数据驱动的液体火箭发动机健康监测算法研究

针对火箭发动机氧涡轮转子轴盘根部断裂、轴盘接合处裂纹等故障难以识别定位的问题,基于某型液体火箭发动机测试数据,构建机器学习、数据分析等方法,绕过其内部复杂物理机理,从数据层面对氧涡轮泵进行故障检测与模式判别。对于故障检测,提出了两种分别适用于速变数据与缓变数据的故障检测算法,两种算法能够处理多种工况下的火箭发动机数据,经检验,这两种算法都具有较高的准确率,分别为84.2%、94.9%。针对故障模式判别,给出了一种基于滑动窗口的聚类算法,可以实现不同故障模式的区分,其中针对两种故障模式的识别准确率分别达到了86.2%、95.5%,并且给出了两种故障模式对应的振动数据异常频率区间,这可为相关研究人员提供与故障有关的有用线索。