CN117949212A - 一种多参数决策融合的运载火箭发动机故障诊断方法 - Google Patents
一种多参数决策融合的运载火箭发动机故障诊断方法 Download PDFInfo
- Publication number
- CN117949212A CN117949212A CN202311562102.8A CN202311562102A CN117949212A CN 117949212 A CN117949212 A CN 117949212A CN 202311562102 A CN202311562102 A CN 202311562102A CN 117949212 A CN117949212 A CN 117949212A
- Authority
- CN
- China
- Prior art keywords
- engine
- diagnosis result
- fault
- engine fault
- failure
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 316
- 230000004927 fusion Effects 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 5
- 238000007500 overflow downdraw method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 2
- 238000004804 winding Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- MYMOFIZGZYHOMD-UHFFFAOYSA-N Dioxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Testing Of Engines (AREA)
Abstract
本发明公开了一种多参数决策融合的运载火箭发动机故障诊断方法,包括:获取基于发动机实测参数确定的发动机故障预诊断结果A;获取基于飞行动力学参数确定的发动机故障预诊断结果B;根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用分段加权融合策略确定运载火箭的发动机故障诊断结果,并输出。本发明所述的多参数决策融合的运载火箭发动机故障诊断方法,结合火箭发动机多源故障诊断结果,进行决策融合,给出给出可信度最高的最终决策。
Description
技术领域
本发明属于运载火箭故障诊断、容错控制技术领域,尤其涉及一种多参数决策融合的运载火箭发动机故障诊断方法。
背景技术
运载火箭是人类进行一切太空活动的前提和基础。近年来,世界主要航天大国加速太空经济发展,以大规模低轨星座部署、近地空间站建造与运营、深空探测为重点方向,进出空间需求日益提升。运载火箭作为从地球将有效载荷送入空间轨道的运输工具,是一个国家进出空间能力的直观体现,具有高技术、高风险、高成本的特点,是国家空间科学、空间技术、空间应用和安全体系建设的战略基础,也是国家现代科技发展水平和综合国力的重要标志。
从上个世纪60年代开始,国外开展了运载火箭故障适应性提升研究和应用,具备单台发动机推力失效为代表的故障诊断与处置能力。
美国宇宙神D火箭是发射美国第1艘载人飞船的运载火箭。为了确保航天员的安全,要求火箭具有极高的可靠性。在仪器舱内安装了1套中止飞行敏感和执行系统(ASIS),以探测灾难性故障并采取挽救措施,是用于弥补运载器固有不可靠性与载人航天绝对安全之间差距的核心系统。系统由两部分组成,一部分是安装在火箭各分系统上的各种传感器和电子线路;另一部分是安装在飞船座舱内的显示器。它的功能是监测运载火箭在飞行中的各种参数,如主发动机燃料喷注压力、主发动机液压压力、助推发动机燃料喷注压力、贮箱共底压差、液氧箱压力、运载火箭3个轴(俯仰、偏航、滚动)的姿态速率、液压系统压力、级间分离和箭载交流电源(交流400Hz,115V和直流28V)等。当某传感器敏感到某一参数超过临界值时,系统立即送出故障信号,并在显示器上显示,航天员可正确判定是否发生灾难性故障,若有足够的时间可手动(多数情况自动进行)启动水星飞船救生系统使之与火箭脱离,以确保安全。
同时,以美国SpaceX为代表的商业航天发射企业,在故障诊断的工程应用中同样取得了极大的突破,2012年10月猎鹰9火箭出现了一级一台发动机压力骤降的问题,火箭通过在故障后进行重构控制,最终成功完成任务。在故障诊断方面,针对箭上发动机等关键产品进行实时检测,具备故障诊断能力;在故障处置方面,应用迭代制导、诸元切换等方式,具备弹道、控制重构能力
故障后重构控制的一个重要组成部分是多源故障诊断决策指令的融合。对于火箭发动机的故障诊断,一方面可以对发动机实测参数直接进行故障诊断,另一方面由于绝大多数故障最终表现为推力大小异常,通过发动机故障与飞行动力学参数之间的映射关系可以反推发动机异常情况。因此发生故障后,需要根据多种故障诊断结果进行决策融合,最终判断其故障情况。
发明内容
本发明的技术解决问题:克服现有技术的不足,提供一种多参数决策融合的运载火箭发动机故障诊断方法,可以结合火箭发动机多源故障诊断结果,进行决策融合,给出最终决策。
为了解决上述技术问题,本发明公开了一种多参数决策融合的运载火箭发动机故障诊断方法,包括:
获取基于发动机实测参数确定的发动机故障预诊断结果A;
获取基于飞行动力学参数确定的发动机故障预诊断结果B;
