CN104483965A - 液体火箭发动机地面试车稳态过程故障检测参数选择方法 - Google Patents

Abstract

一种液体火箭发动机地面试车稳态过程故障检测参数选择方法，首先基于发动机地面试车故障样本数据，分析建立发动机在发生故障前工作状态正常的试车过程中各测量参数的统计特征；在发动机故障样本数据包含故障发生时刻的数据窗口内，利用参数统计特征结果信息，计算各测量参数背离其正常发展变化趋势的时间点；建立故障检测参数候选集，并进行排序；基于发动机地面试车正常样本数据，对排序后的故障检测参数候选集逐个进行排查，剔除与正常样本数据中参数发展变化趋势不一致的候选参数，得到发动机地面试车稳态工作过程故障检测的参数结果集。本发明有效提高了故障检测参数对发动机故障早期变化趋势的表征与识别能力。

Description

液体火箭发动机地面试车稳态过程故障检测参数选择方法

技术领域

本发明具体涉及液体火箭发动机故障检测领域，特指一种应用于液体火箭发动机地面试车稳态工作过程故障检测参数的选择方法。

背景技术

液体火箭发动机是运载火箭的核心动力装置。为确保航天发射任务的成功，液体火箭发动机在装箭和正式交付使用之前，需要进行大量的地面试车，以考核和验证性能指标，改进和优化结构设计。

为进行各种性能状态参数的测量，液体火箭发动机地面试车过程中布设了大量的传感器，不仅包括涡轮、泵、管路、气瓶、贮箱、推力室等多个部件和流量、转速、温度、压力、振动等多种类型的信号，而且还包括许多材料和工艺参数。特别是近年来随着声、光、电、磁等先进测量技术的不断应用和手段的多样化，测量信号的数量越发众多、种类越发复杂。

故障检测是有效提高液体火箭发动机地面试车可靠性和安全性的重要技术手段。其通过对液体火箭发动机地面试车过程是否发生故障做出及时、可靠的判断，并提供给控制系统采取紧急关机、调节工作状态等故障控制措施，可有效避免危险性或灾难性事故的发生，保护人员、设备和财产的安全。

故障检测的前提和基础是液体火箭发动机地面试车过程中测量的各种数据和信息。因此，如何在液体火箭发动机地面试车的众多测量参数中，优化选取对发动机故障敏感性好、识别能力强的监测参数，是液体火箭发动机地面试车故障检测必须解决的关键技术问题之一。

一般而言，发动机地面试车过程中，由于各种交变应力的作用，其结构部件的损伤将逐渐累积，并最终演变发展为结构破坏、失效等严重故障。在发动机故障的上述演变发展过程中，部分性能状态参数会发生变化，而这些参数的变化实际上代表了发动机发生故障的征兆。

发明内容

为优化选取对发动机故障敏感性好、识别能力强的故障检测参数，本发明提出一种液体火箭发动机地面试车稳态过程故障检测参数选择方法。

本发明一种液体火箭发动机地面试车稳态过程故障检测参数选择方法的技术方案是，将测量参数对发动机故障的敏感性作为故障检测参数选择的标准，然后利用液体火箭发动机历史试车数据，进行下述步骤：基于发动机地面试车故障样本数据，分析建立发动机在发生故障前工作状态正常的试车过程中各测量参数的统计特征，其代表了发动机在该次试车过程中测量参数的正常发展变化趋势；在发动机故障样本数据包含故障发生时刻的数据窗口内，利用参数统计特征结果信息，计算各测量参数背离其正常发展变化趋势的时间点；剔除在数据窗口内满足正常发展变化趋势的测量参数，将剩余的参数作为发动机地面试车稳态工作过程故障检测的参数候选集，并利用时间点结果信息，对候选参数进行排序；基于发动机地面试车正常样本数据，对排序后的故障检测参数候选集逐个进行排查，剔除与正常样本数据中参数发展变化趋势不一致的候选参数，得到发动机地面试车稳态工作过程故障检测的参数结果集。

本发明的有益效果是：参数的敏感性具体由参数在发动机发生故障之前和之后一定时间的数据窗口内的变化趋势来描述，而不仅仅只考虑发动机故障发生后的变化趋势，有效提高了故障检测参数对发动机故障早期变化趋势的表征与识别能力，其对有效提高故障检测的及时性、准确性，以及优化发动机地面试车传感器测量节点配置、减少测量传感器数量等都具有十分重要的意义和价值。同时，本发明专利首先利用故障样本数据基于故障敏感性的标准对发动机地面试车的测量参数进行删减，建立参数候选集，然后利用正常样本数据对候选参数进行检验，进一步删减测量参数，得到最终的故障检测参数，从而避免了将所有测量参数参与全部运算，减少了计算量。

