CN106460727A - 用于监测火箭发动机的参数的方法和装置 - Google Patents

用于监测火箭发动机的参数的方法和装置 Download PDF

Info

Publication number
CN106460727A
CN106460727A CN201580025959.3A CN201580025959A CN106460727A CN 106460727 A CN106460727 A CN 106460727A CN 201580025959 A CN201580025959 A CN 201580025959A CN 106460727 A CN106460727 A CN 106460727A
Authority
CN
China
Prior art keywords
parameter
value
monitoring
operating point
electromotor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201580025959.3A
Other languages
English (en)
Other versions
CN106460727B (zh
Inventor
A·罗梅特
高尼德克 S·勒
D·马里科夫
J·加扎格内思
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Safran Aircraft Engines SAS
Original Assignee
Safran Aircraft Engines SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Safran Aircraft Engines SAS filed Critical Safran Aircraft Engines SAS
Publication of CN106460727A publication Critical patent/CN106460727A/zh
Application granted granted Critical
Publication of CN106460727B publication Critical patent/CN106460727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02K—JET-PROPULSION PLANTS
    • F02K9/00—Rocket-engine plants, i.e. plants carrying both fuel and oxidant therefor; Control thereof
    • F02K9/96—Rocket-engine plants, i.e. plants carrying both fuel and oxidant therefor; Control thereof characterised by specially adapted arrangements for testing or measuring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02K—JET-PROPULSION PLANTS
    • F02K9/00—Rocket-engine plants, i.e. plants carrying both fuel and oxidant therefor; Control thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02K—JET-PROPULSION PLANTS
    • F02K9/00—Rocket-engine plants, i.e. plants carrying both fuel and oxidant therefor; Control thereof
    • F02K9/42—Rocket-engine plants, i.e. plants carrying both fuel and oxidant therefor; Control thereof using liquid or gaseous propellants
    • F02K9/44—Feeding propellants
    • F02K9/56—Control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/048—Monitoring; Safety
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2220/00—Application
    • F05D2220/80—Application in supersonic vehicles excluding hypersonic vehicles or ram, scram or rocket propulsion
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/81—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/82—Forecasts
    • F05D2260/821—Parameter estimation or prediction
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/301—Pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/303—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/304—Spool rotational speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/306—Mass flow
    • F05D2270/3061—Mass flow of the working fluid
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/334—Vibration measurements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/40—Type of control system
    • F05D2270/44—Type of control system active, predictive, or anticipative
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F05D2270/709—Type of control algorithm with neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24015—Monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25255—Neural network
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Testing Of Engines (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Feedback Control In General (AREA)

Abstract

根据本发明的方法包括：获得由传感器执行并且对应于发动机的工作点的监测参数的测量的步骤(E10)，所述工作点由至少一个发动机控制参数定义；从限定工作点的所述至少一个发动机控制参数的控制值或过滤的设定值估算用于所述工作点的监测参数的值的步骤(E20)；将监测参数的测量与其估值之间的误差相对于从针对操作点估算的所述误差中的不确定性确定的至少一个阈值进行比较的步骤(E40)；以及在越过至少一个阈值的情况下发送通知的步骤(E60)。

