本技术涉及一种基于多传感器和光谱数据融合的发动机故障检测方法,包括:采集正常发动机的发动机尾焰的第一光谱数据、基准温度和基准压力,基于第一光谱数据对目标物质的理想光谱特征进行提取;采集待检测发动机的发动机尾焰的第二光谱数据,基于第二光谱数据获取目标物质的实际光谱特征;采集待检测发动机的发动机尾焰的实际尾焰温度和实际尾焰压力,并对实际光谱特征进行校正以获得实际光谱校正特征;基于理想光谱特征和实际光谱校正特征获取用于判断待检测发动机是否故障的动态特征;构建动态阈值范围;基于动态阈值范围判断动态特征是否异常。本发明可灵活准确的用于发动机故障的预测和及时报警,可充分的减少事故发生。
背景技术
液体火箭发动机在高温高压环境下长时间工作时,容易引起材料的烧蚀和腐蚀,特别是在燃烧过程中发动机喷管和管路等关键部件可能出现异常磨损。这种磨损不仅会影响发动机的使用寿命,还可能导致燃烧不稳定和推力下降,严重时甚至引发故障。因此,对液体火箭发动机尾焰中的燃烧产物成分进行实时监测,特别是对材料成分的异常变化进行检测,具有重要意义。
目前,紫外和可见光谱技术在发动机尾流监测中应用广泛。通过紫外光谱和可见光谱的特征谱线可以有效分析燃烧生成物的成分和浓度。尾流中的金属元素(如Ni、Cr、Fe等)的光谱特征,可以反映发动机材料的燃烧状态及磨损程度。利用光谱检测这些元素的含量变化,能够帮助判断燃烧室、喷管和管路等是否发生异常磨损或烧蚀。
传统的发动机尾焰监测方法多依赖于单一光谱或传感器的数据分析,容易受到环境干扰和发动机工况波动的影响,导致检测结果的可靠性降低。为此,亟需一种新的检测方案以提高其检测精度和有效性。
实现思路