CN101231213A - 用于使测量组构形适应燃气涡轮性能诊断的过程 - Google Patents

Abstract

本发明公开了一种用于使测量组构形适应燃气涡轮性能诊断的过程。所描述的方法和系统使用线性预估－校正评估过程从气路测量数据中评估燃气涡轮发动机模块性能的变化。测量构形矩阵M_C和故障构形F_C矩阵被集合。构形矩阵M_C和构形矩阵F_C被使用来使典型的线性预估－校正类型的性能评估过程适应给定的测量组，并且理想地适合于线性评估系统，比如那些使用卡尔曼滤波器的系统。

Description

用于使测量组构形适应燃气涡轮性能诊断的过程

技术领域

本发明一般涉及燃气涡轮发动机建模领域。更特别地，本发明涉及用于适应(adapt)燃气涡轮发动机的测量组构形(measurement suiteconfiguration)的方法和系统，以便根据传感器故障或数据缺失来提供耐用的(robust)性能跟踪。

背景技术

燃气涡轮性能诊断本身涉及当发动机随着时间的过去恶化时跟踪在发动机模块性能测量(典型地是效率和流动参数)中的变化。推进这种方法学的主要信息来源是沿着发动机的气路选取的测量，比如温度、压力、速度等等。穿过宽阔的用户/航行器基地跟踪发动机群提出了额外的复杂性，即被测量的参数因使用仪器和记录的保真度和穿过安装的不可重复性而不同。

传统的性能诊断评估方法应用一些预估/校正评估计划的形式。这些程序使用过去的性能评估作为用于当前性能评估计算的推理信息。许多这些途径使用线性评估方法或它们的导数以从先前评估和当前数据中推断性能变化。这种诊断方法成功的部署取决于许多因素，其中一个是在不需要应用复杂的例外逻辑以覆盖所有可能的测量情景的情况下它的适应不同测量组的能力。

提供某种形式的测量构形的预备是提供在性能跟踪过程中所需的耐用的步骤，该测量构形在不需要对诊断软件做出变化的情况下使它本身适应当前有用的测量组以及适应跨过发动机监测程序寿命设置的这种测量中的变化。有几个因素推进了对于这种测量构形过程的需要。

一个因素是在考虑中对于引导性能健康趋势的有用的气路测量的数量和类型随着燃气涡轮的型号和类型而变化的事实。例如，应用一个或两个卷轴的发动机、涡轮喷气对涡轮风扇喷气发动机、混合对非混合流动、新一代或成熟型号的发动机以及其它的都是以气路使用仪器的形式指示什么是有用的和什么是无用的因素，该使用仪器提供用于性能评估过程的输入参数流。

现有技术中许多公知的用于执行发动机模块性能健康跟踪的方法在一定意义上都是一类的，即它们可被应用在任何类型的燃气涡轮上。发动机型号的详细说明是有用的用于应用场合的数字型号常量和测量组。前者典型地是数据库问题，而后者可影响过程的实际软件执行。适应任何特定测量构形的过程都将提供更大程度的耐用并且否定需要软件改变以执行特定测量设置。

另一个推动需要测量构形的因素是在航行器发动机监测中数据缺失是常见的。不论什么原因，参数可从记录的输入流中或者在一段时间中间歇地或者全部地消失。由于使用仪器的问题、维修行为、记录异常等等，可发生这种情况。不论什么起因，结果是有效的测量组改变了。如果性能评估过程取决于(预选的)测量组，那么一个或多个输入参数间歇的(或持续的)丢失将引起在分析中发生间隔。

所需要的是更加耐用的发动机性能跟踪过程，其识别当前时间点的测量组并且适应测量组来改变以允许性能评估过程进行。

发明内容

尽管有执行发动机性能跟踪的各种方法和系统，但是这种方法和系统并不完全令人满意。发明人已经发现的是希望具有适应燃气涡轮发动机的测量组构形的方法和系统，以便根据传感器故障或数据缺失来提供耐用的性能跟踪。

