• 
  动力驱动原理及应...
  ￥47.40元
• 
  可重复使用液体火...
  ￥189.60元
• 
  液体火箭发动机基...
  ￥94.80元
• 
  空间推进系统自主...
  ￥118.50元
• 
  大型固体火箭发动...
  ￥134.30元
• 
  连续旋转爆震稳定...
  ￥94.80元
• 
  固体烧蚀型脉冲等...
  ￥142.20元
• 
  空间特种推进技术
  ￥134.30元

本书围绕可重复使用液体火箭发动机健康管理主题，系统开展了热力性能、结构振动、燃烧状态三大领域的诊断方法研究。基于可重复使用带来的新挑战，首先系统阐述了健康管理系统的需求分析与总体设计；进而详细介绍了利用热力模型、振动分析和羽流光谱分析技术实现发动机故障定位与趋势预测的理论方法；最终总结了支撑发动机复用决策的健康综合评价与可用性管理方法。

样章试读

• 暂时还没有任何用户评论

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

• 暂时还没有任何用户咨询内容

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

用户名：	匿名用户
E-mail：
咨询内容：

• 目录
  第1章 可重复使用火箭发动机的健康管理需求
  1.1 航班化探索太空任务 001
  1.1.1 航班化运营的概念与特征 001
  1.1.2 航班化对发动机健康管理的新要求 002
  1.1.3 国内外航班化运营的发展现状 002
  1.2 可重复使用液体火箭发动机类型和工作原理 003
  1.2.1 可重复使用液体火箭发动机的定义与发展 003
  1.2.2 与一次性发动机基本结构与工作原理对比 008
  1.2.3 可重复使用液体火箭发动机分类体系 010
  1.3 关键技术特点与安全需求 014
  1.3.1 关键技术特点 014
  1.3.2 安全需求体系 017
  1.4 可重复使用液体火箭发动机健康管理技术发展 020
  1.4.1 发动机故障检测与诊断技术发展脉络 020
  1.4.2 可重复使用液体火箭发动机健康管理技术的新内涵 023
  1.5 本章小结 027
  第2章 健康管理系统总体设计
  2.1 可重复使用发动机健康管理的术语 029
  2.1.1 定义：健康与故障 029
  2.1.2 问题：功能失效与性能衰退 030
  2.1.3 需求：故障定位与失效预测 032
  2.2 健康管理系统正向设计框架 034
  2.2.1 基于V模型的系统工程方法 034
  2.2.2 REHM系统顶层设计流程 035
  2.2.3 REHM系统技术实现方案 039
  2.2.4 REHM系统数字样机 040
  2.3 健康管理系统顶层设计 045
  2.3.1 确定发动机健康管理需求 045
  2.3.2 发动机失效模式与性能衰退机理分析 047
  2.3.3 确定发动机设计点与载荷输入 049
  2.3.4 面向运行特点的过程分析 051
  2.4 健康管理系统的关键技术分解 053
  2.4.1 基于热力参数的健康管理技术 053
  2.4.2 基于振动参数的健康管理技术 058
  2.4.3 基于羽流光谱的健康管理技术 064
  2.4.4 多源信息融合进行整机健康综合评估 070
  2.5 本章小结 073
  第3章 基于热力参数模型的故障定位方法
  3.1 热力参数建模对发动机故障定位的核心价值 074
  3.2 液体火箭发动机的热力参数模型 075
  3.2.1 发动机通用部件模型 075
  3.2.2 发动机系统仿真模型 084
  3.3 液体火箭发动机的热力控制模型 086
  3.3.1 发动机控制系统特性分析 086
  3.3.2 发动机控制系统的典型部件模型 095
  3.4 液体火箭发动机故障定位方法 110
  3.4.1 液体火箭发动机的故障模式及效应分析 111
  3.4.2 基于模糊聚类的故障定位方法 118
  3.5 基于热力参数模型的故障定位方法的应用场景 130
