CN101206160A - 用于识别燃气涡轮发动机故障的方法和系统 - Google Patents

Abstract

本发明提供了一种用于在涡轮机壳冷却(TCC)和高压涡轮(HPT)性能故障之间判别的隔离方法和系统。在巡航期间观察气路参数数据的趋势，并且在气路参数交叉过偏移的结果的百分比Δ特征可以归属于HPT或TCC性能故障。在其它故障期间，废气温度(EGT)会向上偏移。由于起飞EGT容限由起飞数据计算而来，EGT容限中的偏移或缺少偏移可以用来在TCC和HPT故障之间区分。

Description

用于识别燃气涡轮发动机故障的方法和系统

技术领域

本发明大致涉及燃气涡轮发动机建模领域。更具体地说，本发明涉及能够判别涡轮机壳冷却(TCC)和高压涡轮(HPT)性能故障的方法和系统。

背景技术

燃气涡轮性能诊断涉及在发动机随着时间而恶化时，跟踪发动机组件工作指标(通常为效率和流体参数)中的变化。驱动这种方法学的主要信息源是取自沿着发动机的气路的测量，诸如温度，压力，速度等。这些测量通常在稳定的巡航状态(cruise conditions)期间被监测，并被储存以用于完成组件性能分析(MPA)的目的。由于商业和军用航空发动机中可用测量的固有限制，很难对发动机的涡轮段(turbinesection)中的各种故障进行区别。属于此范畴的两种典型故障是涡轮机壳冷却(TCC)和高压涡轮(HPT)性能故障。

目前的MPA方法使用稳定状态的巡航数据来实现故障隔离(isolation)。监测的参数是取自沿着发动机气路的不同级的旋转速度，温度和压力。在检测到这些测量量发生偏移时，就为各气路参数计算出百分比Δ，获取偏移的级别和方向。测量参数Δs的结果矢量就用于计算MPA。

这种计算是实际上是模式匹配方法，其中该分析对比计算出的百分比Δ矢量和一系列表征已知故障的其它矢量，并且选择最匹配的。这种类型的分析在本领域内有许多已知的方法和变型。令人遗憾的是，依据通常测量的气路参数，HPT和TCC性能故障的特征是非常相似的，并且不管应用何种特殊方法，在此分析的极限内都是不可判别的。

目前的性能跟踪方法不能区分HPT性能故障和TCC故障。尽管TCC故障与HPT故障相比更容易发生，但是，如果不正确诊断的话，TCC故障的良性性质(增加的燃料消耗)可以导致发动机保持飞转(on wing)，这潜藏着在飞行中关机(IFSD)或灾难的危险，即使潜在的原因原来是HPT问题时，也是如此。因此，需要减轻TCC/HPT误诊断危险的方法和系统。

发明内容

尽管存在应用性能跟踪以区分HPT和TCC性能故障的各种方法和系统，但是这些方法和系统并不能使人很满意。本发明人已经发现，人们渴望具有一种判别涡轮机壳冷却(TCC)和高压涡轮(HPT)性能故障的方法和系统。

本发明的一个方面提供了一种判别燃气涡轮发动机壳冷却(TCC)和高压涡轮(HPT)性能故障的方法。优选的是，根据本发明的这个方面的方法起始于获得与预定数量的发动机参数相对应的预定数量的飞行中(in-flight)气路数据样本，确定气路发动机参数是否已经发生了百分比Δ偏移，如果已经发生了百分比Δ的特征偏移(signature shift)，就确定偏移是HPT性能故障还是TCC性能故障造成的，其包括，从预定数量的发动机参数中取出废气温度(EGT)偏移幅度，计算在飞行中和起飞(take-off)时的废气温度容限计算值(temperature margincalculation)之间的废气温度差，其中，所述废气温度差是废气温度容限和废气温度偏移幅度变化之间的差值，市场计算TCC事件似然性(event likelihood)和非TCC事件似然性，其中，如果TCC事件大于或等于非TCC事件似然性，则表示为TCC故障。

