用改进PSO-BP算法对此模型进行求解;最后,以武广线数据进行仿真验证,期望输出与实际输出基本一致,故障识别的正确率达到95%。结果表明,采用改进PSO-BP算法解决ATP车载设备的多故障诊断问题是一种有效的方法,其诊断能力优于传统的BP算法和PSO-BP算法。     

航空发动机传感器故障诊断

研究航空发动机传感器故障诊断问题,由于发动机传感器故障样本有限、小样本、非线性变化特点,传统大样本传统故障方法故障诊断准确率低。为提高传感器故障诊断准确率,提出一种混沌粒子群算法(CPSO)和最小二乘支持向量机(LSS-VM)相结合的传感器故障诊断算法(CPSO-LSSVM)。首先将发动机传感器信号输入到LSSVM进行学习,并采用CPSO进行优化,找到最优LSSVM参数,从而建立传感器故障诊断模型,最后采用已建立模型对传感器故障进行仿真测试。仿真结果表明,CPSO-LSSVM提高了航空发动机传感器故障诊断的准确率,能准确地对空发动机传感器故障进行诊断,提供民飞行安全性能保障。     

改进BP算法用于液体发动机涡轮泵故障诊断

涡轮泵是液体火箭发动机系统的核心设备,工作环境十分恶劣,极易出现故障,所以对涡轮泵进行准确、快速的故障诊断显得尤为重要。因此提出了利用BP神经网络对其进行故障诊断。而常规BP算法存在收敛速度慢、易陷入局部最小等缺点,运用一种改进算法—自适应率BP算法,通过对液体火箭发动机涡轮泵的常见故障进行诊断。诊断结果表明,该改进算法具有收敛速度快,学习记忆稳定,诊断准确等特点。     

某舰艇柴油机冷却系统智能故障诊断系统设计

对某舰艇柴油机冷却系统的故障诊断进行了研究,针对传统故障诊断当中效率慢、准确度低的缺点,设计了某舰艇柴油机冷却系统的智能故障诊断系统;利用改进的BP神经网络算法通过VB加载C++写的DLL对某舰艇柴油机冷却系统进行了应用;应用结果表明,提高了故障诊断的效率并具有较强的自学习和自适应的能力。     

基于残差决策的自动飞行控制系统远程实时故障诊断

针对自动飞行控制系统结构复杂、关联部件众多,发生故障时诊断时间长,从而影响飞机运行效率的问题,提出一种基于飞机通信寻址报告系统(ACARS)的远程实时故障诊断方案。首先,分析自动飞行控制系统的故障特点,设计搭建检测滤波器;然后,利用ACARS数据链实时发送的自动飞行控制系统的关键信息进行相关部件的残差计算,并根据残差决策算法进行故障诊断及定位;最后,针对不同故障部件残差间的差异大、决策门限无法统一的缺点,提出基于二次差值的残差决策改进算法,减缓了检测对象的整体变化趋势,降低了随机噪声和干扰的影响,避免了将瞬态故障诊断为系统故障的情况。实验仿真结果表明,基于二次差值的改进残差决策算法避免了多决策门限的复杂性,在采样时间为0.1 s的情况下,故障检测所需时间大约为2 s,故障检测时间大幅降低,有效故障检测率大于90%。     

基于信息融合的机械设备故障诊断算法设计与应用

为提高大型复杂机械设备故障诊断的准确率和效率,针对故障诊断的多源信息综合分析问题,研究设计了基于信息融合的故障诊断算法,并应用于机械设备监测与故障诊断系统中。算法采用BP神经网络和D-S(Dempster-Shafer)证据理论,实现了对故障模式可信度的合理调配和多源信息的有机融合。文章以某舰船柴油机作为故障诊断对象,诊断结果分析表明,算法在机械设备故障诊断方面具有较高的准确度。     

基于遗传算法与Shannon熵的故障监控参数优选

研究液体火箭发动机故障诊断中监控参数的优选问题.基于Shannon熵理论提出 了特征参数组所含故障分类信息的理论值及其工程计算方法,证明了故障分类信息与参数相 关性之间的单调降关系,并以此作为特征参数的优选准则,利用改进的遗传算法对某液体火 箭发动机的常见故障进行了特征参数优选,数值实验结果表明所选特征参数合理,且故障分 类器的计算复杂度大大降低而对噪声的鲁棒性大大提高.     

基于模型故障诊断系统的建模及推理机设计

从基于模型的诊断思想出发,根据系统测试获得故障模式及模态参数建立起知识库,给出了推理机的诊断推理算法及控制策略,设计了基于知识库的诊断模型以辅助工业过程的故障诊断.     

A Multi-Net System for the Fault Diagnosis of a Diesel Engine

A multi-net fault diagnosis system designed to provide an early warning of combustion-related faults in a diesel engine is presented. Two faults (a leaking exhaust valve and a leaking fuel injector nozzle) were physically induced (at separate times) in the engine. A pressure transducer was used to sense the in-cylinder pressure changes during engine cycles under both of these conditions, and during normal operation. Data corresponding to these measurements were used to train artificial neural nets to recognise the faults, and to discriminate between them and normal operation. Individually trained nets, some of which were trained on subtasks, were combined to form a multi-net system. The multi-net system is shown to be effective when compared with the performance of the component nets from which it was assembled. The system is also shown to outperform a decision-tree algorithm (C5.0), and a human expert; comparisons which show the complexity of the required discrimination. The results illustrate the improvements in performance that can come about from the effective use of both problem decomposition and redundancy in the construction of multi-net systems.     

基于双通道传感器的航空发动机在线故障诊断系统研究

对基于双通道传感器的航空发动机在线故障诊断和隔离技术进行了研究;在发动机机载非线性模型的基础上,对发动机的双通道传感器分别设计混合卡尔曼滤波器,利用该滤波器在线估计双通道传感器输出,并结合实际双通道传感器测量值以及发动机机载非线性模型的输出值在线实现传感器故障检测和隔离、部件故障及异常检测确认;利用该技术建立了某型涡扇发动机在线故障诊断系统,通过仿真实例验证了该系统的诊断性能,实验结果表明,本文所建立的在线故障诊断系统能够较好的完成故障诊断与隔离、部件故障及异常检测等功能,为此类系统的工程应用提供了理论依据。