Description

用于监测火箭发动机的参数的方法和装置
技术领域
本发明涉及航空的总领域。
更具体地，本发明涉及监测火箭发动机。
背景技术
以已知的方式，火箭发动机系统需要在宽的工作范围内操作，并且它们设有用于检验它们正常操作的装置。
首先实时地执行检验，确保发动机的操作参数(例如发动机温度和压力等)保持在预定可接受的限值内，其次，在延迟的时间内通过比较在具有预定直线监测模板的发动机上的测试期间测得的操作参数的测量与显示测量故障或发动机故障的模板偏离来执行检验。
限值和监测模板的设置是手动确定的，并且它们存在错误的风险，特别是当设置不适合于发动机的操作点时。此外，轮廓或发动机的测试条件的变化要求更新限值和监测模板，这是冗长乏味的，并且不是没有风险。
发明内容
本发明通过提出一种监测火箭发动机的参数的方法来减轻这些缺点，该方法包括：
-获得步骤，用于获得由传感器测量并且对应于发动机的工作点的监测参数的测量，该工作点由发动机的至少一个调节参数定义；
-估值步骤，用于基于发动机的限定工作点的至少一个调节参数的调节值或过滤的设定点值来估算用于该工作点的监测参数的值；
-比较步骤，用于将监测参数的测量与其估值之间的误差相对于基于针对操作点估算的误差的不确定性确定的至少一个阈值进行比较；以及
-通知步骤，用于在至少一个阈值被越过的情况下发送通知。
相应地，本发明还提供一种用于监测火箭发动机的参数的装置，该装置包括：
-获得模块，用于获得由传感器测量并且对应于发动机的工作点的监测参数的测量，该工作点由发动机的至少一个调节参数定义；
-估值模块，用于基于发动机的限定工作点的至少一个调节参数的调节值或过滤的设定点值来估算用于该工作点的监测参数的值；
-比较模块，用于将监测参数的测量与其估值之间的误差相对于基于针对操作点估算的误差的不确定性确定的至少一个阈值进行比较；以及
-通知模块，用于在至少一个阈值被越过的情况下发送通知。
当误差大于阈值时，如果误差定义了不被跨越的高阈值，则误差被认为跨越阈值，或者如果阈值限定了不被跨越的低阈值，则如果误差小于阈值。
此外，应当观察到，可以以本领域技术人员显而易见的方式以各种方式在本发明的上下文中执行误差比较步骤。因此，作为示例，误差可以被定义为被监测参数的测量与其估值之间的差值的绝对值，或者仅被定义为被监测参数的测量与其估值之间的差值。此外，在该步骤期间，可以估算误差，然后与阈值进行比较，或者在变型中，可以将被监测参数的测量与其已经被添加(或适当减去)阈值的估值进行比较。该比较步骤是等同的，而不管将被监测参数的测量与基于被监测参数的估值和阈值所定义的模板进行比较的方式。
本发明还提出以随发动机工作点的变化动态和自动变化的方式监测火箭发动机的参数。例如，所监测的参数可以是
-发动机的压力；和/或
-发动机的温度；和/或
-发动机的元件的转速；和/或
-发动机内流动的流体的流率；和/或
-发动机的振动行为。
基于用于调节发动机的一个或多个参数来定义发动机的工作点。这种调节参数可以例如是发动机的燃烧室中的压力、发动机的泵的输入处的氧气/氢气混合物的比率、氧气涡轮泵的旋转速度、氢气涡轮泵的旋转速度等。以常规方式，当发动机运行时，通过适于作用在发动机的各种可变几何形状部分上的调节系统以闭环方式调节(即控制)这些调节参数，例如诸如氧旁通阀(OBPV)和氢旁通阀(HBPV)的调节阀的位置。
本发明提出的监测有利地适应于火箭发动机系统的动态和非线性性质，该性质特别地与发动机的调节设定点作为时间的函数而变化的方式相关，这些设定点在值和梯度方面由调节系统界定。为此，监测依赖于基于调节值(即，调节参数的验证值)来估算被监测参数(例如通过模拟或通过使用模型)，以便限制特别是与阀相关的不确定性并检测仅影响发动机的任何异常，或者用于调节参数的过滤的设定点值，以便检测影响调节回路下游的整个系统的任何异常，即不仅影响发动机，而且影响用于控制发动机的可变几何形状部分的致动器。然后将以这种方式获得的估值与被监测参数的测量进行比较，同时考虑根据发动机的工作点自动确定的阈值。特别地基于在涉及被监测参数的测量和估值的工作点处遇到的不确定性来确定该阈值。
因此，与现有技术不同，本发明不依赖于预先建立的监控模板或基于预先建立的用于与被监控参数的测量进行比较的限值。相反，本发明基于对被监测参数以及测量和估值精度(标准偏差)的估值来自动和动态地定义用于火箭发动机的监测模板和/或极限，这两者都是考虑到发动机的工作点评估的。
在该特定实施方式中，用于估算关于误差的不确定性的工作点从所述至少一个调节参数的调节值确定。
该实施方式依赖于对工作点的精确估算。它使火箭发动机能够在稳定条件下和瞬态条件下进行监测。特别地，在瞬态条件下，其可以不受在调节参数的测量和这些参数在调节期间的设定值之间可能遇到的、有时不可忽略的延迟的影响。
在变型中，用于评估误差的不确定性的操作可以从所述至少一个调节参数的过滤的设定点值或所述至少一个调节参数的设定点值(其相对于真实的发动机的工作点提前)确定。
应当观察到，在监测期间可以考虑多个阈值(例如，如果σ是作为发动机工作点的函数的关于误差的不确定度，则可以考虑在±3σ和±6σ处的高和低阈值)，其中每个阈值可以与对取决于所检测到的异常的重力而发出的通知的不同且适当的响应相关联(例如发出警告、对发动机进行维护动作、停止发动机等)。
因此，通过本发明使得监测能够在实时和延迟时间中检测关于火箭发动机的异常。因此，监测装置可以被托管在与用于调节发动机的装置(例如，靠近发动机的计算机)相同的实体中，或者在由发动机推进的火箭(例如，由飞行计算机)上的不同实体中，或者实际上在火箭发动机试验台中。
在优选实施方式中，使用人工神经网络来执行用于估算监测参数的值的步骤，该神经网络具有作为其输入的调节值或用于发动机的至少一个调节参数的过滤的设定点值。
使用神经网络使得更容易再现火箭发动机系统的非线性行为，并且无论与这样的非线性行为的现象且无论系统的复杂性如何都适用。
另外，借助于人工神经网络使得能够实现估算精度和计算负荷之间的折衷，从而使得本发明能够实时应用。通过使用这样的模型来限制估算所监测的参数的值所需的计算量。
在该实施方式中，关于误差的不确定性可以特别考虑到估算被确定为以下的函数的监测参数的不确定性：
-关于人工神经网络的输入的不确定性；和/或
-关于神经网络的不确定性；和/或
-关于用于构建神经网络的训练数据库的不确定性。
在变型中，可以使用除了人工神经网络之外的估算器，例如离线准备并基于非线性回归等的非线性估算器等。
发明人已经观察到，根据工作点，在调节参数的设定值存在突然变化的情况下，监测参数的测量与其估值之间的误差可以非常接近根据本发明确定的阈值。为了使监测方法对于这种类型的现象更加可靠，在本发明的特定实施方式中还可以在比较步骤中考虑发动机的工作点的变化率，特别是以便限定在发动机的工作点突然转变的情况下在监测参数的测量周围更宽的模板。
例如，模板可由以下定义：
-通过将监测参数的估值乘以对设定点值或过滤的设定点值或调节参数的突然变化进行建模的预定义的二阶滤波器的阶跃响应，并且通过将先前确定的不确定性与该操作的结果相加来获得上限；和/或
