cahtНаучный вестник МГТУ ГАCivil Aviation High Technologies2079-06192542-0119Moscow State Technical University of Civil Aviation (MSTU CA)10.26467/2079-0619-2023-26-5-81-95caht-2236Research ArticleМАШИНОСТРОЕНИЕMECHANICAL ENGINEERINGПрименение метода малых отклонений для диагностирования технического состояния авиационного газотурбинного двигателя на переходных режимах его работыApplication of the method of insignificant divergences to diagnose the technical aircraft gas turbine engine state under the transient-state conditions of its operationМашошинО. Ф.MashoshinO. F.

Машошин Олег Федорович, доктор технических наук, профессор, заведующий кафедрой двигателей летательных аппаратов

Москва

Oleg F. Mashoshin, Doctor of Technical Sciences, Professor, the Head of the Aircraft Engines Chair

Moscow

o.mashoshin@mstuca.aeroХармацИ. Г.KharmatsI. G.

Хармац Илья Григорьевич, кандидат технических наук, доцент, доцент кафедры технической механики и инженерной графики

Москва

Ilya G. Kharmats, Candidate of Technical Sciences, Associate Professor, Associate Professor of the Technical Mechanics and Engineering Graphics Chair

Moscow

kharmats@mail.ruМосковский государственный технический университет гражданской авиацииРоссияMoscow State Technical University of Civil AviationRussian Federation2023301020232658195Copyright © Машошин О.Ф., Хармац И.Г., 20232023Машошин О.Ф., Хармац И.Г.Mashoshin O.F., Kharmats I.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://avia.mstuca.ru/jour/article/view/2236

В статье рассмотрены вопросы, связанные с использованием параметрической информации переходных режимов работы газотурбинных двигателей (ГТД) для диагностирования их технического состояния в процессе эксплуатации. Проведен обзор общих подходов к вычислительным алгоритмам распознавания и классификации состояний применительно к авиационным ГТД. Показано место аналитических моделей в современных алгоритмах оценки технического состояния авиационных ГТД. Рассмотрено построение линеаризованной математической модели переходного режима работы авиационного ГТД обобщенной схемы – системы уравнений, аналитически связывающих относительные отклонения параметров, измеряемых в процессе работы двигателя, с относительными отклонениями неизмеряемых термогазодинамических параметров и геометрических параметров газовоздушного тракта, позволяющих классифицировать техническое состояние элементов проточной части газотурбинного двигателя. Сформулирован метод построения математической и диагностической моделей двигателя с использованием характеристик переходного процесса, а также показана возможность применения метода малых отклонений, используемого для построения линейных (линеаризованных) математических и диагностических моделей ГТД для стационарных режимов его работы. Показано, что, несмотря на структурное сходство линейных моделей установившегося и переходного процессов, диагностирование с их помощью базируется на совершенно разных принципах – на установившемся режиме классификация технического состояния определяется по изменению величины группы контролируемых откликов, а на переходном режиме эта операция основывается на сопоставлении изменения характера протекания переходного процесса. Для обеспечения универсальности применения предложенных методов к различным схемам ГТД, устанавливаемых на современных самолетах гражданской авиации, рассмотрена модель обобщенной схемы авиационного газотурбинного двигателя – трехвального двухконтурного турбореактивного двигателя со смешением потоков в общем реактивном сопле.

The article deals with issues related to the use of parametric information of the transient-state gas turbine engines (GTE) operation conditions for diagnosing their technical condition during the operation. A review of general approaches to computational algorithms for the recognition and classification of the condition applicable to aircraft GTE has been carried out. The significance of analytical models in modern algorithms for assessing the technical GTE condition is emphasized. The construction of a linearized mathematical model for the transient-state condition of the generalized-scheme aircraft GTE operation has been considered. It represents a system of equations analytically combining the relative parameter divergences measured during the engine operation with the relative divergences of unmeasured thermogasdynamic parameters and geometric gas-air flow duct parameters allowing for the technical condition of gas-air channel elements to be classified. A method for constructing mathematical and diagnostic engine models, using the transient response data, has been formulated. The capability of employing a method of insignificant divergences, used to build linear (linearized) mathematical and diagnostic GTE models for the steady-state conditions of its operation, has been demonstrated as well. It is shown that, despite the structural similarity of linear models of the steady and transient-state processes, diagnostics by means of the stated above processes is based on completely different principles – under the steady-state condition, the classification of a technical condition is determined by the variation in the value of the group of controlled responses, and under the transient-state condition, this operation is based on correlating the change in the transient-state behavior. To ensure the versatility of employing proposed methods regarding various GTE designs installed on modern civil aircraft, a generalized-design aircraft GTE model – a three-shaft bypass turbojet engine with mixing flows in a common jet nozzle, has been considered.

