摘要：随着数据挖掘技术、测量技术的不断发展,为了满足火箭发动机参数探索的需要,使用数据挖掘技术利用历史数据对发动机各种参数进行预测成为火箭发动机在数据探索方面新的发展方向。同时,火箭发动机的地面点火试验在向着尽可能还原真实运行环境的方向发展。基于以上情况,引入在地面点火试验中的环境因素与设计因素共同作为模型的输入变量,以此来补充环境因素对性能参数的影响。根据试验对象数据特性,使用长短期记忆(Long Short-Term Memory,LSTM)神经网络对性能进行初步预测。为了能够减少整体模型误差和引入环境因素带来的误差,提高模型预测精度和泛化能力,提出了基于误差修正分析和趋势判断的误差修正门控单元(Error Correction Gate Recurrent Unit,ECGRU)神经网络模型对初步预测结果进行误差修正。同时结合环境参数特点,设计规划ECGRU模型输入、输出参数的计算规则。基于历史试验数据完成对比试验,验证了新模型具有较高的预测精度和泛化能力。

摘要：现有的X射线、超声等无损检测技术受检测工艺、设备安装、检测效率等限制,无法实现固体火箭发动机燃面退移过程的动态测试需求.本文研究了一种微波CT检测燃面退移的方法.根据微波CT成像原理,将天线等角度间隔分布于固体火箭外壳表面,建立燃面退移变化的数学模型.考虑到微波是以曲线形式传播的,不能使用传统的射线CT重建的直线投影矩阵刻画方法.因此根据微波传播路径,完成微波CT重建的投影矩阵刻画,并根据各个微波天线测量值,利用改进的ART-TV算法重建燃面退移变化的动态图像.仿真结果表明,本文研究的微波CT成像方法可以有效表征固体火箭发动机燃面退移变化,并且利用改进的ART-TV算法重建得到的直径为39~159 mm的燃面重建误差小于1 mm,可为后续实验测试系统的设计及验证提供理论支撑.