CN104428727A - 用于通过监测涡轮机的性能来检测所述涡轮机的劣化的方法 - Google Patents
用于通过监测涡轮机的性能来检测所述涡轮机的劣化的方法 Download PDFInfo
- Publication number
- CN104428727A CN104428727A CN201380036410.5A CN201380036410A CN104428727A CN 104428727 A CN104428727 A CN 104428727A CN 201380036410 A CN201380036410 A CN 201380036410A CN 104428727 A CN104428727 A CN 104428727A
- Authority
- CN
- China
- Prior art keywords
- index
- turbine engine
- module
- performance index
- cost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/80—Diagnostics
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Testing Of Engines (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Supercharger (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种用于通过监测涡轮机的性能来检测所述涡轮机的劣化的方法,该涡轮机包括多个功能性模块,在该方法中:测量涡轮机的多个物理参数,以形成该涡轮机的当前性能指数;对于该涡轮机计算多个劣化性能指数,假设对于各劣化性能指数,该涡轮机的仅单一的功能性模块已劣化;计算对应于当前性能指数与劣化性能指数之间的差的多个成本指数;确定在所有劣化性能指数中的具有最小值的成本指数的最佳成本指数;检测该涡轮机的模块的劣化,所述涡轮机的模块的劣化性能指数与最佳成本指数相关联。
Description
技术领域
本发明涉及涡轮引擎的领域,特别是涉及飞机涡轮喷气引擎。
背景技术
涡轮喷气引擎通常包括多个模块,例如压缩机,燃烧室和涡轮。在其运转过程中,这些模块将劣化,因而影响涡轮喷气引擎的一个或多个模块的性能。在高劣化的情况下,涡轮喷气引擎和飞机可能在飞行过程中发生故障,本领域的技术人员以术语“空中停车”(IFSD)来表示该故障,导致涡轮喷气引擎的计划外拆卸来进行维修操作。这些劣化通常涉及污染、腐蚀、氧化、侵蚀、磨损或异物侵入等现象。
为了防止高劣化的出现,以固定的时间间隔定期进行检测涡轮喷气引擎的操作。这样可检测涡轮引擎的一个模块是否有缺陷,或是否具有未来故障迹象的征兆。这种检测方法是不令人满意的,因为相同类别的涡轮喷气引擎上的磨损是变化的,以固定的时间间隔进行检测是不足够的。如果监测的频率太低,空中故障(IFSD)的风险就增加。相比之下,如果监测的频率过高,则检测步骤可以实施,同时引擎在最健康状态下,这导致时间的浪费。
为了消除此缺点,也就是说,对于飞机的各飞行周期,提出了持续地检测涡轮喷气引擎的单独性能,以提早检测出涡轮喷气引擎的异常劣化的出现。
在现有技术中,已知用于检测涡轮喷气引擎的劣化的方法,其中使用已知劣化特征的数据库,所述劣化特征在属于相同类别的涡轮喷气引擎的整个使用过程中被识别。为了形成一特征,测量涡轮引擎的物理参数,例如,燃料流速,涡轮喷气引擎的速度以及引擎的输出温度。实践中,由涡轮引擎所测量的参数(燃料的流速,高压主体的行走速度,以及对应于排出气体的温度的温度)的数量很少,以提供涡轮引擎的各种模块的监测。因此,可准确地对准导致涡轮喷气引擎的性能水平的异常劣化的模块是困难的。
SNECMA公司的申请FR1151348公开了一种使用所述涡轮引擎的热力学循环的理论模型来获得大量劣化特征的方法。在实践中,对于该模型的有限数量的输入,可以以几个不同的热力学设置结束。待解决的未确定的问题没有使得可以最佳的方式来检测涡轮引擎的模块的情况。
而且,根据现有技术的检测方法不考虑涡轮引擎的老化。其结果是,当涡轮引擎仅仅老化时,检测方法可以推断出涡轮引擎的一个模块发生异常劣化。
用于检测劣化的方法需要在与涡轮引擎的名义老化有关的劣化与元件的异常劣化有关的劣化之间进行辨别。
发明内容