本发明的一个方面提供了一种用于使来自燃气涡轮发动机的测量适应使用在性能跟踪中的方法。根据本发明的这个方面，该方法优选地开始于选择用于燃气涡轮发动机及其应用的默认的发动机构形、获得对应预定数量的测量参数的气路数据样本、得到用于燃气涡轮发动机的性能参数、将在时间k处的测量参数和性能参数与预定的阈值比较以确定每一个参数的品质和/或可用性，其中被确定是有问题的参数对于性能跟踪被界定为不存在的，基于默认的发动机构形和现有测量参数Z确定测量构形矩阵M_C，以及基于默认的发动机构形和现在的性能参数x确定故障构形矩阵F_C，并且使用测量构形矩阵M_C和故障构形矩阵F_C来适应性能跟踪方法。

该方法的另一个方面是测量构形矩阵M_C是大小为m的单位矩阵，其中m＝被测量参数的个数。

该方法的另一个方面是故障构形矩阵F_C是大小为n的单位矩阵，其中n＝被评估的性能故障的个数。

该方法的另一个方面是在测量构形矩阵M_C的主对角线中的零输入代表有问题的或缺失的参数测量。

该方法的另一个方面是在故障构形矩阵M_F的主对角线中的零输入代表那些故障，该故障的评估受到被使用来计算性能评估的对应测量参数的丢失的影响。

本发明的一个或多个实施例的详细描述将在下面的附图和说明中被提出来。通过说明和附图以及通过权利要求，本发明其它的特征、目的和优点将变得显而易见。

附图说明

图1是示范性方法的方块图。

图2是本发明的单个模块的示范性应用结构。

具体实施方式

通过参考附图将对本发明的实施例进行描述，其中各处相似的数字代表相似的元件。进一步地，可以理解的是在本文中使用的措辞和用语是出于说明的目的并且不应该被认为是限制性的。在本文中对“包含”、“包括”或“具有”以及它们的变体的使用意味着包括此后列出的条目和它的等同物以及另外的条目。用语“被安装”、“被连接”和“被结合”被广泛地使用并且包括两种直接的和间接的安装、连接和结合。进一步地，“被连接”和“被结合”并不被限定为物理的或机械的连接或结合。

本发明并不受到附图中所描述或所暗示的任何特定软件语言的限制。多种备选的软件语言可被使用来执行本发明。如现有技术中的普遍惯例，一些部件和条目被图解和描述，就好像它们是硬件元件。然而，在方法和系统中的各种部件都可在软件或硬件中被执行。

本发明是模块化结构并且可作为切实包含在程序存储装置上的应用程序被配置成软件。用于执行的应用代码可存在于多个不同类型的对本领域的那些技术人员是公知的计算机可读媒介上。

图1图示了用于适应燃气涡轮发动机的测量组构形的方法和系统，以根据传感器故障或数据缺失来提供耐用的性能跟踪。该方法开始于在离散时间k处获得发动机气路数据样本(步骤102)。气路数据包括多个气路参数测量，比如卷轴速度、温度、压力和流率。对于特定的燃气涡轮发动机型号和它的特定应用场合，可有一组默认的在发动机气路中被测量的参数。这符合用于该发动机型号和应用场合的标准的“物料清单”传感器构形。

该组默认的参数创建了测量组并且是公知推理的(步骤103)。测量矩阵M_C基于该组默认的发动机测量参数被集合并且被保持。测量矩阵M_C是大小为m(m×m)的单位矩阵，其中m是被测量的参数的个数，并且被界定为

$M_C(i,j)=\left\{\begin{array}{cc}1& i=j\\ 0& i\≠j\end{array}\right.---\left(1\right)$

其中i和j是行指数和列指数。

为了确定测量参数的品质和/或可用性，在时间k处发动机气路参数的向量被典型地与预定的阈值做比较(步骤104)。范围外的参数或丢失的参数将使这些测试失败并且测量参数Z的向量将被标记为不具有默认的构形。同样地，如果所有的参数都在阈值内，那么然后测量参数的向量将被标记为具有默认的构形并且对于性能诊断跟踪将立刻是有用的(步骤109)。