根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用分段加权融合策略确定运载火箭的发动机故障诊断结果,并输出。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,还包括:按照发动机工作段,分段使用红线法、自适应阈值法和包络线法,完成基于发动机实测参数的故障诊断,得到发动机故障预诊断结果A。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,还包括:基于运载火箭质心动力学和绕质心动力学模型,结合运载火箭实际发动机数量N,构建1个正常工况的飞行动力学模型和N个故障工况的飞行动力学模型,每个模型分别进行三轴加速度和三轴角加速度的计算,将计算得到的三轴加速度和三轴角加速度与实际测量的三轴加速度和三轴角加速度作差,得到残差数值;基于残差最小原则,确定故障模型,进行多模型故障诊断,得到发动机故障预诊断结果B。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,还包括:根据飞行高度,将运载火箭划分为三个飞行阶段:
第一飞行阶段:射前和点火启动段,飞行高度<200m;
第二飞行阶段:大气层内飞行段,200m≤飞行高度<40Km;
第三飞行阶段:大气层外飞行段,飞行高度≥40Km。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用分段加权融合策略确定运载火箭的发动机故障诊断结果,包括:
在第一飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第一加权融合策略确定运载火箭的发动机故障诊断结果;
在第二飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第二加权融合策略确定运载火箭的发动机故障诊断结果;
在第三飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第三加权融合策略确定运载火箭的发动机故障诊断结果。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,在第一飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第一加权融合策略确定运载火箭的发动机故障诊断结果,包括:在第一飞行阶段,选择发动机故障预诊断结果A作为发动机故障诊断结果。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,在第二飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第二加权融合策略确定运载火箭的发动机故障诊断结果,包括:在第二飞行阶段:
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示无故障,则,将发动机故障预诊断结果A与发动机故障预诊断结果B进行加权融合,将加权融合结果作为发动机故障诊断结果;
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示有故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示无故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示单台发动机故障,则,判断发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机是否一致;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机一致,则将发动机故障预诊断结果A与发动机故障预诊断结果B中进行加权融合,将加权融合结果作为发动机故障诊断结果;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机不一致,则选择发动机故障预诊断结果A作为发动机故障诊断结果;
若发动机故障预诊断结果A显示两台发动机故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,在第三飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第三加权融合策略确定运载火箭的发动机故障诊断结果,包括:在第三飞行阶段:
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示无故障,则,将发动机故障预诊断结果A与发动机故障预诊断结果B进行加权融合,将加权融合结果作为发动机故障诊断结果;
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示有故障,则,选择发动机故障预诊断结果B作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示无故障,则,选择发动机故障预诊断结果B作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示单台发动机故障,则,判断发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机是否一致;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机一致,则将发动机故障预诊断结果A与发动机故障预诊断结果B中进行加权融合,将加权融合结果作为发动机故障诊断结果;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机不一致,则选择发动机故障预诊断结果B作为发动机故障诊断结果;