为此,本发明涉及一种用于通过检测涡轮引擎的性能,利用计算机来检测所述涡轮引擎的劣化的方法,涡轮引擎包括多个功能模块,各功能模块的特征在于,至少一个健康参数表示涡轮引擎的功能模块的劣化。涡轮引擎的总体老化特征在于老化参数,在该方法中:
-测量涡轮引擎的多个物理参数,以形成涡轮引擎的当前性能指数;
-利用涡轮引擎的热力学模型来计算涡轮引擎的多个劣化性能指数,对于每个劣化性能指数,假设涡轮引擎的仅仅一个功能模块劣化,各劣化性能指数与功能模块关联;
-对应于在涡轮引擎的所有功能模块中的单一劣化功能模块的各劣化性能指数通过模拟涡轮引擎的性能指数来获得,对于所述涡轮引擎的性能指数,劣化的功能模块的健康参数和老化参数是变量,其他非劣化的功能模块的健康参数被视为健康的健康参数;
-计算多个成本指数,对应于当前性能指数与劣化性能指数之间的差值的各成本指数改变劣化性能指数的变量,以使该差值最小,各劣化性能指数与其成本指数关联;
-确定对应于在所有成本指数中的具有最小值的所述成本指数的最佳成本指数;
-检测涡轮引擎的模块的劣化,所述涡轮引擎的模块劣化的劣化性能指数与最佳成本指数关联。
根据本发明的方法有利地考虑了涡轮引擎的老化,从而使得可有利地将与涡轮引擎的老化有关的性能损失从异常劣化中区分开。由于通过假设只有一个模块损坏来限定变量的数量,因此劣化的决定快速且可靠地确定。待解决的问题不再象现有技术的情况那样是未确定的。成本指数的使用使得可快速且可靠地验证根据涡轮引擎的劣化所得的假设。
优选地,各功能模块的特征在于至少两个健康参数。优选地,各功能模块特征在于效率降低指标和渗透率/流速性能降低指标。效率指标和渗透率/流速性能降低指标使得可准确地反映涡轮引擎的模块,特别是劣化类型的模块。在检测劣化模块后,可以分析优化的健康参数,以确定劣化的性质,这使得可执行针对性的维护。
更优选地,功能模块属于以下功能模块:风扇模块、高压压缩机模块、增压器模块、高压涡轮模块以及低压涡轮模块。这种模块难以同时显示异常的劣化,这使得可验证劣化性能指数的劣化假设。
根据本发明的一个方面,最佳的成本指数与预定值的成本阈值相比较,如果最佳的成本指数低于成本阈值,则禁止劣化的检测。有利地,通过调整检测的敏感性来限制错误检测的风险。成本指数越低,劣化就可能越大。
优选地,确定对应于在除了最佳成本指数外的成本指数中的具有最小值的成本指数的候选成本指数,候选成本指数与最佳成本指数之间的差值与给定的监测阈值相比较,如果该差值低于给定的监测阈值,则检测涡轮引擎的模块的劣化,所述涡轮引擎的模块劣化的劣化性能指数与候选成本指数关联。在缺乏结论的情况下,该方法有利地确定最易于导致劣化的两个模块,从而提高检测速度。
更优选地,劣化性能指数的变量的值分别在变化范围内改变,所述变化范围的界限根据上述劣化检测确定。因此,不测试不太可能的参数的组合,这使得可限制计算时间并提高该方法的可靠性。
仍优选地,由于功能模块的各健康参数与取决于老化参数的老化部件关联,因此各劣化性能指数取决于所有模块的老化部件。因此,虽然假设单一模块在涡轮引擎中是错误的,但是考虑各模块的老化,从而使得可获得更有关的成本指数,以提高结论的可靠性。
有利地,涡轮引擎的当前特征与特征库或特征数据库相比较,其中在涡轮引擎中的任何可适用的异常值均由数学函数所确定。该库使用经验的反馈通知,如在下文更详细所解释。这使得可通知所述库的新情景,所述新情景出现在相同队中的涡轮引擎的使用过程中。
附图说明
通过阅读纯粹由例子给出的以下描述并参考附图,本发明将更好地理解,其中:
图1是涡轮引擎的模块以及测量涡轮引擎的物理参数以计算在其飞行过程中涡轮引擎的当前性能指数的步骤的示意图;
图2显示是模块M2,M3和M4的劣化特征的成本指数J2,J3,J4和|J4-J2|的监测;
图3是根据本发明的检测方法的示意图;
图4是显示涡轮引擎的当前特征的图表;以及
图5显示涡轮引擎特征的图表。
具体实施方式
本发明描述飞机的涡轮引擎,但本发明适于任何类型的涡轮引擎,例如发电涡轮引擎。
参见图1,飞机的涡轮引擎通常包括多个模块M,例如,风扇模块M1,高压压缩机模块M2,增压器模块M3,高压涡轮模块M4和低压涡轮模块M5。在下文中,假设涡轮引擎1仅仅包括上述五个模块M1-M5,但不言而喻本发明应用于包括超过五个模块的涡轮引擎1。
涡轮引擎的性能指数
为了使得可监测在其寿命过程中的涡轮引擎的性能,限定一性能指数Y。
此性能指数Y通常通过计算在其飞行过程中的涡轮喷气引擎1的物理参数的几个测量值来获得。在例子中,该涡轮引擎包括多个设置在涡轮引擎1中以测量物理参数的传感器C,所述物理参数例如为温度、压力、燃料流速和旋转速度。
