推进剂加注系统内泄漏自动检测方法研究

摘要

火箭加注系统的自动对接与脱离技术是实现火箭快速、安全发射的一项重要研究工作，而加注系统内泄漏自动检测是其中的关键技术之一。结合声发射技术在泄漏检测方面的应用，文中主要从泄漏信号频谱特性分析、小波滤波降噪方法、人工神经网络泄漏信号识别和分类等方面研究了火箭加注系统内泄漏自动在线检测方法。
　　首先，介绍了声发射技术及其在泄漏检测应用中的特点，以及常用的声发射信号处理方法；从时域特征参数和频谱分析两方面对泄漏信号进行了分析，研究了泄漏信号的基本特征。
　　介绍了小波变换在信号分析中的特点，以及常用的小波滤波方法；针对泄漏信号中不同频带的噪声，提出了两种小波滤波降噪方法，取得了良好的滤波降噪效果；提出应用小波方法对泄漏信号进行能量特征量提取，结合时域特征参数，以构成人工神经网络的输入向量。
　　在此基础上，研究了BP神经网络在泄漏信号识别和分类中的应用。从神经网络的设计与泛化、训练和验证等方面分析了神经网络的设计方法，所设计的神经网络对验证样本集具有良好的分类能力。
　　最后，基于MATLAB平台设计了泄漏信号检测分析系统，实现了数据采集、功率谱估计、小波滤波降噪、参数统计、人工神经网络泄漏信号识别和分类等自动泄漏信号分析处理功能。

目录

推进剂加注系统内泄漏自动检测方法研究

RESEARCH ON AUTOMATIC INTERNAL LEAK DETECTION OF PROPELLANT FILLING SYSTEM

摘要

Abstract

第1章 绪论

1.1 课题背景

1.2 国内外研究现状

1.3 课题主要研究内容

第2章 声发射泄漏检测理论基础

2.1 声发射技术

2.2 声发射信号分析方法概述

2.3 本章小结

第3章 泄漏信号时频特性分析

3.1 泄漏信号时域分析

3.2 泄漏信号频谱分析

3.3 本章小结

第4章 泄漏信号小波分析方法

4.1 小波变换

4.2 常用小波滤波去噪方法

4.3 泄漏信号小波滤波降噪方法

4.4 泄漏信号小波包能量特征量提取

4.5 本章小结

第5章 基于神经网络的泄漏信号识别

5.1 BP神经网络

5.2 泄漏检测神经网络设计

5.3 泄漏检测系统

5.4 本章小结

结论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