若发动机故障预诊断结果A显示两台发动机故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,还包括:对发动机故障诊断结果行均值滤波处理;其中,发动机故障诊断结果中包括各台发动机的推力系数。
在上述多参数决策融合的运载火箭发动机故障诊断方法中,对发动机故障诊断结果行均值滤波处理,包括:
将每台发动机的本周期推力系数均值与上一周期推力系数均值进行比较;其中,推力系数均值是指:同一发动机在三个相邻时刻的推力系数的均值;
若本周期推力系数均值与上一周期推力系数均值之差小于0.15,则取本周期推力系数均值,否则取上一周期推力系数均值。
本发明具有以下优点:
本发明公开了一种多参数决策融合的运载火箭发动机故障诊断方法,基于飞行动力学诊断和发动机参数诊断两种诊断方法的实际特点,将两种方法的诊断结果进行有效的决策融合,得到可信度最高的诊断结果。按照射前和点火启动段、大气层内飞行段、大气层外飞行段三个飞行段,使用分段加权融合方法,对故障发动机编号和发动机推力系数两个诊断结果进行融合,给出可信度最高的最终决策。
附图说明
图1是本发明实施例中一种多参数决策融合的运载火箭发动机故障诊断方法的流程示意图;
图2是本发明实施例中一种基于发动机实测参数的故障诊断架构图;
图3是本发明实施例中一种基于飞行动力学参数的故障诊断架构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明公开的实施方式作进一步详细描述。
本发明的核心思想之一在于:考虑针对发动机故障,由于所采用的飞行动力学诊断和发动机参数诊断两种方法相对独立,可独立获得对发动机故障的诊断结果。两种故障诊断方法,虽然无法实现三取二表决,但可进行相互确认,故本发明提出一种多参数决策融合的运载火箭发动机故障诊断方法,结合运载火箭实际飞行剖面,按照三个飞行段,分段加权融合,给出可信度最高的最终决策。
如图1,在本实施例中,该多参数决策融合的运载火箭发动机故障诊断方法,包括:
步骤1,获取基于发动机实测参数确定的发动机故障预诊断结果A。
在本实施例中,发动机工作段分为:启动段、参数波动段和稳定工作段;其中,在启动段,采用包络线法;在参数波动段,采用红线法;在稳定工作段,采用自适应阈值法。如图2所示,可按照发动机工作段,分段使用红线法、自适应阈值法和包络线法,完成基于发动机实测参数的故障诊断,得到发动机故障预诊断结果A(包括但不仅限于:基于发动机实测参数确定的故障发动机编号、发动机推力系数):
a.红线法:红线法是一种固定阈值的故障检测方法,是工程上实现起来最简单、也是最常用的一种基于发动机实测参数的故障检测方法。其主要思想为将每一时刻的发动机实测参数与预设的阈值进行比较,在符合故障判断要求和策略时输出故障诊断结果。
b.自适应阈值法:自适应阈值法在红线法的基础上,能够在检测过程中对阈值区间进行自适应更新。参数的门限检测用参数测量值的滑动平均值来进行门限检测。滑动平均值是指用于进行门限检测的值为当前时刻及其前几个时刻的参数测量值的平均值。
c.包络线法:包络线法针对动力系统的瞬时变化状态,如启动、关机、变工况等。包络线法与红线法的区别在于包络线法给出的阈值区间为一个根据历史数据得出的以时间为自变量的拟合多项式,而非固定阈值,且需要实时考虑发动机建压时滞。
步骤2,获取基于飞行动力学参数确定的发动机故障预诊断结果B。
在本实施例中,如图3所示,基于运载火箭质心动力学和绕质心动力学模型,结合运载火箭实际发动机数量N,构建1个正常工况的飞行动力学模型和N个故障工况的飞行动力学模型,每个模型分别进行三轴加速度和三轴角加速度的计算,将计算得到的三轴加速度和三轴角加速度与实际测量的三轴加速度和三轴角加速度作差,得到残差数值;基于残差最小原则,确定故障模型,进行多模型故障诊断,得到发动机故障预诊断结果B(包括但不仅限于:基于飞行动力学参数确定的故障发动机编号、发动机推力系数)。
步骤3,根据飞行高度,将运载火箭划分为三个飞行阶段。
在本实施例中,三个飞行阶段分别为:
第一飞行阶段:射前和点火启动段,飞行高度<200m。
第二飞行阶段:大气层内飞行段,200m≤飞行高度<40Km。
第三飞行阶段:大气层外飞行段,飞行高度≥40Km。
步骤4,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用分段加权融合策略确定运载火箭的发动机故障诊断结果,并输出。
在本实施例中,分段加权融合策略如下:
1)在第一飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第一加权融合策略确定运载火箭的发动机故障诊断结果。也即,在第一飞行阶段,选择发动机故障预诊断结果A作为发动机故障诊断结果。
2)在第二飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第二加权融合策略确定运载火箭的发动机故障诊断结果。具体的,在第二飞行阶段:
(2.1)当发动机故障预诊断结果A显示无故障(故障字为0)时:
