[发明专利]基于增广粒子滤波的液体火箭发动机推力室故障诊断方法

说明书

本发明公开一种基于增广粒子滤波的液体火箭发动机推力室故障诊断方法，包括步骤：根据推力室工作原理，考虑常见故障效应，建立推力室非线性热力学名义模型和故障模型；根据非线性热力学名义模型设计粒子滤波器，估计推力室的工作状态与输出；构造推力室的估计输出与测量输出之间的残差，并采用广义似然比检验法，实现推力室故障检测；将故障估计向量整合到状态估计向量中，扩张状态估计向量维度，建立增广故障辨识粒子滤波器，实现故障辨识；根据故障辨识结果，设计故障分类算法，利用分类结果，建立改进的增广故障辨识粒子滤波器，提高故障估计精度。本发明能够在外部干扰和随机系统噪声与观测噪声下，实时进行快速高精度的故障检测与诊断。

技术领域

本发明属于液体火箭发动机故障诊断技术领域，特别涉及一种基于增广粒子滤波的液体火箭发动机推力室故障诊断方法。

背景技术

火箭发动机作为运载火箭推进系统的最重要组成部分，其安全可靠的运行是决定发射任务成功的关键。然而其复杂的工作环境和恶劣的工作条件使它成为整个航天运输系统中故障最为多发的部位之一。其中推力室由于处于高温高压环境，且直接与外界大气相通，具有外部干扰大，随机噪声强，故障发展速度快等特点。据近年来液体火箭发动机故障情况统计，推力室仅次于涡轮泵，是液体火箭发动机第二大故障高发部件。目前，针对推力室的故障检测与诊断方法主要有基于模型(卡尔曼滤波方法)，基于数据(小波分析方法)，以及基于人工智能(专家系统，神经网络等)。

基于模型的卡尔曼滤波方法要求系统为线性高斯噪声系统，基于数据的小波分析方法要求具有足够多的样本，尤其是故障样本的数量，基于人工智能的方法解释性比较差。所以以上三种方法均不能较好完成推力室故障检测与诊断任务中。

发明内容

针对上述问题，本发明提出一种基于增广粒子滤波的液体火箭发动机推力室故障诊断方法，主要包括以下步骤：首先，根据推力室工作原理，考虑常见故障效应，建立液体火箭发动机推力室非线性热力学名义模型和故障模型；然后，根据推力室非线性热力学名义模型设计粒子滤波器，估计推力室的工作状态与输出；随后，构造推力室的估计输出与测量输出之间的残差，并采用广义似然比检验法，实现推力室故障检测；再后，将故障估计向量整合到状态估计向量中，扩张状态估计向量维度，建立增广故障辨识粒子滤波器，估计故障大小，实现推力室故障辨识；最后，根据故障辨识结果，设计故障分类算法，利用分类结果，建立改进的增广故障辨识粒子滤波器，提高故障估计精度。本发明主要应用于液体火箭发动机推力室在轨飞行过程中，能够在外部干扰和随机系统噪声与观测噪声下，实时进行快速高精度的故障检测与诊断。

为实现上述目的，本发明提供了一种基于增广粒子滤波的液体火箭发动机推力室故障诊断方法，包括如下步骤：

S1：根据推力室工作原理，考虑推力室故障效应，建立推力室的非线性热力学名义模型和非线性热力学故障模型；

S2:根据所建立的非线性热力学名义模型设计粒子滤波器，估计推力室的状态与输出，获取估计状态向量和估计输出向量；

S3：构造推力室的估计输出与测量输出之间的残差，基于所建立的推力室的非线性热力学故障模型，并采用广义似然比检验法，对推力室进行故障检测，获取估计故障向量；

S4：将所述估计故障向量整合到所述估计状态向量中，扩展所述估计状态向量维度，建立增广故障辨识粒子滤波器，估计故障大小，对推力室故障进行辨识；

S5：根据步骤S4中的故障辨识结果，设计故障分类算法进行故障分类，并利用故障分类结果，建立改进的增广故障辨识粒子滤波器，提高故障估计精度。

进一步，步骤S1中，推力室故障效应包括氧化剂喷注器泄漏、燃料喷注器泄漏、喷管喉部烧蚀和喷管燃气泄漏四种故障模式，针对推力室的名义工作模式与所述四种故障模式，分别建立推力室的非线性热力学名义模型：

D＝J(X，U，p_e，W，1_4×1，Γ)