本文關(guān)鍵詞：液體火箭發(fā)動機(jī)試車臺健康管理關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 故障檢測 故障診斷 粗糙相關(guān)向量機(jī) 小波核主元分析 健康評估

【摘要】：液體火箭發(fā)動機(jī)研發(fā)制造的每個(gè)階段都伴隨著大量的地面試驗(yàn),通過多種測試檢驗(yàn)來排除實(shí)際工程中的各種困難。地面試驗(yàn)的系統(tǒng)規(guī)模十分龐大,試驗(yàn)裝置和輔助設(shè)備具有十分復(fù)雜的結(jié)構(gòu),擁有眾多的監(jiān)測參數(shù)并要求極高的試驗(yàn)精度,需要具備迅速處理大數(shù)據(jù)的能力,并且由于推進(jìn)系統(tǒng)所用到的燃料和填充劑的特殊性使得試驗(yàn)具有較大的危險(xiǎn)性。試驗(yàn)中所用到的材料和裝置都十分昂貴,試驗(yàn)失敗將對國家造成巨額的經(jīng)濟(jì)損失。為了克服試驗(yàn)的不穩(wěn)定性和提高試車臺的可靠性,國內(nèi)外科學(xué)家、工程師和學(xué)者都紛紛開展健康管理技術(shù)的研究。本文以某型號液體火箭發(fā)動機(jī)地面試車臺為研究對象,針對健康管理及評估中的故障檢測、故障診斷和健康評估問題開展研究。根據(jù)試車臺各種故障模式的不同特點(diǎn),研究了相應(yīng)的實(shí)時(shí)檢測及故障診斷算法,并且建立了健康評估系統(tǒng),解決了試驗(yàn)臺健康管理中的幾個(gè)關(guān)鍵技術(shù)問題。針對液體火箭發(fā)動機(jī)試車臺故障檢測問題,提出了一種基于小波KPCA算法的故障在線檢測方法,克服了傳統(tǒng)方法在解決非線性過程時(shí)忽略參數(shù)相關(guān)性的弊端。通過小波核對測量數(shù)據(jù)進(jìn)行高維映射,將原本非線性問題轉(zhuǎn)化為高維空間的線性問題,再利用KPCA檢測方法實(shí)現(xiàn)了試車臺故障檢測問題,為解決試車臺故障檢測問題提供了一個(gè)新的思路。仿真結(jié)果表明,小波KPCA算法在執(zhí)行效率和檢測速度上均優(yōu)于原始KPCA算法,非常適用于試車臺的非線性故障檢測。針對液體火箭發(fā)動機(jī)試車臺故障診斷問題,提出了粗糙相關(guān)向量機(jī)故障診斷方法。研究了基于粗糙集的屬性約簡方法,通過對試車臺原始知識系統(tǒng)進(jìn)行了特征提取,大大的約簡了系統(tǒng)的決策表,提高了試車臺故障診斷識別效率。研究了基于聚類算法的層次相關(guān)向量多類分類器設(shè)計(jì)方法,利用自適應(yīng)粒子群算法優(yōu)化多分類器中各個(gè)兩分類器的模型參數(shù),并利用標(biāo)準(zhǔn)數(shù)據(jù)對小生境粒子群算法的優(yōu)化性能進(jìn)行了驗(yàn)證。仿真結(jié)果表明,粗糙集基于屬性約簡的方法有效地提取了故障的類型特征,粗糙相關(guān)向量機(jī)在計(jì)算效率和故障識別度上均優(yōu)于傳統(tǒng)的分類方法,模型優(yōu)化后相關(guān)向量機(jī)多分類器具有更好的整體性能,有效地解決了系統(tǒng)故障診斷的小樣本問題。針對液體火箭發(fā)動機(jī)試車臺健康評估的要求,研究了基于模糊理論和相關(guān)向量機(jī)的健康評估及其預(yù)測方法。該方法通過對發(fā)動機(jī)試車臺單一參數(shù),燃料和氧化劑子系統(tǒng),以及整個(gè)試車臺系統(tǒng)的健康狀況進(jìn)行評估。研究了一種基于相關(guān)向量機(jī)的多變量數(shù)據(jù)融合技術(shù),并結(jié)合模糊評價(jià)算法來改進(jìn)健康度方法,將健康度概念應(yīng)用于試驗(yàn)臺系統(tǒng)的定量健康評價(jià)方法中。根據(jù)實(shí)驗(yàn),該方法綜合了相關(guān)向量機(jī)在小樣本和模糊理論的良好泛化性能優(yōu)勢,實(shí)現(xiàn)了健康預(yù)測和健康度融合。最后,設(shè)計(jì)并實(shí)現(xiàn)了試驗(yàn)臺健康管理系統(tǒng),在PC機(jī)上模擬現(xiàn)場環(huán)境,利用仿真數(shù)據(jù)和試驗(yàn)臺實(shí)際數(shù)據(jù)驗(yàn)證了所研究的故障檢測,故障診斷及健康評估算法的正確性和有效性。
【關(guān)鍵詞】：故障檢測 故障診斷 粗糙相關(guān)向量機(jī) 小波核主元分析 健康評估
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：V434
【目錄】：

