FR3138555A1 - Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine - Google Patents

Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine Download PDF

Info

Publication number
FR3138555A1
FR3138555A1 FR2207980A FR2207980A FR3138555A1 FR 3138555 A1 FR3138555 A1 FR 3138555A1 FR 2207980 A FR2207980 A FR 2207980A FR 2207980 A FR2207980 A FR 2207980A FR 3138555 A1 FR3138555 A1 FR 3138555A1
Authority
FR
France
Prior art keywords
engine
determining
flight
data
considered
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
Application number
FR2207980A
Other languages
French (fr)
Other versions
FR3138555B1 (en
Inventor
Jérome Henri Noël LACAILLE
Raphaël Benoit Henri LANGHENDRIES
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Safran Aircraft Engines SAS
Original Assignee
Safran Aircraft Engines SAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Safran Aircraft Engines SAS filed Critical Safran Aircraft Engines SAS
Priority to FR2207980A priority Critical patent/FR3138555B1/en
Publication of FR3138555A1 publication Critical patent/FR3138555A1/en
Application granted granted Critical
Publication of FR3138555B1 publication Critical patent/FR3138555B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K2205/00—Application of thermometers in motors, e.g. of a vehicle
    • G01K2205/04—Application of thermometers in motors, e.g. of a vehicle for measuring exhaust gas temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Measuring Temperature Or Quantity Of Heat (AREA)

Abstract

Procédé de détermination de la température des gaz de sortie d’un moteur et procédé de mesure de l’usure d’un moteur Un aspect de l’invention concerne un procédé de détermination de la température des gaz de sortie d’un moteur lors d’une utilisation cible à partir des données associées à une partie au moins des utilisations précédentes, les données comprenant, pour chaque utilisation parmi les utilisations précédentes, une première série de données relative au moteur et mesurée lors de l’utilisation considérée, et une deuxième série de données relative aux conditions environnementales lors de l’utilisation considérée, la première et la deuxième série de donnée étant regroupées dans un vecteur de donnée associé au vol considéré, la température des gaz de sortie étant déterminée à l’aide d’un modèle à base de mixture gaussienne. Figure à publier avec l’abrégé : Figure 4Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine One aspect of the invention relates to a method for determining the temperature of the outlet gases of an engine during 'a target use from data associated with at least part of the previous uses, the data comprising, for each use among the previous uses, a first series of data relating to the engine and measured during the use considered, and a second series of data relating to the environmental conditions during the use considered, the first and the second series of data being grouped into a data vector associated with the flight considered, the temperature of the outlet gases being determined using a model based on a Gaussian mixture. Figure to be published with the abstract: Figure 4

Description

Procédé de détermination de la température des gaz de sortie d’un moteur et procédé de mesure de l’usure d’un moteurMethod for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine DOMAINE TECHNIQUE DE L’INVENTIONTECHNICAL FIELD OF THE INVENTION

Le domaine technique de l’invention est celui de la mesure de l’usure d’un moteur.The technical field of the invention is that of measuring the wear of an engine.

La présente invention concerne un procédé de détermination de la température des gaz de sortie d’un moteur, par exemple d’une turbomachine, et un procédé de mesure de l’usure d’un moteur faisant usage de ce procédé de détermination de la température des gaz de sortie.The present invention relates to a method for determining the temperature of the outlet gases of an engine, for example a turbomachine, and a method for measuring the wear of an engine using this method for determining the temperature. exit gases.

ARRIERE-PLAN TECHNOLOGIQUE DE L’INVENTIONTECHNOLOGICAL BACKGROUND OF THE INVENTION

Dans l’état de la technique, il est connu d’effectuer le suivi de l'état d'un moteur au cours du temps, en particulier le suivi de l'usure interne, à travers la mesure de température des gaz de sortie (EGT : Exhaust Gaz Temperature). De manière générale, cette mesure est effectuée à l'aide de capteurs embarqués. Cependant, les mesures ainsi effectuées sont très imprécises et dépendent fortement des conditions d'acquisition. Il en résulte une mauvaise évaluation de l’usure, ce qui peut entrainer des opérations de maintenance non nécessaires ou bien encore une sous-estimation de l’usure réelle.In the state of the art, it is known to monitor the state of an engine over time, in particular the monitoring of internal wear, through the measurement of the temperature of the outlet gases ( EGT: Exhaust Gas Temperature). Generally, this measurement is carried out using on-board sensors. However, the measurements thus carried out are very imprecise and strongly depend on the acquisition conditions. This results in a poor assessment of wear, which can lead to unnecessary maintenance operations or even an underestimate of actual wear.

Dans les méthodes actuelles, il est connu d’utiliser une moyenne temporelle de la température des gaz de sorite sur environ 15 jours (150 vols environs) des mesures renormalisées par un a priori physique linéaire. Une telle moyenne permet de lisser la courbe et la rendre presque indépendante de conditions externes. Cependant, une telle technique n’est pas sans inconvénient. Tout d’abord, compte tenu de l’opération de lissage, il n’est pas permis de comparer les vols individuellement. De manière plus générale, cette technique fait perdre l'instantanéité de la mesure et se base donc sur un calcul nécessairement biaisé. L’approche linéaire n’est pas non plus la mieux adaptée.In current methods, it is known to use a time average of the exit gas temperature over approximately 15 days (approximately 150 flights) of measurements renormalized by a linear physical a priori. Such an average makes it possible to smooth the curve and make it almost independent of external conditions. However, such a technique is not without its drawbacks. First of all, given the smoothing operation, it is not allowed to compare flights individually. More generally, this technique loses the immediacy of the measurement and is therefore based on a necessarily biased calculation. The linear approach is also not the best suited.

Il existe donc un besoin d’un procédé permettant d’évaluer l’usure d’un moteur ne reposant pas sur des mesures externes, mais à partir d’une mesure intrinsèque.There is therefore a need for a method making it possible to evaluate the wear of an engine not based on external measurements, but based on an intrinsic measurement.

L’invention offre une solution aux problèmes évoqués précédemment, en permettant de déterminer la température des gaz de sortie à l’aide d’un modèle prenant notamment en compte l’évolution de l’état du moteur au cours des différentes utilisations.The invention offers a solution to the problems mentioned above, by making it possible to determine the temperature of the outlet gases using a model taking into account in particular the evolution of the state of the engine during different uses.

