液体火箭发动机涡轮泵实时故障检测技术及系统研究

论文摘要

液体火箭发动机健康监控技术及系统研究,可为提高和改进航天运载器推进系统的可靠性、安全性和降低费用奠定理论与应用基础。涡轮泵是液体火箭发动机的重要组成部分,极端的物理工作环境使其成为发动机故障率较高的部件之一,并且其故障发展非常迅速,严重地威胁发动机的安全。在实时故障检测技术的支撑下,涡轮泵故障检测系统可以及时发现故障,结合相应的控制措施后,能有效地缓解故障的发展趋势,减小故障对发动机等设备的影响。因此,涡轮泵实时故障检测技术及系统研究具有重要意义。本文在国家“八六三”高技术研究发展计划资助项目“液体火箭发动机健康监控与故障诊断技术研究”和国家自然科学基金项目“复杂机械系统健康监控中新异类检测的理论与方法研究”的资助下,深入开展了涡轮泵实时故障检测技术及系统的研究。论文的主要研究内容包括:1.深入探讨了液体火箭发动机健康监控技术及系统的研究历程与现状,论述了其发展趋势,指出了我国液体火箭发动机涡轮泵健康监控亟待解决的一些主要问题。2.在分析某型液体火箭发动涡轮泵基本结构与工作环境的基础上,定性地分析了该型涡轮泵的振动特性、故障模式与机理,揭示了涡轮泵主要故障模式下的振动信号特征规律。3.基于涡轮泵振动信号特征规律,提出了涡轮泵故障敏感性的量化计算方法,研究了涡轮泵振动信号时域和频域特征的线性相关性、稳定性及其对涡轮泵故障的敏感性,选择和提取了涡轮泵的振动信号特征。4.为了解决涡轮泵实时故障检测问题,深入研究了涡轮泵实时故障检测理论与方法,提出了梯度下降阈值带宽系数估计方法和异常数据对自适应阈值影响的剔除策略。同时基于均方根、裕度因子和峭度等三种时域特征,改进了红线报警算法、自适应阈值算法和自适应相关算法,相应地提出了多特征红线报警算法、多特征自适应阈值算法和改进的自适应相关算法。试验表明,改进后的三种算法能实时有效地检测涡轮泵的故障;与当前的红线关机系统相比,它们的故障检测时间显著缩短。5.研究了实时故障检测和高速数据记录的软硬件关键技术,提出了基于上述改进后的三种实时故障检测算法在线综合决策涡轮泵状态的方法,同时研究了多种时域和频域信号处理方法。在此基础上,设计并构建了某型液体火箭发动机涡轮泵故障检测系统,包括实时故障检测子系统和试车后数据分析子系统等。试验和现场发动机热试车考核表明,实时故障检测子系统能实时有效地检测涡轮泵的故障,与某型液体火箭发动机目前使用的红线关机系统相比,它能更早地检测出涡轮泵的故障;试车后数据分析子系统能更深入地分析和进一步确认涡轮泵的状态。综上所述,本文深入研究了液体火箭发动机涡轮泵实时故障检测技术及系统,分析了涡轮泵振动特性、故障模式及机理;研究了涡轮泵振动信号时域及频域特征的线性相关性、稳定性和故障敏感性,选择和提取了信号的特征;提出了三种涡轮泵实时故障检测方法,以解决涡轮泵实时故障检测问题;设计并构建了涡轮泵故障检测系统。试车结果表明,该系统可以适用于涡轮泵状态的实时检测和试车后分析。因此,本文的研究为液体火箭发动机涡轮泵状态的实时检测和试车后分析奠定了基础,具有重要的学术参考价值和工程应用价值。