-通过将监测参数的估值乘以预定义的一阶滤波器的阶跃响应，该一阶滤波器对设定点值或过滤的设定点值或调节参数的缓慢变化进行建模，并从该操作的结果中减去先前确定的不确定性来获得下限。
换句话说，以等同的方式，在比较步骤期间：
-在代表至少一个调节参数的设定点值或过滤的设定点值的步骤处，将监测参数的测量与其由预定义的二阶滤波器的响应加权的估值之间的误差与“高”第一阈值进行比较；以及
-在该步骤处将监测参数的测量与其由预定义的一阶滤波器的响应加权的估值之间的误差与“低”第二阈值进行比较；
所述阈值中的一个或另一个交叉，导致发送阈值交叉通知。
在特定实施例中，监测方法的各个步骤由计算机程序指令确定。
因此，本发明还提供了一种在数据介质上的计算机程序，该程序适于在监测装置中或更一般地在计算机等中执行，该程序包括适于执行如上所述监测方法的步骤的指令。
程序可以使用任何编程语言，并且是源代码、目标代码或者源代码和目标代码之间的中间代码的形式，诸如部分编译的形式，或者任何其它期望的形式。
本发明还提供一种包括如上所述的计算机程序的指令的计算机可读数据介质。
数据介质可以是能够存储程序的任何实体或设备。例如，介质可以包括存储装置，诸如只读存储器、例如光盘(CD)ROM，或者微电子电路ROM或实际上磁记录装置，例如磁盘、软盘或硬盘。
此外，数据介质可以是诸如电信号或光信号之类的可传输介质，适合于经由电缆或光缆、通过无线电或通过其它方式传输。本发明的程序可以特别地从互联网类型的网络下载。
或者，数据介质可以是其中并入有程序的集成电路，该电路适于执行或用于执行所讨论的方法。
本发明还提供一种包括本发明的监测装置的火箭发动机。
在其它实施方式或实施例中，还可以设想本发明的监测方法、监测装置和火箭发动机以组合的方式组合一些或全部上述特性。
此外，适当地观察到，本发明的监测方法可以应用于除了火箭发动机之外的调节系统，例如飞机发动机。
附图说明
本发明的其它特征和优点从下述参照附图的描述中显现，该附图示出没有限制特性的实施方式。附图中：
-图1是在特定实施例中的包括根据本发明的监测装置的火箭发动机的示意图；
-图2是示出图1监测装置的硬件架构的示意图；
-图3是示出由图1的监测装置执行的本发明的监测方法的主要步骤的流程图；
-图4示出由图1监测设备使用的人工神经网络；
-图5示出了可以在图3所示的监测方法中使用的数值表格的示例；
-图6示出了由图1的监测装置监测的系统中的压力OPOP的测量和估值的变化的示例；以及
-图7示出了在本发明的第二实施方式中，监测装置考虑的阈值如何随时间变化。
具体实施方式
图1是在其环境中示出根据本发明要监测的火箭发动机1的特定实施例的示意图。
以已知的方式，火箭发动机利用液态氢和氧，液态氢和氧在发动机运行时在燃烧室中燃烧。在所考虑的实施例中，氢和氧的输送借助馈送涡轮泵的调节阀来控制。
调节阀尤其用于控制氧气和氢气的流速、涡轮机的速度等。它们由致动器控制，并且它们的位置由计算机、例如火箭发动机计算机或控制器确定。为此目的，计算机依赖于各种发动机调节参数，例如燃烧室中的写入CCP的压力、泵入口处混合物的氧/氢比率、写入MRPI、氧气和氢气涡轮泵的旋转速度等。
在图1中示意性地示出了以这种方式使用的调节器系统2的操作原理。应当观察到，在图1所示的示例中，假设调节逻辑由火箭发动机1的计算机执行。然而，这种假设不是限制性的，并且调节逻辑可以由火箭上机载的一些其它计算机执行，例如，驾驶火箭的机载计算机(OBC)。
调节器系统2在闭环中操作。更具体地，由计算机以已知的方式针对每个发动机调节参数创建设定点yC，并且将其输送到跟踪动态滤波器3。在来自滤波器3的输出处获得的过滤设定点yCf被馈送到误差计算模块4，其也被提供有调节参数的调节值yR。由模块4估算的误差e被提供给火箭发动机的校正器模块5，该校正器模块评估寻求校正误差e(即，导致消失)的命令u。命令u是用于调节阀的位置命令，其用于重新调节调节参数的值，使得其与设定点匹配。命令u作为命令u的函数被传送到控制调节阀的致动器7的校正器模块6。以这种方式控制的用于感测调节阀的位置的位置传感器8将用于调节阀的位置的测量值u'返回到校正器模块6。
火箭发动机1还设置有传感器9，其使得能够基于由传感器8测量的阀的位置u'来测量或估算调节参数的“调节”值。作为示例，传感器9是压力传感器、速度传感器、位置传感器、流量计等，这取决于正在考虑的调节参数。在由计算机的验证模块10(特别是用于消除异常值)验证之后，将调节值提供给误差计算模块4，以便为了达到设定点yC等而适配命令u。由于调节器系统2的操作对于本领域技术人员是已知的，因此在此不再详细描述。
通过根据本发明的监测装置11来确保火箭发动机1的正常操作。监测装置11构造成基于由常规传感器13提供的测量m1、...、mP监测火箭发动机1的一个或多个构件或元件12，传感器13适于测量在发动机的各种操作点处的发动机的各种参数p1、...、pP，其中P是大于或等于1的任意整数。由监测装置11监测的这些参数可以例如如下：
-来自发动机的泵的出口压力；
-喷嘴的温度；
-涡轮泵的旋转速度；
-发动机的泵的入口处的流体(氧气、氢气)的流率；
-发动机的振动行为；
-等等。
为了简化下面的描述，仅考虑由监测装置11监测的一个参数，即写为p(即P＝1)，例如发动机1的氧气泵的出口压力，写为OPOP(用于氧气泵出口压力)。然而，没有限值与由监测装置11监测的发动机参数的数量P相关，也与这些参数的性质无关。
如上所述，考虑火箭发动机1的每个工作点由调节器系统2使用的一个或多个调节参数的值限定。在当前设想的示例中，考虑发动机的每个操作点由一对调节参数限定，即由燃烧室压力CCP的值和泵入口处的氧/氢混合比的值MRPI形成的对。
然而，该假设本身不是限制性的，并且除了上述调节参数之外或作为它们的替代，可以设想其它调节参数，以便限定火箭发动机1的操作点，例如氧和氢涡轮泵的旋转速度。甚至可以设想仅使用一个调节参数。
在当前描述的实施例中，监测装置11被结合在火箭发动机1中，更具体地说是在其计算机或控制器中，从而使得能够在火箭发动机1飞行时容易地实时监测。它依赖于计算机的硬件结构，并且在当前描述的实施例中，如图2中示意性地示出。
因此，监测装置11特别包括处理器11A、只读(ROM)存储器11B、随机存取存储器(RAM)11C、非易失性存储器11D和通信装置11E，用于与计算机和火箭发动机1、特别是传感器13和调节器系统2的各元件通信。例如，通信装置11E包括数据总线。
监视器装置11的ROM 11B构成由处理器11A可读取的数据介质，并且存储根据本发明的计算机程序，其包括用于执行本发明的监测方法的步骤的指令，该方法的具体实施步骤如下面参照图3至5所述。
以等同的方式，计算机程序定义监测装置11的功能模块(特别是软件模块)，诸如用于获得所监测的参数的测量的获得模块14、用于估算这些参数的值的估算器模块15、用于比较测量和估值的比较器模块16、以及用于在适当时发送已经超过激活阈值的通知的通知模块17。参考监视方法的步骤更详细地描述这些各种模块的功能。