若发动机故障预诊断结果B显示无故障(故障字为0),则,将发动机故障预诊断结果A与发动机故障预诊断结果B进行加权融合,将加权融合结果作为发动机故障诊断结果。其中,需要说明的是,加权融合是指:将发动机故障预诊断结果A中的发动机推力系数与发动机故障预诊断结果B中的发动机推力系数进行加权融合,权重值可根据实际情况选择。
若发动机故障预诊断结果B显示有故障(故障字不为0),则,选择发动机故障预诊断结果A作为发动机故障诊断结果。
(2.2)当发动机故障预诊断结果A显示单台发动机故障时:
若发动机故障预诊断结果B显示无故障(故障字为0),则,选择发动机故障预诊断结果A作为发动机故障诊断结果。
若发动机故障预诊断结果B显示单台发动机故障(故障字为1-10之间),则,判断发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机是否一致。其中,若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机一致,则将发动机故障预诊断结果A与发动机故障预诊断结果B中进行加权融合,将加权融合结果作为发动机故障诊断结果;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机不一致,则选择发动机故障预诊断结果A作为发动机故障诊断结果。
(2.3)当发动机故障预诊断结果A显示两台发动机故障时:
选择发动机故障预诊断结果A作为发动机故障诊断结果。
3)在第三飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第三加权融合策略确定运载火箭的发动机故障诊断结果。具体的,在第三飞行阶段:
(3.1)当发动机故障预诊断结果A显示无故障时:
若发动机故障预诊断结果B显示无故障(故障字为0),则,将发动机故障预诊断结果A与发动机故障预诊断结果B进行加权融合,将加权融合结果作为发动机故障诊断结果。
若发动机故障预诊断结果B显示有故障(故障字不为0),则,选择发动机故障预诊断结果B作为发动机故障诊断结果。
(3.2)当发动机故障预诊断结果A显示单台发动机故障时:
若发动机故障预诊断结果B显示无故障,则,选择发动机故障预诊断结果B作为发动机故障诊断结果。
若发动机故障预诊断结果B显示单台发动机故障,则,判断发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机是否一致。其中,若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机一致,则将发动机故障预诊断结果A与发动机故障预诊断结果B中进行加权融合,将加权融合结果作为发动机故障诊断结果;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机不一致,则选择发动机故障预诊断结果B作为发动机故障诊断结果。
3.3)当发动机故障预诊断结果A显示两台发动机故障时:
选择发动机故障预诊断结果A作为发动机故障诊断结果。
步骤5,对发动机故障诊断结果行均值滤波处理。
在本实施例中,发动机故障诊断结果中包括各台发动机的推力系数。可将每台发动机的本周期推力系数均值与上一周期推力系数均值进行比较;若本周期推力系数均值与上一周期推力系数均值之差小于0.15,则取本周期推力系数均值,否则取上一周期推力系数均值。其中,推力系数均值是指:同一发动机在三个相邻时刻的推力系数的均值。
综上所述,本发明公开了一种多参数决策融合的运载火箭发动机故障诊断方法,可以将独立获得对发动机故障的多源诊断结果进行决策融合,给出可信度最高的最终决策。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (10)
1.一种多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,包括:
获取基于发动机实测参数确定的发动机故障预诊断结果A;
获取基于飞行动力学参数确定的发动机故障预诊断结果B;
根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用分段加权融合策略确定运载火箭的发动机故障诊断结果,并输出。
2.根据权利要求1所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,还包括:按照发动机工作段,分段使用红线法、自适应阈值法和包络线法,完成基于发动机实测参数的故障诊断,得到发动机故障预诊断结果A。
3.根据权利要求1所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,还包括:基于运载火箭质心动力学和绕质心动力学模型,结合运载火箭实际发动机数量N,构建1个正常工况的飞行动力学模型和N个故障工况的飞行动力学模型,每个模型分别进行三轴加速度和三轴角加速度的计算,将计算得到的三轴加速度和三轴角加速度与实际测量的三轴加速度和三轴角加速度作差,得到残差数值;基于残差最小原则,确定故障模型,进行多模型故障诊断,得到发动机故障预诊断结果B。
4.根据权利要求1所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,还包括:根据飞行高度,将运载火箭划分为三个飞行阶段:
第一飞行阶段:射前和点火启动段,飞行高度<200m;
第二飞行阶段:大气层内飞行段,200m≤飞行高度<40Km;
第三飞行阶段:大气层外飞行段,飞行高度≥40Km。
5.根据权利要求4所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用分段加权融合策略确定运载火箭的发动机故障诊断结果,包括:
