航天推进技术研究院主办
[1]马军强,杨思锋,戴芳立.基于RVM的液体火箭发动机试验台故障预测方法[J].火箭推进,2015,41(03):80-86.
MA Jun-qiang,YANG Si-feng,DAI Fang-li.RVM-based fault prediction method for liquid rocket engine test stand[J].Journal of Rocket Propulsion,2015,41(03):80-86.
点击复制
MA Jun-qiang,YANG Si-feng,DAI Fang-li.RVM-based fault prediction method for liquid rocket engine test stand[J].Journal of Rocket Propulsion,2015,41(03):80-86.
基于RVM的液体火箭发动机试验台故障预测方法
《火箭推进》[ISSN:1672-9374/CN:CN 61-1436/V]
卷:
41
期数:
2015年03期
页码:
80-86
栏目:
测控与试验
出版日期:
2015-06-30
- Title:
- RVM-based fault prediction method for liquid rocket engine test stand
- 关键词:
- 液体火箭发动机试验台; 相关向量机; 故障预测
- 分类号:
- V434-34
- 文献标志码:
- A
- 摘要:
- 液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题，通过预测相关参数在试验台运行过程中的变化趋势，可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模，提出了一种相关向量机（relevance vector machine, RVM）故障预测模型。在模型的训练阶段，根据数据序列的特征，分别采用单参量、相空间重构和多参量的方法进行了模型的训练，然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明，该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。
- Abstract:
- The fault prediction of liquid rocket engine test stand is actually the prediction of parameters associated with the test rig. By predicting the variation trends of those parameters, whether the test rig will get fault at a certain time in the future can be judged. As liquid rocket engine test-stand system is complex and difficult to model, a model based on relevance vector machine (RVM) is proposed in this paper. At the training stage of the model, the single-parameter method, phase space reconstruction method and multi-parameter method are used respectively to train the model according to the features of the data sequence, and then the trend of overall health degree and start-up thrust of the test stand is predicted by the trained model. The prediction result shows that this method based on RVM can effectively predict the possible fault and its trend.
参考文献/References:
[1] 郭宵峰, 李耀华, 陈鸿彦, 等. 液体火箭发动机试验[M]. 北京: 宇航出版社, 1990.
[2] 张恒喜, 郭基联, 朱家元, 等. 小样本多元数据分析及应用[M]. 西安: 西北工业大学出版社, 2002.
[3] 范庚, 马登武, 张继军. 一种基于小样本数据的装备故障预测方法[J]. 弹箭与制导学报, 2012, 32(2): 225-228.
[4] BISHOP C M, TIPPING M E. Variational relevance vector machines[C]// Proceedings of Uncertainty in Artificial Intelligence. USA: Morgan Kaufmann, 2000: 46-53.
[5] TIPPING M E. Baseline Matlab implementation of “Sparse Bayesian” model estimation [EB/OL]. [2009-02-22]. http://miketipping.com/papers.htm.
[6] TIPPING M E. Bayesian inference: an introduction to principle and practice in machine learning [EB/OL]. [2006-06- 26]. http://miketipping.com/papers.htm.
[7] TIPPING M E, FAUL A C. Fast marginal likelihood maximisation for sparse Bayesian model [EB/OL]. [2006-06- 26]. http://www.miketipping. com/papers. htm.
[8] 李刚, 邢书宝, 薛惠锋. 基于RBF核的SVM及RVM模式分析性能比较[J]. 计算机应用研究, 2009, 26(5): 1782- 1784.
[9] 范庚, 马登武, 邓力, 等. 基于灰色相关向量机的故障预测模型[J]. 系统工程与电子技术, 2012, 34(2): 424-428．
[10] 郭阳明, 蔡小斌, 张宝珍, 等. 故障预测与健康状态管理技术综述[J]. 计算机测量与控制, 2008, 16(9): 1213- 1219.
[11] 林左鸣, 谭瑞松. 航空故障诊断与健康管理技术[M]. 北京: 航空工业出版社, 2013.
[12] 李夕海, 刘代志, 张斌, 等. 基于重采样的混沌时间序列相空间重构研究[J]. 信号处理, 2006, 22(2): 248-251.
[13] 刘孝贤, 冯晨. 相空间重构中的K_L变换[J]. 山东大学学报(工学版), 2004, 34(6): 41-46.
[14] 廉建鑫. 基于RVM和混合优化算法的变压器故障诊断与预测应用研究[D]. 太原: 太原理工大学, 2012.
[15] 田干, 张炜, 杨正伟, 等. SVM方法在液体火箭发动机故障预测中的应用研究[J]. 2010, 24(1): 1-9.
[16] 杨淑莹. 模式识别与智能计算-Matlab技术实现. 2版[M]. 北京: 电子工业出版社, 2011.
备注/Memo
收稿日期：2014-11-20；修回日期：2014-11-28 作者简介：马军强（1986—），男，硕士研究生，研究领域为液体火箭发动机试验台故障预测
更新日期/Last Update:
1900-01-01