利用燃烧噪声特征和机器学习早期检测低温火箭推力室中的热声不稳定性
信号处理
2021-06-30 v1 机器学习
系统与控制
系统与控制
摘要
燃烧不稳定性对火箭推力室尤其成问题，因为其能量释放率高且工作在接近结构极限的状态。过去几十年中，在预测高幅值燃烧不稳定性方面取得了进展，但仍不具备可靠的预测能力。可靠的早期预警信号是主动燃烧控制系统的主要需求。本文中，我们提出了一种用于早期检测热声不稳定性的数据驱动方法。采用递归量化分析从动态压力传感器数据的短长度时间序列计算特征燃烧特征。诸如递归率等特征被用于训练支持向量机，以提前几百毫秒检测不稳定性的 onset。所提方法的性能在来自代表性LOX/H研究推力室的实验数据上进行了研究。在大多数情况下，该方法能够在未用于训练的测试数据上及时预测两类热声不稳定性。结果与最先进的早期预警指标进行了比较。
引用
@article{arxiv.2011.14985,
title = {Early Detection of Thermoacoustic Instabilities in a Cryogenic Rocket Thrust Chamber using Combustion Noise Features and Machine Learning},
author = {Günther Waxenegger-Wilfing and Ushnish Sengupta and Jan Martin and Wolfgang Armbruster and Justin Hardi and Matthew Juniper and Michael Oschwald},
journal= {arXiv preprint arXiv:2011.14985},
year = {2021}
}