一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法技术

本发明专利技术公开了一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法，属于故障诊断领域，具体为：首先，针对固液火箭发动机，通过对部件模型添加故障因子，获取各种故障信号；基于步进法对故障信号进行处理，将观测信息由一维提升到高维空间中；使用K

【技术实现步骤摘要】
一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法


[0001]本专利技术属于故障诊断领域，涉及固液火箭发动机的故障诊断方法，具体为一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法。

技术介绍

[0002]固液火箭发动机在结构复杂度和推力可控性的综合性能上，具有液体和固体发动机无可比拟的优势，在航天各个应用领域均展现出了广泛的应用前景。从目前国内外固液火箭发动机的发展来看，虽然其探索性研制取得了一定的成功，但是可靠性仍然是制约其广泛使用的重要因素。因此，针对固液火箭发动机设计高可靠性的故障诊断系统对于其未来实际应用具有重要工程意义。
[0003]火箭发动机的故障诊断通常是利用发动机自带的传感器测量，得到的转速、流量和压强等信号，结合故障诊断算法，对发动机工作过程中可能遇到的故障进行诊断识别。当前存在的故障诊断算法主要是基于机理模型或神经网络的方法；如Kawatsu K等人针对液体火箭发动机提出一种基于模型的EMA故障诊断方法(见文献[1])。Cha J等人利用非线性卡尔曼滤波方法对液体火箭发动机瞬态状态进行故障检测与诊断(见文献[2]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法，其特征在于，分以下步骤：首先、针对固液火箭发动机，通过对部件模型添加故障因子，利用传感器获取各种故障发生的初始信号；然后、基于步进法对故障初始信号进行处理，将每个传感器通道得到的观测信息由一维提升到高维空间中；使用K
‑
PCA方法对每个通道的高维特征分别进行降维处理，提取各故障发生信号的主成分特征作为反映故障的信息；接着、建立基于FCM的模糊多态贝叶斯网络，并利用提取的主成分特征放到贝叶斯网络节点上进行训练，得到各节点的状态数；贝叶斯网络节点中离散化的节点，存在三种状态：故障未发生、故障变化过程和故障稳定结果；贝叶斯网络中的可观节点存在的状态，用FCM模糊聚类法进行分类，聚类数即为各节点的状态数；不同聚类的隶属度计算公式如下：其中，D是各故障发生信号的主成分特征作为样本信号的数量；N是聚类簇数，对应贝叶斯网络节点的状态数；m>1是用于控制模糊重叠程度的模糊分区矩阵指数，决定了模糊聚类的模糊程度；x
i
是第i个样本数据点的值，c
j
是第j个聚类簇的中心，μ
ij
是数值x
i
在第j个簇中的隶属度；最后、利用贝叶斯网络各节点的状态数对应各部件模型发生的故障概率分布，根据各故障概率是否超过各自设定的阈值，得到对应的部件模型是否发生故障的诊断结果。2.如权利要求1所述的一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法，其特征在于，所述部件模型包括转子，氧化剂管路，离心泵，涡轮泵转子和燃烧室。3.如权利要求1所述的一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法，其特征在于，通过修改所述故障因子的大小，进一步模拟发动机部件故障发生的程度。4.如权利要求1所述的一种基于改进贝叶斯算法的固液火箭发动机故障诊断方法，其特征在于，所述步进法+K
‑
PCA方法提取的特征包括：极大值，极小值，振幅，均值，方差，峭度和回归斜率；其中，时刻t的极大值ma(t)计算公式如下...

【专利技术属性】
技术研发人员：杨博，于贺，刘超凡，魏翔，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：