液體火箭發(fā)動機(Liquid rocket engine,LRE)是一種復雜的動力系統(tǒng),隨著運載火箭的有效載荷不斷增加,發(fā)動機的工作環(huán)境會越來越惡劣。一旦發(fā)動機發(fā)生故障會導致航天系統(tǒng)失效,只有及時無誤地檢測出故障,才能實施應急措施,防止發(fā)動機性能降低甚至設備損毀。快速準確地檢測出發(fā)動機故障對航天發(fā)射任務的成功具有重大工程意義。本文以改進優(yōu)化算法為基礎,利用某型號LRE的歷史試車數(shù)據,將LRE故障檢測與診斷研究中的核心步驟轉化為相應的優(yōu)化問題進行處理,主要研究內容包括:(1)以某型號LRE試車平臺為研究基礎,并以歷史故障統(tǒng)計分析和故障模式及影響分析(Fault Mode and Effects Analysis,FEMA)等方法,得到了比較詳盡的故障模式,為故障檢測與診斷模型的監(jiān)控參數(shù)選取提供依據。(2)以優(yōu)化算法中的量子遺傳算法(Quantum Genetic Algorithm,QGA)為基礎,實現(xiàn)了一種基于QGA優(yōu)化反向傳播(Back Propagation,BP)神經網絡的LRE故障檢測方法。選取動態(tài)改進策略和災變策略作為QGA進化的操作準則,改進后的QGA對BP神經網絡的初始權...

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

圖1-2論文結構圖

圖2-1試車試驗平臺系統(tǒng)結構圖

9圖2-1試車試驗平臺系統(tǒng)結構圖測試車試驗平臺的運行狀態(tài)，在試驗平臺上安裝了、溫度、流量、轉速傳感器等。選取歷史試車過程中，對處于穩(wěn)態(tài)階段的試車試驗平臺進行故障檢測與故平臺現(xiàn)有測點分析的基礎是采集傳感器的信息，為基于數(shù)據驅動的故試車試驗平臺中安裝的傳感器類型、數(shù)量、位置與質獲....

圖3-1BP神經網絡拓撲結構圖

圖3-1BP神經網絡拓撲結構圖過訓練網絡的權值和閾值，使其具有預測的功能。BP神經網始化。系統(tǒng)輸入層節(jié)點數(shù)n，隱含層節(jié)點數(shù)l，輸出層節(jié)點數(shù)決定。設定網絡輸入層和隱含層連接權值ijω，隱含層和輸出值a，輸出層閾值b等。輸出計算。依據連接權值ijω，按經驗公式確....

圖3-2改進后的QGA流程圖

21圖3-2改進后的QGA流程圖優(yōu)化的BP神經網絡BP網絡權值和閾值優(yōu)化，克服傳統(tǒng)BP和單一使用優(yōu)越的尋優(yōu)領域，使得優(yōu)化后的BP網絡模型輸出值QGA-BP的算法流程圖如圖3-3所示。QGA-BP網絡的群0Q(t)。設定種群數(shù)目n與量子位的....

本文編號：3971913