性能指数Y也可利用涡轮喷气引擎的热力学模型通过分析获得,所述热力学模型取决于:
-涡轮喷气引擎1的总体参数(飞行条件,操作值),以及
-尤其用于涡轮喷气引擎1的模块M1-M5的健康参数。
优选地,涡轮喷气引擎1的热力学模型采取引擎小册子的形式。更好地已知为“性能卡片组”或“引擎循环卡片组”的小册子限定涡轮喷气引擎的整个热力学循环,并精确地限定涡轮喷气引擎的各组件。本领域内技术人员已知的此小册子使引擎制造商可在原型建造前,在其设计过程中测试涡轮喷气引擎。该小册子为同族和同类型的各涡轮喷气引擎所特有。小册子通常根据SAE航空航天标准ARP755A和AS681G来起草。
在此例子中,各模块M具有两个健康参数:
-效率降低指标SE,以及
-渗透率/流速性能降低指标SW。
总体参数不同,模块M的健康参数不可确定。不言而喻模块M可以包括单一健康参数或超过两个的健康参数。
在当前例子中,涡轮喷气引擎1的性能指数Y取决于十个列在以下图表中的健康参数(两个/模块)。
表1:无老化的性能指数Y的健康参数
性能指数Y的这种定义不考虑涡轮喷气引擎1的老化。在涡轮喷气引擎1的寿命过程中,其性能将降低,从而在总体水平上导致其性能指数Y随时间变化,以及在模块水平上导致健康参数SE,SW随时间变化。
为此,健康参数SE,SW分解成老化部分FSE(λ),FSW(λ),以及异常部分ΔSE,ΔSW。
换句话说,对于涡轮喷气引擎1的各功能模块,健康参数SE,SW被限定如下:
SE=FSE(λ)+ΔSE
SW=FSW(λ)+ΔSW
老化部分FSE(λ),FSW(λ)取决于对于涡轮喷气引擎1而全面限定的总体老化水平λ。它们部分的老化功能FSE和FSW是已知的,或可以由老化模型所确定。这些老化模型由劣化矩阵建立,所述劣化矩阵通过引擎测试以及关于在运转中引擎的使用经验的反馈来获得。劣化矩阵表示在新情况与劣化情况之间的涡轮喷气引擎的模块的性能上的变化。来自在运转中的引擎的反馈使得可再次调整模块性能的变化。
其结果是,对于涡轮喷气引擎1的功能模块M,只有参数ΔSE,ΔSW和λ是未知的。由于λ是涡轮喷气引擎1的总体参数,因此涡轮喷气引擎1的性能指数Y取决于以下十一个健康参数。
表2:具有老化的性能指数Y的健康参数
参见图1,通过设置在涡轮喷气引擎1上的所有传感器C,可以全面地测量在涡轮喷气引擎1的寿命过程中的涡轮喷气引擎1的当前性能指数YCOUR。不幸的是,如果检测到性能损失,则无法了解其原因(老化,劣化,等)。当前性能指数YCOUR取决于十一个健康参数,并考虑使用仪器的缺乏,一分析方案不可能确定各参数对性能损失的贡献。
涡轮喷气引擎的模块性能的分析
该通过分析性能来检测劣化的方法优选在地面上由维护系统中的计算机实施。一些数据在飞行过程中获得,并在被传送到地面上的维护系统之前存储在机载计算机中。
根据本发明,涡轮喷气引擎1的当前性能指数YCOUR首先通过测量多个如图1所示的物理参数来计算,所述物理参数例如为温度、压力、燃料流速和旋转速度。这些物理参数事先标准化,以消除操作条件的可变性的影响,并因此可与物理参数随着时间的变化进行一致的比较。
参见图2,然后,涡轮喷气引擎1的劣化性能指数YDEG1–YDEG5由如上所限定的涡轮喷气引擎1的热力学模型Mth来计算,该热力学模型取决于总体参数和健康参数,所述健康参数为涡轮喷气引擎1的功能模块M1-M5所特有,并且是未知的(ΔSE1-ΔSE5,ΔSW1-ΔSW5,λ)。
各劣化性能指数YDEG1–YDEG5在涡轮喷气引擎1的只有一个功能模块已经劣化的假设上计算,各劣化性能指数YDEG1–YDEG5与一给定的功能模块M1-M5关联。在例中,劣化性能指数YDEG1在涡轮喷气引擎1的仅仅模块M1已经劣化的假设上计算。其结果是,由于模块M2-M5是健康的,也就是说是非劣化的,因此以下的健康参数ΔSE2–ΔSE5和ΔSW2–ΔSW5是意义的。因此,参见图2,劣化性能指数YDEG1取决于仅仅三个未知的参数:ΔSE1,ΔSW1和λ。
如果相同的论证应用于所有的劣化性能指数YDEG1–YDEG5,则各劣化性能指数YDEGi就取决于变量(ΔSEi,ΔSWi,λ),并获得以下指数:
-YDEG1(ΔSE1,ΔSW1,λ);
-YDEG2(ΔSE2,ΔSW2,λ);
-YDEG3(ΔSE3,ΔSW3,λ);
-YDEG4(ΔSE4,ΔSW4,λ);以及
-YDEG5(ΔSE5,ΔSW5,λ).