• 摘要4-6
• Abstract6-14
• 第1章 緒論14-24
• 1.1 研究背景及意義14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-22
• 1.2.1 故障檢測及故障診斷研究現(xiàn)狀15-19
• 1.2.2 健康評估及預(yù)測研究現(xiàn)狀19-21
• 1.2.3 目前存在的主要問題21-22
• 1.3 本文主要研究內(nèi)容22-24
• 第2章 基于小波核主元分析的故障檢測方法研究24-49
• 2.1 引言24-25
• 2.2 液體火箭發(fā)動機(jī)試車臺及其傳感器25-27
• 2.2.1 液體火箭發(fā)動機(jī)試車臺25-26
• 2.2.2 試車臺中傳感器信號分析26-27
• 2.3 基于KPCA的故障檢測方法27-39
• 2.3.1 PCA模型方法原理27-29
• 2.3.2 基于小波KPCA故障檢測模型29-32
• 2.3.3 實(shí)驗(yàn)結(jié)果及分析32-39
• 2.4 基于小波包分解的故障分離方法39-48
• 2.4.1 多分辨分析原理40-41
• 2.4.2 小波包基本原理41-43
• 2.4.3 小波包分解特征提取及故障分離43-48
• 2.5 本章小結(jié)48-49
• 第3章 基于粗糙相關(guān)向量機(jī)的故障診斷方法研究49-75
• 3.1 引言49-50
• 3.2 系統(tǒng)故障模式研究50-53
• 3.2.1 故障主要表現(xiàn)形式50-51
• 3.2.2 試車試驗(yàn)過程51-52
• 3.2.3 系統(tǒng)故障模式及影響分析52-53
• 3.3 基于粗糙集的故障模式特征提取53-60
• 3.3.1 基于粗糙集的故障模式表達(dá)53-55
• 3.3.2 故障模式知識庫設(shè)計(jì)55-56
• 3.3.3 知識系統(tǒng)的屬性重要性及其約簡56-58
• 3.3.4 故障模式知識更新方法研究58-60
• 3.4 基于相關(guān)向量多分類機(jī)的故障狀態(tài)識別60-68
• 3.4.1 相關(guān)向量機(jī)基本原理61-63
• 3.4.2 層次相關(guān)向量機(jī)的多分類器設(shè)計(jì)63-65
• 3.4.3 基于相關(guān)向量機(jī)的多分類器參數(shù)選擇65-68
• 3.5 實(shí)驗(yàn)驗(yàn)證及仿真68-74
• 3.5.1 基于粗糙集的故障特征提取設(shè)計(jì)68-69
• 3.5.2 基于自適應(yīng)粒子群算法的相關(guān)向量機(jī)參數(shù)優(yōu)化驗(yàn)證69-72
• 3.5.3 基于相關(guān)向量機(jī)多分類器的故障診斷72-74
• 3.6 本章小結(jié)74-75
• 第4章 液體火箭發(fā)動機(jī)試車臺健康評估方法研究75-100
• 4.1 引言75-77
• 4.2 試車臺健康評估及預(yù)測的實(shí)現(xiàn)方案77-78
• 4.2.1 健康度的定義77-78
• 4.2.2 試車臺健康評估及預(yù)測框架78
• 4.3 基于模糊理論和相關(guān)向量機(jī)的試車臺健康評估方法研究78-84
• 4.3.1 建立模糊評判指標(biāo)集79
• 4.3.2 確定模糊隸屬度函數(shù)79-81
• 4.3.3 基于二級模糊評判的單監(jiān)測參數(shù)的模糊綜合評價(jià)值計(jì)算81-84
• 4.4 基于RVM預(yù)測器的試車臺健康預(yù)測方法研究84-87
• 4.4.1 訓(xùn)練樣本矩陣85
• 4.4.2 交叉驗(yàn)證，以獲得最優(yōu)的核參數(shù)85-86
• 4.4.3 健康評估HRD計(jì)算86
• 4.4.4 試車臺HRD預(yù)測86-87
• 4.5 實(shí)驗(yàn)驗(yàn)證及分析87-99
• 4.5.1 試車臺健康評估實(shí)驗(yàn)仿真系統(tǒng)87-89
• 4.5.2 單傳感器參數(shù)的HRD分析89-91
• 4.5.3 燃料和氧化劑子系統(tǒng)的HRD分析與預(yù)測91-97
• 4.5.4 試車臺系統(tǒng)的HRD分析與預(yù)測97-99
• 4.6 本章小結(jié)99-100
• 第5章 健康管理系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)100-110
• 5.1 引言100-102
• 5.2 系統(tǒng)方案設(shè)計(jì)102-103
• 5.2.1 試驗(yàn)系統(tǒng)指標(biāo)102
• 5.2.2 試驗(yàn)系統(tǒng)方案102-103
• 5.3 各級子系統(tǒng)設(shè)計(jì)103-107
• 5.3.1 數(shù)據(jù)采集模塊設(shè)計(jì)103-104
• 5.3.2 故障檢測模塊設(shè)計(jì)104-105
• 5.3.3 故障信號仿真模塊設(shè)計(jì)105
• 5.3.4 故障診斷模塊設(shè)計(jì)105-106
• 5.3.5 健康評價(jià)與故障預(yù)測模塊設(shè)計(jì)106-107
• 5.4 系統(tǒng)試驗(yàn)107-109
• 5.4.1 軟件執(zhí)行時(shí)間評測107
• 5.4.2 軟件有效性評測107-108
• 5.4.3 健康評估預(yù)測有效性評測108-109
• 5.5 本章小結(jié)109-110
• 結(jié)論110-112
• 參考文獻(xiàn)112-124
• 攻讀博士學(xué)位期間發(fā)表的論文及其它成果124-127
• 致謝127-128
• 個(gè)人簡歷128