переходные режимыдиагностированиеаналитические моделиавиационные газотурбинные двигателиклассификация состоянийtransient-state conditionsdiagnosticsanalytical modelsaircraft gas turbine enginesclassification of conditionsReferencesZaidan M.A. Gas turbine engines prognostics using bayesian hierarchical models: A variational approach / M.A. Zaidan, A.R. Mills, R.F. Harrison, P.J. Fleming // Mechanical Systems and Signal Processing. 2016. Vol. 70–71. Pp. 120–140. DOI: 10.1016/j.ymssp.2015.09.014Zaidan, M.A., Mills, A.R., Harrison, R.F., Fleming, P.J. (2016). Gas turbine engines prognostics using bayesian hierarchical models: A variational approach. Mechanical Systems and Signal Processing, vol. 70–71, pp. 120–140. DOI: 10.1016/j.ymssp.2015.09.014Zaidan M.A. Prognostics of gas turbine engine: An integrated approach / M.A. Zaidan, R. Relan, A.R. Mills, R.F. Harrison // Expert Systems with Applications. 2015. Vol. 42, iss. 22. Pp. 8472–8483. DOI: 10.1016/j.eswa.2015.07.003Zaidan, M.A., Relan, R., Mills, A.R., Harrison, R.F. (2015). Prognostics of gas turbine engine: An integrated approach. Expert Systems with Applications, vol. 42, issue 22, pp. 8472–8483. DOI: 10.1016/j.eswa.2015.07.003Marins M.A. Improved similarity-based modeling for the classification of rotatingmachine failures / M.A. Marins, F.M.L. Ribeiro, S.L. Netto, E.A.B. Da Silva // Journal of the Franklin Institute. 2018. Vol. 355, iss. 4. Pp. 1913–1930. DOI: 10.1016/j.jfranklin.2017.07.038Marins, M.A., Ribeiro, F.M.L., Netto, S.L., Da Silva, E.A.B. (2018). Improved similarity-based modeling for the classification of rotating-machine failures. Journal of the Franklin Institute, vol. 355, issue 4, pp. 1913–1930. DOI: 10.1016/j.jfranklin.2017.07.038Vaezipour A., Mosavi A., Seigerroth U. Machine learning integrated optimization for decision-making [Электронный ресурс] // 26th European Conference on Operational Research. Rome, 2013. URL: https://www.semanticscholar.org/paper/Machine-learning-integrated-optimi-zation-for-making-Vaezipour-Mosavi/c1ad5937eecf961a3be64d18889d5ffeb888de50 (дата обращения: 27.12.2022).Vaezipour, A., Mosavi, A., Seiger‐ roth, U. (2013). Machine learning integrated optimization for decision-making. In: 26th European Conference on Operational Research, Rome. Available at: https://www.semanticscholar.org/paper/Machine-learning-integrated-optimization-for-making-Vaezipour-Mosavi/c1ad5937eecf961a3be64d18889d5ffeb888de50 (accessed: 27.12.2022).Sina Tayarani-Bathaie S., Khorasani K. Fault detection and isolation of gas turbine engines using a bank of neural networks // Journal of Process Control. 2015. Vol. 36. Pp. 22–41. DOI: 10.1016/j.jprocont.2015.08.007Sina Tayarani-Bathaie, S., Khorasani, K. (2015). Fault detection and isolation of gas turbine engines using a bank of neural networks. Journal of Process Control, vol. 36, pp. 22–41. DOI: 10.1016/j.jprocont.2015.08.007Amozegar M., Khorasani K. An ensemble of dynamic neural network identifiers for fault detection and isolation of gas turbine engines // Neural Networks. 2016. Vol. 76. Pp. 106–121. DOI: 10.1016/j.neunet.2016.01.003Amozegar, M., Khorasani, K. (2016). An ensemble of dynamic neural network identifiers for fault detection and isolation of gas turbine engines. Neural Networks, vol. 76, pp. 106–121. DOI: 10.1016/j.neunet.2016.01.003Жернаков С.