各劣化性能指数YDEG1–YDEG5是对涡轮喷气引擎1的单一给定模块的损坏的特征。
有利地,各劣化性能指数YDEG1–YDEG5考虑到各模块M1-M5的涡轮喷气引擎1的老化。因此,对于劣化性能指数YDEG1,模块M2-M5的健康参数考虑到老化的因素FSE(λ),FSW(λ)。
成本指数
根据本发明,各劣化性能指数YDEG1与当前性能指数YCOUR相比较。由于劣化性能指数YDEGi取决于变量(ΔSEi,ΔSWi,λ),因此此比较是参数化的。在此例中,劣化性能指数YDEGi的参数被优化,以限制性能指数YDEGi,YCOUR之间的差。
下文中,劣化性能指数YDEG1与当前性能指数YCOUR之间的最小差被称为成本指数Ji。此最小差获得用于如图2所示的劣化性能指数YDEGi的参数ΔSEi*,ΔSWi,λ*的优化组合。
当假设模块Mi是仅有的劣化模块时,获得用于参数ΔSEi*,ΔSWi*,λ*的优化组合的此成本指数Ji使得可尽可能地接近于当前的性能指数YCOUR。这样,成本指数Ji越低,涡轮喷气引擎1的模块Mi劣化的可能性就越大。
为了计算各成本指数Ji的最小值,参数ΔSEi,ΔSWi和λ是变化的。优选地,参数(ΔSEi,ΔSWi,λ)的变化受到约束。在此例中,参数(ΔSEi,ΔSWi,λ)在一变化范围内改变,所述变化范围的界限根据先前发生在涡轮喷气引擎1上的劣化的检测而确定。因此,涡轮喷气引擎1无法从一个飞行更新到另外一个飞行(λ必须增加)。同样,模块Mi的效率无法随着时间而提高(ΔSEi必须增加)。由于各成本指数Ji取决于仅仅三个未知参数(ΔSEi,ΔSWi,λ),因此获得唯一数字优化是简单的。参数的数量越大,可能的方案的数量就越大,这阻止制定可靠的决定。
在例中,用于模块Mi的成本指数Ji由以下公式计算:
在该公式中:
-Yk,i对应于对于包括N个模块的涡轮喷气引擎的模块k的部分所观察的模块i的劣化的劣化性能指数;
-Yk,COUR对应于对于涡轮喷气引擎的模块k的部分的当前性能指数;
-σk对应于在不同性能指数上的测量不确定性。
不言而喻,可使用其他成本函数来测量关于涡轮喷气引擎的模块的健康状态进行的假设的可能性。
在通过最小二乘法来进行的此估算过程中,对于各成本指数Ji,确定优化的老化参数λ*的值。由于模块M1-M5的健康参数SE,SW也取决于作为λ*的函数的老化部分FSE(λ*),FSW(λ*),因此当对于给定的劣化模块Mi计算成本指数Ji时,其结果是各健康模块Yk,i的性能指数也被修改。换句话说,即使模块Mi被视为健康,也要考虑它们的老化,以计算劣化性能指数。
确定模块的劣化
参见图2,一旦已测试所有的结合,便获得多个成本指数Ji,各所述成本指数Ji均与一组优化的参数(ΔSEi*,ΔSWi*,λ*)相关。在此例中,获得五个成本指数J1-J5,各成本指数表示关于涡轮喷气引擎1的模块Mi的劣化而进行的假设的可能性。
因此,成本指数Ji越低,模块Mi是劣化模块的可能性就越大。
根据本发明,参见图2,通过选择具有被称为最佳成本指数Jopt的最小值的成本指数来检测劣化。这最接近于当前的性能指数YCOUR,并具有对应于所观察的劣化的最大机会。
为了限制错误检测的风险,将进行强化劣化决定的步骤。
如图3所示,三个成本指数J2-J4中的变化根据作为时间的函数的涡轮喷气引擎1的劣化水平来监测。
为了限制错误检测的风险,在本发明的第一实施例中,仅仅低于成本阈值Jmax的成本指数J被考虑用于选择。优选地,成本阈值Jmax是一可用参数表示的阈值,所述阈值在此根据所期望的敏感性凭经验定义。成本指数J越高,劣化就可能越小。参见图3,成本指数J2,J3和J4是以下的在t0-t1之间的成本阈值Jmax。因此,所有的成本指数J2、J3和J4均被选择以检测最佳成本指数Jopt。相比之下,成本指数J3高于在t1-t2之间的成本阈值Jmax,从而限制单独对于成本指数J2和J4的选择。通过限制所考虑的成本指数的数量,加速最佳成本指数Jopt的选择,这是有利的。
在本发明的第二实施例中,比较最佳成本指数Jopt的值和候选成本指数Jcand的值,所述候选成本指数Jcand对应于在除了最佳成本指数Jopt外的所有成本指数J1-J5中的具有最小值的成本指数。在此例中,最佳成本指数Jopt是J4,候选成本指数Jcand是J2。将候选成本指数Jcand与最佳成本指数Jopt之间的差与一给定值Sg的监视阈值相比较,如果该差小于监视阈值Sg,则返回最佳的两个指数。该区别不视为是为充分可靠来具有确定性地确定模块,所述模块是所观察的劣化的原因。错误检测的风险由此被限制。
参见图3,显示差|J4-J2|,并与监视阈值Sg相比较。在范围t0-t2内,差|J4-J2|低于监视阈值Sg,返回两个方案M2和M4。如图3中所示,值J2和J4在范围t0-t2内非常靠近彼此,其难以针对所观察的劣化的确切原因作出决定。从时间t2,差|J2-J4|超过监视阈值Sg,可以针对模块M4的所宣称的劣化做出可靠的决定。
当对于一个或两个受损模块做出决定时,可以在涡轮喷气引擎1的主要劣化发生前,以局部化的方式在这些模块上执行维护操作。此方法使得可将维修操作单独限制在受影响的模块,从而使得可实现节约并限制维修时间。而且,提早进行修理,使航空公司可具有持续可用的运行飞机。
图4和5显示根据本发明的方法的有利步骤,其中涡轮引擎的当前特征与特征库相比较,其中涡轮引擎的一个或多个可适用的异常值通过数学函数来确定。图4显示涡轮引擎的当前特征的例子。此特征通过测量涡轮引擎的物理参数或指标来获得。图5显示特征库的例子,第一图表是当模块M3的效率的劣化影响到涡轮引擎时所获得的特征,第二图表是当模块M4的效率的劣化发生时所获得的特征。适当的数学分类函数使得可使用特征库(指标的结合)来指示使用其当前特征的涡轮引擎中的至少一个异常值。所述特征按照共线性(指标的变化的形式/方向)和幅度进行比较。这些元件的结合提供给予了可能性。特征库是使用一队涡轮引擎的经验反馈(运转中遇到的事件)来指示。在所显示的例中,在图4中的特征与在图5中的特征相比较,相较对于模块M4的52%的可能性,该函数赋予对于模块M3的97%的可能性。这意味着该涡轮引擎具有指示其模块M4显示其效率劣化的特征。
Claims (9)
1.一种通过利用计算机监测涡轮引擎(1)的性能,来检测所述涡轮引擎(1)的劣化的方法,所述涡轮引擎包括多个功能性模块(M1-M5),各所述功能性模块(M1-M5)通过表示所述涡轮引擎(1)的功能性模块(M1-M5)的劣化的至少一个健康参数(ΔSE1-ΔSE5,ΔSW1-ΔSW5)来表征,所述涡轮引擎(1)的总体老化由老化参数(λ)表征,在该方法中:
-测量所述涡轮引擎(1)的多个物理参数,以形成所述涡轮引擎(1)的一当前性能指数(YCOUR);