附图说明

图1为本发明的方法流程示意图。

以下将结合附图和具体实施例对本发明作进一步详细说明。

具体实施方式

如图1所示，本实施例的假设共有m组液体火箭发动机地面试车的故障样本数据，记为F₁,F₂...,F_m，相应的故障发生时刻分别为T₁,T₂...,T_m，s组液体火箭发动机地面试车的正常样本数据，截取其中的稳态工作过程数据作为检验样本，记为N₁,N₂,...,N_s。发动机地面试车过程中的测量参数集为X＝{x₁,x₂...,x_n}。

步骤一：建立发动机在发生故障前工作状态正常的试车过程中各测量参数的统计特征及其正常状态区间范围。

事先给定数值M(M为待分析的数据区间中测量数据点的个数)。在故障样本数据F_j(j＝1,...,m)中，计算其故障发生时刻T_j(j＝1,...,m)前第2×M到第M个测量数据点之间参数x_i(i＝1,...,n)的均值和方差，分别为：

${\mathrm{\μ}}_i^j=\frac{\underset{k=-2M+1}{\overset{-M}{\mathrm{\Σ}}}{x}_i^j\left(k\right)}{M},i=1,...,n,j=1,...,m---\left(1\right)$

${\mathrm{\σ}}_i^j=\sqrt{\frac{\underset{k=-2M+1}{\overset{-M}{\mathrm{\Σ}}}{(x_i^j\left(k\right)-{\mathrm{\μ}}_i^j)}^2}{M}},i=1,...,n,j=1,...,m---\left(2\right)$

式(1)和式(2)中，下标“i”表示第i个测量参数，上标“j”表示第j组故障样本数据，表示测量参数x_i在故障样本数据F_j中第k个测量数据点的值。由于将故障发生时刻作为第0个数据点，因此，k的取值范围为[-2M+1，-M]。

b、建立故障样本数据F_j(j＝1,...,m)中测量参数x_i(i＝1,...,n)的状态区间：

$[{\mathrm{\μ}}_i^j-{\mathrm{\σ}}_i^j,{\mathrm{\μ}}_i^j+{\mathrm{\σ}}_i^j],i=1,...,n,j=1,...,m---\left(3\right)$

该状态区间代表了在故障样本数据F_j中，发动机在发生故障前参数x_i的正常变化范围。

步骤二：计算测量参数在故障样本数据中超出正常变化区间范围的时间点。

在故障样本数据F_j(j＝1,...,m)包含故障发生时刻的数据窗口内(该数据窗口包含故障发生前M个测量数据和故障发生后M个测量数据)，判断式(4)是否成立。

$\&Exists;k,x_i^j\left(k\right)<{\mathrm{\&mu;}}_i^j-{\mathrm{\&sigma;}}_i^j$ 或 $x_i^j\left(k\right)>{\mathrm{\&mu;}}_i^j+{\mathrm{\&sigma;}}_i^j$ k∈[-M+1,M]    (4)

若成立，说明测量参数x_i超出了其正常变化范围，是故障样本数据F_j中故障的征兆，因而可作为故障检测的备选参数。同时，为避免测量数据的野点等对结果的影响，采取持续判断准则：即只有连续三个测量点的数据都满足式(4)，才能认为测量参数x_i超出了其正常变化范围。记测量参数x_i第三次满足式(4)的测量时间点为若测量参数在数据窗口内均不满足式(4)或即使式(4)成立，但不满足持续判断准则，则认为该参数对故障不敏感，其超出正常变化范围的时间点记为某个未知量“Θ”。

步骤三：建立故障检测参数候选集，并进行排序。

a、将故障样本数据中各测量参数超出正常变化范围的时间点写为矩阵：

$R={\left[\begin{array}{cccc}{t_1}^1& {t_1}^2& ...& {t_1}^m\\ {t_2}^2& {t_2}^2& ...& {t_2}^m\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {t_n}^1& {t_n}^2& ...& {t_n}^m\end{array}\right]}_{n\&times;m}---\left(5\right)$

将矩阵R中包含未知量“Θ”的行删除，得到修剪后的矩阵：

$\stackrel{\&OverBar;}{R}={\left[\begin{array}{cccc}{t_P}^1& {t_P}^2& ...& {t_P}^m\\ {t_{P+1}}^2& {t_{P+1}}^2& ...& {t_{P+1}}^m\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {t_Q}^1& {t_Q}^2& ...& {t_Q}^m\end{array}\right]}_{(Q-P+1)\&times;m}---\left(6\right)$