Pour cela, un premier aspect de l’invention concerne un procédé de détermination de la température des gaz de sortie d’un moteur lors d’une utilisation cible à partir des données associées à une partie au moins des utilisations précédentes, les données comprenant, pour chaque utilisation parmi les utilisations précédentes, une première série de données relative au moteur et mesurée lors de l’utilisation considérée, et une deuxième série de données relative aux conditions environnementales lors de l’utilisation considérée, la première série et la deuxième série de donnée étant regroupées dans un vecteur de donnée associé au vol considéré , la température des gaz de sortie étant déterminée à l’aide d’un modèle à base de mixture gaussienne caractérisé par un jeu de paramètres du modèle, le procédé comprenant :

  • Pour chaque utilisation avec , une étape de détermination, par un réseau de neurones récursif, d’un vecteur d’état du moteur associé à l’utilisation considérée, le réseau de neurones récursif prenant en entrée le vecteur d’état du moteur à l’utilisation précédent l’utilisation considérée ainsi que les données associées à l’utilisation considérée ;
  • A partir du vecteur d’état du moteur et des données associées à chaque utilisation avec , une étape de détermination d’un vecteur d’état contextuel associé à l’utilisation cible à l’aide d’une somme pondérée de l’ensemble de données associé à chaque vol ;
  • A partir des données associées à chaque utilisation avec , une étape de détermination d’un vecteur contextuel d’utilisation associé à l’utilisation cible à l’aide d’une somme pondérée de l’ensemble de données associé à chaque vol ;
  • A partir du vecteur contextuel d’état , du vecteur contextuel d’utilisation et de données de profil associés à l’utilisation cible , une étape de détermination, à l’aide d’un réseau de neurones dense, du jeu de paramètres du modèle ;
  • A partir du modèle à base de mixture gaussienne, une étape de détermination de la température des gaz de sortie lors de l’utilisation cible.
For this, a first aspect of the invention relates to a method for determining the temperature of the outlet gases of an engine during a target use from data associated with at least part of the previous uses, the data including, for each use from previous uses, a first series of data relating to the engine and measured during the use considered, and a second series of data relating to the environmental conditions during the use considered, the first series and the second series of data being grouped into a data vector associated with the flight considered , the temperature of the outlet gases being determined using a model based on a Gaussian mixture characterized by a set of model parameters, the method comprising:
  • For every use with , a step of determining, by a recursive neural network, a state vector of the engine associated with the use considered, the recursive neural network taking as input the state vector from engine to use previous use considered as well as the data associated with the use considered ;
  • From the motor state vector and data associated with each use with , a step of determining a contextual state vector associated with the target use using a weighted sum of the dataset associated with each flight ;
  • From the data associated with each use with , a step of determining a contextual vector of use associated with the target use using a weighted sum of the dataset associated with each flight ;
  • From the state context vector , of the contextual vector of use and profile data associated with the target use , a step of determining, using a dense neural network, the set of parameters of the model;
  • From the model based on Gaussian mixture, a step of determining the temperature of the outlet gases during the target use.

Grâce à l’invention, il est non seulement possible de construire une mesure mais aussi d’identifier un modèle numérique interne dépendant uniquement de l'état du moteur, ce modèle numérique étant utilisé pour simuler le comportement du moteur sur des vols qu'il n'aura pas nécessairement effectués et ceci à toute étape de sa vie. Il sera notamment possible de déterminer l’évolution temporelle de la mesure statistique intrinsèque de la température des gaz de sortie à l’aide de simulation sur des ensembles de vols de référence, mais aussi de comparer deux moteurs en simulant le vol de l’un sur l’autre, voire d’évaluer la différence entre l’état courant du moteur et sa version presque neuve.Thanks to the invention, it is not only possible to construct a measurement but also to identify an internal digital model depending solely on the state of the engine, this digital model being used to simulate the behavior of the engine on flights that it will not necessarily have carried out and this at any stage of his life. In particular, it will be possible to determine the temporal evolution of the intrinsic statistical measurement of the outlet gas temperature using simulation on sets of reference flights, but also to compare two engines by simulating the flight of one on the other, or even to evaluate the difference between the current state of the engine and its almost new version.

Outre les caractéristiques qui viennent d’être évoquées dans le paragraphe précédent, le procédé selon un premier aspect de l’invention peut présenter une ou plusieurs caractéristiques complémentaires parmi les suivantes, considérées individuellement ou selon toutes les combinaisons techniquement possibles.In addition to the characteristics which have just been mentioned in the previous paragraph, the process according to a first aspect of the invention may present one or more complementary characteristics among the following, considered individually or in all technically possible combinations.

Dans un mode de réalisation, le vecteur contextuel d’état est donné par l’expression suivante :In one embodiment, the contextual state vector is given by the following expression:

où le poids est donné par l’expression suivante :where the weight is given by the following expression:

où le coefficient donné par la relation suivante :where the coefficient given by the following relation:

où est la fonction similarité cosinus.Or is the cosine similarity function.

Dans un mode de réalisation, le vecteur contextuel d’utilisation est donné par l’expression suivante :In one embodiment, the contextual vector of use is given by the following expression:

où le poids est donné par l’expression suivante :where the weight is given by the following expression:

Où le coefficient est donné par la relation suivante :Where the coefficient is given by the following relation:

Où est la fonction sigmoïde, , et sont des paramètres et sont l’ensemble des données d’utilisation associée à l’utilisation d’indice à l’exception des données relatives au fonctionnement de la turbomachine, exception faite de la vitesse de rotation commandée par le pilote de ladite turbomachine.Or is the sigmoid function, , And are parameters and are the set of usage data associated with the usage index with the exception of data relating to the operation of the turbomachine, with the exception of the rotation speed controlled by the pilot of said turbomachine.

Dans un mode de réalisation, le modèle à base de mixture gaussienne est donné par l’expression suivante :In one embodiment, the model based on Gaussian mixture is given by the following expression:

où est la densité de probabilité pour le vol cible considéré, la turbomachine considérée et un nombre de composantes du modèle représentant les modes possibles d’évolutions de l’usure, et où , et sont les paramètres de la gaussienne pour le vol et pour la turbomachine .Or is the probability density for the target flight considered, the turbomachine considered and a number of components of the model representing the possible modes of evolution of wear, and where , And are the parameters of the Gaussian For the flight and for the turbomachine .

Dans un mode de réalisation, l’étape de détermination du vecteur contextuel d’utilisation et l’étape de détermination du vecteur contextuel d’état sont effectuées à l’aide d’un réseau de neurones récursif.In one embodiment, the step of determining the usage context vector and the step of determining the state context vector are carried out using a recursive neural network.

Un deuxième aspect de l’invention concerne un procédé de mesure de l’usure d’un moteur entre une première utilisation et une deuxième utilisation avec , comprenant :

  • pour chaque utilisation avec , une étape de détermination de la température des gaz de sortie d’un moteur, chaque utilisation étant associée à des données d’utilisation et à un état du moteur ;
  • pour chaque utilisation avec , une étape de détermination de la température des gaz de sortie d’un moteur en prenant les données d’utilisation relatives à l’utilisation considérée et un état de moteur relatif à la première utilisation ;
  • pour chaque utilisation , une étape de comparaison entre la détermination de la température des gaz de sortie effectué en considérant l’état du moteur relatif à l’utilisation considérée et la détermination de la température des gaz de sortie effectué considérant l’état du moteur de la première utilisation ;
A second aspect of the invention relates to a method for measuring the wear of an engine between a first use and a second use with , including:
  • for every use with , a step of determining the temperature of the outlet gases of an engine, each use being associated with usage data and to an engine state ;
  • for every use with , a step of determining the temperature of the outlet gases of an engine by taking usage data relating to the use considered and an engine condition relating to the first use;
  • for every use , a step of comparison between the determination of the temperature of the outlet gases carried out by considering the state of the engine relating to the use considered and the determination of the outlet gas temperature carried out considering the condition of the engine from first use;

En outre, l’usure est évaluée à partir de cette comparaison.In addition, wear and tear is assessed from this comparison.

