Применение метода малых отклонений для диагностирования технического состояния авиационного газотурбинного двигателя на переходных режимах его работы

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.

1. Zaidan 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.2015.09.014

2. Zaidan 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.2015.07.003

3. Marins 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.2017.07.038

4. Vaezipour 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).

5. 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.2015.08.007

6. Amozegar 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.2016.01.003

7. Жернаков С.В. Применение технологии нейронных сетей для диагностики технического состояния авиационных двигателей // Интеллектуальные системы в производстве. 2006. № 2 (8). С. 70–83.

8. 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.2017.10.024

9. Машошин О.Ф. Оценка диагностической ценности информации при решении задач в области эксплуатации авиационной техники // Научный Вестник МГТУ ГА. 2015. № 219 (9). С. 53–56.

10. 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.

11. 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.

12. 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/cmse200406

13. Черкез А.Я. Инженерные расчеты газотурбинных двигателей методом малых отклонений. 3-е изд., перераб. и доп. М.: Машиностроение, 1975. 380 с.

14. Ахмедзянов Д.А. Неустановившиеся режимы работы авиационных ГТД // Вестник УГАТУ. 2006. Т. 7, № 1. С. 36–46.

15. Дмитриев С.А. Диагностирование проточной части ГТД на установившихся и переходных режимах его работы: автореф. дисс. … докт. тех. наук. Киев: КИИГА, 1996. 28 с.

16. 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.2017.04.006

17. Urban 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: 10.1115/1.3445969

18. Хармац И.Г. К вопросу о диагностировании технического состояния авиационных ГТД с использованием линейных математических моделей // Научный Вестник МГТУ ГА. 2004. № 75. С. 87–92.

19. 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.

20. Михненков Л.В., Хармац И.Г. Параметрическое диагностирование ВРД в процессе эксплуатации с использованием математического моделирования: монография. М.: ИД Академии Жуковского, 2017. 112 с.

21. 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.

22. Ахмедзянов А.М., Дубравский Н.Г., Тунаков А.П. Диагностика состояния ВРД по термогазодинамическим параметрам. М.: Машиностроение, 1983. 206 с.

23. Машошин О.Ф. Прогнозирование вибросостояния авиадвигателей с позиций классификационных задач // Научный Вестник МГТУ ГА. 2005. № 85. С. 39–45.