本方法的另一方面包括，确定偏移是来自HPT故障还是来自TCC性能故障。该方面还包括，为本次飞行和前一次飞行获得起飞的废气温度容限计算值，并计算本次飞行和前次飞行之间的废气温度容限计算值变化。

该方法的还有另一方面包括，计算TCC或非TCC事件的似然性。这个方面还包括，获得用于未经受TCC故障的燃气涡轮发动机的手段和标准偏差，获得用于经受TCC故障的燃气涡轮发动机的手段和标准偏差，并计算巡航状态和起飞状态之间的废气温度差。

将在下文的附图和说明中阐述发明的一个或多个实施例的细节。结合该描述、附图和权利要求，本发明的其它特征、目的和优点将变得显而易见。

附图说明

图1A是显示气路测量参数百分比Δ趋势的示例性曲线图。

图1B是显示经受故障事件(ΔΔ)的气路测量参数百分比Δ趋势的示例性曲线图。

图2是判别涡轮机壳冷却(TCC)和高压涡轮(HPT)性能故障的示例性方法的框图。

图3A是显示非TCC事件的废气温度高斯分布的示例性曲线图。

图3B是显示TCC事件的废气温度高斯分布的示例性曲线图。

图3C是显示TCC事件和非TCC事件的废气温度差高斯分布的示例性曲线图。

图3D是显示废气温度差高斯分布区域的示例性曲线图，其中不可观察到TCC和非TCC事件的分离。

具体实施方式

将参考附图来介绍本发明的实施例，其中相似数字始终表征相似元件。另外需要明白，在本文中使用的措词和用语只是用于说明的目的，因此并不用于限制性目的。相文中的“包括，”“包含，”或“具有”和及其变型用于包括其后的项目和相当物及附加项目。用语“安装，”“连接，”和“联接”广泛地被使用，并包括直接和间接的安装，连接和联接。进一步而言，“连接”和“联接”并不受限于物理或机械的连接或联接。

本发明并不受限于图中介绍或暗示的任何特定软件语言。多种可选的软件语言都可以用于实现本发明。一些组件和项目如同其为硬件元件一样被描述和介绍，就如在本领域内的习惯作法一样。然而，该方法和系统中的各种组件可以实施于软件或硬件中。

本发明为模块化框架，并可以作为软件而配置成体现于程序存储器件中的确定应用程序。用于执行的应用码可以驻留于本领域技术人员已知的多种不同类型的计算机可读介质上。

目前的MPA方法监测沿着发动机气路不同级取出的旋转速度、温度和压力，以进行跟踪和故障隔离的性能估计。数据在稳定的巡航飞行状态下是时间平均的，标准化为标准参考状态，并与参考基准模型作对比，以产生包括百分比Δs的矢量。矢量表征气路性能历史的时间序列，并且通常趋向于帮助检测对正常工作状态的偏离以及故障事件。

图1A是显示任意测量Δ参数，诸如燃油流、废气温度或其它发动机气路参数的典型趋势的曲线图。逐渐上升的趋势可以指示发动机的老化。这里显示了单个参数测量Δ样本101和附加的平均趋势线102。这和图1B所示意的相反，图1B显示了参数测量Δs突然的偏移103，这可能意味着某种类型的瞬时故障事件。本发明的方法会分析这些类型的扰动。

在一个或多个测量气路中观察到参数Δs的突然偏移103时，其通常意味着潜在的故障。通常只是推定为单一故障，由于若干发动机组件或多个组件失效的发生几乎是不可能的。潜在的故障可能是众多可能故障中的一个，诸如分量性能故障(由外部或内部对象的损坏所造成的主要组件效率或流的快速变化)，发动机系统故障或失效，例如促动机构不能在发动机内有效控制几何尺寸可变化的导向叶片，或泄漏，或用于稳定性和离机服务如飞机空调等的众多发动机泄放孔(engine bleeds)的其中一个的失效。