矩阵中各行所对应的测量参数集X＝{x_P,x_P+1,...,x_Q}即为建立的故障检测参数候选集。

b、将矩阵中元素按列相加，得到向量：

$W={[\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{t_P}^i,\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{t_{P+1}}^i,...,\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{t_Q}^i]}^T---\left(7\right)$

式(7)中，“T”为矩阵的转置。

将向量W中元素按从小到大的顺序进行排序，其对应的测量参数集(仍记为X＝{x_P,x_P+1,...,x_Q})实际上已将候选参数按故障表征的及时性进行了重新排序。

步骤四：建立故障检测参数结果集。

对排序后的故障检测参数候选集依次进行检验，即判断式(8)是否成立：

$\&ForAll;k,{\mathrm{\&mu;}}_i-{\mathrm{\&sigma;}}_i<y_i^j\left(k\right)<{\mathrm{\&mu;}}_i+{\mathrm{\&sigma;}}_i---\left(8\right)$

式(8)中，表示第j个检验数据样本中第i个候选参数的第k个测量数据值，μ_i为根据式(1)计算得到的m个均值的均值。记σ_MAX为根据式(2)计算得到的m个方差中的最大值，其所对应的式(1)中的均值为μ_MAX，σ_i＝μ_MAX-μ_i+σ_MAX。

同样，为了避免数据野点对检验结果的影响，依然采取持续判断准则：即只有连续三个测量点的数据都不满足式(8)，才能将对应的测量参数从候选集中剔除。最后得到的参数候选集即为发动机地面试车稳态工作过程故障检测的参数结果集。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应该提出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种液体火箭发动机地面试车稳态过程故障检测参数选择方法，其特征在于：

步骤一：基于发动机地面试车故障样本数据，分析建立发动机在发生故障前工作状态正常的试车过程中各测量参数的统计特征及其正常状态区间范围；

步骤二：在发动机故障样本数据包含故障发生时刻的数据窗口内，利用参数统计特征结果信息，计算各测量参数超出正常状态区间范围的时间点；

步骤三：剔除在数据窗口内满足正常发展变化趋势的测量参数，将剩余的参数作为发动机地面试车稳态工作过程故障检测的参数候选集，并利用时间点结果信息，对候选参数进行排序；

步骤四：基于发动机地面试车正常样本数据，对排序后的故障检测参数候选集逐个进行排查，剔除与正常样本数据中参数发展变化趋势不一致的候选参数，得到发动机地面试车稳态工作过程故障检测的参数结果集。

2.根据权利要求1所述的液体火箭发动机地面试车稳态过程故障检测参数选择方法，其特征在于：

步骤一：基于发动机地面试车故障样本数据，分析建立发动机在发生故障前工作状态正常的试车过程中各测量参数的统计特征及其正常状态区间范围；其具体步骤如下：

假设共有m组液体火箭发动机地面试车的故障样本数据，记为F₁,F₂...,F_m，相应的故障发生时刻分别为T₁,T₂...,T_m，s组液体火箭发动机地面试车的正常样本数据，截取其中的稳态工作过程数据作为检验样本，记为N₁,N₂,...,N_s，发动机地面试车过程中的测量参数集为X＝{x₁,x₂...,x_n}；

a、事先给定数值M，M为待分析的数据区间中测量数据点的个数；在故障样本数据F_j(j＝1,...,m)中，计算其故障发生时刻T_j(j＝1,...,m)前第2×M到第M个测量数据点之间参数x_i(i＝1,...,n)的均值和方差，分别为：

${\mathrm{\&mu;}}_i^j=\frac{\underset{k=-2M+1}{\overset{-M}{\mathrm{\&Sigma;}}}{x}_i^j\left(k\right)}{M},i=1,...,n,j=1,...,m---\left(1\right)$

${\mathrm{\&sigma;}}_i^j=\sqrt{\frac{\underset{k=-2M+1}{\overset{-M}{\mathrm{\&Sigma;}}}{(x_i^j\left(k\right)-{\mathrm{\&mu;}}_i^j)}^2}{M}},i=1,...,n,j=1,...,m---\left(2\right)$

式(1)和式(2)中，下标“i”表示第i个测量参数，上标“j”表示第j组故障样本数据，表示测量参数x_i在故障样本数据F_j中第k个测量数据点的值；由于将故障发生时刻作为第0个数据点，因此，k的取值范围为[-2M+1，-M]；

b、建立故障样本数据F_j(j＝1,...,m)中测量参数x_i(i＝1,...,n)的状态区间：

$[{\mathrm{\&mu;}}_i^j-{\mathrm{\&sigma;}}_i^j,{\mathrm{\&mu;}}_i^j+{\mathrm{\&sigma;}}_i^j],i=1,...n,j=1,...,m---\left(3\right)$