如果测量参数Z的向量被标记为不具有默认的构形，那么这指示至少一个测量参数或者在预定的阈值之外或者是完全丢失的，也就是数据缺失。在任一情形中，有问题的或丢失的参数测量对于随后的性能诊断跟踪都要被确定是不存在的(步骤105)，并且测量构形矩阵M_C被改变(步骤106)

通过背景技术，发动机性能诊断跟踪典型地评估传感器性能以及发动机模块性能。对于发动机模块，性能参数通常的表现形式为在模块效率和流量参数中的变化，或性能变量增量(从标称或安装状态)。对于传感器本身，传感器误差参数x是气路分析的部分并且被评估和跟踪。

性能变量增量(delta)从参考(标称)处计算。如果所有的参数变量增量都接近于零而一个参数具有大的变量增量值，那么它可指示“传感器”误差。传感器误差并不被限于使用仪器上，而是可包括在数据记录、数据约简、标准化等等中的误差。

传感器误差是传感器精度的测量并且被包括在性能评估过程中以吸收传感器偏差与漂移的影响和较小程度上的传感器不可重复性。性能评估帮助防止来自传感器误差的模块性能评估的讹误。所以，如果测量参数x不存在，那么任何随后的分析都能有效地将关联的传感器误差评估从性能评估过程中降低。这个过程由故障构形矩阵F_C来控制，其被集合并且跟踪测量构形矩阵M_C。

当测量构形矩阵M_C是基于默认的发动机构形时，故障构形矩阵F_C也是单位矩阵。如果M_C被改变了，那么F_C也将被改变。一组解法可被开发以控制作为M_C中变化的函数的F_C是如何变化的，并且可随着应用场合之间的不同而变化。故障构形矩阵F_C基于该组默认的故障参数被集合并且被保持。故障构形矩阵F_C是大小为n(n×n)的单位矩阵，其中n是被随后的性能诊断跟踪过程评估的性能故障x的个数，并且n＞m。故障构形矩阵F_C被界定为

$F_C(i,j)=\left\{\begin{array}{cc}1& i=j\\ 0& i\≠j\end{array}\right.---\left(3\right)$

故障构形矩阵F_C包括模块评估性能故障x(效率和流量参数变化)以及传感器故障和任何其它的可被包括在性能诊断跟踪过程中的发动机系统故障。用于评估默认的测量构形的潜在故障列表(n)被执行诊断跟踪的分析者预先确定和指定。

如果测量构形矩阵M_C已经从上次的样本k-1中被更新了(步骤106)，那么故障构形矩阵F_C相似地也要被更新(步骤107)。故障构形矩阵F_C被改变以排除那些故障，该故障的评估受到被使用来计算性能评估的对应测量参数的丢失的影响(在步骤106中执行)。

例如，如果被结合到高压压缩机(HPC)入口处的压力测量传感器(称为P25)失败了，或者如果它的输出信号遭受到缺失，那么测量构形矩阵M_C就被调整以反映这种情况。如果q^th测量参数是P25，那么M_C(q，q)将被设置为0。故障构形矩阵F_C相似地也被更新，F_C(p，p)＝0，其中在故障组中的p^th参数代表P25传感器故障。通常，F_C被更新为

在接着的性能跟踪计算中，测量构形矩阵M_C和故障构形矩阵F_C通过适应有效地将P25测量从性能故障计算中除去了并且将P25传感器误差评估从起作用的故障列表中除去了。典型地，使用最小平方或者综合最小平方评估计算执行性能计算。卡尔曼滤波器(Kalman filter)是一个被使用的途径，并且其是被使用来教授方法的综合最小平方途径。

