机械工程学报

作者：刘莘, 王珺, 陈景龙, 刘子俊

单位：1. 西安交通大学精密微纳制造技术全国重点实验室 西安 710049;2. 西安航天动力研究所 西安 710100

关键词：异常检测,液体火箭发动机,无监督学习,自编码器；

基金：国家自然科学基金(52275129)和中央高校基本科研业务费(xzy022023062)资助项目。

液体火箭发动机热试车试验是发动机制造交付过程中的关键环节，基于热试车试验开展高准确性异常检测是保障发动机安全可靠运行及载人登月任务顺利执行的重要手段。针对发动机多部件运行状态响应相互叠加干扰且非线性系统多部件差异退化趋势导致的异常识别误报率、漏报率高的技术难题，基于液体火箭发动机健康运行状态监测数据，提出多源数据密度估计自编码器的无监督异常识别方法。利用微观单元特征嵌入与全局结构化信息建模的编码器学习细粒度特征表示，然后通过解码器进行重建以学习健康状态数据分布。同时，通过高斯混合密度估计网络约束促使自编码器实现更好的特征表示与信息重建。最后，构建基于数据特征空间表示与数据分布的双重尺度下的异常检测评估分数，定义了液体火箭发动机健康状态运行下的正常情形约束边界，最终实现了多源监测数据下的发动机整机系统级异常智能检测。同型号及跨型号下液体火箭发动机地面热试车试验多源数据异常检测任务结果证明了所提方法的有效性和优越性。

来源：2025年第2期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第2期