该状态区间代表了在故障样本数据F_j中，发动机在发生故障前参数x_i的正常变化范围；

步骤二：在发动机故障样本数据包含故障发生时刻的数据窗口内，利用参数统计特征结果信息，计算各测量参数超出正常状态区间范围的时间点；其具体步骤如下：

在故障样本数据F_j(j＝1,...,m)包含故障发生时刻的数据窗口内，判断式(4)是否成立：

$\&Exists;k,x_i^j\left(k\right)<{\mathrm{\&mu;}}_i^j-{\mathrm{\&sigma;}}_i^j$ 或 $x_i^j\left(k\right)>{\mathrm{\&mu;}}_i^j+{\mathrm{\&sigma;}}_i^j,k\&Element;[-M+1,M]---\left(4\right)$

若成立，说明测量参数x_i超出了其正常变化范围，是故障样本数据F_j中故障的征兆，因而可作为故障检测的备选参数；同时，为避免测量数据的野点等对结果的影响，采取持续判断准则：即只有连续三个测量点的数据都满足式(4)，才能认为测量参数x_i超出了其正常变化范围，记测量参数x_i第三次满足式(4)的测量时间点为若测量参数在数据窗口内均不满足式(4)或即使式(4)成立，但不满足持续判断准则，则认为该参数对故障不敏感，其超出正常变化范围的时间点记为某个未知量“Θ”；

步骤三：剔除在数据窗口内满足正常发展变化趋势的测量参数，将剩余的参数作为发动机地面试车稳态工作过程故障检测的参数候选集，并利用时间点结果信息，对候选参数进行排序；其具体步骤如下：

a、将故障样本数据中各测量参数超出正常变化范围的时间点写为矩阵：

$R={\left[\begin{array}{cccc}{t_1}^1& {t_1}^2& ...& {t_1}^m\\ {t_2}^2& {t_2}^2& ...& {t_2}^m\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {t_n}^1& {t_n}^2& ...& {t_n}^m\end{array}\right]}_{n\&times;m}---\left(5\right)$

将矩阵R中包含未知量“Θ”的行删除，得到修剪后的矩阵：

$\stackrel{\&OverBar;}{R}={\left[\begin{array}{cccc}{t_P}^1& {t_P}^2& ...& {t_P}^m\\ {t_{P+1}}^2& {t_{P+1}}^2& ...& {t_{P+1}}^m\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {t_Q}^1& {t_Q}^2& ...& {t_Q}^m\end{array}\right]}_{(Q-P+1)\&times;m}---\sqrt{\left(6\right)}$

矩阵中各行所对应的测量参数集X＝{x_P,x_P+1,...,x_Q}即为建立的故障检测参数候选集；

b、将矩阵中元素按列相加，得到向量：

$W={[\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{t_P}^i,\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{t_{P+1}}^i,...,\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{t_Q}^i]}^T---\left(7\right)$

式(7)中，“T”为矩阵的转置；

将向量W中元素按从小到大的顺序进行排序，其对应的测量参数集(仍记为X＝{x_P,x_P+1,...,x_Q})实际上已将候选参数按故障表征的及时性进行了重新排序；

步骤四：基于发动机地面试车正常样本数据，对排序后的故障检测参数候选集逐个进行排查，剔除与正常样本数据中参数发展变化趋势不一致的候选参数，得到发动机地面试车稳态工作过程故障检测的参数结果集；

对排序后的故障检测参数候选集依次进行检验，即判断式(8)是否成立：

$\&ForAll;k,{\mathrm{\&mu;}}_i-{\mathrm{\&sigma;}}_i<y_i^j\left(k\right)<{\mathrm{\&mu;}}_i+{\mathrm{\&sigma;}}_i---\left(8\right)$

式(8)中，表示第j个检验数据样本中第i个候选参数的第k个测量数据值，μ_i为根据式(1)计算得到的m个均值的均值；记σ_MAX为根据式(2)计算得到的m个方差中的最大值，其所对应的式(1)中的均值为μ_MAX，σ_i＝μ_MAX-μ_i+σ_MAX；

同样，为了避免数据野点对检验结果的影响，依然采取持续判断准则：即只有连续三个测量点的数据都不满足式(8)，才能将对应的测量参数从候选集中剔除，最后得到的参数候选集即为发动机地面试车稳态工作过程故障检测的参数结果集。