学位论文 > 优秀研究生学位论文题录展示

液体火箭发动机涡轮泵健康监控关键技术及系统研究

作　者: 夏鲁瑞
导　师: 胡茑庆
学　校: 国防科学技术大学
专　业: 机械工程
关键词: 液体火箭发动机涡轮泵健康监控计算阶比分析阶跟踪特征支持向量回归突变故障检测特征频率自适应红线流形特征扩散映射数字信号处理器
分类号: V434.21
类　型: 博士论文
年　份: 2010年
下　载: 231次
引　用: 5次
阅　读: 论文下载

内容摘要

从人类发射第一颗人造地球卫星以来,航天技术的发展十分迅速并取得了举世瞩目的成就,但同时也对液体火箭发动机提出了更高的要求,迫切需要提高其可靠性和安全性。涡轮泵是液体火箭发动机的重要组件,由于工作在极端恶劣的物理环境中,一旦出现故障,会迅速扩展演化,严重威胁发动机的安全。涡轮泵健康监控技术及系统的目标是及时发现故障,并结合相应的控制措施,以有效缓解故障劣化,减小故障对发动机乃至整个地面试车台的影响。因此,涡轮泵健康监控关键技术及系统研究对于液体火箭发动机地面综合试车的安全保障具有重要意义。本文针对目前液体火箭发动机地面试车中涡轮泵健康监控存在的主要问题,在国家863课题和国家自然科学基金项目的支持下,采用理论与应用相结合的方法,开展涡轮泵健康监控关键技术及系统研究。论文完成的主要工作包括：1.详细分析了液体火箭发动机健康监控技术及系统的研究现状,论述了其发展方向,探讨了目前我国液体火箭发动机涡轮泵健康监控需要突破的一些主要关键技术,即启动过程监控技术、稳态工作过程突变故障检测技术、试车后海量数据信息提取技术以及健康监控系统构建技术。2.研究并提出涡轮泵启动过程信号特征提取与监控方法(1)针对涡轮泵启动过程转速变化造成的振动特征提取困难,研究并实现了基于数字重采样的计算阶比分析方法,有效计算和提取了转速和阶比特征。(2)提出了基于转速特征和阶跟踪特征的涡轮泵启动过程信号监控方法,并通过涡轮泵历史试车数据验证了方法的有效性。(3)结合支持向量回归技术,提出了基于非线性模型和转速安全带的涡轮泵启动过程故障检测方法,并通过涡轮泵试车数据对方法进行了验证。发动机热试车数据验证表明,基于数字重采样的计算阶比分析方法以及基于转速和阶比特征的监控方法可在启动过程有效识别出涡轮泵存在的早期故障,为涡轮泵工作全过程的故障检测提供了一条有效途径。3.研究并提出基于多变换域特征的涡轮泵稳态过程突变故障自适应检测算法(1)在分析涡轮泵突变故障机理与振动特征的基础上,选择了可有效反映突变故障的多个时域和频域特征,提出了转速波动情况下特征频率的阶域提取方法。(2)研究了特征阈值模型和自适应计算理论,根据工程实际,改进与实现了基于多时域特征的突变故障自适应检测算法。(3)研究了频域红线算法的原理,实现了特征频率成分的幅值跟踪,提出了基于特征频率的突变故障自适应红线检测算法。发动机热试车数据验证表明,阶域提取方法可有效提取稳定的特征频率成分,为解决转速波动造成的特征谱线提取困难提供了一条有效的途径；基于多时域特征的自适应检测算法能避免振动过小引起的误报警,与传统方法相比,更适用于涡轮泵稳态过程的突变故障检测；而基于特征频率的自适应红线检测算法可以有效检测出涡轮泵叶片脱落等突变故障。4.研究并提出基于流形学习的涡轮泵试车后健康分析方法(1)在深入研究流形学习的数学描述、基本思想和主要方法的基础上,提出了一种从海量试车数据中提取有用信息的新策略。(2)描述了数据的流形特征,分析了其用于涡轮泵试车数据异常识别的有效性,提出了一种基于流形特征的海量数据异常识别算法,并通过仿真和涡轮泵试车数据对算法进行了验证。研究表明,通过本文算法提取海量数据的流形特征,数据量可大大约简,同时利用特征空间中流形不同区域的差别,可实现涡轮泵正常和异常状态的识别。5.研究了涡轮泵健康监控系统构建技术(1)针对监控系统的小型化需求,提出了基于数字信号处理器(DSP)的新型嵌入式监控系统解决方案,并进行了软硬件设计,构建了实时健康监控子系统。(2)集成了多变换域分析和维数约简方法,构建了涡轮泵试车后健康分析子系统。研究表明,基于DSP的原型子系统具备涡轮泵健康状态的实时监控能力,能够实时计算转速、提取振动信号的时域和频域特征,并进行故障检测；试车后健康分析子系统能更深入地分析和进一步确认涡轮泵的运行状态。综上所述,本文对液体火箭发动机涡轮泵健康监控关键技术及系统进行了深入的研究工作：针对启动过程信号特征提取的困难,提出了涡轮泵启动过程信号监控方法；在提取稳态过程振动信号多变换域特征的基础上,提出了涡轮泵稳态过程突变故障的自适应检测算法；深入研究流形学习方法,提出了基于流形特征的涡轮泵海量试车数据异常识别算法；设计和构建了涡轮泵健康监控原型系统,并通过了历史试车数据的验证和现场热试车的考核。本文的研究工作,可为开展液体火箭发动机和可重复使用发动机健康监控技术研究及系统研制,提供学术参考和工程借鉴。