性能跟踪评估是来自在测量气路参数中感知到的变化的在各种性能参数比如效率、流量、传感器故障等等中的变化。在测量气路参数中的变化，或者性能变量增量被计算成从参考处的百分比变化，该参考典型地的是期望用于给定航程和功率条件的标称发动机值。百分比变量增量被计算用于每一个测量参数m并且被存储为百分比变量增量Z的m×1向量。在性能参数n中的百分比变量增量变化被计算为n×1向量

如

$\hat{x}=x_0+D(Z-H{x}_0)---\left(5\right)$

其中x₀是用于性能变化的推理评估的n×1向量，D是n×m卡尔曼增益矩阵，而H是m×n组影响系数，按百分比其代表用于在性能参数中测量参数是如何变化1％的变化的物理模型。H代表在性能参数变量增量x和测量气路参数变量增量Z之间的相互关系的线性近似模型。

影响系数矩阵H典型地被分割成两个子矩阵部分，即发动机性能故障子矩阵H_e和传感器性能故障子矩阵H_s。H_e是m×n_e子矩阵，而H_s是m×n_s子矩阵，其中n_e代表被跟踪的发动机性能故障的个数，而n_s是被跟踪的测量传感器故障的个数，其中n_e≠n_s并且n_s≥m。性能故障的总个数是n＝n_e+n_s，并且H是两个子矩阵的串联(concatenation)，也就是，H＝[H_eH_s]。这个线性模型的表现形式

Z＝Hx+θ    (6)

其中θ是代表测量不可重复性的随机噪声的m×1向量。(5)提供了计算用于性能变化x的真(并且未知的)向量的评估的方式。卡尔曼增益矩阵D被界定为

D＝P₀H^T(HP₀H^T+R)^-1    (7)

其中R代表m×m测量协方差矩阵，而P₀代表n×n状态协方差矩阵。在上面的等式中，上标-1指示矩阵求逆，而上标T指示矩阵转置。

测量协方差矩阵R是从公知的测量传感器不可重复性标准偏差σ_i，i＝1，2，…，n_s和传感器性能故障影响系数子矩阵H_s的知识计算的，如

$R=H_s\mathrm{diag}\left(S\right)H_s^T---\left(8\right)$

其中S是σ_i，i＝1，2，…，n_s值的n_s×1向量，而diag(S)是n_s×n_s对角矩阵，其中S出现在主对角线上并且所有出现在主对角线以外上的都是零。(5)、(6)、(7)和(8)代表卡尔曼滤波器等式。

一旦测量构形M_C和故障构形F_C矩阵已被更新(步骤106，107)，那么它们可被使用来适应上面所描述的性能评估过程以适合如下面被进行的(step 109)当前数据点的测量构形。

测量构形M_C和故障构形F_C矩阵适应影响系数矩阵H，创建修正影响系数矩阵

$\tilde{H}=M_{C}H{F}_C---\left(9\right)$

与修正影响系数矩阵关联的测量构形M_C适应测量传感器不可重复性标准偏差S，创建修正测量协方差矩阵

$\tilde{R}={\tilde{H}}_s\mathrm{diag}\left(S\right){\tilde{H}}_s^T+(I-M_C)---\left(10\right)$

其中I是m×m单位矩阵。

修正影响系数矩阵和修正测量协方差矩阵

适应卡尔曼增益矩阵

$\tilde{D}=P_0{\tilde{H}}^T{(\tilde{H}{P}_0{\tilde{H}}^T+\tilde{R})}^{-1}---\left(11\right)$

使用修正值计算性能变量增量

并且被输出

$\hat{x}=x_0+\tilde{D}(Z-\tilde{H}{x}_0)---\left(12\right)$

出于性能跟踪的目的，对于

的性能变化，其中F_C(i，i)＝1，并且i＝1，2，…，n，可被报告给终端用户。

在图2中图示的是各种包括和实施本发明的模块的结构(framework)201实施例。结构201从位于燃气涡轮发动机上的监测传感器处接收数据。

结构201包括被结合到测量适应模块205上的数据规范器203，其被结合到适应的(adaptive)卡尔曼滤波器207上以用于评估燃气涡轮发动机模块性能变化。数据规范器203将获得的发动机测量数据与发动机型号比较以得到发动机性能测量变量增量。测量适应模块205包括Z向量汇编(assembler)209、F_C矩阵汇编211和M_C矩阵汇编213。测量变量增量被集合在向量Z 209中并且对M_C矩阵213做出适当的变化，如先前所描述的。F_C矩阵汇编211修正将从测量变量增量的当前构形进行评估的性能故障。适应的卡尔曼滤波器207包括适应的影响