在第一飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第一加权融合策略确定运载火箭的发动机故障诊断结果;
在第二飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第二加权融合策略确定运载火箭的发动机故障诊断结果;
在第三飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第三加权融合策略确定运载火箭的发动机故障诊断结果。
6.根据权利要求5所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,在第一飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第一加权融合策略确定运载火箭的发动机故障诊断结果,包括:在第一飞行阶段,选择发动机故障预诊断结果A作为发动机故障诊断结果。
7.根据权利要求5所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,在第二飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第二加权融合策略确定运载火箭的发动机故障诊断结果,包括:在第二飞行阶段:
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示无故障,则,将发动机故障预诊断结果A与发动机故障预诊断结果B进行加权融合,将加权融合结果作为发动机故障诊断结果;
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示有故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示无故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示单台发动机故障,则,判断发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机是否一致;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机一致,则将发动机故障预诊断结果A与发动机故障预诊断结果B中进行加权融合,将加权融合结果作为发动机故障诊断结果;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机不一致,则选择发动机故障预诊断结果A作为发动机故障诊断结果;
若发动机故障预诊断结果A显示两台发动机故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果。
8.根据权利要求5所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,在第三飞行阶段,根据发动机故障预诊断结果A和发动机故障预诊断结果B,采用第三加权融合策略确定运载火箭的发动机故障诊断结果,包括:在第三飞行阶段:
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示无故障,则,将发动机故障预诊断结果A与发动机故障预诊断结果B进行加权融合,将加权融合结果作为发动机故障诊断结果;
若发动机故障预诊断结果A显示无故障、发动机故障预诊断结果B显示有故障,则,选择发动机故障预诊断结果B作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示无故障,则,选择发动机故障预诊断结果B作为发动机故障诊断结果;
若发动机故障预诊断结果A显示单台发动机故障、发动机故障预诊断结果B显示单台发动机故障,则,判断发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机是否一致;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机一致,则将发动机故障预诊断结果A与发动机故障预诊断结果B中进行加权融合,将加权融合结果作为发动机故障诊断结果;若发动机故障预诊断结果A和发动机故障预诊断结果B显示的故障发动机不一致,则选择发动机故障预诊断结果B作为发动机故障诊断结果;
若发动机故障预诊断结果A显示两台发动机故障,则,选择发动机故障预诊断结果A作为发动机故障诊断结果。
9.根据权利要求1所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,还包括:对发动机故障诊断结果行均值滤波处理;其中,发动机故障诊断结果中包括各台发动机的推力系数。
10.根据权利要求9所述的多参数决策融合的运载火箭发动机故障诊断方法,其特征在于,对发动机故障诊断结果行均值滤波处理,包括:
将每台发动机的本周期推力系数均值与上一周期推力系数均值进行比较;其中,推力系数均值是指:同一发动机在三个相邻时刻的推力系数的均值;