在另一个实施例中，监测装置11托管(host)在火箭发动机测试台或火箭的上述机载计算机(OBC)中。没有与托管监视器设备11的实体相关的限制。特别地，调节器系统2和监测装置11可以由不同的实体托管。
参考图3，接下来描述在本发明的特定实施方式中由监测装置11执行的监视方法的主要步骤。
如上所述，监测装置11基于由发动机的一个或多个传感器13收集的针对发动机的各种操作点的参数p的测量来监测火箭发动机1。参数p的这种测量m(或者更一般地根据本发明监测P参数时的参数p1、...、pP的m1、...、mP)经由用于火箭发动机1的操作点OP的监测装置的通信装置11E通过监测装置11的获取模块14从传感器13获得(步骤E10)。
在当前描述的实施方式中，获取模块14适于处理从传感器13接收的测量，并且更具体地用于过滤它们并消除任何异常值。这种处理是常规使用的，在此不再详细描述。这使得特别地能够不受测量问题的影响。
由处理测量m产生的参数p的测量m'由获取模块14存储在监测装置11的随机存取存储器11C中。
另外(与步骤E10并行或在步骤E10之后)，监测装置11的估算器模块15估算操作点OP的监测参数p的值(步骤E20)。为此目的，它使用从训练数据库构建的估算器，该训练数据库对火箭发动机11的非线性行为进行建模。估算器采用工作点OP的值作为输入，并且其输出参数p的估计p_est用于操作点OP的该值。在当前描述的实施方式中，输入到估算器的工作点由调节参数CCP和MRPI的调节值yR限定。
在另一实施方式中，输入到估算器的操作点OP由调节参数的过滤的设定点值yCf限定。
在该实施方式中，用于构造估算器的训练数据库从与实验数据合并的数学模型导出。获得这样的训练数据库对于本领域技术人员不存在任何困难，并且在本文中不进行更详细的描述。
在当前描述的实施方式中，估算器模块15使用的估算器是从训练数据库构造的人工神经网络ANN。该神经网络示于图4中。
更精确地，在该实施方式中，所考虑的神经网络ANN是没有反馈的多层感知器(MLP)类型的网络，具有输入层Lin、输出层Lout以及据说被隐藏的一个或多个连续的中间层Lhid。为了简化，在图4中仅示出了一个隐藏层。
输入层Lin具有形成向量[Vin，1]的M+1个输入(或神经元)，其中Vin表示维度M的向量，其包括定义考虑火箭发动机的工作点的M个调节参数。M是大于或等于1的整数。在所描述的实施方式中，输入层Lin除了单一输入之外还包括M＝2个输入，其分别对应于燃烧室的压力CCP和在发动机泵的入口处的混合物的比率MRPI。
网络的输出层Lout具有形成矢量Vout的P个输出(或神经元)，矢量Vout分别对应于由监测装置11监测的P参数的估值。P是大于或等于1的整数。在当前描述的实施方式中，P＝1。
隐藏层Lhid包括N个神经元，其中N是大于或等于1的整数。在该实施方式中，其依赖于具有如下定义的具有N维的实矢量输出的S形函数
在变型中，可以设想其它S型函数。
因此，神经网络的输出矢量Vout计算如下：
其中W1是输入层Lin和隐藏层Lhid之间的突触权重矩阵，该矩阵的最后一列表示隐藏层的神经元的偏差，W2指示隐藏层Lhid和输出层Lout之间的突触权重矩阵，该矩阵的最后一列表示输出层的神经元的偏置。
如本领域技术人员已知的，通过使用基于共轭梯度法的自动训练算法并应用于训练数据库，为火箭发动机1获得包含在矩阵W1和W2中的突触权重和偏差，这里不作描述。在变型中，可以使用其它已知的训练算法，以便从训练数据库构造神经网络ANN。
在图4所示的示例中，仅示出了具有N个神经元的一个隐藏层Lhid。可以优化每个隐藏层的隐藏层和神经元的数量，以便获得具有给定精度的网络，可以例如通过均方根误差标准来测量该精度。在变型中，也可以使用其它标准，例如使用神经网络估算参数所需的计算时间等，可能根据其相对重要性被加权。
此外，可以设想其它神经网络架构，例如具有反馈的网络。
在变型中，除了人工神经网络之外的非线性模型也可以用于估算被监测参数p的值，例如使用从存在于调节参数和监测的参数之间的结构关系定义的非线性回归离线构造的非线性模型。这种结构关系本身是已知的，并且可以通过实验和/或基于训练数据库来确定。
参考图3，参数p的测量m'和估值p_est分别由获取模块14和估算器模块15提供给监测装置11的比较器模块16。
一旦接收到这些值，该实施方式中的比较器模块16使用下式通过估算监测参数p的测量m'与估值p_est之间的误差ε而开始：
ε＝|m′-p_est|
其中|m′-p_est|是测量m'与估值p_est之差的绝对值。
此后，将误差ε与一个或多个阈值S1、...、SK进行比较，其中K是大于或等于1的整数(步骤E40)。
根据本发明，阈值S1、...、SK由监测装置11的比较器模块16从对于火箭发动机1的考虑的操作点OP估算的误差ε的不确定性σ(即标准偏差)确定，即用于获取测量m的火箭发动机1的工作点，并且对齐估值p_est。例如，监测装置11考虑两个不同的阈值S1＝3σ和S2＝6σ(或者以等同的方式，如果考虑的误差是ε＝m'-p_est，则阈值S1＝±3σ和S3＝±6σ)。
这些示例仅仅通过说明的方式给出，并且自然地，可以根据期望检测的异常设想不确定性σ的其它倍数。阈值的选择由希望足够早地监测火箭发动机1的元件中的任何漂移(包括在使用的传感器中)引导，同时限制假警报，如下面更详细地描述的。
在当前描述的实施方式中，不确定性σ考虑两个因素，即参数p的测量m上的不确定性σ1和参数p的估值p_est的不确定性σ2。更具体地：
在变型中，不确定性σ可以通过使用除均方根以外的函数从不确定性σ1和σ2中推导出来。
已知给定传感器的参数p的测量m的不确定性σ1。例如，其可以从传感器13的制造商提供的说明书中提取或确定(并且可能作为在传感器上执行的测试的结果而被验证)。应当观察到，这种不确定性(或者以等同的方式，传感器的测量精度)在火箭发动机1的整个工作范围内不一定是恒定的，而是可以作为发动机工作点的函数而变化。因此，为了评估不确定性σ1，本实施方式中的监测装置11利用特别从传感器13的制造商提供的说明书中预定的值的表TAB1，并给出定义操作点OP的不同对的值(CCP，MRPI)的产生的不确定性σ1的值。
在该实施方式中，参数p的估值p_est的不确定性σ2取决于几个不确定性源，具体包括：
-对输入到由估算器模块15使用的估算器的数据的不确定性(或者以等同的方式相反地，精确度)，并且更具体地，在该实施方式中是调节参数CCP和MRPI的调节值。具体地，由调节器系统2使用的闭环的精度取决于由传感器9执行的一个或多个调节参数的一个或多个测量以及在其中过滤的设定点yCf与测量yR之间的误差被前指为零的区域的宽度，以便避免致动器7中的非线性不稳定性(极限循环)(与其分辨率限值相关联)；
-在所使用的估算器上的不确定性(或者以等同的方式相反地，精确度)，具体地在人工神经网络ANN的该实施方式中，其不同于零但是取决于发动机的工作点。估算器的精确度表征其忠实地重建从其导出的训练数据库的能力；以及
