【技術實現步驟摘要】
本專利技術涉及火箭發動機，更具體地說，特別涉及一種基于時序對抗網絡的火箭發動機故障檢測與診斷方法。
技術介紹
1、運載火箭的發射失敗是各航天大國不時需要面臨的殘酷現實，且往往造成嚴重的經濟損失或人員傷亡。液體火箭發動機是運載火箭推進系統的核心組成部分，作為運載火箭的主要動力裝置，其可靠性關系著航天任務的成敗。近年來，我國航天事業發展迅速，大推力可重復使用發動機成功完成重復飛行試驗，高密度航天發射對發動機的安全性和可靠性的要求日益提高，因此有必要進一步開展發動機故障檢測與診斷的研究。
2、實現發動機故障檢測通常需要根據發動機的不同工況，使用多種方法、模型，復雜度較高、計算量較大。現有發動機穩態過程的故障診斷方法存在效率低的問題。因此，需要一種低復雜度、計算效率高的方法實現發動機的全過程故障檢測，并實現穩態過程故障的快速診斷。
技術實現思路
1、本專利技術的目的在于提供一種基于時序對抗網絡的火箭發動機故障檢測與診斷方法，以克服現有技術所存在的缺陷。
2、為了達到上述目的，本專利技術采用的技術方案如下：
3、基于時序對抗網絡的火箭發動機故障檢測與診斷方法，包括以下步驟：
4、s1、構建時序對抗網絡模型；
5、s2、利用發動機正常數據訓練所述時序對抗網絡模型；
6、s3、利用訓練好的時序對抗網絡模型進行發動機全過程故障檢測；
7、s4、利用訓練好的時序對抗網絡模型進行發動機穩態過程故障診斷。
8
9、所述多層感知機mlp由多層神經元構成，包括輸入層、隱藏層、輸出層，輸入層由輸入信號構成，隱藏層和輸出層是全連接層，計算方法為：
10、
11、式中，下標i表示本層的第i個神經元，j表示上一層的第j個神經元，o是輸出，x是上一層的輸出，f為激活函數，w是權值，b是偏置向量；
12、所述多層感知機mlp的訓練過程是通過反向傳播算法實現，該反向傳播算法的學習過程由信號的正向傳播和誤差的反向傳播組成，在正向傳播時，將輸入信號經輸入層、隱藏層傳播至輸出層，根據實際輸出與期望輸出計算得到誤差，在反向傳播過程中，誤差沿原通路傳回，由各層的各個單元分攤誤差并修正權值；
13、所述長短期記憶網絡lstm通過使用存儲過去輸入的記憶單元來影響輸出，描述一個lstm基本單元在某一時刻t的方程式為：
14、ft＝σ(whfht-1+wxfxt+bf)
15、it＝σ(whiht-1+wxixt+bi)
16、ot＝σ(whoht-1+wxoxt+bo)
17、ct′＝tanh(whcht-1+wxcxt+bc)
18、ct＝ftct-1+itct′
19、ht＝ot?tanh(ct)
20、式中，x為輸入參數，w為權重，b為偏置，f表示遺忘門，決定內存單元中的值是保持不變、減少還是重置，σ為sigmoid函數，tanh為雙曲正切函數，i表示輸入門，決定是否將當前輸入添加到存儲單元以及要更新的值，o表示輸出門，通過輸入和內存單元的值來確定輸出，c'控制要更新的輸入，c表示單元狀態，h表示隱狀態；
21、所述判別器的損失函數選擇均方誤差，其計算方式為：
22、
23、式中，x為輸入樣本，xr為重構樣本；
24、所述生成器的損失函數為：
25、lg＝(mse1+mse2)/2
26、式中，mse1由生成器的輸出參數與實際參數計算得到，mse2由判別器的判別結果與實際標簽計算得到。
27、進一步地，所述步驟s2具體包括：
28、向所述生成器輸入隨機噪聲，輸出生成樣本；
29、向所述判別器輸入生成樣本，輸出判別結果；
30、根據所述生成器的損失函數計算誤差，更新生成器的網絡權值；
31、向所述判別器輸入生成樣本和真實樣本，輸出判別結果，根據所述判別器的損失函數計算誤差，更新判別器的網絡權值；
32、對所述生成器和判別器的訓練交替進行，在達到設定的訓練輪數或一定條件，訓練完成。
33、進一步地，所述步驟s3具體包括：
34、將測試樣本輸入到所述判別器，輸出判別結果，通過所述判別結果實現發動機的全過程故障檢測；若判別結果大于0.5則表示測試樣本與訓練樣本較為一致，為正常樣本，并令輸出為1，否則令輸出為0，表示異常樣本，表示發動機出現故障。
35、進一步地，所述步驟s4具體包括：
36、將測試樣本輸入到所述生成器，輸出預測樣本，根據以下公式計算各個參數預測值與真實值的絕對誤差：
37、aei＝|xi-xip|
38、式中：i表示參數的個數，xi為真實值，xip為預測值；
39、將各參數的預測值與真實值的絕對誤差通過以下公式進行標準差標準化：
40、
41、式中，μi和σi分別是aei的均值和標準差；
42、對于每個樣本，得到的診斷指標為一個24維的向量sae：
43、sae＝(sae1,sae2,...,sae24)
44、對發動機故障后五個連續樣本的sae進行分析，根據不同參數的sae值的大小和變化趨勢，結合發動機的結構綜合分析，得出故障診斷結果。
45、進一步地，將所述生成器替換設置為循環神經網絡或門控循環單元。
46、與現有技術相比，本專利技術的優點在于：本專利技術利用時序對抗網絡實現發動機全過程故障檢測，可以解決當前發動機全過程故障檢測需要多種方法、模型的問題，同時具有診斷速度快的優點。
本文檔來自技高網...【技術保護點】
1.基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，所述步驟S1中的時序對抗網絡由判別器和生成器構成，所述判別器由多層感知機MLP構成，生成器由長短期記憶網絡LSTM構成；
3.根據權利要求2所述的基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，所述步驟S2具體包括：
4.根據權利要求3所述的基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，所述步驟S3具體包括：
5.根據權利要求4所述的基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，所述步驟S4具體包括：
6.根據權利要求1所述的基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，將所述生成器替換設置為循環神經網絡或門控循環單元。
【技術特征摘要】
1.基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，所述步驟s1中的時序對抗網絡由判別器和生成器構成，所述判別器由多層感知機mlp構成，生成器由長短期記憶網絡lstm構成；
3.根據權利要求2所述的基于時序對抗網絡的火箭發動機故障檢測與診斷方法，其特征在于，所述步驟...
【專利技術屬性】
技術研發人員：鄧凌志，王彪，吳建軍，程玉強，劉育瑋，謝昌霖，劉洪剛，
申請(專利權)人：中國人民解放軍國防科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。