Preview

Научный вестник МГТУ ГА

Расширенный поиск

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

https://doi.org/10.26467/2079-0619-2023-26-5-81-95

Полный текст:

Аннотация

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.

Об авторах

О. Ф. Машошин
Московский государственный технический университет гражданской авиации
Россия

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

Москва



И. Г. Хармац
Московский государственный технический университет гражданской авиации
Россия

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

Москва



Список литературы

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.


Рецензия

Для цитирования:


Машошин О.Ф., Хармац И.Г. Применение метода малых отклонений для диагностирования технического состояния авиационного газотурбинного двигателя на переходных режимах его работы. Научный вестник МГТУ ГА. 2023;26(5):81-95. https://doi.org/10.26467/2079-0619-2023-26-5-81-95

For citation:


Mashoshin O.F., Kharmats I.G. Application of the method of insignificant divergences to diagnose the technical aircraft gas turbine engine state under the transient-state conditions of its operation. Civil Aviation High Technologies. 2023;26(5):81-95. https://doi.org/10.26467/2079-0619-2023-26-5-81-95

Просмотров: 58


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2079-0619 (Print)
ISSN 2542-0119 (Online)