-用于构造估算器的训练数据库的不确定性(或者以等同的方式相反地，精确度)，即在该实施方式中，人工神经网络ANN。估算器可以具有极好的精确度，然而如果训练数据库不可靠，例如当训练数据库本身从数学模型导出时，由估算器估算的参数的值会远离参数的测量。然后可以在构造估算器时应用偏差，以便考虑实际发动机和由训练数据库建模的发动机之间的差异，以便限制该不确定性。
在当前描述的实施方式中，监测装置11通过使用例如通过使用常规蒙特卡罗方法的模拟确定的值的表TAB2来估算由上述不确定性的组合产生的不确定性σ2，这是本领域技术人员已知的。
图5示出了这样的值的表TAB2的示例。该示例仅作为说明给出。
对于调节参数对(CCP，MRPI)的各种值，表TAB2给出所得到的不确定性值σ2(以监测参数p为单位，即在本实施例中以巴为单位，因为所监测的参数是压力)。在图5所示的示例中，调节参数CCP和MRPI的值的范围已被任意地细分为195个子范围(为简化起见，并未示出所有子范围)，在每个子范围中已经在蒙特卡罗方法的应用执行了随机抽取。考虑的范围的数量源自在给定范围内的不确定性的值的复杂性和均匀性之间的折衷。
在变型中，能够设想可以从人工神经网络而不是使用诸如表TAB2的表来估算不确定性σ2。
因此，监测装置的比较器模块16从上述值表TAB1和TAB2中提取火箭发动机1的与考虑工作点OP相对应的不确定性σ1和σ2。为此目的，它利用定义工作点OP的调节参数CCP和MRPI的值以及调节参数CCP和MRPI的调节和验证值的值yR。
在变型实施方式中，为了分别从表TAB1和TAB2中提取不确定性σ1和σ2，比较器装置16利用用于调节参数的过滤的设定点值yCf作为操作点OP(即，在跟踪动态滤波器3的出口处可用的值)。
在另一实施方式中，为了分别从表TAB1和TAB2中提取不确定性σ1和σ2，比较器模块16将利用由调节器传感器2针对这些调节参数设置的设定值yC作为操作点OP。
此后，使用不确定性σ1和σ2，其估算不确定性σ的值。从该值，它推导出阈值S1和S2。作为示例，在该实施方式中，S1＝3σ和S2＝6σ。
如上所述，比较器模块16将误差ε与以这种方式确定的阈值进行比较(步骤E40)。
在变型中，它将监测的参数p的测量m'与p_est±3σ和p_est±6σ进行比较。
在该比较期间，其确定误差ε是否大于阈值S1(在超过阈值S1的情况下对测试步骤E50做出响应“是”)，并且监测装置11的通知模块17发出通知，即阈值S1已被越过(具体为超过，因为误差被定义使得成总是为正的)以供实体18用于管理警告和点火序列(步骤E60)。
以类似的方式，如果比较器模块16确定误差ε大于阈值S2(在越过阈值S2的情况下对测试步骤E50响应“是”)，则监测装置11的通知模块17发出通知，阈值S2已经被实体18越过用于管理警告和点火序列(步骤E60)。
在当前描述的实施方式中，用于管理警告和点火序列的实体18在适用的情况下利用多数逻辑以确定响应于接收到的阈值越过通知而对火箭发动机1采取什么动作是适当的。可以实现作为所报告的越过的函数的模块化和逐渐响应(例如，准备维护、停止发动机、改适设定点值yC等)。
如果没有越过(或在该实施方式中为超过)阈值，则对于火箭发动机1的新的工作点，监测根据上述步骤E10至E60继续。在管理实体18被通知之后，这同样适用。
在当前描述的实施方式中，监测装置所考虑的阈值仅仅根据不确定性σ(例如，它们等于不确定度的倍数)来设置，其本身取决于所考虑的火箭发动机1的操作点OP。
在本发明的第二实施方式中，为了获得更可靠的火箭发动机1的监测，监测装置11基于不确定性σ确定在比较步骤期间使用的阈值，并且还考虑发动机的工作点正在改变的速率，并且更具体地，用于调节参数的(原始或过滤的)设定点值。
发明人观察到，当由调节器系统2确定的调节参数的设定点值突然改变时，误差ε移动得非常接近于基于不确定性σ定义的阈值，如图6所示在氧气涡轮泵的出口处的压力OPOP，阈值S1＝3σ。与该瞬态行为相关联的风险是监测装置11错误地向实体18发出警告(阈值越过)，用于管理警告和点火序列。
为了考虑这种现象，在比较步骤期间，不仅监测设备11使用基于不确定性σ和发动机的工作点OP确定的阈值，而且还考虑了发动机工作点的变化速率，更确切地说是用于一个或多个调节参数的设定点值。考虑到这一点，相当于在发动机工作点的突然(即快速)转变的情况下定义用于监测所监测参数的测量周围的更宽模板，相反地，在工作点的缓慢转变期间(即，当它变化很小或根本没有变化)的更窄模板。
在该第二实施方式中，模板由以下定义：
-通过将所监测的参数的估值乘以预定的二阶滤波器的阶跃响应，所述二阶滤波器对所述一个或多个设定点值或用于所述一个或多个调节参数的过滤的设定点值的突然变化进行建模，以及通过将先前确定的不确定性σ(或该不确定性的倍数，取决于所考虑的阈值)与该操作的结果相加而获得上限；以及
-通过将所监测的参数的估值乘以预定的一阶滤波器的阶跃响应，所述一阶滤波器对所述一个或多个设定点值或所述一个或多个调节参数的过滤的设定点值的缓慢变化进行建模，以及通过从该操作的结果减去先前确定的不确定性σ(或该不确定性的倍数，取决于所考虑的阈值)而获得下限。
考虑用于评估一阶和二阶滤波器的阶跃响应的步骤由一个或多个调节参数的原始设定点值yC定义。
在变型中，监测装置11考虑由一个或多个调节参数的过滤的设定点值yCf定义的步骤。
对于给定的监测参数和火箭发动机，离线选择第一和第二阶滤波器的截止频率和延迟，例如经验地选择、通过计算选择或通过基于所监测的参数根据时间变化的速率和多个调节参数的设定点值的变化进行测试来选择。
在变型中，可设想其它阶(且具体是更高阶)的过滤器。
因此，在该第二实施方式中，监测装置11将以下数值比较：
-在代表设定点值yC(或过滤的设定点值yCf)的步骤处，通过所监测的参数的测量m'与二阶滤波器的响应加权(即乘以)的其估值p_est之间的误差，具有从不确定性σ(例如S1high＝+3σ)定义的“高”第一阈值；以及
-由所监测参数的测量m'与所述步骤中预定义的一阶滤波器的响应加权的其估值p_est之间的误差，具有从不确定性σ(例如，S1low＝3σ)定义的“低”第二阈值。
作为说明，图7示出了在该第二实施方式中关于到所监测参数p的测量m'所准备的监测模板。
响应于表示施加到各调节参数的原始设定点值的台阶f0，监测参数p的测量变化的速率由曲线f1示出。该速率对应于其幅度如何随时间而变化。
曲线f2示出了由来自一阶滤波器的输出加权的监测参数p_est的估值。以类似的方式，曲线f3示出了通过二阶滤波器的输出加权的监测参数p_est的估值。
通过从曲线f2和f3中减去和加上不确定性σ来分别获得低边界Binf和高边界Bsup。这些边界Binf和Bsup定义了用于监测被监测参数p的测量m'的模板，其中这些边界中的任一个被所监测的参数越过，从而根据本发明产生由监测装置11发出的通知给实体18用于管理警告和点火序列。
应当观察到，这些边界Binf和Bsup作为时间的函数而变化，因为它们作为用于调节参数的设定值、即发动机的工作点的函数而变化。
如上所述，在当前描述的实施方式中，本发明应用于火箭发动机。然而，本发明可以应用于其它调节系统，例如飞机发动机。