本发明对TCC故障提出建议。TCC系统控制来自气压缩机级泄放孔的气流。空气围绕着高压涡轮(HPT)的外机壳循环以试图使其冷却。由于从压缩机泄放的空气温度相对于HPT机壳而言相对较较低，该泄放孔空气就冷却HPT机壳，并允许它接触。这会减少机壳内的HPT涡轮叶片尖清除，并减少寄生旁路损耗，从而增加效率并降低燃料消耗。

因此，并不惊奇的是，与TCC失效相关的测量参数Δs的特征与观察自涡轮中的、还影响HPT效率的其它故障，诸如叶片侵蚀，叶片损害等的相似。从长期可能只会影响燃料效率和减少涡轮的预期寿命而言，TCC故障与与受损HPT相比是较良性的故障。如果未诊断和没有注意的话，HPT损害可能导致发动机的飞行中关机和潜在的灾难性的发动机失效。能够在这两种故障类型之间判别是很关键的。

由于测得的参数Δs的特征是很相似的，因此，通常不大可能使用目前的气路分析方法来对它们进行区分。本发明使用通常在航空发动机监测系统中可得到的独立信息来实现诊断。

图2所示的是本发明的一个实施例。监测在离散时间k处的测量百分比Δ参数矢量(步骤202)。该矢量由源自使用通常监测的气路参数，诸如旋转速度，温度，和压力等中的标称基线基准的百分比Δs构成。在时间点k-1，k-2，k-3，...，k-n处，将这些数据样本和先前监测数据样本作对比，以确定是否有任一参数发生了如图1B中的突然偏移(步骤203)。任何可靠的方法学都可以用来检测数据中突然、瞬时的偏移。如果没有发现突然偏移，该方法就返回到普通气路分析计算用于确定发动机的性能正常(performance health)趋势。

如果检测到偏移的话(步骤203)，那么就确定偏移的幅度(步骤204)。例如，来参照图1B，在时间k处的当前数据点和先前平均级别之间存在ΔΔ104。为测量Δ矢量中的每个测量参数都计算ΔΔ。如果没有发生偏移，那个参数就是零。这会产生标示为ΔΔ_k的时间k处的测量ΔΔ的矢量。已知存在许多种隔离方法，利用它们可以确定服从于最匹配观察到的ΔΔ偏移ΔΔ_k的单一故障。使用Kalman滤波器、加权最小二乘方(weighted least square)，概率神经网络(probabilisticneural network)，前向反馈培养人工神经网络(trained feed-forwardartificial neural network)和其它方式的使用隔离方法可以用来提供隔离。这就得到了最有可能产生偏移的故障类型(步骤204)。

如上面所介绍的，如果造成偏移的实际潜在故障既不是TCC性能故障也不是HPT性能故障时，这就会使得隔离确定不明确(步骤204)。该方法能够确定是否发动机经受了HPT故障、TCC故障，或可能是发生了其它的故障类型(步骤205)。如果是那样的话，就测试来自ΔΔ_k矢量的EGTΔΔ分量(步骤206)。由于EGT(废气温度)是飞行关键参数，需要使它的监测值总是有效。EGTΔΔ分量标示为EGTΔΔ_k。由于测量参数Δ矢量以百分比表示，因此所计算的ΔΔ矢量也将以百分比表示，因此EGTΔΔ_k也以百分比表示。这个值可通过如下公式而转换为度(degrees)，ΔΔ°R或ΔΔ°K(步骤207)：

${\mathrm{EGT\Δ\Δ}}_k^{\mathrm{deg}}=\frac{\mathrm{EGT}{\mathrm{\Δ\Δ}}_k}{100}\×{\mathrm{EGTbase}}_k,---\left(1\right)$

其中，EGTΔΔ_k ^deg是以度表示的EGTΔΔ，并且EGTbase_k是以绝对度数(°R或°K)表示的EGT的标称基线基准水平，从中可以计算EGT的k^th测量值Δ。

另外，独立信息可以用来区分TCC和HPT故障。此信息可以是EGT容限计算值形式的，EGT容限计算值可以在飞机起飞期间执行，可以是在飞机上或离开飞机来执行，并且是用于商业和军事应用的标准化过程。

