基本信息：

国防科技大学·空天科学学院，研究方向：空天推进系统仿真与健康监控

发表于Aerospace。影响因子：2.66

论文内容简介

 针对某大型液体火箭发动机(LRE)，提出了一种基于长短期记忆网络（LSTM）和生成对抗网络(GAN）的故障检测与诊断方法。首先利用MATLAB/Simulink软件对火箭发动机进行建模，并利用仿真机模拟发动机正常运行状态，通过故障注入的手段分别模拟了多种启动阶段和稳态阶段的故障运行状态。其次，利用LSTM作为生成器，多层感知机（MLP）作为判别器构建LSTM-GAN模型，并使用正常数据训练模型。然后，将测试数据输入判别器得到判别结果，实现故障检测。最后，将测试数据输入生成器得到预测样本，计算各个参数的预测值与真实值间的绝对误差，构建故障诊断指标标准化绝对误差（SAE），对SAE进行分析，实现故障诊断。结果表明，该方法能够有效检测启动和稳态过程中的故障，并诊断稳态过程中的故障，且没有出现漏报警和误报警。

研究背景

LRE工况多变，变工况过程参数变化剧烈，实现故障检测较为困难。传统的故障检测方法实现LRE的全过程故障检测，都需要首先对LRE的工况进行分段，训练多个模型。LSTM是一种有效的时序预测方法，其在时序异常检测的应用中，最普遍的做法是根据预测误差来划定阈值，当误差超出阈值时，认为出现了异常。然而该过程存在一定主观因素，导致划定的阈值不一定总是合理。针对上述问题，本文提出一种基于LSTM-GAN的故障检测与诊断方法，利用某型液氧煤油发动机对方法进行验证。

 创新内容与工程应用价值

（1）构建了LSTM-GAN，同时利用了LSTM对时序数据的预测功能和GAN的分类功能，仅使用一个模型即可实现LRE的全过程故障检测。相比于传统方法需要对数据分段进行检测，该方法简化了故障检测的流程。

（2）构建了故障诊断指标SAE，诊断过程简洁，诊断结果可靠。

（3）仅使用正常数据训练LSTM-GAN，可以检测与诊断未知的故障。

基于灵思创奇设备

实时仿真平台以灵思创奇公司的links-RT为核心，利用MATLAB/Simulink软件进行建模，结合VxWorks操作系统实现闭环仿真迭代过程。灵思创奇Links-C3U-C04仿真机具有实时仿真的功能，利用这一功能完成了某型号发动机全过程仿真，解决了发动机故障样本数据不足极大节约了实验耗时，验证了本文提出故障检测和诊断算法的有效性和准确性。