Un troisième aspect de l’invention concerne un dispositif de traitement de données comprenant des moyens configurés pour mettre en œuvre le procédé selon un premier ou un deuxième aspect de l’invention.A third aspect of the invention relates to a data processing device comprising means configured to implement the method according to a first or a second aspect of the invention.

Un quatrième aspect de l’invention concerne un programme d'ordinateur comprenant des instructions qui, lorsque le programme est exécuté par un ordinateur, conduisent celui-ci à mettre en œuvre le procédé selon un premier ou un deuxième aspect de l’invention.A fourth aspect of the invention relates to a computer program comprising instructions which, when the program is executed by a computer, lead it to implement the method according to a first or a second aspect of the invention.

Un cinquième aspect de l’invention concerne un support de données lisible par ordinateur, sur lequel est enregistré le programme d'ordinateur selon le quatrième aspect de l’invention.A fifth aspect of the invention relates to a computer-readable data carrier, on which the computer program according to the fourth aspect of the invention is recorded.

L’invention et ses différentes applications seront mieux comprises à la lecture de la description qui suit et à l’examen des figures qui l’accompagnent.The invention and its various applications will be better understood on reading the following description and examining the accompanying figures.

BREVE DESCRIPTION DES FIGURESBRIEF DESCRIPTION OF THE FIGURES

Les figures sont présentées à titre indicatif et nullement limitatif de l’invention.The figures are presented for information purposes only and in no way limit the invention.

La illustre la première étape d’un procédé selon l’invention.There illustrates the first step of a process according to the invention.

La illustre la deuxième étape d’un procédé selon l’invention.There illustrates the second step of a process according to the invention.

La illustre la troisième étape d’un procédé selon l’invention.There illustrates the third step of a process according to the invention.

La illustre la quatrième étape d’un procédé selon l’invention.There illustrates the fourth step of a process according to the invention.

La illustre la détermination de la température des gaz de sortie lors de différents vols à l’aide d’un procédé selon l’invention.There illustrates the determination of the outlet gas temperature during different flights using a method according to the invention.

La et la illustrent la mesure de l’usure d’une turbomachine à l’aide d’un procédé selon l’invention.There and the illustrate the measurement of the wear of a turbomachine using a method according to the invention.

DESCRIPTION DETAILLEEDETAILED DESCRIPTION

Sauf précision contraire, un même élément apparaissant sur des figures différentes présente une référence unique.Unless otherwise specified, the same element appearing in different figures presents a unique reference.

Procédé de détermination de la température de gaz de sortie d’une turbomachine lors d’un vol cibleMethod for determining the outlet gas temperature of a turbomachine during a target flight

Un premier aspect de l’invention concerne un procédé de détermination de la température des gaz de sortie d’un moteur lors d’une utilisation cible à partir des données associées à une partie aux moins des utilisations précédentes, les données comprenant, pour chaque utilisation parmi les utilisations précédentes, une première série de données relative au moteur et mesurée lors de l’utilisation considérée (par exemple, la température des gaz de sortie, la vitesse de rotation, etc.), et une deuxième série de données relative aux conditions environnementales lors de l’utilisation considérée (par exemple, la température, la pression, la poussière, etc.), la première et la deuxième série de données étant regroupées dans un vecteur de données associé à l’utilisation considérée . De plus, dans le procédé selon un premier aspect de l’invention, la température des gaz de sortie est déterminée à l’aide d’un modèle à base de mixture gaussienne caractérisé par un jeu de paramètres du modèle noté dans la suite.A first aspect of the invention relates to a method for determining the temperature of the outlet gases of an engine during a target use from data associated with at least part of the previous uses, the data including, for each use among the previous uses, a first series of data relating to the engine and measured during the use in question (for example, the temperature of the outlet gases, the rotation speed, etc.), and a second series of data relating to the environmental conditions during of the use in question (e.g. temperature, pressure, dust, etc.), the first and second sets of data being grouped into a data vector associated with the use considered . Furthermore, in the method according to a first aspect of the invention, the temperature of the outlet gases is determined using a model based on a Gaussian mixture characterized by a set of parameters of the model noted in the following.

Dans la suite, à des fins d’illustration, le moteur est une turbomachine et une utilisation correspond à un vol effectué à l’aide de la turbomachine. Par ailleurs, l’ensemble des données relatives à un vol est noté . En particulier, l’ensemble des données relatives à la température des gaz de sortie est comprise dans cet ensemble de données . De plus l’ensemble des données relative à un vol à l’exclusion des données ou de tout autre donnée relative au fonctionnement de la turbomachine (exception faite de la vitesse de rotation de la turbomachine commandée par le pilote) est noté . Un exposant pourra éventuellement être ajouté à ces notations pour préciser que plusieurs turbomachines peuvent être prises en compte. Par exemple, représente l’ensemble des données relatives à un vol d’indice de la turbomachine . Dans un mode de réalisation, les données sont mesurées lors de la phase de croisière du vol, cette dernière étant en général la phase de vol que l’on cherche à optimiser. Cependant, la période de mesure lors du vol (ou plus générale de l’utilisation) pourra être déterminée par d’autres critères, comme un niveau de vibration ou comme un niveau de consommation de carburant.In the following, for purposes of illustration, the engine is a turbomachine and use corresponds to a flight carried out using the turbomachine. Furthermore, all data relating to a flight is noted . In particular, all the data relating to the temperature of the outlet gases is included in this dataset . In addition all the data relating to a flight excluding data or any other data relating to the operation of the turbomachine (except for the rotation speed of the turbomachine controlled by the pilot) is noted . Exhibitors could possibly be added to these notations to specify that several turbomachines can be taken into account. For example, represents all the data relating to a flight index of the turbomachine . In one embodiment, the data is measured during the cruise phase of the flight, the latter generally being the flight phase that we seek to optimize. However, the measurement period during flight (or more generally during use) may be determined by other criteria, such as a level of vibration or a level of fuel consumption.

