Print

基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究

论文摘要

随着我国航天事业的发展,液体火箭发动机地面试验的任务越来越繁重。因此,保证地面试验任务正常稳定地工作就成为一个重要的问题。而地面试验台的正常运行是整个试验任务成功的前提。本文以北京航天试验技术研究所某试验台为目标,研究液体火箭发动机试验台故障诊断算法。该试验台主要由液氢和液氧子系统组成,是发动机的动力源。每个子系统分为增压、液路、排放、吹除子系统。本文采用主元分析(PCA,Principal Component Analysis)法对原始数据提取特征,降低数据维数;采用支持向量机(SVM,Support Vector Machine)来设计分类器。本论文的研究和设计工作主要分为四个部分:故障模式分析、主元分析法提取特征、支持向量分类器设计、实验总结。故障模式分析是整个故障诊断的基础。本文采用两种故障模式分析方法:故障统计、故障模式及影响分析,得出了比较详尽的系统故障模式。其次,详细地研究了主元分析和支持向量机的理论算法,具体实现以及在本文中的应用,提出了基于聚类的二叉树分类器设计方法。最后进行实验总结,并且与BP神经网络等方法相比较,取得了比较好的故障诊断效果,且分析了进一步提高故障诊断率的可能性。本文根据试验台本身的特点,将主元分析法和支持向量机方法相结合,取得了较好的故障诊断效果,在理论上以及对于实际的故障诊断系统设计都具有较好的指导意义。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题背景及研究意义
  • 1.2 故障诊断方法的研究现状及分类
  • 1.2.1 基于解析模型的方法
  • 1.2.2 基于信号处理的故障诊断模型
  • 1.2.3 基于知识的故障诊断方法
  • 1.3 论文主要内容
  • 第2章 液体火箭发动机试验台的故障模式分析
  • 2.1 液体火箭发动机试验台介绍
  • 2.1.1 试验台的基本组成
  • 2.1.2 试验台现有测点分析
  • 2.2 故障统计分析
  • 2.3 故障模式及影响分析
  • 2.3.1 故障模式及影响分析方法
  • 2.3.2 试验台故障模式及影响分析
  • 2.4 实际分析的故障模式及参数
  • 2.5 本章小结
  • 第3章 基于主元分析（PCA）的故障特征提取
  • 3.1 特征提取方法
  • 3.2 主元分析（PCA）
  • 3.2.1 主元分析的概念
  • 3.2.2 主元的求取
  • 3.3 基于PCA 的故障特征提取
  • 3.3.1 主元数目的选取
  • 3.3.2 PCA 故障特征提取
  • 3.4 本章小结
  • 第4章 基于支持向量机（SVM）的多分类器设计
  • 4.1 支持向量机原理
  • 4.1.1 统计学习理论
  • 4.1.2 支持向量机
  • 4.2 基于SVM 的多分类器设计
  • 4.2.1 核函数选择
  • 4.2.2 多类识别
  • 4.2.3 基于聚类的二叉树多分类器设计
  • 4.3 分类器训练和识别
  • 4.4 本章小结
  • 第5章 实验总结
  • 5.1 实验系统简介
  • 5.2 实验结果及分析
  • 5.3 本章小结
  • 结论
  • 参考文献
  • 致谢

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/b4da776601df34992f8a3125.html