  3.6 本章小结 131
  第4章 基于热力参数模型的失效预测方法
  4.1 热力参数模型的失效预测对液体火箭发动机的关键性 132
  4.2 液体火箭发动机失效预测技术 133
  4.2.1 液体火箭发动机健康监控系统架构 133
  4.2.2 发动机失效预测技术 135
  4.3 基于自回归滑动平均的失效预测算法 140
  4.3.1 ARMA模型建模过程 140
  4.3.2 ARMA模型训练过程 144
  4.3.3 失效判断分析 146
  4.4 基于高斯过程回归的性能趋势预测 148
  4.4.1 一元回归预测 149
  4.4.2 高斯过程回归 151
  4.5 基于递归结构识别的失效检测算法 154
  4.5.1 RESID算法模型训练方法 155
  4.5.2 阈值判定方法 156
  4.5.3 RESID算法方案 157
  4.6 基于KDE？EWMA的故障定位自适应阈值设计 161
  4.6.1 基于KDE方法的故障检测阈值设置方法 162
  4.6.2 基于后向指数滤波的阈值改进方法 163
  4.6.3 不同阈值设置方法仿真对比 165
  4.7 算法验证方法 168
  4.7.1 数字仿真平台 168
  4.7.2 硬件在环仿真 169
  4.8 基于热力参数模型的失效预测方法的应用场景 181
  4.9 本章小结 181
  第5章 基于旋转部件振动信号的故障定位方法
  5.1 基于位移信号开展涡轮泵旋转件故障诊断的任务和挑战 183
  5.2 涡轮泵转子的故障模型 185
  5.2.1 不平衡故障机理与故障建模 185
  5.2.2 不对中故障机理与故障建模 186
  5.2.3 转静碰摩故障机理与故障建模 188
  5.2.4 叶片掉块故障机理与故障建模 189
  5.2.5 旋转空化故障机理与故障建模 190
  5.3 涡轮泵转子信号仿真与故障特征 191
  5.3.1 正常工况下的振动特征 192
  5.3.2 不平衡故障特征 193
  5.3.3 不对中故障特征 194
  5.3.4 转静碰摩故障特征 195
  5.3.5 叶片掉块故障特征 196
  5.3.6 泵旋转空化故障特征 197
  5.4 旋转轴位移信号的拾取位置优化 198
  5.4.1 位移振动测点位置选择思路 198
  5.4.2 基于涡轮泵转子振动响应的位移传感器位置优选 198
  5.4.3 位移传感器位置选择 200
  5.5 旋转轴位移信号的数据采集方案 202
  5.5.1 采样方式理论分析 202
  5.5.2 三种采样方法适用条件量化研究 203
  5.6 旋转轴位移信号的特征提取方法 208
  5.6.1 多维度特征提取 208
  5.6.2 变工况特征提取 213
  5.7 基于故障基因的故障定位方法 216
  5.7.1 基于故障特征的涡轮泵故障基因库 217
  5.7.2 粗糙集理论下的发动机知识获取 218
  5.7.3 涡轮泵知识获取算法流程 223
  5.7.4 涡轮泵故障定位知识运用方法 224
  5.7.5 知识库的设计 228
  5.7.6 故障推理功能实现 231
  5.8 基于旋转部件振动信号的故障定位方法的应用场景 233
  5.9 本章小结 234
  本章附录 235
  第6章 基于壳体振动信号的失效预测方法
  6.1 基于壳体加速度信号开展失效预测的任务和关键 241
  6.1.1 振动趋势的类型 241
  6.1.2 振动传递指标 242
  6.1.3 失效预测评价指标 242
  6.2 旋转故障激振力的传递模型 243
  6.2.1 转子？轴承？承力框架？壳体系统建模 243
  6.2.2 模型中参数计算 249
  6.2.3 故障力模型 250
  6.3 壳体振动响应的传递特性 253
  6.3.1 求解测点振动响应 253
  6.3.2 振动传递特性分析 256
  6.4 壳体振动传递函数与贡献评价 258
  6.4.1 传递路径分析原理 258
  6.4.2 工况传递路径分析方法操作流程 262