Détermination du vecteur d’état de la turbomachineDetermination of the state vector of the turbomachine

Comme illustré à la , le procédé comprend tout d’abord, pour chaque vol avec avec de préférence (c’est à dire que l’ensemble des vols précédents est pris en compte), une étape 1E1 de détermination, par un réseau de neurones récursif LSTM, d’un vecteur d’état de la turbomachine associé au vol considéré, le réseau de neurones récursif LSTM prenant en entrée le vecteur d’état de la turbomachine au vol précédent le vol considéré ainsi que les données associées au vol considéré . Lorsque plusieurs turbomachines sont prises en compte, cette étape est effectuée pour chaque turbomachine de sorte à déterminer le vecteur d’état associé au vol pour la turbomachine considérée.As illustrated in , the method firstly comprises, for each flight with with preferably (i.e. all previous flights are taken into account), a step 1E1 of determining, by a recursive neural network LSTM, a state vector of the turbomachine associated with the flight considered, the LSTM recursive neural network taking as input the state vector from the turbomachine to flight preceding the flight considered as well as the data associated with the flight considered . When several turbomachines are taken into account, this step is carried out for each turbomachine so as to determine the state vector associated with theft for the turbomachine considered.

Plus particulièrement, le réseau de neurone LSTM est un « gated recurrent network », notamment un réseau de neurone à mémoire à court et long terme (en anglais Long Short Term Memory ou LSTM) ou bien encore deux réseaux de neurone LSTM empilés (ou stacked LSTM). Dans la suite, sur les figures et afin de simplifier les illustrations, les deux réseaux de neurone LSTM empilés sont représentés par un seul réseau LSTM. Le lecteur pourra se référer au document Hochreiter and Schmindhuber (1997) pour plus d’information sur les réseaux de neurone LSTM.More particularly, the LSTM neural network is a “gated recurrent network”, in particular a short and long term memory neural network (in English Long Short Term Memory or LSTM) or even two stacked LSTM neural networks (or stacked LSTM). In the following, in the figures and in order to simplify the illustrations, the two stacked LSTM neural networks are represented by a single LSTM network. The reader can refer to the document Hochreiter and Schmindhuber (1997) for more information on LSTM neural networks.

Détermination du vecteur contextuel d’étatDetermination of the contextual state vector

Comme illustré à la , le procédé comprend ensuite, à partir du vecteur d’état de la turbomachine et des données associées à chaque vol avec , une étape de détermination d’un vecteur contextuel d’état associé au vol cible , ledit vecteur contextuel d’état étant déterminé au moyen d’une somme pondérée de l’ensemble de données associé à chaque vol . Ce vecteur contextuel d’état permet d’obtenir un mécanisme d’attention à long terme pour la détermination de la température des gaz de sortie. Comme précédemment lorsque plusieurs turbomachines sont prises en compte, cette étape est mise en œuvre pour une pluralité de turbomachines.As illustrated in , the method then comprises, from the state vector of the turbomachine and data associated with each flight with , a step of determining a contextual state vector associated with the target flight , said contextual state vector being determined by means of a weighted sum of the data set associated with each flight . This contextual state vector provides a long-term attention mechanism for determining the outlet gas temperature. As previously when several turbomachines are taken into account, this step is implemented for a plurality of turbomachines.

Dans un mode de réalisation, un poids est associé à chaque vol en fonction de la similitude entre le vol considéré et le vol cible . Dans ce mode de réalisation, ce poids est calculé à l’aide d’un premier coefficient donné par la relation suivante :In one embodiment, a weight is associated with each flight depending on the similarity between the flight considered and the target flight . In this embodiment, this weight is calculated using a first coefficient given by the following relation:

[Math. 1][Math. 1]

où est la fonction similarité cosinus connu du domaine et qui permet de mesurer la similarité de deux vecteurs en déterminant le cosinus de leur angle. Le poids associé au vol est ensuite déterminé à partir de ce coefficient à l’aide de la relation suivante :Or is the cosine similarity function known to the domain and which makes it possible to measure the similarity of two vectors by determining the cosine of their angle. The weight associated with theft is then determined from this coefficient using the following relationship:

[Math. 2][Math. 2]

Le vecteur contextuel d’état est ensuite calculé en faisant une somme pondérée de l’ensemble de données associé à chaque vol pondéré par le poids associé audit vol . Autrement dit, le vecteur contextuel d’état est donné par la relation suivante :The state context vector is then calculated by making a weighted sum of the dataset associated with each flight weighted by the weight associated with said flight . In other words, the state context vector is given by the following relation:

Détermination du vecteur contextuel de volDetermination of the contextual vector of flight

Comme illustré à la , le procédé comprend ensuite, à partir des données associées à chaque vol avec , une étape de détermination d’un vecteur contextuel de vol associé au vol cible , ledit vecteur contextuel de vol étant déterminé à l’aide d’une somme pondérée de l’ensemble de données associé à chaque vol . Ce vecteur contextuel de vol permet d’obtenir un mécanisme d’attention à court terme pour la détermination de la température des gaz de sortie. De préférence, , voire , le calcul du vecteur contextuel d’état étant moins gourmand en ressources de calculs que le calcul du vecteur contextuel de vol qui nécessite une procédure d’apprentissage.As illustrated in , the method then comprises, from the data associated with each flight with , a step of determining a contextual flight vector associated with the target flight , said contextual flight vector being determined using a weighted sum of the data set associated with each flight . This flight context vector provides a short-term attention mechanism for determining the temperature of the exit gases. Preferably, , even , the calculation of the state context vector being less demanding in calculation resources than the calculation of the contextual flight vector which requires a learning procedure.

Dans un mode de réalisation, comme pour la détermination d’un vecteur contextuel d’état , un poids est associé à chaque vol en fonction de la similitude entre le vol considéré et le vol cible . Dans ce mode de réalisation, ce poids est calculé à l’aide d’un premier coefficient donné par la relation suivante :In one embodiment, such as for determining a contextual state vector , a weight is associated with each flight depending on the similarity between the flight considered and the target flight . In this embodiment, this weight is calculated using a first coefficient given by the following relation:

Où est la fonction sigmoïde, , et sont des paramètres et sont (comme déjà mentionné) l’ensemble des données de vol associée au vol à l’exception des données relatives au fonctionnement de la turbomachine, exception faite de la vitesse de rotation de la turbomachine. Autrement dit, le vecteur ne comprend aucune information relative au fonctionnement de la turbomachine à l’exception de la vitesse de rotation de cette dernière.Or is the sigmoid function, , And are parameters and are (as already mentioned) the set of flight data associated with the flight with the exception of data relating to the operation of the turbomachine, with the exception of the rotational speed of the turbomachine. In other words, the vector does not include any information relating to the operation of the turbomachine with the exception of the rotation speed of the latter.

Le poids associé au vol est ensuite déterminé à partir de ce coefficient à l’aide de la relation suivante :The weight associated with theft is then determined from this coefficient using the following relationship:

[Math. 5][Math. 5]

Le vecteur contextuel de vol est ensuite calculé en faisant une somme pondérée de l’ensemble de données associé à chaque vol pondéré par le poids associé audit vol . Autrement dit, le vecteur contextuel de vol est donné par la relation suivante :The flight contextual vector is then calculated by making a weighted sum of the entire dataset associated with each flight weighted by the weight associated with said flight . In other words, the contextual vector of flight is given by the following relation:

Détermination des paramètres du modèlesDetermination of model parameters

Le procédé comprend ensuite, à partir du vecteur contextuel d’état , du vecteur contextuel de vol et de données de profil associés au vol cible (et comprenant les données de contexte de vol et les données de commandes de vol), une étape de détermination, à l’aide d’un réseau de neurones dense, du jeu de paramètres du modèle. Autrement dit, ces vecteurs ( , , ) sont concaténés et fournis en entré au réseau de neurone dense, ce dernier fournissant en sortie le jeu de paramètres du modèle. Comme précédemment lorsque plusieurs turbomachines sont prises en compte, cette étape est mise en œuvre pour une pluralité de turbomachines.The method then comprises, from the contextual state vector , of the flight contextual vector and profile data associated with the target flight (and comprising the flight context data and the flight command data), a step of determining, using a dense neural network, the set of model parameters. In other words, these vectors ( , , ) are concatenated and provided as input to the dense neural network, the latter providing as output the set of model parameters. As previously when several turbomachines are taken into account, this step is implemented for a plurality of turbomachines.

Pour rappel, le modèle est un modèle à base de mixture gaussienne. Ce dernier peut être mis sous la forme suivante :As a reminder, the model is a Gaussian mixture model. The latter can be put in the following form:

[Math. 7][Math. 7]

Où est la densité de probabilité pour le vol cible considéré, la turbomachine considérée et un nombre de composantes (c’est-à-dire de gaussienne) du modèle représentant les modes possibles d’évolutions de l’usure (par exemple, correspond à une utilisation immédiate du moteur après le vol précédent et correspond à une utilisation du moteur mais après qu’on ait pratiqué un lavage), et où , et sont les paramètres de la gaussienne pour le vol et pour la turbomachine . Plus particulièrement, représente l’espérance et représente l’écart type. Le coefficient est quant à lui un coefficient de pondération (ou de mixture) choisi de sorte que et est la loi Gaussienne centrée en et de variance . C’est donc la valeur de ces coefficients qui est déterminée lors de cette étape.Or is the probability density for the target flight considered, the turbomachine considered and a number of components (i.e. Gaussian) of the model representing the possible modes of wear evolution (for example, corresponds to immediate use of the engine after the previous flight and corresponds to use of the engine but after washing), and where , And are the parameters of the Gaussian For the flight and for the turbomachine . More particularly, represents hope and represents the standard deviation. The coefficient is for its part a weighting (or mixture) coefficient chosen so that And is the Gaussian law centered in and variance . It is therefore the value of these coefficients which is determined during this step.

Comme mentionné précédemment, les valeurs des paramètres du modèle sont déterminées à partir du vecteur d’état contextuel , du vecteur de vol contextuel et de données de profil associés au vol cible . Pour pouvoir effectuer une telle détermination, le réseau de neurone dense a été entrainé à déterminer lesdits paramètres à partir des données issues des vols et à l’aide d’une fonction de coût. Cet entrainement peut être effectué avant le procédé selon l’invention ou bien dans le cadre de ce dernier, lors d’une étape préliminaire d’entrainement du réseau de neurone dense. Dans un mode de réalisation, cette fonction de coût prend la forme suivante :As mentioned earlier, model parameter values are determined from the contextual state vector , of the contextual flight vector and profile data associated with the target flight . To be able to make such a determination, the dense neural network was trained to determine said parameters from data from the flights and using a cost function. This training can be carried out before the method according to the invention or within the framework of the latter, during a preliminary training step of the dense neural network. In one embodiment, this cost function takes the following form:

[Math. 8][Math. 8]

Où désigne l’ensemble des paramètres du modèle et est le nombre de vols disponibles (pour lequel des données existent) pour la turbomachine considérée. S’agissant d’une fonction de coût, déterminer les paramètres du modèle revient à trouver les paramètres minimisant la fonction précédente.Or designates all the parameters of the model and is the number of flights available (for which data exists) for the turbomachine considered. Since it is a cost function, determining the parameters of the model amounts to finding the parameters minimizing the previous function.

Détermination de la température des gaz de sortieDetermination of outlet gas temperature

Le procédé comprend également, à partir du modèle à base de mixture gaussienne, une étape de détermination de la température des gaz de sortie lors du vol cible. Dans un mode de réalisation, de la température des gaz de sortie est considérée comme étant égale à la valeur la plus probable de ladite température (déterminée à l’aide du modèle à base de mixture). Dans un mode de réalisation, la valeur de la température des gaz de sortie est déterminée en effectuant un tirage aléatoire (suivant une loi de probabilité fixé par le modèle à base de mixture), de préférence une pluralité tirages de sorte à déterminer, en plus de la température, la variabilité de cette dernière. La illustre la température de sortie des gaz E (en °C) en fonction de l’indice du vol. La variabilité observée est due à la forte dépendance de cette température au contexte de vol.The method also includes, based on the Gaussian mixture-based model, a step of determining the temperature of the outlet gases during the target flight. In one embodiment, the outlet gas temperature is considered to be equal to the most probable value of said temperature (determined using the mixture-based model). In one embodiment, the value of the outlet gas temperature is determined by carrying out a random draw (following a probability law fixed by the mixture-based model), preferably a plurality of draws so as to determine, in addition temperature, the variability of the latter. There illustrates the gas outlet temperature E (in °C) as a function of the index of the flight. The observed variability is due to the strong dependence of this temperature on the flight context.

Procédé de mesure de l’usure d’une turbomachine entre un premier vol et un deuxième volMethod for measuring the wear of a turbomachine between a first flight and a second flight

Un deuxième aspect de l’invention concerne un procédé de mesure de l’usure d’un moteur entre une première utilisation et une deuxième utilisation avec . De préférence, de sorte que le modèle ait suffisamment de données pour fournir un résultat pertinent.A second aspect of the invention relates to a method for measuring the wear of an engine between a first use and a second use with . Preferably, so that the model has enough data to provide a relevant result.

Dans la suite, cet aspect de l’invention sera illustré dans un cas où le moteur est une turbomachine, chaque utilisation étant associée à un vol effectué par ladite turbomachine. Par exemple, il sera possible de mesurer l’évolution de l’usure d’une turbomachine entre le trentième vol (c’est à dire ) et le millième vol (c’est à dire ).In the following, this aspect of the invention will be illustrated in a case where the engine is a turbomachine, each use being associated with a theft carried out by said turbomachine. For example, it will be possible to measure the evolution of the wear of a turbomachine between the thirtieth flight (i.e. ) and the thousandth flight (i.e. ).