EGT容限观察到的(起飞)EGT和通常由发动机制造商指定的预定阈值之间的变化量(delta)。其可以在起飞期间通过从观察值减去阈值而计算。正容限表示发动机表示在预定阈值内。发动机越是正常，容限就越大。零或负容限则通常是移下发动机以进行设备保养的原因。

目前的飞行的、在时间k的EGT容限值由a^EGTkMargin表示。来自前次飞行的、在时间k-1的EGT容限值由EGT_k-1 ^Margin表示。EGT_k-1 ^Margin值从数据存储器获得(步骤208)。计算由ΔEGT^Margin表示的EGT容限变化(步骤209)

${\mathrm{\ΔEGT}}^{M\arg \mathrm{in}}={\mathrm{EGT}}_k^{M\arg \mathrm{in}}-{\mathrm{EGT}}_{k-1}^{M\arg \mathrm{in}}.---\left(2\right)$

并且计算由EGTDiff表示的、巡航和起飞之间的EGT差(步骤209)

$\mathrm{EGTDiff}={\mathrm{\ΔEGT}}^{M\arg \mathrm{in}}+{\mathrm{EGT\Δ\Δ}}_k^{\mathrm{deg}}.---\left(3\right)$

公式(3)中的加法被有效地执行了减法，这是因为ΔEGT^Margin和EGTΔΔ_k ^deg在符号上总是相反的。如果时间k的EGTΔ(来自步骤202)已经从其在时间k-1的平均而增加(如图1B中所示)，那么EGTΔΔ_k ^deg是正的。然而，到极限或阈值的容限或距离会减小，因此ΔEGT^Margin就会成为负值。

本方法在假设TCC和/或HPT隔离情况下，计算TCC事件的似然性(步骤210)。该计算需要源自与TCC事件和非TCC事件反应的EGT和EGT容限分布的经验性统计观察的若干计算。

会分析没有经受TCC失效的发动机的统计样本，并且计算取自巡航的它们的测量EGTΔΔ的平均标准偏差。EGTΔΔ是来自矢量其中一个参数经历了偏移。EGT容限变化的平均标准偏差，即，ΔEGT^Margin可以从发动机的此相同样本的起飞数据中计算出来。

经验表明，非TCC事件的巡航和起飞数据的分布非常相似。这显示于图3A中，其中EGTΔΔ301和ΔEGT^Margin302的分布假定为正态分布密度(normal distributed population)。相反，图3B来自已经经受了TCC事件的发动机样本相似统计。在这种情况下，EGT容限变化，即ΔEGT^Margin，以及巡航EGTΔΔ偏移具有很不同的平均值。本发明利用了这些性质。

由于EGTDiff是EGTΔΔ与ΔEGT^Margin之和，因此对于非TCC事件303，它的分布对中于零度，而对于TCC事件304则偏移到正的平均值。这些都显示于图3B中，并且所述的这些分布是对于EGTΔΔ304和ΔEGT^Margin303凭经验获得的分布的直接结果。

从经验观察，非TCC事件的EGTDiff的平均标准偏差相应地由α_Non-TCC和β_Non-TCC表示，并且TCC事件的EGTDiff的平均标准偏差相应地由α_TCC和β_TCC来表示。

TCC事件所导致的所观察到的偏移的似然性由Event_TCC表示，并按如下公式计算(步骤210)：

${\mathrm{Event}}_{\mathrm{TCC}}=e^{-\frac{1}{2}{\left(\frac{\mathrm{EGTDiff}-{\mathrm{\α}}_{\mathrm{TCC}}}{{\mathrm{\β}}_{\mathrm{TCC}}}\right)}^2,---\left(4\right)}$

其中e为2.718。

非TCC事件所导致的观察偏移的似然性由Event_Non-TCC表示，并按下式计算(步骤210)：

${\mathrm{Event}}_{\mathrm{Non}-\mathrm{TCC}}=e^{-\frac{1}{2}{\left(\frac{\mathrm{EGTDiff}-{\mathrm{\α}}_{\mathrm{Non}-\mathrm{TCC}}}{{\mathrm{\β}}_{\mathrm{Non}-\mathrm{TCC}}}\right)}^2.---\left(5\right)}$