  6.4.3 工况传递路径方法计算结果 263
  6.5 考虑传递特性的振动响应拾取位置优化 266
  6.5.1 加速度传感器位置选择思路 266
  6.5.2 基于振动外传力的加速度传感器位置优选 267
  6.6 涡轮泵异常振动趋势分析 270
  6.6.1 基于故障特征的失效模式预测 270
  6.6.2 典型异常振动趋势预测模型训练流程 272
  6.6.3 基于ISSA？CNN？BiLSTM模型的异常振动趋势预测 274
  6.7 涡轮泵异常振动失效预测 277
  6.7.1 基于AE？GRU网络的涡轮泵滚动轴承失效预测 278
  6.7.2 轴承失效预测模型小样本测试 283
  6.7.3 轴承失效预测模型抗噪声测试 285
  6.7.4 预测结果对比分析 288
  6.8 基于壳体振动信号的失效预测方法的应用场景 292
  6.9 本章小结 293
  第7章 基于羽流金属原子发射光谱参数的故障定位方法
  7.1 羽流金属原子发射光谱 294
  7.1.1 高温金属原子发射光谱原理 295
  7.1.2 原子发射光谱分析法 298
  7.1.3 光谱数据库构建 305
  7.2 液体火箭发动机羽流常见金属原子发射光谱仿真模拟 307
  7.2.1 原子发射光谱谱线计算 307
  7.2.2 原子发射光谱传输特性 311
  7.2.3 典型金属元素光谱模拟结果分析 313
  7.2.4 光谱模拟结果实验验证 318
  7.3 基于光谱数据的金属元素浓度反演 321
  7.3.1 光谱？浓度基本关系式 321
  7.3.2 浓度定量反演模型 322
  7.4 基于金属原子发射光谱的羽流温度场测量 330
  7.4.1 金属原子发射光谱测温原理 330
  7.4.2 金属原子发射光谱测温系统 336
  7.4.3 结果与讨论 340
  7.5 本章小结 343
  第8章 基于羽流吸收光谱参数的失效预测方法
  8.1 吸收光谱概述 344
  8.1.1 激光吸收光谱基本理论 344
  8.1.2 波长扫描直接吸收法 345
  8.1.3 波长扫描调制吸收法 350
  8.1.4 两种测量方法对比 356
  8.2 波长调制吸收法 359
  8.2.1 吸收谱线选择 359
  8.2.2 波长调制吸收法影响因素 364
  8.2.3 压强修正反演模型 370
  8.3 液体火箭发动机羽流吸收光谱测试关键技术 376
  8.3.1 激光器动态波长响应特性 376
  8.3.2 测量系统构成及在线数据处理 383
  8.3.3 标定源研制和标定方法 388
  8.4 吸收光谱二维重构技术 393
  8.4.1 重构原理及系统 393
  8.4.2 线性二维重构算法 397
  8.4.3 非线性二维重构算法 399
  8.5 本章小结 403
  第9章 航班化液体火箭发动机健康综合评估与可用性管理
  9.1 整机综合可用性评估 404
  9.1.1 故障定位与失效预测任务的区别 405
  9.1.2 故障定位与失效预测的协同机制 405
  9.1.3 工程实践中的特殊考量 406
  9.1.4 故障的分类评价、维修和保障支持 407
  9.2 飞行中实时评价健康状态与可用性管理 409
  9.2.1 实时评价效果及性能指标 409
  9.2.2 发动机健康状态识别方法 410
  9.2.3 发动机健康等级综合评价 413
  9.2.4 发动机故障减损措施 421
  9.3 飞行后不分解寿命预测与可用性管理 422
  9.3.1 健康管理的预测能力 422
  9.3.2 寿命预测评价指标 423
  9.3.3 航班化发动机的疲劳损伤机制 424
  9.3.4 关键部件的剩余寿命预测 427
  9.3.5 整机剩余寿命集成预测 429
  9.4 智能健康管理技术应用展望 432
  9.4.1 基于数字孪生的虚拟建模技术 432
  9.4.2 数据驱动智能诊断技术展望 435
  9.4.3 基于因果溯源的全寿命周期健康管理技术 438
  9.5 本章小结 444
  参考文献 446