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 龍玉珍;馬夸特公司改建發(fā)動機(jī)試車臺以支持高超音速飛機(jī)研究[J];推進(jìn)技術(shù);1989年06期

2 鄭南昌;火箭發(fā)動機(jī)試車臺控制系統(tǒng)操作技能探討[J];航天工藝;1990年Z1期

3 晗旭,龍玉珍;噴氣發(fā)動機(jī)試車臺增壓管的性能[J];飛航導(dǎo)彈;1998年11期

4 楊淑珍 ,楊金麟;發(fā)動機(jī)試車臺供油系統(tǒng)電液伺服控制動態(tài)試驗(yàn)[J];推進(jìn)技術(shù);1981年01期

5 平華;朱曉暢;;三菱觸摸屏在某發(fā)動機(jī)試車臺電氣操縱控制系統(tǒng)的應(yīng)用[J];可編程控制器與工廠自動化;2009年06期

6 P.A.O.G.Korting;H.J.Reitsma;呂光珍;;室內(nèi)火箭試車臺的理論和試驗(yàn)評定[J];國外固體火箭技術(shù);1987年04期

7 吳惠明;焦獻(xiàn)瑞;;發(fā)動機(jī)試車臺推力測量系統(tǒng)中心加載現(xiàn)場校準(zhǔn)技術(shù)研究[J];計(jì)測技術(shù);2009年01期

8 李文峰,王永生;試車臺高準(zhǔn)確度測試儀表的實(shí)現(xiàn)方法[J];航空計(jì)測技術(shù);2003年02期

9 麥海波;;發(fā)動機(jī)試車臺的通道設(shè)計(jì)和噪聲控制[J];裝備制造技術(shù);2013年07期

10 李楊;;發(fā)動機(jī)試車臺振動控制[J];噪聲與振動控制;2005年05期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 仲峰泉;邢云緋;宋宏偉;岳連捷;李東霞;張新宇;;高馬赫數(shù)、長時(shí)間運(yùn)行發(fā)動機(jī)試車臺噴管熱載荷分析及冷卻優(yōu)化[A];第四屆高超聲速科技學(xué)術(shù)會議會議日程及摘要集[C];2011年

中國重要報(bào)紙全文數(shù)據(jù)庫 前4條

1 張燕;檢驗(yàn)產(chǎn)品即檢驗(yàn)人生[N];中國航天報(bào);2014年

2 王振華 李晶雪;夯實(shí)研保基礎(chǔ) 打造發(fā)展新平臺[N];中國航空報(bào);2004年

3 胡海;發(fā)動機(jī)結(jié)冰研究取得新突破[N];中國航空報(bào);2009年

4 中國航天報(bào)記者 石磊 馮春萍;把100%的成功 化作100%的動力[N];中國航天報(bào);2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 朱鳳宇;液體火箭發(fā)動機(jī)試車臺健康管理關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號：970821