这两个幅度可能在数值很接近，即它们的绝对差可能小于一些预定的Threshold(阈值)，

|Event_TCC-Event_Non-TCC|＜Threshold。(6)

这发生在当计算出的EGT差EGTDiff处在与TCC对非TCC分布的两个曲线尾部的区域时。这显示于图3D的307。在这种情况下，TCC事件和非TCC事件假设是不可观察的(步骤211)，模糊性不能被解析的报警被提供给用户(步骤212)。

如果该绝对差大于预定阈值，就进行检测，以判定TCC事件假设的似然性Event_TCC是否大于非TCC事件假设的似然性Event_Non-TCC，(步骤213)。如果是的话，事件则是TCC故障(步骤214)，否则就是HPT性能故障(步骤215)。

已经介绍了本发明的一个或多个实施例。然而，需要明白，在不背离本发明的精神和范围的情况下，可以进行各种修改。因此，其它实施例也落入所附权利要求的范围内。

Claims (12)

1.一种用于在燃气涡轮发动机壳冷却(TCC)性能故障和高压涡轮(HPT)性能故障之间进行判别的方法，包括：

获取与预定数量的标称发动机参数百分比Δs相对应的飞行中的气路数据样本；

判定在气路发动机参数百分比Δ中是否发生了百分比Δ的偏移；

如果已经发生百分比Δ的特征偏移，则判定偏移ΔΔ是源于HPT性能故障还是源于TCC性能故障，该判定包括：

从所述预定数量的发动机参数取出废气温度偏移幅度；

计算出飞行中和起飞时的废气温度容限计算值之间的废气温度差，其中，所述废气温度差是废气温度容限变化和所述废气温度偏移幅度之间的差；及

计算TCC事件似然性和非TCC事件似然性，其特征在于，如果所述TCC事件似然性大于或等于所述非TCC事件似然性，则判定为TCC故障。

2.所述方法根据权利要求1，其特征在于，判定所述偏移是源于HPT性能故障还是源于TCC性能故障的步骤进一步包括：

获得本次飞行的起飞废气温度容限计算值，和前次飞行的起飞废气温度容限计算值；及

计算所述本次飞行和前次飞行之间的废气温度容限计算值变化。

3.根据权利要求2所述的方法，其特征在于，计算TCC事件或非TCC事件的似然性的步骤进一步包括：

为没有经受TCC故障的燃气涡轮发动机获得平均标准偏差；

为经受TCC故障的燃气涡轮发动机获得平均标准偏差；及

计算巡航状态和起飞状态之间的废气温度差。

4.根据权利要求3所述的方法，其特征在于，进一步包括，在飞行中，为所述预定数量的气路发动机参数确定趋势。

5.根据权利要求4所述的方法，其特征在于，进一步包括，将所述废气温度偏移幅度从百分比测量值转换为度。

6.根据权利要求5所述的方法，其特征在于，废气温度容限是所述观察的(起飞)废气温度和预定阈值之间的差值。

7.根据权利要求6所述的方法，其特征在于，正容限表示所述发动机是处于所述预定阈值内。

8.根据权利要求7所述的方法，其特征在于，零容限或负容限表示所述发动机需要进行维护。

9.根据权利要求8所述的方法，其特征在于，在起飞期间，TCC是不起作用的。

10.根据权利要求9所述的方法，其特征在于，ΔEGT容限与ΔEGT偏移是基本上相同的，但是当TCC不存在潜在故障问题时，与所述ΔEGT偏移具有相反的极性。

11.根据权利要求10所述的方法，其特征在于，进一步包括，为TCC事件似然性和非TCC事件似然性计算置信度度量标准，以避免测量不可重复的影响。

12.根据权利要求11所述的方法，其特征在于，所述置信度度量标准可以是模糊置信度量度。

Images