-利用所述涡轮引擎的热力学模型来计算所述涡轮引擎(1)的多个劣化性能指数(YDEG1–YDEG5),对于每个劣化性能指数(YDEG),假定所述涡轮引擎(1)的仅一个功能性模块(M)已劣化,各劣化性能指数(YDEG1–YDEG5)与一功能性模块(M1-M5)相关联;
-对应于在所述涡轮引擎(1)的所有功能性模块(M1-M5)中的一单一的劣化功能性模块(M)的各劣化性能指数(YDEG)通过模拟所述涡轮引擎(1)的性能指数来获得,对于所述涡轮引擎(1)的性能指数,所述劣化的功能性模块(M)的健康参数(ΔSE,ΔSW)和所述老化参数(λ)是变量,其他非劣化的功能模块的健康参数被视为健康的健康参数;
-计算多个成本指数(J),对应于所述当前性能指数(YCOUR)与各劣化性能指数(YDEG1–YDEG5)之间的差的各成本指数(J)改变所述劣化性能指数(YDEG1–YDEG5)的变量(ΔSE,ΔSW,λ),以使所述差最小,各劣化性能指数(YDEG1–YDEG5)与其成本指数(J1-J5)相关联;
-确定对应于在所有所述成本指数(J1-J5)中的具有最小值的一个的最佳成本指数(Jopt);
-检测所述涡轮引擎的模块的劣化,所述涡轮引擎的模块的劣化性能指数与所述最佳成本指数(Jopt)相关联。
2.根据权利要求1所述的方法,其中各功能模块(M1-M5)由至少两个健康参数(ΔSE1-ΔSE5,ΔSW1-ΔSW5)表征。
3.根据权利要求2所述的方法,其中各功能性模块(M1-M5)由以下项表征:
-效率降低指标(ΔSE1-ΔSE5),以及
-渗透率/流速能力降低指标(ΔSW1-ΔSW5)。
4.根据权利要求1至3中任何一项所述的方法,其中所述功能性模块(M1-M5)属于以下功能性模块:风扇模块(M1)、高压压缩机模块(M2)、增压器模块(M3)、高压涡轮模块(M4)以及低压涡轮模块(M5)。
5.根据权利要求1至4中任何一项所述的方法,其中
-所述最佳成本指数(Jopt)与具有预定值的成本阈值(Jmax)相比较,以及
-如果所述最佳成本指数(Jopt)低于所述成本阈值(Jmax),则禁止劣化的检测。
6.根据权利要求1至5中任何一项所述的方法,其中:
-确定对应于除了所述最佳成本指数(Jopt)以外的全部成本指数(J1-J5)中的具有最小值的成本指数的一候选成本指数(Jcand);
-所述候选成本指数(Jcand)与所述最佳成本指数(Jopt)之间的差与一给定的监视阈值(Sg)相比较;
-如果所述差低于所述给定的监视阈值(Sg),则检测所述涡轮引擎的模块的劣化,所述涡轮引擎的模块的劣化性能指数与所述候选成本指数(Jcand)相关联。
7.根据权利要求1至6中任何一项所述的方法,其中所述劣化性能指数(YDEG1–YDEG5)的变量(ΔSEi,ΔSWi,λ)的值分别在变化范围内改变,所述变化范围的界限根据之前所做的劣化检测来确定。
8.根据权利要求1至7中任何一项所述的方法,其中,由于一功能性模块(M1-M5)的各健康参数(ΔSE1-ΔSE5,ΔSW1-ΔSW5)与取决于所述老化参数(λ)的一老化要素(FSE(λ),FSW(λ))相关联,因此各劣化性能指数(YDEG)是所有模块(M1-M5)的老化要素(FSE(λ),FSW(λ))的函数。
9.根据权利要求1至8中任何一项所述的方法,其中所述涡轮引擎的当前特征与一特征库相比较,其中在所述涡轮引擎中的任何可适用的异常值均由一数学函数来确定。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1256640A FR2993375B1 (fr) | 2012-07-10 | 2012-07-10 | Methode de detection d'une degradation d'une turbomachine par surveillance des performances de ladite turbomachine |
FR1256640 | 2012-07-10 | ||
PCT/FR2013/051573 WO2014009634A1 (fr) | 2012-07-10 | 2013-07-03 | Méthode de détection d'une dégradation d'une turbomachine par surveillance des performances de ladite turbomachine |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104428727A true CN104428727A (zh) | 2015-03-18 |
CN104428727B CN104428727B (zh) | 2017-04-05 |
Family
ID=47878137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380036410.5A Active CN104428727B (zh) | 2012-07-10 | 2013-07-03 | 用于通过监测涡轮机的性能来检测所述涡轮机的劣化的方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9651457B2 (zh) |
EP (1) | EP2872956B1 (zh) |
JP (1) | JP6219945B2 (zh) |
CN (1) | CN104428727B (zh) |
BR (1) | BR112015000292B1 (zh) |
CA (1) | CA2878151C (zh) |
FR (1) | FR2993375B1 (zh) |
RU (1) | RU2618833C2 (zh) |
WO (1) | WO2014009634A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108223137A (zh) * | 2016-12-12 | 2018-06-29 | 通用电气公司 | 燃气涡轮发动机机队性能劣化 |
CN113418188A (zh) * | 2021-06-21 | 2021-09-21 | 中国人民解放军国防科技大学 | 双旋流燃烧不稳定控制方法及系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3022949B1 (fr) * | 2014-06-26 | 2016-07-15 | Snecma | Procedes de determination de caracteristiques d'ouvertures ou de fermetures d'une vanne de demarrage de turbomoteur |
