基于综合模糊聚类算法的液体火箭发动机故障诊断

发布时间：2021-05-08 10:56

　　基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值（FCM）算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达96.8%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。 

【文章来源】：航空动力学报. 2020,35(06)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
1 模糊c均值聚类(FCM)
    1.1 FCM原理
    1.2 FCM步骤
2 模糊传递闭包法
    2.1 模糊传递闭包法原理
    2.2 模糊传递闭包法步骤
        1) 构造特性指标矩阵
        2) 数据标准化处理(构造模糊矩阵)
        3) 构造模糊相似矩阵
        4) 模糊等价矩阵(求传递闭包)
        5) 模糊截断矩阵
    2.3 参数寻优
3 综合模糊聚类
4 仿真结果分析
    4.1 仿真模型
    4.2 模糊传递闭包法参数寻优
        4.2.1 参数寻优参数选择
        4.2.2 参数寻优结果分析
    4.3 故障检测结果分析
    4.4 故障隔离结果分析
        4.4.1 故障隔离数据选择
        4.4.2 结果分析
5 结 论


【参考文献】：
期刊论文
[1]基于模糊聚类的图像分割研究进展[J]. 雷涛,张肖,加小红,刘侍刚,张艳宁.  电子学报. 2019(08)
[2]基于堆栈式自动编码器的加密流量识别方法[J]. 王攀,陈雪娇.  计算机工程. 2018(11)
[3]基于GG模糊聚类的退化状态识别方法[J]. 王冰,王微,胡雄,孙德建.  仪器仪表学报. 2018(03)
[4]一种基于聚类分析的液体火箭发动机稳态过程故障诊断方法[J]. 耿辉,张翔,张素明,安雪岩.  火箭推进. 2014(05)
[5]基于SVM和SNN的航空发动机气路故障诊断[J]. 王修岩,李萃芳,高铭阳,李宗帅.  航空动力学报. 2014(10)
[6]基于模糊聚类的BP神经网络模型研究及应用[J]. 何勇,项利国.  系统工程理论与实践. 2004(02)
[7]模糊相似矩阵的构造[J]. 王新洲,舒海翅.  吉首大学学报(自然科学版). 2003(03)
[8]模糊c-均值聚类算法中加权指数m的研究[J]. 高新波,裴继红,谢维信.  电子学报. 2000(04)

博士论文
[1]新一代大推力液体火箭发动机故障检测与诊断关键技术研究[D]. 李艳军.国防科学技术大学 2014



本文编号：3175214