Claims (13)

1.一种监测火箭发动机(1)的参数的方法，所述方法包括：
-获得步骤(E10)，用于获得由传感器(13)测量并且对应于所述发动机的工作点的所述监测参数的测量(m')，所述工作点由所述发动机的至少一个调节参数定义；
-估值步骤(E20)，用于基于所述发动机的限定所述工作点的所述至少一个调节参数的调节值(yR)或过滤的设定点值(yCf)来估算用于该工作点的所述监测参数的值；
-比较步骤(E40)，用于将所述监测参数的测量与其估值之间的误差相对于基于针对所述操作点估算的误差的不确定性确定的至少一个阈值(S1，S2)进行比较；以及
-通知步骤(E60)，用于在所述至少一个阈值被越过的情况下发送通知。
2.如权利要求1所述的方法，其特征在于，使用人工神经网络(ANN)来执行用于估算所述监测参数的值的估计步骤(E20)，所述神经网络具有作为其输入的调节值或用于所述发动机的至少一个调节参数的过滤的设定点值。
3.如权利要求1或权利要求2所述的方法，其特征在于，在所述比较步骤期间，用于估算关于所述误差的不确定性的所述工作点由以下确定：
-所述至少一个调节参数的调节值(y R)；或者
-所述至少一个调节参数的过滤的设定点值(yCf)；或者
-所述至少一个调节参数的设定点值(yC)。
4.如权利要求1至3中任一项所述的方法，其特征在于，所述工作点由以下调节参数中的至少一个限定：
-所述发动机的燃烧室的压力；以及
-所述发动机的泵的入口处的混合比。
5.如权利要求1至4中任一项所述的方法，其特征在于，在比较步骤期间，还考虑所述发动机的所述工作点的变化速率。
6.如权利要求5所述的方法，其特征在于，在所述比较步骤期间：
-在代表所述至少一个调节参数的设定点值或过滤的设定点值的步骤处，将所述监测参数的测量与其由预定义的二阶滤波器的响应加权的估值之间的误差与“高”第一阈值进行比较；以及
-在所述步骤处将所述监测参数的测量与其由预定义的一阶滤波器的响应加权的估值之间的误差与“低”第二阈值进行比较。
7.如权利要求1至6中任一项所述的方法，其特征在于，所述监测参数是选自以下的参数：
-所述发动机的压力；
-所述发动机的温度；
-所述发动机的元件的转速；
-所述发动机内流动的流体的流率；以及
-所述发动机的振动行为。
8.如权利要求1至7中任一项所述的方法，其特征在于，关于所述误差的不确定性至少考虑从估算所述监测参数中的不确定性和测量所述监测参数中的不确定性中选择的不确定性。
9.如权利要求2所述的方法，其特征在于，关于所述误差的不确定性考虑到估算所述监测参数的不确定性，所述不确定性被确定为以下的函数：
-关于人工神经网络的输入的不确定性；
-关于神经网络的不确定性；
-关于用于构建神经网络的训练数据库的不确定性。
10.一种计算机程序，包括当由计算机执行所述程序时用于执行根据权利要求1至9中任一项所述的监测方法的步骤的指令。
11.一种存储计算机程序的计算机可读数据介质，所述计算机程序包括用于执行根据权利要求1至9中任一项所述的监测方法的步骤的指令。
12.一种用于监测火箭发动机的参数的装置(11)，所述装置包括：
-获得模块(14)，用于获得由传感器(13)测量并且对应于所述发动机的工作点的所述监测参数的测量，所述工作点由所述发动机的至少一个调节参数定义；
-估值模块(15)，用于基于所述发动机的限定所述工作点的所述至少一个调节参数的调节值(yR)或过滤的设定点值(yCf)来估算用于该工作点的所述监测参数的值；
-比较模块(16)，用于将所述监测参数的测量与其估值之间的误差相对于基于针对所述操作点估算的误差的不确定性确定的至少一个阈值进行比较；以及
-通知模块(17)，用于在所述至少一个阈值被越过的情况下发送通知。
13.一种火箭发动机(1)，包括根据权利要求12所述的装置。
CN201580025959.3A 2014-04-03 2015-04-02 用于监测火箭发动机的参数的方法和装置 Active CN106460727B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR1452954 2014-04-03
FR1452954A FR3019592B1 (fr) 2014-04-03 2014-04-03 Procede et dispositif de surveillance d'un parametre d'un moteur de fusee
PCT/FR2015/050858 WO2015150706A1 (fr) 2014-04-03 2015-04-02 Procédé et dispositif de surveillance d'un paramètre d'un moteur de fusée