Détermination de la température avec prise en compte de l’usureDetermination of temperature taking into account wear

Pour cela, le procédé comprend, pour chaque vol avec , une étape de détermination de la température des gaz de sortie d’une turbomachine, chaque vol étant associé à des données d’utilisation et à un état de la tubomachine moteur . Autrement dit, lors de cette étape, la température des gaz de sortie est déterminée en prenant en compte l’usure progressive de la turbomachine au cours des vols successifs (au travers de la pris en compte du vecteur d’état ).For this, the process includes, for each flight with , a step of determining the temperature of the outlet gases of a turbomachine, each flight being associated with usage data and to a state of the motor tubomachine . In other words, during this step, the temperature of the outlet gases is determined by taking into account the progressive wear of the turbomachine during successive flights (by taking into account the state vector ).

Détermination de la température sans prise en compte de l’usureDetermination of temperature without taking into account wear

Le procédé comprend en suite, pour chaque vol avec , une étape de détermination de la température des gaz de sortie d’une turbomachine en prenant les données de vol relatives au vol considéré et un état de moteur relatif au premier vol . Autrement dit, la température des gaz de sortie est déterminée en prenant en compte les données spécifiques à chaque vol, mais en supposant que l’usure de la turbomachine n’évolue pas et reste égale à l’usure du moteur au premier vol .The process then comprises, for each flight with , a step of determining the temperature of the outlet gases of a turbomachine by taking flight data relating to the flight considered and an engine condition relating to the first flight . In other words, the outlet gas temperature is determined by taking into account the data specific to each flight, but assuming that the wear of the turbomachine does not change and remains equal to the wear of the engine on the first flight. .

Comparaison des déterminations avec et sans prise en compte de l’usureComparison of determinations with and without taking into account wear

Le procédé comprend ensuite, pour chaque utilisation avec , une étape de comparaison entre la détermination de la température des gaz de sortie effectuée en considérant l’état de la turbomachine relatif au vol considéré et la détermination de la température des gaz de sortie effectuée considérant l’état de la turbomachine du premier vol. En effectuant une telle comparaison, il est possible d’éliminer la composante liée aux données relatives au vol dans la détermination de la température de gaz de sortie, laissant apparaitre la composante due à l’état de la turbomachine et donc à l’usure de cette dernière.The process then comprises, for each use with , a step of comparison between the determination of the temperature of the outlet gases carried out by considering the state of the turbomachine relating to the flight considered and the determination of the outlet gas temperature carried out considering the state of the turbomachine of the first flight. By carrying out such a comparison, it is possible to eliminate the component linked to the data relating to the flight in the determination of the outlet gas temperature, revealing the component due to the state of the turbomachine and therefore to the wear of the the latter.

Une telle comparaison est illustrée à la et à la sur lesquelles sont représentés, en abscisse, le vol considéré et en ordonnée la différence entre la température de sortie d’échappement déterminée en prenant en compte l’usure de la turbomachine et la température de sortie d’échappement déterminée en supposant l’usure constante (c’est-à-dire l’état de la turbomachine constant et égal à , dans l’exemple des et , ).Such a comparison is illustrated in and to the on which are represented, on the abscissa, the flight considered and on the ordinate the difference between the exhaust outlet temperature determined by taking into account the wear of the turbomachine and the exhaust outlet temperature determined by assuming constant wear (i.e. the state of the turbomachine constant and equal to , in the example of And , ).

Sur la , un décrochement soudain peut être observé aux alentours du vol 1500 traduisant une usure soudaine de la turbomachine (cette usure détectée par le procédé selon l’invention a pu ensuite être confirmée par une inspection technique, validant ainsi la bonne mesure de l’usure).On the , a sudden stall can be observed around flight 1500 reflecting sudden wear of the turbomachine (this wear detected by the method according to the invention could then be confirmed by a technical inspection, thus validating the correct measurement of wear) .

Sur la , un décrochement soudain peut être observé aux alentours du vol 1600 traduisant une amélioration des performances (une diminution de l’usure selon la mesure de l’invention) qui a pu être confirmée et associée à une opération de maintenance ayant eu lieu sur la turbomachine en question.On the , a sudden stall can be observed around flight 1600 reflecting an improvement in performance (a reduction in wear according to the measurement of the invention) which could be confirmed and associated with a maintenance operation having taken place on the turbomachine in question.

Il ressort clairement de ces figures, que l’usure de la turbomachine peut être évaluée à partir de cette comparaison. Il est clair en outre qu’une telle évaluation permet de détecter une dégradation de la turbomachine ( ) ou bien encore d’identifier les opérations de maintenance permettant de restaurer tout ou partie des performances de la turbomachine ( ). Une telle mesure permet donc, par exemple, de planifier plus facilement les opérations de maintenance ou bien encore de sélectionner les opérations de maintenances les plus efficaces.It is clear from these figures that the wear of the turbomachine can be evaluated from this comparison. It is also clear that such an evaluation makes it possible to detect degradation of the turbomachine ( ) or even to identify maintenance operations making it possible to restore all or part of the performance of the turbomachine ( ). Such a measure therefore makes it possible, for example, to more easily plan maintenance operations or even to select the most effective maintenance operations.

Dispositif pour la mise en œuvre d’un procédé selon l’inventionDevice for implementing a process according to the invention

Un troisième aspect de l’invention concerne un dispositif de traitement des données comprenant des moyens configurés pour mettre en œuvre le procédé selon un premier ou un deuxième aspect de l’invention. Plus particulièrement, le dispositif comprend un moyen de calcul (par exemple un processeur, un FPGA ou une carte ASIC) associé à un moyen de stockage (par exemple une mémoire RAM et/ou un disque dur), ladite mémoire étant configuré pour stocker les instructions et les données nécessaire à la mise en œuvre d’un procédé selon un premier aspect ou un deuxième aspect de l’invention. Le moyen de calcul peut notamment être configurer pour réaliser un ou plusieurs réseaux de neurones nécessaires à la mise d’un procédé selon un premier ou un deuxième aspect de l’invention. Il peut également comprendre des moyens de saisie (par exemple un clavier ou un écran tactile) et des moyens d’affichage (par exemple un écran) afin de permettre à un opérateur de mettre en œuvre un procédé selon un premier ou un deuxième aspect de l’invention.A third aspect of the invention relates to a data processing device comprising means configured to implement the method according to a first or a second aspect of the invention. More particularly, the device comprises a calculation means (for example a processor, an FPGA or an ASIC card) associated with a storage means (for example a RAM memory and/or a hard disk), said memory being configured to store the instructions and data necessary for the implementation of a method according to a first aspect or a second aspect of the invention. The calculation means can in particular be configured to produce one or more neural networks necessary for implementing a method according to a first or a second aspect of the invention. It may also include input means (for example a keyboard or a touch screen) and display means (for example a screen) in order to allow an operator to implement a method according to a first or a second aspect of the invention.

