К вопросу прогнозирования технического состояния жидкостных ракетных двигателей малой тяги

Обложка

Цитировать

Полный текст

Аннотация

В стремительно развивающейся ракетно-космической отрасли создаются космические аппараты, снабжённые жидкостными ракетными двигателями малых тяг. К данному типу ракетных двигателей предъяв-ляются высокие требования по надёжности, эффективности и экономичности использования топлива. Для обеспечения мониторинга характеристик космических аппаратов используют систему функциональной диагностики, в состав которой входят средства телеметрии и аналитической обработки данных. Телеметрия выполняет функции получения и передачи информации. Обработка информации выполняется в вычислительных центрах, находящихся на космическом аппарате и Земле. Наиболее перспективным вычислительным инструментом, способным проводить прогнозирование временных рядов и классифицировать большой объём взаимосвязанных данных, считают искусственную нейронную сеть. В связи с этим предметом исследований в работе являются способы обработки данных с применением искусственной нейронной сети. Цель работы заключается в разработке метода прогнозирования технического состояния жидкостных ракетных двигателей малых тяг с использованием искусственной нейронной сети.

Во введении обосновывается актуальность исследований по использованию нейросети в системе функциональной диагностики жидкостных ракетных двигателей малых тяг для космических аппаратов. В основной части проводится анализ множества телеметрических данных ракетного двигателя и определена их весомость при прогнозе основных диагностических параметров. В качестве диагностических параметров предложено использовать тягу, удельный импульс и температуру конструкции. Исследованы прогностические возможности нейросети и разработана принципиальная схема метода прогнозирования технического состояния жидкостного ракетного двигателя малой тяги. В разработанном методе на первом этапе нейросеть выполняет аппроксимацию функции и экстраполяцию временного ряда данных телеметрических данных, на второмопределяет вероятный класс технического состояния двигателя.

В выводах намечен план дальнейших экспериментальных исследований в данной области и даются рекомендации по разработке и совершенствованию алгоритмов функционирования искусственных нейронных сетей в составе системы функциональной диагностики космического аппарата. В силу обобщённого характера методических схем, результаты работы могут применяться к любому типу ракетных двигателей и использоваться на всех предприятиях ракетно-космической отрасли соответствующего профиля.

Об авторах

Георгий Викторович Комлев

Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева; АО «Красмаш»

Email: komlev_gv@mail.ru

аспирант, мастер-испытатель измерительных систем

Россия, 660037, г. Красноярск, проспект имени газеты «Красноярский рабочий», 31; 660123, г. Красноярск, проспект имени газеты «Красноярский рабочий», 29

Анна Сергеевна Митрофанова

Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева; АО «Информационные спутниковые системы» имени академика М. Ф. Решетнева»

Автор, ответственный за переписку.
Email: jgotka@mail.ru

аспирант, инженер-программист

Россия, 660037, г. Красноярск, проспект имени газеты «Красноярский рабочий», 31; 662972, г. Железногорск Красноярского края, ул. Ленина, 52