矩阵发动机215、适应的测量协方差

矩阵发动机217、适应的卡尔曼增益

矩阵发动机219和适应的状态评估

发动机211。测量构形M_C 213和故障构形F_C 211矩阵使卡尔曼滤波器207适应给定的测量组。在每个时间步骤k处执行这个过程，对于该时间步骤的数据是有用的以用于处理。

如上面略述的对于特定测量构形M_C和关联故障构形F_C的更新卡尔曼滤波器评估等式的作用是同样产生了对于给定的从开始处测量构形组件的性能变化什么是将要被跟踪的。由于这个过程可在软件或硬件中被执行，或者场内(on-board)或者场外(off-board)，所以应用本发明的优点是不需要动态再分配存储以适应由不同的测量构形所指定的在矩阵大小中的变化。在上面所描述的过程中，矩阵维数被固定在默认的测量大小m和性能故障大小n，并且不会变化。

构形矩阵M_C和构形矩阵F_C的使用将关联的卡尔曼滤波器评估过程中适当的行和列清零，使得剩下的非零部分提供相同的结果一，其使用由测量组所指定的较低的维数数量将被获得。在先前引用的P25压力测量缺失的实例中，测量变量增量向量本质上已经在大小上被一简化到(m-1)×1向量。这个在维度上的约简通常将需要在模型数字元素中关联的约简，也就是H、R和D。M_C和F_C构形矩阵的使用允许最初的维数可被保持。在不需要软件变化或手动干涉的情况下，根据本测量构形这个支持可再构形其本身的自主过程。

已经描述了本发明的一个或多个实施例。然而，可以理解的是在不偏离本发明的精神和范围的情况下可做出各种修改。因此，其它的实施例在所附权利要求的范围内。

Claims (24)

1.一种用于使来自燃气涡轮发动机的测量适应在性能跟踪中的使用的方法，包括：

选择用于所述燃气涡轮发动机及其应用的默认的发动机构形；

获得对应预定数量的测量参数的气路数据样本；

得到用于所述燃气涡轮发动机的性能参数；

将在时间k处的所述测量参数和性能参数与预定的阈值比较，以便确定每一个参数的品质和/或可用性，其中，被确定是有问题的参数对于性能跟踪被界定为不存在的；

基于所述默认的发动机构形和现有测量参数Z确定测量构形矩阵M_C，以及基于所述默认的发动机构形和现在的性能参数x₀确定故障构形矩阵F_C；和

使用所述测量构形矩阵M_C和故障构形矩阵F_C来适应性能跟踪方法。

2.根据权利要求1所述的方法，其特征在于，所述测量构形矩阵M_C是大小为m的单位矩阵，其中m＝被测量参数的个数。

3.根据权利要求2所述的方法，其特征在于，所述故障构形矩阵F_C是大小为n的单位矩阵，其中n＝被评估的性能故障的个数。

4.根据权利要求3所述的方法，其特征在于，所述方法进一步包括使用最小平方或综合最小平方评估计算来执行性能跟踪计算。

5.根据权利要求4所述的方法，其特征在于，所述最小平方评估是卡尔曼滤波器。

6.根据权利要求5所述的方法，其特征在于，所述卡尔曼滤波器是适应的卡尔曼滤波器。

7.根据权利要求6所述的方法，其特征在于，在所述测量构形矩阵M_C的主对角线中的零输入代表有问题的或丢失的参数测量。

8.根据权利要求7所述的方法，其特征在于，在所述故障构形矩阵F_C的主对角线中的零输入代表那些故障，所述故障的评估受到被使用来计算所述性能评估的对应测量参数的丢失的影响。