US10024187B2 (en) | 2015-03-20 | 2018-07-17 | General Electric Company | Gas turbine engine health determination |
US11181898B2 (en) * | 2017-11-10 | 2021-11-23 | General Electric Company | Methods and apparatus to generate a predictive asset health quantifier of a turbine engine |
DE102018209609A1 (de) * | 2018-06-14 | 2019-12-19 | MTU Aero Engines AG | Inspektionsverfahren und System |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030074171A1 (en) * | 2001-09-26 | 2003-04-17 | Desai Mihir C. | Adaptive aero-thermodynamic engine model |
CN1525055A (zh) * | 2003-02-28 | 2004-09-01 | ͨ�õ�����˾ | 用于评定燃气轮机损伤的方法和装置 |
CN1837767A (zh) * | 2005-03-24 | 2006-09-27 | Abb研究有限公司 | 降级系统的健康参数或症状的估计 |
WO2007033512A1 (en) * | 2005-09-22 | 2007-03-29 | Abb Research Ltd | Monitoring a system having degrading components |
CN101089582A (zh) * | 2006-06-16 | 2007-12-19 | 尤洛考普特公司 | 用于确定涡轮轴发动机的限制参数的方法和仪器 |
CN101726416A (zh) * | 2008-10-10 | 2010-06-09 | 通用电气公司 | 用于系统维护的自适应性能模型和方法 |
EP2207072A2 (en) * | 2008-12-23 | 2010-07-14 | Honeywell International Inc. | Operations support systems and methods with engine diagnostics |
CN101858826A (zh) * | 2009-04-09 | 2010-10-13 | 通用电气公司 | 用于监测涡轮发动机的健康的系统和方法 |
CN102155301A (zh) * | 2010-02-11 | 2011-08-17 | 通用电气公司 | 用于监视燃气轮机的系统和方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1617317A1 (ru) * | 1989-01-30 | 1990-12-30 | Войсковая часть 75360 | Способ диагностировани неисправностей газотурбинных двигателей летательных аппаратов |
RU2025707C1 (ru) * | 1991-06-27 | 1994-12-30 | Куприк Виктор Викторович | Способ синхронного контроля технического состояния турбореактивного двигателя и устройство для его осуществления |
RU2050016C1 (ru) * | 1994-05-27 | 1995-12-10 | Товарищество с ограниченной ответственностью - Финансово-промышленная корпорация "Люкон" | Устройство диагностирования состояния объекта, имеющего электронную систему мониторинга функциональных параметров |
JP3392526B2 (ja) * | 1994-07-29 | 2003-03-31 | 株式会社東芝 | 機器の保守管理支援装置 |
US7020595B1 (en) * | 1999-11-26 | 2006-03-28 | General Electric Company | Methods and apparatus for model based diagnostics |
US6832205B1 (en) * | 2000-06-30 | 2004-12-14 | General Electric Company | System and method for automatically predicting the timing and costs of service events in a life cycle of a product |
US20040243636A1 (en) * | 2003-03-18 | 2004-12-02 | Smartsignal Corporation | Equipment health monitoring architecture for fleets of assets |
US7769507B2 (en) * | 2004-08-26 | 2010-08-03 | United Technologies Corporation | System for gas turbine health monitoring data fusion |
US7702435B2 (en) * | 2004-11-05 | 2010-04-20 | Honeywell International Inc. | Method and apparatus for system monitoring and maintenance |
US20060235707A1 (en) * | 2005-04-19 | 2006-10-19 | Goldstein David B | Decision support method and system |