В. Применение технологии нейронных сетей для диагностики технического состояния авиационных двигателей // Интеллектуальные системы в производстве. 2006. № 2 (8). С. 70–83.Zhernakov, S.V. (2006). Application of neural network technology for the diagnostics of the technical condition of aircraft engines. Intellektualnyye sistemy v proizvodstve, no. 2 (8), pp. 70–83. (in Russian)Lu F. Dual reduced kernel extreme learning machine for aero-engine fault diagnosis / F. Lu, J. Jiang, J. Huang, X. Qiu // Aerospace Science and Technology. 2017. Vol. 71. Pp. 742–750. DOI: 10.1016/j.ast.2017.10.024Lu, F., Jiang, J., Huang, J., Qiu, X. (2017). Dual reduced kernel extreme learning machine for aero-engine fault diagnosis. Aerospace Science and Technology, vol. 71, pp. 742–750. DOI: 10.1016/j.ast.2017.10.024Машошин О.Ф. Оценка диагностической ценности информации при решении задач в области эксплуатации авиационной техники // Научный Вестник МГТУ ГА. 2015. № 219 (9). С. 53–56.Mashoshin, O.F. (2015). Evaluation of diagnostic information in solving the task of aircraft operation. Nauchnyy Vestnik MGTU GA, no. 219 (9), pp. 53–56. (in Russian)Котляр И.В., Гительман А.И., Ермольчик В.Н. и др. Переходные процессы в газотурбинных установках / Под ред. И.В. Котляра. Л.: Машиностроение, 1973. 256 с.Kotlyar, I.V., Gitelman, A.I. Yermolchik, V.N. et al. (1973). Transient processes in gas turbine power plants, in Kotlyar I.V. (Ed.). Leningrad: Mashinostroyeniye, 256 p. (in Russian)Казанджан П.К. Теория реактивных двигателей / П.К. Казанджан, Л.П. Алексеев, А.Н. Говоров, Н.Е. Коновалов, Ю.Н. Нечаев, В.Ф. Павленко, Р.М. Федоров. М.: Воениздат, 1955. 296 с.Kazandzhan, P.K., Alekseyev, L.P., Govorov, A.N., Konovalov, N.Ye., Nechayev, Yu.N., Pavlenko, V.F., Fedorov, R.M. (1955). Theory of jet engines. Moscow: Voyenizdat, 296 p. (in Russian)Иванова Е.В., Цымблер М.Л. Обзор современных систем обработки временных рядов // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2020. Т. 9, № 4. С. 79–97. DOI: 10.14529/cmse200406Ivanova, E.V., Tsymbler, M.L. (2020). Overview of modern time series management systems. Bulletin of the South Ural State University. Series: Computational Mathematics and Software Engineering, vol. 9, no. 4, pp. 79–97. DOI: 10.14529/cmse200406 (in Russian)Черкез А.Я. Инженерные расчеты газотурбинных двигателей методом малых отклонений. 3-е изд., перераб. и доп. М.: Машиностроение, 1975. 380 с.Cherkez, A.Ya. (1975). Engineering calculations of gas turbine engines using the small deviation method. 3rd ed., pererab. i dop. Moscow: Mashinostroyeniye, 380 p. (in Russian)Ахмедзянов Д.А. Неустановившиеся режимы работы авиационных ГТД // Вестник УГАТУ. 2006. Т. 7, № 1. С. 36–46.Akhmedzyanov, D.A. (2006). Nonstable regimes of aviation GTE. Vestnik Ufimskogo Gosudarstvennogo Aviatsionnogo Tekhnicheskogo Universiteta, vol. 7, no. 1, pp. 36–46. (in Russian)Дмитриев С.А. Диагностирование проточной части ГТД на установившихся и переходных режимах его работы: автореф. дисс. … докт. тех. наук. Киев: КИИГА, 1996. 