Список литературы

  1. Агеенко Ю. И., Пегин И. В. Подтверждение энергетической эффективности ЖРДМТ с дефлекторно-центробежной схемой смесеобразования // Вестник Самарского гос. аэрокосмич. ун-та. 2014. № 5, ч. 3. С. 46–54.
  2. Сирант А. Л. Исследование влияния неидеальностей рабочего импульса жидкостных ракетных двигателей малой тяги на динамику малого космического аппарата : дис. … канд. техн. наук. Самара, 2008. 153 с.
  3. Хруцкий О. В. Прогнозирование технического состояния функционально-самостоятельных элементов судовой энергетической установки : дис. … канд. техн. наук. СПб., 1996. 263 с.
  4. Герасимова Д. С., Савина М. Г., Гейман В. Н. Обновление и продление ресурсов авиационной техники // Актуальные проблемы авиации и космонавтики. 2015. Т. 1. C. 686–688.
  5. Мартиросов Д. С., Коломенцев А. И. Функциональная диагностика ЖРД в режиме реального времени // Авиационно-космическая техника и технология. 2012. № 7. С. 197–201.
  6. Мартиросов Д. С., Синьков С. А. Способ оценки предельно достигаемой точности определения параметров элементов ЖРД при их функциональной диагностике // Тр. НПО Энергомаш имени акад. В. П. Глушко. 2005. № 23. С. 151 –160.
  7. Колбая Т. Ч., Пасмурнов С. М., Якуш Д. Ю. Разработка технологии создания системы диагностирования и аварийной защиты жидкостных ракетных двигателей // Инженерный журнал: Наука и инновации. 2016. Вып. 8 [Электронный ресурс]. URL: http://www.engjournal.ru/catalog/arse/teje/1524.html.
  8. Бондарь А. И., Пасмурнов С. М., Якуш Д. Ю. Программно-математическое обеспечение системы аварийной защиты и управления ЖРД и процедура его тестирования // Наука и технологии : сб. науч. тр. РАН. 2015. Т. 5. С. 137.
  9. Сковорода-Лузин В. И. Телеметрия. Глаза и уши главного конструктора. М. : ООО «Оверлей», 2009. 320 с.
  10. Поленов Д. Ю. Эволюция телеметрии в ракетной технике // Молодой учёный. 2014. № 6. С. 216–218.
  11. Левочкин П. С., Мартиросов Д. С., Буканов В. Т. Проблемы функциональной диагностики жидкостных ракетных двигателей // Вестник МГТУ имени Н. Э. Баумана. Сер. «Машиностроение». 2013. № 1. С. 72–88.
  12. Горбань А. Н., Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск : Наука. 1996. 276 с.
  13. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М. : Горячая линия. 2002. 382 с.
  14. Любимова Т. В., Горелова А. В. Решение задачи прогнозирования с помощью нейронных сетей // Инновационная наука. 2015. № 4. С. 39–43.
  15. Коломенцев А. И., Хохлов А. Н. Оптимальное планирование испытаний жидкостных ракетных двигателей малых тяг для определения их основных параметров и характеристик // Вестник ПНИПУ. Аэрокосмическая техника. 2016. № 47. С. 109–122
  16. Добровольский М. В. Жидкостные ракетные двигатели. Основы проектирования / под ред. Д. А. Ягодникова. М. : Изд-во МГТУ имени Н. Э. Баумана. 2006. 488 с.
  17. Дружин А. Н. Тепловая и энергетическая эффективность до и сверхзвуковых газовых завес в ракетных двигателях малой тяги : дис. … канд. техн. наук. Самара. 2002. 213 с.
  18. Автоматизация приема и обработки резервной телеметрической информации с космических / В. И. Майорова, Д. А. Гришко, Б. А. Ремень и др. // Вестник МГТУ имени Н. Э. Баумана. 2013. № 1 (90). С. 89–99.
  19. Механизм управляемой телеметрии космического аппарата / Ф. А. Лукин, А. В. Шахматов, К. В. Мушовец, П. В. Зеленков // Вестник СибГАУ. 2012. № 5 (45). С. 140–144.
  20. Ильин В. А. Телеуправление и телеизмерение. М. : Энергоиздат, 1982. 560 с.
  21. Отображение информации в Центре управления космическими полетами / А. В. Милицин, В. Н. Самсонов, В. А. Ходак и др. М. : Радио и связь, 1982. 192 с.
  22. Нейросетевой метод обнаружения неисправностей в космических подсистемах : тр. междунар. конф. «Программные системы: теория и приложения» / Ю. Г. Емельянова, А. А. Талалаев, В. П. Фраленко, В. М. Хачумов (г. Переславль-Залесский, май 2009). 2009. Т. 1. С. 133–143.
  23. Нейрокомпьютеры в космической технике / В. В. Ефимов, Г. И. Козырев, А. И. Лоскутов и др. М. : Радиотехника, 2004. 317 с.
  24. Ефимов В. В. Нейроинтеллектуализация бортовых комплексов управления космических аппаратов наблюдения // Мехатроника, автоматизация, управление. 2006. № 10. С. 2–15.
  25. Лабинский А. Ю., Уткин О. В. К вопросу аппроксимации функции нейронной сетью // Природные и техногенные риски (физико-математические и прикладные аспекты). 2016. № 1. С. 5–11.
  26. Рутковский Л., Пилиньский М., Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы. М. : Телеком, 2004. 385 с.
  27. Тархов Д. А. Нейронные сети как средство математического моделирования. М. : Радиотехника, 2006. 48 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Комлев Г.В., Митрофанова А.С., 2020

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах