关键词:
液体火箭发动机
故障检测
数字孪生
蛇优化算法
核极限学习机
无迹卡尔曼滤波
摘要:
融合故障仿真模型、故障检测和诊断算法的火箭发动机数字孪生系统可以提高火箭发射的成功率,是现代航空航天发动机从研发到使用环节中的重要研究内容。论文以我国新一代液体火箭发动机为研究对象,以建立液体火箭发动机故障诊断数字孪生系统为目标,开展了故障仿真模型建立、基于数据的故障检测算法设计、基于时序序列的故障检测算法设计、以及液体火箭发动机故障诊断系统的数字孪生实现研究。
首先,基于模块化建模的方式,使用Simulink平台建立了液体火箭发动机故障仿真模型。模型由涡轮泵、推力室、预燃室、管路、阀门等模块组成,各模块按照工质流动方向进行连接。在模型中采用注入故障的方式,实现了预燃室氧阀故障、氧主泵汽蚀、氢主涡轮叶片烧蚀3种故障的故障仿真。仿真结果表明,建立模型精度较高,故障数据参数变化符合实际故障机理。
在基于数据的故障检测算法框架下,建立了改进蛇算法优化核极限学习机(ISO-KELM)液体火箭发动机故障检测模型。针对蛇优化算法的不足之处,提出了Tent映射、动态策略和柯西变异3种改进策略对原算法进行改进,并将改进后的蛇算法用于KELM参数的寻优,以获得最优KELM模型。仿真结果表明所建立的ISO-KELM故障检测模型检测准确率较高,优于SO-KELM、KELM和传统BP神经网络。
在基于时序数据的故障检测算法框架下,提出了一种基于无迹卡尔曼滤波(UKF)的多源数据故障检测算法。使用UKF对发动机真实数据进行滤波处理,剔除噪声信号对算法性能的影响。并提出了新的故障判定准则,当部件采样数据连续3次超出阈值区间时,部件发出报警,若在0.1秒内有至少两个部件发出报警,则判定故障发生,故障发生时间为第二个部件报警时间。仿真结果表明所设计的故障检测算法及时性更好、鲁棒性更强。
最后,使用Unity3D平台开发了液体火箭发动机故障诊断数字孪生系统。使用Solidworks软件绘制了火箭发动机涡轮泵、推力室和预燃室3D模型。在Unity3D平台实现了实时通信、数据可视化和故障诊断等功能。使用发动机正常运行数据和预燃室氧阀故障数据对平台功能进行了演示。