论文目录

• 摘要
• ABSTRACT
• 插图和附表索引
• 缩写词和符号说明
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 液体火箭发动机健康监控系统研究综述
• 1.2.1 液体火箭发动机健康监控系统的发展历程与研究现状
• 1.2.2 涡轮泵专用健康监控系统的发展历程与研究现状
• 1.3 液体火箭发动机健康监控技术研究综述
• 1.3.1 液体火箭发动机故障模式的研究历程与现状
• 1.3.2 液体火箭发动机信号特征选择与提取的研究历程与现状
• 1.3.3 液体火箭发动机故障检测与诊断算法的研究历程与现状
• 1.3.4 液体火箭发动机健康监控技术平台的开发现状
• 1.4 国内外液体火箭发动机健康监控技术及系统的发展趋势
• 1.4.1 液体火箭发动机健康监控技术的发展趋势
• 1.4.2 液体火箭发动机健康监控系统的发展趋势
• 1.5 我国液体火箭发动机涡轮泵健康监控亟待解决的主要问题
• 1.6 论文的主要研究工作及内容安排
• 第2章 涡轮泵振动特性与故障机理分析
• 2.1 引言
• 2.2 涡轮泵基本结构与工作环境
• 2.3 涡轮泵振动特性分析
• 2.3.1 转子系统振动特性
• 2.3.2 涡轮泵壳体振动特性
• 2.4 涡轮泵故障模式与机理分析
• 2.4.1 涡轮泵故障模式及其原因
• 2.4.2 转子质量不平衡故障机理与振动特征
• 2.4.3 转子部件松动故障机理与振动特征
• 2.4.4 转子动静件碰摩故障机理与振动特征
• 2.4.5 转子次同步进动故障机理与振动特征
• 2.4.6 涡轮泵其它故障模式机理与振动特征
• 2.5 小结
• 第3章 涡轮泵振动信号特征的选择与提取技术研究
• 3.1 引言
• 3.2 涡轮泵振动参数及其测点选择
• 3.3 时域统计特征的选择与提取
• 3.3.1 统计特征的线性相关性分析
• 3.3.2 统计特征的稳定性与故障敏感性分析
• 3.3.3 统计特征的确定
• 3.4 频域特征的选择与提取
• 3.4.1 转子固有频率特征的选择与提取
• 3.4.2 转子工频及其倍频特征的选择与提取
• 3.4.3 轴承特征频率特征的选择与提取
• 3.5 小结
• 第4章 涡轮泵实时故障检测理论与方法研究
• 4.1 引言
• 4.2 多特征红线报警算法
• 4.2.1 统计特征阈值估计模型的建立
• 4.2.2 阈值带宽系数的估计方法
• 4.2.3 故障决策策略
• 4.2.4 多特征红线报警算法的验证
• 4.3 多特征自适应阈值算法
• 4.3.1 统计特征阈值的自适应计算
• 4.3.2 异常数据对自适应阈值影响的剔除策略
• 4.3.3 多特征自适应阈值算法的故障检测步骤
• 4.3.4 算法试验验证
• 4.3.5 多特征自适应阈值算法与ATA的主要区别
• 4.4 改进的自适应相关算法
• 4.4.1 自适应相关算法原理
• 4.4.2 自适应相关算法的改进
• 4.4.3 算法试验验证
• 4.5 小结
• 第5章 涡轮泵故障检测系统研究
• 5.1 引言
• 5.2 涡轮泵故障检测系统总体框架设计
• 5.3 涡轮泵实时故障检测与数据记录的关键技术
• 5.3.1 涡轮泵实时故障检测与数据记录的硬件设计
• 5.3.2 实时故障检测子系统
• 5.4 试车后数据分析子系统
• 5.4.1 信号预处理方法集成
• 5.4.2 时域分析方法集成
• 5.4.3 频谱分析方法集成
• 5.4.4 AR模型方法
• 5.4.5 联合时频分析方法
• 5.4.6 小波分析方法
• 5.4.7 随机共振模型方法
• 5.5 涡轮泵故障检测系统的试验验证
• 5.5.1 系统故障检测的实时性验证
• 5.5.2 系统故障检测的有效性验证
• 5.5.3 系统的现场试车考核
• 5.6 小结
• 第6章 结论与展望
• 6.1 主要研究结论
• 6.2 研究展望
• 致谢
• 参考文献
• 附录 作者在攻读博士学位期间发表的主要论文