9.根据权利要求8所述的方法，其特征在于，所述方法进一步包括使用所述测量构形矩阵M_C和故障构形矩阵F_C来适应的影响系数矩阵H，从而创建修正影响系数矩阵

10.根据权利要求9所述的方法，其特征在于，所述方法进一步包括使用所述测量构形矩阵M_C和适应的影响系数矩阵

来适应测量传感器不可重复性标准偏差S，从而创建修正测量协方差矩阵

11.根据权利要求10所述的方法，其特征在于，所述方法进一步包括使用所述修正影响系数矩阵

和修正测量协方差矩阵

来适应卡尔曼增益矩阵

12.根据权利要求11所述的方法，其特征在于，所述方法进一步包括使用所述适应的卡尔曼增益矩阵所述适应的影响系数矩阵

现有测量参数Z和现在的性能参数x₀来计算性能变量增量

13.一种用于使来自燃气涡轮发动机的测量适应在性能跟踪中的使用的系统，包括：

用于选择用于所述燃气涡轮发动机及其应用的默认的发动机构形的装置；

用于获得对应预定数量的测量参数的气路数据样本的装置；

用于得到用于所述燃气涡轮发动机的性能参数的装置；

用于将在时间k处的所述测量参数和性能参数与预定的阈值比较，以便确定每一个参数的品质和/或可用性的装置，其中，被确定是有问题的参数对于性能跟踪被界定为不存在的；

用于基于所述默认的发动机构形和现有测量参数Z确定测量构形矩阵M_C，以及基于所述默认的发动机构形和现在的性能参数x确定故障构形矩阵F_C的装置；和

用于使用所述测量构形矩阵M_C和故障构形矩阵F_C来适应性能跟踪方法的装置。

14.根据权利要求13所述的系统，其特征在于，所述测量构形矩阵M_C是大小为m的单位矩阵，其中m＝被测量参数的个数。

15.根据权利要求14所述的系统，其特征在于，所述故障构形矩阵F_C是大小为n的单位矩阵，其中n＝被评估的性能故障的个数。

16.根据权利要求15所述的系统，其特征在于，所述系统进一步包括用于使用最小平方或综合最小平方评估计算来执行性能跟踪计算的装置。

17.根据权利要求16所述的系统，其特征在于，所述最小平方评估是卡尔曼滤波器。

18.根据权利要求17所述的系统，其特征在于，所述卡尔曼滤波器是适应的卡尔曼滤波器。

19.根据权利要求18所述的系统，其特征在于，在所述测量构形矩阵M_C的主对角线中的零输入代表有问题的或丢失的参数测量。

20.根据权利要求19所述的系统，其特征在于，在所述故障构形矩阵F_C的主对角线中的零输入代表那些故障，所述故障的评估受到被使用来计算所述性能评估的对应测量参数的丢失的影响。

21.根据权利要求20所述的系统，其特征在于，所述系统进一步包括用于使用所述测量构形矩阵M_C和故障构形矩阵F_C来适应影响系数矩阵H，从而创建修正影响系数矩阵

的装置。

22.根据权利要求21所述的系统，其特征在于，所述系统进一步包括用于使用所述测量构形矩阵M_C和适应的影响系数矩阵

来适应测量传感器不可重复性标准偏差S，从而创建修正测量协方差矩阵

的装置。

23.根据权利要求22所述的系统，其特征在于，所述系统进一步包括用于使用所述修正影响系数矩阵

和修正测量协方差矩阵

来适应卡尔曼增益矩阵

的装置。

24.根据权利要求23所述的系统，其特征在于，所述系统进一步包括用于使用所述适应的卡尔曼增益矩阵

所述适应的影响系数矩阵

现有测量参数Z和现在的性能参数x₀来计算性能变量增量的装置。

Images