火箭发动机试验台贮箱清洗装置设计与仿真

基于目前火箭发动机试验台贮箱清理需求,设计一套基于超音速气液混合清洗的贮箱多余物循环清洗系统,主要包括介质供应系统、管路伸缩系统、清洗机构三大部分,清洗机构的核心是超音速喷嘴,通过合理设计和仿真验证,确保喷嘴在清洗过程中能够产生足够的动力以实现清洗效果。该装置具有360°清洗能力,能够实现对贮箱内壁面的全覆盖清洗,并且能够适应不同尺寸容器清洗,降低成本,提高效率,为试验系统多余物防控提供有效的解决方案。

基于KPCA和SVM的火箭发动机试验台故障诊断方法

为了解决液体火箭发动机试验台的故障诊断问题,提出了一种基于核主元分析(KPCA)特征提取和支持向量多分类机(SVM)的故障诊断方法,该方法首先利用核主元分析对试验台标准故障样本进行特征提取,通过特征分析,建立适合于试验台故障状态识别的层次多分类支持向量机,并对其进行训练,然后将试验数据在主元上投影,输入到训练好的支持向量多分类器,对试验台故障状态进行识别.该方法充分利用了核主元分析强大的非线性特征提取能力和支持向量分类机良好的小样本泛化特性,解决了试验台故障诊断中的小样本、非线性模式识别问题.对试验台的试验结果表明,该方法是有效的、可行的.

液体火箭发动机试验台健康评估与故障预测方法

针对液体火箭发动机试验台健康性能退化的问题,提出一种模糊综合评判与自适应相关向量机(Adaptive Relevance Vector Machine,ARVM)相结合的试验台健康评估与故障预测方法。利用模糊综合评判策略对多传感器在单时序点上的数据进行融合,通过去模糊化方法得到健康度随时间变化的曲线;借助相空间重构方法构造三维输入输出模型,获取不同时序点健康度之间的相关关系,并以此为输入输出,建立试验台健康度预测模型,该模型以健康度的发展来表征试验台健康性能变化;将该方法应用于某型发动机增压系统健康评估中,验证了其有效性。

基于RVM的液体火箭发动机试验台故障预测方法

液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题,通过预测相关参数在试验台运行过程中的变化趋势,可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模,提出了一种相关向量机(relevancevector machine,RVM)故障预测模型。在模型的训练阶段,根据数据序列的特征,分别采用单参量、相空间重构和多参量的方法进行了模型的训练,然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明,该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。

氢氧火箭发动机试验台液氢供应系统可靠性设计研究

本文依据氢氧发动机试验台液氢供应系统设计和试验经验,在分析液氢供应系统特点的基础上,首次系统总结了液氢供应系统可靠性分析和设计的步骤、设计方法、设计依据和设计重点问题,为进行大推力氢氧发动机试验台推进剂供应系统的可靠性设计提供实践经验和参考。

一种自组织双模糊神经网络控制算法

针对传统模糊神经网络设计复杂、控制实时性滞后的问题,提出自组织双模糊神经网络算法。将样本数据进行聚类划分,形成原始的模糊隶属函数集;在神经网络的离线训练过程中,完善并优化模糊隶属函数和规则;采用双神经网络结构,在线工作时,一个神经网络完成在线学习任务,另一个神经网络完成工业控制任务;经过一定的系统周期,同步系统中两组神经网络的参数;提取完成控制任务的神经网络的输出作为算法的输出。应用于火箭发动机试验台控制系统中,表明算法能够提升控制系统中针对输入参数越界的鲁棒性,提高控制实时性,简化了模糊神经网络的设计复杂度。