若本周期推力系数均值与上一周期推力系数均值之差小于0.15,则取本周期推力系数均值,否则取上一周期推力系数均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311562102.8A CN117949212A (zh) | 2023-11-21 | 2023-11-21 | 一种多参数决策融合的运载火箭发动机故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311562102.8A CN117949212A (zh) | 2023-11-21 | 2023-11-21 | 一种多参数决策融合的运载火箭发动机故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117949212A true CN117949212A (zh) | 2024-04-30 |
Family
ID=90796936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311562102.8A Pending CN117949212A (zh) | 2023-11-21 | 2023-11-21 | 一种多参数决策融合的运载火箭发动机故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117949212A (zh) |
-
2023
- 2023-11-21 CN CN202311562102.8A patent/CN117949212A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102999042B (zh) | 深空探测器gnc系统分层自主故障诊断方法 | |
Brinker et al. | Flight testing of reconfigurable control law on the X-36 tailless aircraft | |
US6085127A (en) | Fault tolerant automatic control system utilizing analytic redundancy | |
Wander et al. | Innovative fault detection, isolation and recovery strategies on-board spacecraft: state of the art and research challenges | |
CN102066951A (zh) | 检测和隔离平头式大气数据系统(fads)的压力感测中的故障的系统和方法 | |
CN104678764A (zh) | 基于解析重构信号的飞控系统传感器混合余度方法 | |
Zipay et al. | The ultimate factor of safety for aircraft and spacecraft-its history, applications and misconceptions | |
CN113155467A (zh) | 基于液体火箭子级发动机提前关机的在线健康管理方法 | |
CN112329136A (zh) | 一种基于平衡飞行理论的运载火箭在线飞行程序重构方法 | |
Kilic et al. | Aircraft air data system fault detection and reconstruction scheme design | |
CN117949212A (zh) | 一种多参数决策融合的运载火箭发动机故障诊断方法 | |
CN112329137A (zh) | 一种基于平衡飞行理论的运载火箭在线入轨能力评估方法 | |
CN107340715B (zh) | 一种返回式飞行器离轨制动期间的轨控容错控制方法 | |
CN111319794B (zh) | 一种适用于火星探测制动捕获期间推进自主故障处理方法 | |
Brophy et al. | Development and testing of the dawn ion propulsion system | |
CN113761670A (zh) | 一种运载火箭的平衡飞行理论及在线入轨能力评估方法 | |
CN115437359A (zh) | 一种面向传感器故障的飞机容错控制方法、系统及装置 | |
CN109753045B (zh) | 一种基于bp神经网络的航天器姿控系统故障诊断方法 | |
CN111625931B (zh) | 一种基于角动量守恒的航天器控制执行机构异常检测方法 | |
CN112393648A (zh) | 一种用于火箭推力故障模式下自主控制的平衡飞行理论方法 | |
Smaili et al. | Recover: a benchmark for integrated fault tolerant flight control evaluation | |
Yedavalli | Robust estimation and fault diagnostics for aircraft engines with uncertain model data | |
Belcastro | Ensuring control integrity of critical systems subjected to electromagnetic disturbances: Problem overview | |
CN107869999B (zh) | 利用角速率估计信息的单套陀螺故障诊断方法 | |
Ma et al. | A Trajectory Re-Planning Method of Launch Vehicle Based on Multi-Source Information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |