许 亮 马 硕 薛 薇 李宁宁

1.天津理工大学电气电子工程学院，天津市复杂系统控制理论及应用重点实验室，天津 300384

2.北京航天动力研究所，北京100076

0 引言

液体火箭发动机的故障检测对于提高发动机运行的准确度具有十分重要的意义。随着现代航天技术的飞速发展，液体火箭被越来越多的国家发射使用[1]。液体火箭的动力装置系统主要由推进剂输送和增压系统及液体火箭发动机两大部分组成。液体火箭发动机的故障检测显得尤为重要[2-5]。

经常采用神经网络算法预测发动机故障检测的问题。众所周知，神经网络具有较高的非线性映射能力以及高效的自主学习性和容错能力[6-8]，因此神经网络成为液体火箭发动机故障检测的重要手段[9]。通常，人们都使用BP神经网络进行运算，但BP神经网络结构设计上具有盲目性的缺点。最近，越来越多的人通过使用小波神经网络进行预测[10-11]，相比于前向的神经网络，小波神经网络具有更强的学习能力，精度也更高，它的基元和整个结构是依据小波分析理论确定的，所以结构更加简单，收敛速度更快。

智能算法在实际应用中会根据具体问题进行改进[12]。刘利军、雷宇等提出了一种双向长短时记忆神经网络的航空发动机气路部件故障诊断模型，实验结果充分表明双向LSTM模型的优越性[9]。胡昌华、张军波等提出一种基于小波和人工神经网络的方法实现对系统故障检测与诊断的研究[13]。何浩、胡小平等采用支持向量机SVM检测和诊断液体火箭发动机故障诊断的数据，结果证实了该方法的正确性和可行性[14]。……