US7379799B2 (en) * | 2005-06-29 | 2008-05-27 | General Electric Company | Method and system for hierarchical fault classification and diagnosis in large systems |
US7472100B2 (en) * | 2006-09-29 | 2008-12-30 | United Technologies Corporation | Empirical tuning of an on board real-time gas turbine engine model |
US9043118B2 (en) * | 2007-04-02 | 2015-05-26 | General Electric Company | Methods and systems for model-based control of gas turbines |
US7822512B2 (en) * | 2008-01-08 | 2010-10-26 | General Electric Company | Methods and systems for providing real-time comparison with an alternate control strategy for a turbine |
FR2939928B1 (fr) * | 2008-12-15 | 2012-08-03 | Snecma | Standardisation de donnees utilisees pour la surveillance d'un moteur d'aeronef |
JP2012008782A (ja) * | 2010-06-24 | 2012-01-12 | Mitsubishi Heavy Ind Ltd | プラントの機能を診断する方法、及びプラント監視装置 |
FR2972025B1 (fr) * | 2011-02-25 | 2016-03-04 | Snecma | Prevision d'operations de maintenance sur un moteur d'aeronef |
US9317249B2 (en) * | 2012-12-06 | 2016-04-19 | Honeywell International Inc. | Operations support systems and methods for calculating and evaluating turbine temperatures and health |
GB201302815D0 (en) * | 2013-02-19 | 2013-04-03 | Rolls Royce Plc | Determining the deterioration of a gas turbine engine in use |
-
2012
- 2012-07-10 FR FR1256640A patent/FR2993375B1/fr active Active
-
2013
- 2013-07-03 WO PCT/FR2013/051573 patent/WO2014009634A1/fr active Application Filing
- 2013-07-03 CA CA2878151A patent/CA2878151C/fr active Active
- 2013-07-03 EP EP13744684.5A patent/EP2872956B1/fr active Active
- 2013-07-03 JP JP2015521041A patent/JP6219945B2/ja active Active
- 2013-07-03 US US14/413,056 patent/US9651457B2/en active Active
- 2013-07-03 RU RU2015101850A patent/RU2618833C2/ru active
- 2013-07-03 CN CN201380036410.5A patent/CN104428727B/zh active Active
- 2013-07-03 BR BR112015000292-7A patent/BR112015000292B1/pt active IP Right Grant
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030074171A1 (en) * | 2001-09-26 | 2003-04-17 | Desai Mihir C. | Adaptive aero-thermodynamic engine model |
CN1525055A (zh) * | 2003-02-28 | 2004-09-01 | ͨ�õ�����˾ | 用于评定燃气轮机损伤的方法和装置 |
CN1837767A (zh) * | 2005-03-24 | 2006-09-27 | Abb研究有限公司 | 降级系统的健康参数或症状的估计 |
US20060217870A1 (en) * | 2005-03-24 | 2006-09-28 | Abb Research Ltd., | Estimating health parameters or symptoms of a degrading system |
WO2007033512A1 (en) * | 2005-09-22 | 2007-03-29 | Abb Research Ltd | Monitoring a system having degrading components |
CN101089582A (zh) * | 2006-06-16 | 2007-12-19 | 尤洛考普特公司 | 用于确定涡轮轴发动机的限制参数的方法和仪器 |
CN101726416A (zh) * | 2008-10-10 | 2010-06-09 | 通用电气公司 | 用于系统维护的自适应性能模型和方法 |
EP2207072A2 (en) * | 2008-12-23 | 2010-07-14 | Honeywell International Inc. | Operations support systems and methods with engine diagnostics |