Claims (10)

Procédé de détermination de la température des gaz de sortie d’un moteur lors d’une utilisation cible à partir des données associées à une partie au moins des utilisations précédentes, les données comprenant, pour chaque utilisation parmi les utilisations précédentes, une première série de données relative au moteur et mesurée lors de l’utilisation considérée, et une deuxième série de données relative aux conditions environnementales lors de l’utilisation considérée, la première et la deuxième série de donnée étant regroupées dans un vecteur de donnée associé au vol considéré , la température des gaz de sortie étant déterminée à l’aide d’un modèle à base de mixture gaussienne caractérisé par un jeu de paramètres du modèle, le procédé comprenant :
  • Pour chaque utilisation avec , une étape (1E1) de détermination, par un réseau de neurones récursif, d’un vecteur d’état du moteur associé à l’utilisation considérée, le réseau de neurones récursif prenant en entrée le vecteur d’état du moteur à l’utilisation précédent l’utilisation considérée ainsi que les données associées à l’utilisation considérée ;
  • A partir du vecteur d’état du moteur et des données associées à chaque utilisation avec , une étape (1E2) de détermination d’un vecteur d’état contextuel associé à l’utilisation cible à l’aide d’une somme pondérée de l’ensemble de données associé à chaque vol ;
  • A partir des données associées à chaque utilisation avec , une étape (1E3) de détermination d’un vecteur contextuel d’utilisation associé à l’utilisation cible à l’aide d’une somme pondérée de l’ensemble de données associé à chaque vol ;
  • A partir du vecteur contextuel d’état , du vecteur contextuel d’utilisation et de données de profil associés à l’utilisation cible , une étape (1E4) de détermination, à l’aide d’un réseau de neurones dense, du jeu de paramètres du modèle ;
  • A partir du modèle à base de mixture gaussienne, une étape de détermination de la température des gaz de sortie lors de l’utilisation cible.
Method for determining the temperature of the exhaust gases of an engine during target use from data associated with at least part of the previous uses, the data including, for each use from previous uses, a first series of data relating to the engine and measured during the use considered, and a second series of data relating to the environmental conditions during the use considered, the first and the second series of data being grouped in a vector data associated with the flight considered , the temperature of the outlet gases being determined using a Gaussian mixture-based model characterized by a set of model parameters, the process comprising:
  • For every use with , a step (1E1) of determining, by a recursive neural network, a state vector of the engine associated with the use considered, the recursive neural network taking as input the state vector from engine to use previous use considered as well as the data associated with the use considered ;
  • From the motor state vector and data associated with each use with , a step (1E2) of determining a contextual state vector associated with the target use using a weighted sum of the dataset associated with each flight ;
  • From the data associated with each use with , a step (1E3) of determining a contextual vector of use associated with the target use using a weighted sum of the dataset associated with each flight ;
  • From the state context vector , of the contextual vector of use and profile data associated with the target use , a step (1E4) of determining, using a dense neural network, the set of parameters of the model;
  • From the model based on Gaussian mixture, a step of determining the temperature of the outlet gases during target use.
Procédé selon la revendication précédente dans lequel le vecteur contextuel d’état est donné par l’expression suivante :

où le poids est donné par l’expression suivante :

où le coefficient donné par la relation suivante :

où est la fonction similarité cosinus.Method according to the preceding claim in which the contextual state vector is given by the following expression:

where the weight is given by the following expression:

where the coefficient given by the following relation:

Or is the cosine similarity function. Procédé selon l’une des revendications précédentes dans lequel le vecteur contextuel d’utilisation est donné par l’expression suivante :

où le poids est donné par l’expression suivante :

Où le coefficient est donné par la relation suivante :

Où est la fonction sigmoïde, , et sont des paramètres et sont l’ensemble des données d’utilisation associée à l’utilisation d’indice à l’exception des données relatives au fonctionnement de la turbomachine, exception faite de la vitesse de rotation de ladite turbomachine.Method according to one of the preceding claims in which the contextual vector of use is given by the following expression:

where the weight is given by the following expression:

Where the coefficient is given by the following relation:

Or is the sigmoid function, , And are parameters and are the set of usage data associated with the usage index with the exception of data relating to the operation of the turbomachine, with the exception of the rotation speed of said turbomachine. Procédé selon l’une des revendications précédentes dans lequel le modèle à base de mixture gaussienne est donné par l’expression suivante :

où est la densité de probabilité pour le vol cible considéré, la turbomachine considérée et un nombre de composantes du modèle représentant les modes possibles d’évolutions de l’usure, et où , et sont les paramètres de la gaussienne pour le vol et pour la turbomachine ..Method according to one of the preceding claims in which the model based on Gaussian mixture is given by the following expression:

Or is the probability density for the target flight considered, the turbomachine considered and a number of components of the model representing the possible modes of evolution of wear, and where , And are the parameters of the Gaussian For the flight and for the turbomachine .. Procédé selon l’une des revendications précédentes dans lequel l’étape de détermination du vecteur contextuel d’utilisation et l’étape de détermination du vecteur contextuel d’état sont effectuées à l’aide d’un réseau de neurones récurent.Method according to one of the preceding claims in which the step of determining the contextual vector of use and the step of determining the contextual vector of state are carried out using a recurrent neural network. Procédé de mesure de l’usure d’un moteur entre une première utilisation et une deuxième utilisation avec , comprenant :
  • pour chaque utilisation avec , une étape de détermination de la température des gaz de sortie d’un moteur à l’aide d’un procédé selon l’une des revendications précédentes, chaque utilisation étant associée à des données d’utilisation et à un état du moteur ;
  • pour chaque utilisation avec , une étape de détermination de la température des gaz de sortie d’un moteur à l’aide d’un procédé selon l’une des revendications précédentes en prenant les données d’utilisation relative à l’utilisation considérée et un état de moteur relatif à la première utilisation ;
  • pour chaque utilisation avec , une étape de comparaison entre la détermination de la température des gaz de sortie effectué en considérant l’état du moteur relatif à l’utilisation considérée et la détermination de la température des gaz de sortie effectué considérant l’état du moteur de la première utilisation ;
l’usure étant évaluée à partir de cette comparaison.Method for measuring the wear of an engine between first use and a second use with , including:
  • for every use with , a step of determining the temperature of the outlet gases of an engine using a method according to one of the preceding claims, each use being associated with usage data and to an engine state ;
  • for every use with , a step of determining the temperature of the outlet gases of an engine using a method according to one of the preceding claims by taking the usage data relating to the use considered and an engine condition relating to first use ;
  • for every use with , a step of comparison between the determination of the temperature of the outlet gases carried out by considering the state of the engine relating to the use considered and the determination of the outlet gas temperature carried out considering the condition of the engine from first use ;
wear being assessed from this comparison. Procédé selon l’une des revendications précédentes dans lequel le moteur est une turbomachine, chaque utilisation étant associé à un vol réalisé par ladite turbomachine.Method according to one of the preceding claims in which the engine is a turbomachine, each use being associated with a theft produced by said turbomachine. Dispositif de traitement de données comprenant des moyens configurés pour en œuvre le procédé selon l’une des revendications précédentes.Data processing device comprising means configured to implement the method according to one of the preceding claims. Programme d'ordinateur comprenant des instructions qui, lorsque le programme est exécuté par un ordinateur, conduisent celui-ci à mettre en œuvre le procédé selon l’une des revendications 1 à 7.Computer program comprising instructions which, when the program is executed by a computer, lead it to implement the method according to one of claims 1 to 7. Support de données lisible par ordinateur, sur lequel est enregistré le programme d'ordinateur selon la revendication 9.Computer-readable data carrier on which the computer program according to claim 9 is recorded.
FR2207980A 2022-08-01 2022-08-01 Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine Active FR3138555B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FR2207980A FR3138555B1 (en) 2022-08-01 2022-08-01 Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2207980A FR3138555B1 (en) 2022-08-01 2022-08-01 Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine
FR2207980 2022-08-01