全文目录

摘要  12-14
Abstract  14-17
第一章绪论  17-39
  1.1 研究背景  17-35
    1.1.1 需求分析  17-19
    1.1.2 液体火箭发动机健康监控技术研究综述  19-29
    1.1.3 液体火箭发动机健康监控系统研究综述  29-33
    1.1.4 液体火箭发动机健康监控技术及系统的发展方向  33-35
  1.2 课题来源及本文的主要研究工作  35-39
    1.2.1 问题提出与课题来源  35-37
    1.2.2 本文研究内容和章节安排  37-39
第二章涡轮泵启动过程信号监控技术研究  39-72
  2.1 引言  39
  2.2 涡轮泵启动过程工作特点与信号特征分析  39-45
    2.2.1 涡轮泵结构与工作特点  39-42
    2.2.2 转速变化对振动信号的影响  42-43
    2.2.3 振动特征提取的困难  43-45
    2.2.4 涡轮泵启动过程信号特征提取思路  45
  2.3 变速过程信号的阶比分析技术  45-52
    2.3.1 阶比分析技术的原理  46-48
    2.3.2 阶比采样定理  48-49
    2.3.3 阶比分析技术的分类  49-52
    2.3.4 论文中阶比分析研究问题的提出  52
  2.4 基于数字重采样的计算阶比分析方法  52-58
    2.4.1 振动信号等角间隔重采样  52-55
    2.4.2 阶比谱分析  55
    2.4.3 仿真与试车数据验证  55-58
  2.5 基于转速与阶跟踪特征的启动过程信号监控方法  58-64
    2.5.1 涡轮泵监控参数及其测点选择  58-59
    2.5.2 转速特征的提取与监控方法  59-62
    2.5.3 阶跟踪特征的提取与监控方法  62-64
  2.6 基于支持向量回归的启动过程故障检测方法  64-70
    2.6.1 支持向量回归  64-66
    2.6.2 基于非线性转速模型的启动过程故障检测方法  66-67
    2.6.3 涡轮泵启动过程振动故障检测方法  67-69
    2.6.4 基于转速安全带的启动过程故障检测方法  69-70
  2.7 小结  70-72
第三章稳态过程基于多变换域特征的突变故障检测技术研究  72-100
  3.1 引言  72
  3.2 涡轮泵突变故障模式与机理分析  72-77
    3.2.1 涡轮泵工作环境  72-73
    3.2.2 涡轮泵突变故障模式分析  73-74
    3.2.3 涡轮泵突变故障机理与振动特征  74-77
  3.3 多变换域特征选择与提取  77-83
    3.3.1 多时域特征选择与提取  77-79
    3.3.2 频域特征分析  79-80
    3.3.3 涡轮泵特征频率选择  80
    3.3.4 转速波动状态下特征频率成分的阶域提取  80-83
  3.4 特征阈值模型与自适应计算理论  83-87
    3.4.1 特征阈值模型的建立  83-84
    3.4.2 阈值带宽系数的估计  84-85
    3.4.3 特征阈值的自适应计算理论  85-87
  3.5 基于多时域特征的突变故障自适应检测算法  87-94
    3.5.1 自适应阈值算法的改进  87-90
    3.5.2 算法的故障检测过程  90-92
    3.5.3 算法的试车数据验证  92-94
  3.6 基于特征频率的突变故障自适应红线算法  94-99
    3.6.1 频域红线算法的原理  94
    3.6.2 自适应红线算法的实现  94-97
    3.6.3 算法的试车数据验证  97-99
  3 .7小结  99-100
第四章基于流形学习的涡轮泵健康分析技术研究  100-117
  4.1 引言  100
  4.2 流形学习基本理论  100-104
    4.2.1 从维数约简到流形学习  100-101
    4.2.2 流形的基本概念  101-102
    4.2.3 流形学习的数学描述和主要思想  102-104
  4.3 流形学习方法  104-108
    4.3.1 流形学习方法的产生  104-106
    4.3.2 流形学习主要方法及其分类  106-107
    4.3.3 论文中流形学习研究问题的提出  107-108
  4.4 基于流形特征的海量数据异常识别算法  108-116
    4.4.1 流形特征的描述  108-109
    4.4.2 扩散映射方法  109-110
    4.4.3 涡轮泵海量数据异常识别算法  110-112
    4.4.4 仿真与试车数据验证  112-116
  4.5 小结  116-117
第五章涡轮泵健康监控系统研究  117-142
  5.1 引言  117
  5.2 涡轮泵故障检测系统及其试车考核  117-124
    5.2.1 涡轮泵故障检测系统的总体结构  117-118
    5.2.2 实时故障检测与数据记录的软硬件关键技术  118-121
    5.2.3 涡轮泵故障检测系统的现场试车考核  121-124
    5.2.4 系统存在的不足之处  124
  5.3 基于DSP的实时健康监控子系统  124-135
    5.3.1 系统体系结构设计  125-126
    5.3.2 系统硬件设计  126-130
    5.3.3 系统软件设计  130-133
    5.3.4 系统构建与验证  133-135
  5.4 涡轮泵试车后健康分析子系统  135-141
    5.4.1 信号预处理方法集成  135-136
    5.4.2 多变换域分析方法集成  136-140
    5.4.3 维数约简方法集成  140-141
  5.5 小结  141-142
第六章结论与展望  142-147
  6.1 全文总结  142-145
    6.1.1 完成的主要研究工作  142-143
    6.1.2 得出的主要结论  143-145
    6.1.3 主要创新点  145
  6.2 工作展望  145-147
致谢  147-149
参考文献  149-162
作者在学期间取得的学术成果  162-163

液体火箭发动机涡轮泵健康监控关键技术及系统研究

内容摘要

全文目录

相似论文