Publications (2)

Publication Number Publication Date
CN106460727A true CN106460727A (zh) 2017-02-22
CN106460727B CN106460727B (zh) 2018-09-21

Family

ID=51352538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580025959.3A Active CN106460727B (zh) 2014-04-03 2015-04-02 用于监测火箭发动机的参数的方法和装置

Country Status (9)

Country Link
US (1) US10267265B2 (zh)
EP (1) EP3126659B1 (zh)
JP (1) JP6585077B2 (zh)
CN (1) CN106460727B (zh)
BR (1) BR112016022774B1 (zh)
CA (1) CA2944120C (zh)
FR (1) FR3019592B1 (zh)
RU (1) RU2654310C2 (zh)
WO (1) WO2015150706A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109779791A (zh) * 2019-03-24 2019-05-21 西安航天动力测控技术研究所 一种固体火箭发动机中异常数据智能诊断方法
CN111502863A (zh) * 2019-12-17 2020-08-07 西安航天发动机有限公司 一种液氧煤油火箭发动机大部件对接自动测量方法
CN112377333A (zh) * 2020-12-02 2021-02-19 西安航天动力研究所 大推力液体火箭发动机涡轮泵实时故障监控方法
CN112539119A (zh) * 2020-11-30 2021-03-23 北京宇航系统工程研究所 一种基于变门限的推进剂利用系统调节方法
CN114459762A (zh) * 2020-12-25 2022-05-10 北京天兵科技有限公司 一种火箭发动机健康状态诊断系统及方法
CN115306590A (zh) * 2022-08-11 2022-11-08 江苏深蓝航天有限公司 一种发动机核心控制终端、点火方法和可读存储介质

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2660173C1 (ru) * 2017-04-13 2018-07-05 Общество с ограниченной ответственностью "Компекс-Т" Устройство ввода частотных сигналов расхода и числа оборотов в системы управления для стендовых испытаний ракетно-космической техники
US11829886B2 (en) * 2018-03-07 2023-11-28 International Business Machines Corporation Epistemic and aleatoric deep plasticity based on sound feedback
RU2692591C1 (ru) * 2018-06-29 2019-06-25 федеральное государственное автономное образовательное учреждение высшего образования "Самарский национальный исследовательский университет имени академика С.П. Королёва" Тягоизмерительное устройство для испытаний жидкостных ракетных двигателей малой тяги в стационарном режиме работы
RU2711813C1 (ru) * 2019-01-22 2020-01-23 федеральное государственное автономное образовательное учреждение высшего образования "Самарский национальный исследовательский университет имени академика С.П. Королёва" Тягоизмерительное устройство для испытаний жидкостных ракетных двигателей малой тяги в импульсных режимах работы
JP7471776B2 (ja) 2019-02-18 2024-04-22 三菱重工業株式会社 ジェットエンジン
FR3106862B1 (fr) * 2020-02-04 2022-02-04 Arianegroup Sas Procédé de mise en froid utilisant un réseau neuronal artificiel
JP7417256B2 (ja) * 2020-02-04 2024-01-18 国立研究開発法人宇宙航空研究開発機構 宇宙機液体推進システムの故障診断システム、及び宇宙機液体推進システムの故障診断方法
KR102289048B1 (ko) * 2020-03-03 2021-08-11 국방과학연구소 지상연소시험용 센서계측장치
RU2758781C1 (ru) * 2020-07-24 2021-11-01 Акционерное общество "НПО Энергомаш имени академика В.П. Глушко" Способ контроля технического состояния жидкостного ракетного двигателя на переходных режимах стендового испытания
RU2750875C1 (ru) * 2020-07-24 2021-07-05 Акционерное общество "НПО Энергомаш имени академика В.П. Глушко" Способ локализации неисправности жидкостного ракетного двигателя при огневом испытании
CN112182787B (zh) * 2020-11-03 2022-08-05 中国运载火箭技术研究院 确定运载火箭的总体偏差量的方法、系统、终端及介质
CN114718766B (zh) * 2022-03-29 2023-12-22 西安航天动力试验技术研究所 一种火箭发动机试验时序自动比对装置及比对方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1496414A1 (fr) * 2003-07-07 2005-01-12 Airbus France Procédé et dispositif pour surveiller la validité d'au moins un paramètre qui est calculé par une centrale anémométrique d'un aéronef
US20050222747A1 (en) * 2004-03-30 2005-10-06 Vhora Mohamad H Model-based detection, diagnosis of turbine engine faults
CN101408752A (zh) * 2008-10-21 2009-04-15 中国人民解放军海军航空工程学院 基于混沌退火和参数扰动的神经网络极值控制方法及系统
CN101689044A (zh) * 2007-04-12 2010-03-31 西门子公司 用于计算机辅助控制和/或调节技术系统的方法
CN102374038A (zh) * 2011-09-06 2012-03-14 天津大学 自学习的前馈和主动抗扰反馈结合的vvt控制方法
FR2965305B1 (fr) * 2010-09-28 2012-09-28 Snecma Systeme propulsif de lanceur spatial mettant en oeuvre un procede de regulation de la consommation d'ergols
CN103632033A (zh) * 2013-11-05 2014-03-12 奇瑞汽车股份有限公司 一种基于bp神经网络的map标定方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04211859A (ja) * 1990-02-28 1992-08-03 Chiyoda Corp 異常認知方法
JP3624546B2 (ja) * 1996-05-17 2005-03-02 株式会社日立製作所 予防保全方法及び装置
US5857321A (en) * 1996-06-11 1999-01-12 General Electric Company Controller with neural network for estimating gas turbine internal cycle parameters
JP4046309B2 (ja) * 1999-03-12 2008-02-13 株式会社東芝 プラント監視装置
US7216071B2 (en) * 2002-04-23 2007-05-08 United Technologies Corporation Hybrid gas turbine engine state variable model
JP2011145846A (ja) * 2010-01-14 2011-07-28 Hitachi Ltd 異常検知方法、異常検知システム、及び異常検知プログラム
FR2956701B1 (fr) * 2010-02-24 2012-07-06 Snecma Systeme de detection et de localisation de pannes et moteur comportant un tel systeme
FR2975440B1 (fr) 2011-05-17 2015-11-20 Snecma Systeme d'alimentation et procede de suppression d'effet pogo
FR2982320B1 (fr) 2011-11-08 2014-01-10 Thales Sa Systeme de regulation numerique a pleine autorite pour moteur d'aeronef

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1496414A1 (fr) * 2003-07-07 2005-01-12 Airbus France Procédé et dispositif pour surveiller la validité d'au moins un paramètre qui est calculé par une centrale anémométrique d'un aéronef
US20050222747A1 (en) * 2004-03-30 2005-10-06 Vhora Mohamad H Model-based detection, diagnosis of turbine engine faults
CN101689044A (zh) * 2007-04-12 2010-03-31 西门子公司 用于计算机辅助控制和/或调节技术系统的方法
CN101408752A (zh) * 2008-10-21 2009-04-15 中国人民解放军海军航空工程学院 基于混沌退火和参数扰动的神经网络极值控制方法及系统
FR2965305B1 (fr) * 2010-09-28 2012-09-28 Snecma Systeme propulsif de lanceur spatial mettant en oeuvre un procede de regulation de la consommation d'ergols
CN102374038A (zh) * 2011-09-06 2012-03-14 天津大学 自学习的前馈和主动抗扰反馈结合的vvt控制方法
CN103632033A (zh) * 2013-11-05 2014-03-12 奇瑞汽车股份有限公司 一种基于bp神经网络的map标定方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109779791A (zh) * 2019-03-24 2019-05-21 西安航天动力测控技术研究所 一种固体火箭发动机中异常数据智能诊断方法
CN111502863A (zh) * 2019-12-17 2020-08-07 西安航天发动机有限公司 一种液氧煤油火箭发动机大部件对接自动测量方法
CN112539119A (zh) * 2020-11-30 2021-03-23 北京宇航系统工程研究所 一种基于变门限的推进剂利用系统调节方法
CN112539119B (zh) * 2020-11-30 2021-10-01 北京宇航系统工程研究所 一种基于变门限的推进剂利用系统调节方法
CN112377333A (zh) * 2020-12-02 2021-02-19 西安航天动力研究所 大推力液体火箭发动机涡轮泵实时故障监控方法
CN112377333B (zh) * 2020-12-02 2021-11-16 西安航天动力研究所 大推力液体火箭发动机涡轮泵实时故障监控方法
CN114459762A (zh) * 2020-12-25 2022-05-10 北京天兵科技有限公司 一种火箭发动机健康状态诊断系统及方法
CN114459762B (zh) * 2020-12-25 2024-02-23 北京天兵科技有限公司 一种火箭发动机健康状态诊断系统及方法
CN115306590A (zh) * 2022-08-11 2022-11-08 江苏深蓝航天有限公司 一种发动机核心控制终端、点火方法和可读存储介质

Also Published As

Publication number Publication date
US10267265B2 (en) 2019-04-23
JP2017524851A (ja) 2017-08-31
JP6585077B2 (ja) 2019-10-02
RU2654310C2 (ru) 2018-05-17
RU2016143197A3 (zh) 2018-05-04
RU2016143197A (ru) 2018-05-04
US20170175680A1 (en) 2017-06-22
CA2944120A1 (fr) 2015-10-08
EP3126659A1 (fr) 2017-02-08
BR112016022774A2 (zh) 2017-08-15
EP3126659B1 (fr) 2019-12-11
BR112016022774B1 (pt) 2022-04-19
CA2944120C (fr) 2022-06-14
FR3019592A1 (fr) 2015-10-09
WO2015150706A1 (fr) 2015-10-08
FR3019592B1 (fr) 2016-04-22
CN106460727B (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
CN106460727B (zh) 用于监测火箭发动机的参数的方法和装置
EP3296830B1 (en) Plant state displaying apparatus, plant state displaying system, and method of displaying plant state
US9032786B2 (en) Method for monitoring a control device of a fuel metering valve of a turbojet engine
US20160138470A1 (en) Application of probabilistic control in liquid-fueled gas turbine tuning, related control systems, computer program products and methods
CN104756029B (zh) 一种监控设备的部件组的系统
JP2009162230A (ja) タービンに対して代替制御方式を用いてリアルタイム比較を実現する方法及びシステム
CN102880170A (zh) 基于基线模型和贝叶斯因子的系统故障早期预警方法
CN101364084A (zh) 基于模型的传感器故障检测和隔离的系统和方法
US9896960B2 (en) Adaptive model-based method to quantify degradation of a power generation system
EP2923311A1 (en) Method and apparatus for deriving diagnostic data about a technical system
EP3173890B1 (en) Fault detection methods and systems
JP2017115867A (ja) スケーリングファクタを用いてパワー出力／放出パラメータを調節するガスタービンにおける複合確率的制御、関連した制御システム、コンピュータプログラム製品、および方法
DE102014116551A1 (de) Automatisierte Inbetriebnahme eines Gasturbinen-Verbrennungssteuersystems
CN108351621A (zh) 用于工业涡轮机的自适应多输入多输出pid控制系统
JP2017115871A (ja) スケーリングファクタを用いてパワー出力／放出パラメータを調節するガスタービンにおける複合確率的制御の応用、関連した制御システム、コンピュータプログラム製品、および方法
JP2017129123A (ja) パワー出力放出パラメータについてのガスタービンの調節におけるモデリング確率的制御、関連した制御システム、コンピュータプログラム製品、および方法
US10466661B2 (en) Model-based performance estimation
JP2017125495A (ja) 出力−排出物パラメータに関するガスタービンの調節における装置特有の確率的制御、関連の制御システム、コンピュータプログラム製品、及び方法
US9611791B2 (en) Application of probabilistic control in gas turbine tuning for fuel flow-power output parameters, related control systems, computer program products and methods
JP2017129121A (ja) スケーリングファクタを用いてパワー出力／放出パラメータを調節するガスタービンにおける複合確率的制御の応用、関連した制御システム、コンピュータプログラム製品、および方法
Tang et al. Extending engine gas path analysis using full flight data
US9803561B2 (en) Power output and emissions based degraded gas turbine tuning and control systems, computer program products and related methods
JP2017110651A (ja) 出力−排出物パラメータに関するガスタービンの調節における確率的制御、関連の制御システム、コンピュータプログラム製品、及び方法
JP2017122436A (ja) スケーリング係数を用いての動力出力−排出量パラメータに対するガスタービンのチューニングにおける確率的制御の適用、関連する制御システム、コンピュータプログラム製品および方法
US20160138483A1 (en) Application of fuel flow-based probabilistic control in gas turbine tuning under part load, related control systems, computer program products and methods

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant