科创中国

高技术服务业

本项目研发了发动机试验全景数据库，构建了分部件卷积降噪自编码器神经网络模型，提出了自适应发动机健康状态阈值设定方法，实现了发动机试验全景数据的标准化管理和发动机健康状态的智能识别；在此基础上，开发了发动机健康状态智能识别系统，实现了理论算法的软件成果转换。 液体火箭发动机试车试验作为发动机出厂交付的“质量检验”环节，试车数据分析结果决定了发动机是否能够正常交付。本项目所提出成果已应用至某型号液体火箭发动机试车试验数据分析中，所提出方法采用智能化分析方法辅助人工进行发动机健康状态识别，改变了20多年的传统分析模式与流程，重塑了试车数据分析流程，显著提升了分析效率，同时有效提升了分析结果的准确性。 本成果应用后，发动机试车数据分析时间由原来的2人–天缩短为***人–天，分析效率提升300%。原有数据分析岗位由2人缩减为1人，显著降低了人力资源成本。数据分析能力从90台次/年提升到360台次/年，产能提升达3倍，年产值达***万元，满足日益增多的航天发射任务需求。

本成果研发了发动机试验数据质量提升技术和试验全景数据库，实现了发动机试验全景数据的标准化管理；构建了分部件卷积降噪自编码器神经网络模型，提出了自适应发动机健康状态阈值设定方法，实现了发动机多源数据的信息无损融合和发动机试验后健康状态的智能识别；在此基础上，开发了发动机健康状态智能识别系统，实现了理论算法的软件成果转换。 （1）液体火箭发动机数据质量提升及全景数据库构建 针对外界干扰、测试系统异常等造成的数据漂移、失真等问题，研究了发动机数据质量提升方法，为后续数据分析提供准确可靠的数据支撑；针对液体火箭发动机多源运行监测数据的标准化需求，构建了液体火箭发动机试验全景数据库，为数据分析提供标准化数据源。 （2）液体火箭发动机多源监测数据信息无损融合 针对液体火箭发动机运行监测数据来源多、工况变化快等问题，构建了分部件卷积降噪自编码器神经网络模型，提高针对多源监测数据的降维能力，实现多源监测数据的无损融合。

刘子俊 西安航天动力研究所 工程师 侯理臻 西安航天动力研究所 工程师 高同心 西安航天动力研究所 助理工程师