Publications (2)

Publication Number Publication Date
FR3138555A1 true FR3138555A1 (en) 2024-02-02
FR3138555B1 FR3138555B1 (en) 2024-06-28

Family

ID=84819912

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2207980A Active FR3138555B1 (en) 2022-08-01 2022-08-01 Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine

Country Status (1)

Country Link
FR (1) FR3138555B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3217242A1 (en) * 2016-03-10 2017-09-13 General Electric Company Using aircraft data recorded during flight to predict aircraft engine behavior

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3217242A1 (en) * 2016-03-10 2017-09-13 General Electric Company Using aircraft data recorded during flight to predict aircraft engine behavior

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ILBAS MUSTAFA ET AL: "ESTIMATION OF EXHAUST GAS TEMPERATURE USING ARTIFICIAL NEURAL NETWORK IN TURBOFAN ENGINES TURBOFAN MOTORLARDA EGZOZ GAZ SICAKLIGININ YAPAY SiNiR AGLARI iLE TAHMiN EDiLMESi", ISI BILIMI VE TEKNIGI DERNEGI / JOURNAL OF THERMAL SCIENCE AND TECHNOLOGY, VOL. 32, ISSUE 2, 1 June 2012 (2012-06-01), Turkey, pages 11 - 18, XP093039092, Retrieved from the Internet <URL:http://www.tibtd.org.tr/2012-2/11-18.pdf> [retrieved on 20230413] *
LACAILLE JÉRÔME ET AL: "Online Normalization Algorithm for Engine Turbofan Monitoring", PROCEEDINGS OF THE ANNUAL CONFERENCE OF THE PROGNOSTICS AND HEALTH MONITORING SOCIETY 2014 (FORT WORTH, TEXAS, USA)., 2 October 2014 (2014-10-02), pages 415 - 422, XP093039034, Retrieved from the Internet <URL:https://apps.dtic.mil/sti/pdfs/AD1002585.pdf> [retrieved on 20230413], DOI: 10.13140/2.1.4940.0000 *
LACAILLE JÉRÔME ET AL: "Wear Prognostic on Turbofan Engines", PROCEEDINGS OF THE ANNUAL CONFERENCE OF THE PHM SOCIETY 2013, 5(1), 14 October 2013 (2013-10-14), XP093039058, Retrieved from the Internet <URL:https://papers.phmsociety.org/index.php/phmconf/article/view/2221> [retrieved on 20230413], DOI: 10.36001/phmconf.2013.v5i1.2221 *
LANGHENDRIES RAPHAËL ET AL: "Turbofan exhaust gas temperature forecasting and performance monitoring with a neural network model", PROCEEDINGS OF THE 32ND EUROPEAN SAFETY AND RELIABILITY CONFERENCE (ESREL 2022), 7 September 2022 (2022-09-07), Singapore, pages 3095 - 3102, XP093039054, Retrieved from the Internet <URL:https://www.rpsonline.com.sg/proceedings/esrel2022/html/S30-03-504.xml> [retrieved on 20230413], DOI: 10.3850/978-981-18-5183-4_S30-03-504-cd *
ZHONG SHISHENG ET AL: "Aero-Engine Exhaust Gas Temperature Prognostic Model Based on Gated Recurrent Unit Network", 2018 IEEE INTERNATIONAL CONFERENCE ON PROGNOSTICS AND HEALTH MANAGEMENT (ICPHM), IEEE, 11 June 2018 (2018-06-11), pages 1 - 5, XP033395839, DOI: 10.1109/ICPHM.2018.8448857 *

Also Published As

Publication number Publication date
FR3138555B1 (en) 2024-06-28

Similar Documents

Publication Publication Date Title
CA2943397C (en) Method for assessing whether or not a measured value of a physical parameter of an aircraft engine is normal
EP2997343B1 (en) Method and system for the vibration analysis of an engine
CA2746537C (en) Standardization of data used for monitoring an aircraft engine
EP2368161A1 (en) Detection of anomalies in an aircraft engine
WO2016075409A1 (en) Method for monitoring an aircraft engine operating in a given environment
EP3846046A1 (en) Method and system for processing data for the preparation of a data set
FR3046268A1 (en) AIRCRAFT FLIGHT DATA OPERATION SYSTEM
FR3095424A1 (en) System and method for monitoring an aircraft engine
EP3593101B1 (en) Method for detecting a defect in a vibration sensor, associated device and computer program
FR3035232A1 (en) SYSTEM FOR MONITORING THE HEALTH CONDITION OF AN ENGINE AND ASSOCIATED CONFIGURATION METHOD
EP3454034B1 (en) Method and device for measuring a thrust margin of a turbomachine
WO2016087770A1 (en) Method for monitoring the operation of a turbomachine
FR3138555A1 (en) Method for determining the temperature of the outlet gases of an engine and method for measuring the wear of an engine
EP3846047A1 (en) Method and system for identifying relevant variables
WO2021180726A1 (en) Method and system for the non-destructive inspection of an aeronautical component
FR3012882A1 (en) TECHNICAL TEST METHOD
EP3767474A1 (en) Method for analysing resource consumption of a computer infrastructure, alert and sizing
FR3096031A1 (en) Model registration by segment or plane in a turbomachine
WO2015067881A2 (en) Method and device for characterising a signal
FR3060794A1 (en) METHOD FOR DETERMINING THE STATE OF A SYSTEM, METHOD FOR DETERMINING AN OPTIMUM PROJECTION METHOD AND DEVICE IMPLEMENTING SAID METHODS
FR3146226A1 (en) Device for digital and automatic identification of fibers in a strand used in a textile material
WO2022096354A1 (en) Method for determining an efficiency fault of an aircraft turboshaft engine module
FR3117597A1 (en) Non-destructive testing method for an aeronautical part
FR3135142A1 (en) Method for detecting anomaly(s) in a structure
WO2024134073A1 (en) Method and device for monitoring a rotary machine on the basis of a vibratory signal

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20240202

PLFP Fee payment

Year of fee payment: 3