28 с.Dmitriyev, S.A. (1996). Diagnosing the flow part of a gas turbine engine in steady and transient modes of its operation: Abstract of Technical Sc. Dissertation. Kyiv: KIIGA, 28 p. (in Russian)Tsoutsanis E., Meskin N. Derivativedriven window-based regression method for gas turbine performance prognostics // Energy. 2017. Vol. 128. Pp. 302–311. DOI: 10.1016/j.energy.2017.04.006Tsoutsanis, E., Meskin, N. (2017). Derivative-driven window-based regression method for gas turbine performance prognostics. Energy, vol. 128, pp. 302–311. DOI: 10.1016/j.energy.2017.04.006Urban L.A. Parameter selection for multiple fault diagnostics of gas turbine engines // Journal of Engineering for Gas Turbines and Power. 1975. Vol. 97, no. 2. Pp. 225–230. DOI: 10.1115/1.3445969Urban, L.A. (1975). Parameter selection for multiple fault diagnostics of gas turbine engines. Journal of Engineering for Gas Turbines and Power, vol. 97, no. 2, pp. 225–230. DOI: 10.1115/1.3445969Хармац И.Г. К вопросу о диагностировании технического состояния авиационных ГТД с использованием линейных математических моделей // Научный Вестник МГТУ ГА. 2004. № 75. С. 87–92.Kharmats, I.G. (2004). On the issue of technical condition diagnosing of aircraft gas turbine engines using linear mathematical models. Nauchnyy Vestnik MGTU GA, no. 75, pp. 87–92. (in Russian)Математическое моделирование нестационарных процессов в силовых установках с газотурбинным двигателем и в других аэродинамических устройствах: сборник статей / Под ред. В.Т. Гриня и др. М.: ЦИАМ, 1982. 128 с.Grin, V.T. et al. (Eds.). (1982). Mathematical modeling of non-stationary processes in power plants with a gas turbine engine and other aerodynamic devices: proceedings. Moscow: TsIAM, 128 p. (in Russian)Михненков Л.В., Хармац И.Г. Параметрическое диагностирование ВРД в процессе эксплуатации с использованием математического моделирования: монография. М.: ИД Академии Жуковского, 2017. 112 с.Mikhnenkov, L.V., Kharmats, I.G. (2017). Parametric diagnosis of jet engines during operation using mathematical modeling: Monography. Moscow: Izdatelskiy Dom Academii Zhukovskogo, 112 p. (in Russian)Runacres T., Hong G. Improving gas turbine engine condition assessment using a thermodinamic model // 2nd Pacific International Conference Aerospace Science and Technology: 6th Australian Aeronautic Conference. Melbourne, 20–23 March 1995. Pp. 41–46.Runacres, T., Hong, G. (1995). Improving gas turbine engine condition assessment using a thermodinamic model. In: 2nd Pacific International Conference Aerospace Science and Technology: 6th Australian Aeronautic Conference, Melbourne, 20–23 March, pp. 41–46.Ахмедзянов А.М., Дубравский Н.Г., Тунаков А.П. Диагностика состояния ВРД по термогазодинамическим параметрам. М.: Машиностроение, 1983. 206 с.Akhmedzyanov, A.M., Dubravskiy, N.G., Tunakov, A.P. (1983). Diagnosis of the jet engines conditions by thermos gas dynamic parameters. Moscow: Mashinostroyeniye, 206 p. (in Russian)Машошин О.Ф. Прогнозирование вибросостояния авиадвигателей с позиций классификационных задач // Научный Вестник МГТУ ГА. 2005. № 85. С. 39–45.Mashoshin, O.F. (2005). Prediction of the vibration state of aircraft engines from the standpoint of classification problems. Nauchnyy Vestnik MGTU GA, no. 85, pp. 39–45. (in Russian)

The authors declare that there are no conflicts of interest present.