CN101858826A (zh) * | 2009-04-09 | 2010-10-13 | 通用电气公司 | 用于监测涡轮发动机的健康的系统和方法 |
CN102155301A (zh) * | 2010-02-11 | 2011-08-17 | 通用电气公司 | 用于监视燃气轮机的系统和方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108223137A (zh) * | 2016-12-12 | 2018-06-29 | 通用电气公司 | 燃气涡轮发动机机队性能劣化 |
CN113418188A (zh) * | 2021-06-21 | 2021-09-21 | 中国人民解放军国防科技大学 | 双旋流燃烧不稳定控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20150192499A1 (en) | 2015-07-09 |
BR112015000292A2 (pt) | 2017-06-27 |
RU2618833C2 (ru) | 2017-05-11 |
BR112015000292B1 (pt) | 2021-02-02 |
CA2878151C (fr) | 2020-09-22 |
CN104428727B (zh) | 2017-04-05 |
RU2015101850A (ru) | 2016-08-27 |
CA2878151A1 (fr) | 2014-01-16 |
EP2872956B1 (fr) | 2016-10-12 |
FR2993375A1 (fr) | 2014-01-17 |
JP2015528874A (ja) | 2015-10-01 |
JP6219945B2 (ja) | 2017-10-25 |
FR2993375B1 (fr) | 2014-07-18 |
EP2872956A1 (fr) | 2015-05-20 |
WO2014009634A1 (fr) | 2014-01-16 |
US9651457B2 (en) | 2017-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104428727A (zh) | 用于通过监测涡轮机的性能来检测所述涡轮机的劣化的方法 | |
US9797328B2 (en) | Equipment health monitoring method and system and engine | |
CN102862685B (zh) | 检测飞机部件的性能进入衰退期的方法及飞机的维修方法 | |
CN106094570B (zh) | 一种基于工况识别和谷本距离的变工况下航空发动机整机健康评估方法 | |
US8417410B2 (en) | Operations support systems and methods with power management | |
EP2458178B1 (en) | Turbine performance diagnositic system and methods | |
CN105900146B (zh) | 用于预测发动机寿命周期的方法和系统 | |
CN104156599A (zh) | 一种考虑多机理的加速寿命试验载荷谱确定方法 | |
CN103573307A (zh) | 用于监测运行中的发动机的发动机油温的方法和系统 | |
CN109073508A (zh) | 测试涡轮单元期间的故障诊断 | |
US7801695B2 (en) | Operations support systems and methods with model-based torque estimates | |
CN105512483A (zh) | 基于损伤传播模型和数据分析的航空发动机剩余寿命预测 | |
CN106021757A (zh) | 基于灰色关联理论与热力模型相结合的混合型燃气轮机气路部件自适应性能诊断方法 | |
Skliros et al. | Fault simulations and diagnostics for a Boeing 747 Auxiliary Power Unit | |
CN106355253A (zh) | 航空发动机最优运行性能区间确定方法 | |
Mathioudakis et al. | Probabilistic neural networks for validation of on-board jet engine data | |
Fentaye et al. | Discrimination of rapid and gradual deterioration for an enhanced gas turbine life-cycle monitoring and diagnostics | |
Liu et al. | Anomaly detection of hot components in gas turbine based on frequent pattern extraction | |
Lou | Aircraft APU starter health monitoring and failure prognostics | |
CN109308484A (zh) | 航空发动机多类故障最小风险诊断方法及装置 | |
Ishak et al. | Improving VIGV predictive monitoring by developing a failure mode virtual sensor | |
Martinez et al. | Aeroengine prognosis through genetic distal learning applied to uncertain engine health monitoring data | |
CN112906237A (zh) | 一种发动机部件故障分析方法及系统 | |
Zhong et al. | Probability evaluation method of gas turbine work-scope based on survival analysis | |
Rootliep et al. | Evolutionary algorithm for enhanced gas path analysis in turbofan engines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |