JP2001193477A - エンジンの欠陥を推定する方法とシステム - Google Patents
エンジンの欠陥を推定する方法とシステムInfo
- Publication number
- JP2001193477A JP2001193477A JP2000381165A JP2000381165A JP2001193477A JP 2001193477 A JP2001193477 A JP 2001193477A JP 2000381165 A JP2000381165 A JP 2000381165A JP 2000381165 A JP2000381165 A JP 2000381165A JP 2001193477 A JP2001193477 A JP 2001193477A
- Authority
- JP
- Japan
- Prior art keywords
- engine
- operating condition
- processor
- values
- defect
- 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.)
- Withdrawn
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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Engines (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Control Of Turbines (AREA)
Abstract
(57)【要約】
【課題】 エンジンの欠陥を推定するシステムと方法を
説明する。 【解決手段】 本方法は、第１の運転条件で測定された
エンジンの諸数値（１４）を得る段階と、第２の運転条
件で測定されたエンジンの諸数値（１８）を得る段階
と、第１及び第２の運転条件で得られた測定されたエン
ジン諸数値に基づいて推定される欠陥ベクトルｙを生成
する段階（６６）とを含んでいる。第１及び第２の運転
条件でモデル（３０）に基づいた諸数値を得て、ベクト
ルｙを生成するのに関連して用いることも可能である。
説明する。 【解決手段】 本方法は、第１の運転条件で測定された
エンジンの諸数値（１４）を得る段階と、第２の運転条
件で測定されたエンジンの諸数値（１８）を得る段階
と、第１及び第２の運転条件で得られた測定されたエン
ジン諸数値に基づいて推定される欠陥ベクトルｙを生成
する段階（６６）とを含んでいる。第１及び第２の運転
条件でモデル（３０）に基づいた諸数値を得て、ベクト
ルｙを生成するのに関連して用いることも可能である。
Description
【０００１】
【発明の属する技術の分野】本発明は概してガスタービ
ンエンジンに関するものであり、具体的にはガスタービ
ンエンジンの欠陥の推定に関する。
ンエンジンに関するものであり、具体的にはガスタービ
ンエンジンの欠陥の推定に関する。
【０００２】
【従来の技術】ガスタービンエンジンは航空、海運、及
び産業の分野における種々の用途に使用される。エンジ
ンの寿命に亘って繰り返される周期による漸進的な摩
損、及び組み立て誤差、ハードウェアコンポーネントの
偶然の損傷がそのようなエンジンの欠陥の原因になり得
る。ハードウェアコンポーネントの損傷は例えば異物に
よる損傷及び極端な運転条件によって起こり得る。エン
ジン効率及び寿命は欠陥をできるだけ早く検知して必要
な修理を実施することによって改善できる。欠陥を速や
かに検知し必要な修理を行うことはまた損傷のなだれの
ような連発防止を可能にする。
び産業の分野における種々の用途に使用される。エンジ
ンの寿命に亘って繰り返される周期による漸進的な摩
損、及び組み立て誤差、ハードウェアコンポーネントの
偶然の損傷がそのようなエンジンの欠陥の原因になり得
る。ハードウェアコンポーネントの損傷は例えば異物に
よる損傷及び極端な運転条件によって起こり得る。エン
ジン効率及び寿命は欠陥をできるだけ早く検知して必要
な修理を実施することによって改善できる。欠陥を速や
かに検知し必要な修理を行うことはまた損傷のなだれの
ような連発防止を可能にする。
【０００３】航空への用途ではガス通路あるいは性能に
関する欠陥は、排出ガスの温度のような幾つかの重要な
パラメータの飛行毎の傾きを用いて検知するのが一般的
である。感知されたパラメータの変化は現在の飛行と前
回の飛行との比較で確認される。もし複数のパラメータ
に傾きがあれば、その変化のパターンは明確に識別で
き、特定の欠陥として項目付け（即ち診断）することが
可能になる。飛行毎の傾きにおいて、データの散乱が起
きる可能性があるが、そのようなデータの散乱は確認さ
れるべき欠陥の影響と同程度の重大性がある可能性があ
る。また、傾きを持つパラメータの突然の変化は欠陥を
表している可能性もある一方、そのような傾きが欠陥の
確認にも分離抽出にも必ずしも役に立たない場合もあ
る。
関する欠陥は、排出ガスの温度のような幾つかの重要な
パラメータの飛行毎の傾きを用いて検知するのが一般的
である。感知されたパラメータの変化は現在の飛行と前
回の飛行との比較で確認される。もし複数のパラメータ
に傾きがあれば、その変化のパターンは明確に識別で
き、特定の欠陥として項目付け（即ち診断）することが
可能になる。飛行毎の傾きにおいて、データの散乱が起
きる可能性があるが、そのようなデータの散乱は確認さ
れるべき欠陥の影響と同程度の重大性がある可能性があ
る。また、傾きを持つパラメータの突然の変化は欠陥を
表している可能性もある一方、そのような傾きが欠陥の
確認にも分離抽出にも必ずしも役に立たない場合もあ
る。
【０００４】
【発明が解決しようとする課題】エンジンの欠陥を推定
する方法とシステムを説明する。
する方法とシステムを説明する。
【０００５】
【課題を解決するための手段】１つの実施形態では、本
方法は、第１の運転条件で測定されたエンジンの諸数値
を得る段階と、第２の運転条件で測定されたエンジンの
諸数値を得る段階と、第１及び第２の運転条件で得られ
た測定されたエンジン諸数値に基づいて推定される欠陥
ベクトルｙを生成する段階とを含んでいる。第１及び第
２の運転条件でモデルに基づいた諸数値を得て、ベクト
ルｙを生成するのに関連して用いることも可能である。
方法は、第１の運転条件で測定されたエンジンの諸数値
を得る段階と、第２の運転条件で測定されたエンジンの
諸数値を得る段階と、第１及び第２の運転条件で得られ
た測定されたエンジン諸数値に基づいて推定される欠陥
ベクトルｙを生成する段階とを含んでいる。第１及び第
２の運転条件でモデルに基づいた諸数値を得て、ベクト
ルｙを生成するのに関連して用いることも可能である。
【０００６】ある例示的な実施形態では、第１及び第２
の運転条件は同様である。航空の用途にもちいられるガ
スタービンエンジンの例では、それらの運転条件は単一
の飛行での２箇所の巡航点である。代わりに、それらの
運転条件は２回の別個の飛行での離陸点である。他の例
示的な実施形態では、それらの運転条件は異なってい
る。例えば、第１の運転条件は離陸点であり、第２の運
転条件は巡航点である。
の運転条件は同様である。航空の用途にもちいられるガ
スタービンエンジンの例では、それらの運転条件は単一
の飛行での２箇所の巡航点である。代わりに、それらの
運転条件は２回の別個の飛行での離陸点である。他の例
示的な実施形態では、それらの運転条件は異なってい
る。例えば、第１の運転条件は離陸点であり、第２の運
転条件は巡航点である。
【０００７】予測される欠陥ベクトルｙは下の式： ｙ＝ｘＲ ここで、ｘはサイズｎのベクトルで、ｎはセンサ及びモ
デル値の数、そしてＲは回帰マトリックスである、によ
って生成される。回帰マトリックスＲが、欠陥の無いエ
ンジンを、エンジン品質、劣化、センサ偏りレベル、及
び運転条件におけるランダム差異でシミュレーションし
てセンサ表示値の第１のセットを得て、予め設定した大
きさの限界を越えないランダムな大きさの幾つかの欠陥
を備えたエンジンをエンジン品質、劣化、センサ偏りレ
ベル、及び運転条件におけるランダム差異でシミュレー
ションしてセンサ表示値の第２のセットを得ることによ
り、生成される。
デル値の数、そしてＲは回帰マトリックスである、によ
って生成される。回帰マトリックスＲが、欠陥の無いエ
ンジンを、エンジン品質、劣化、センサ偏りレベル、及
び運転条件におけるランダム差異でシミュレーションし
てセンサ表示値の第１のセットを得て、予め設定した大
きさの限界を越えないランダムな大きさの幾つかの欠陥
を備えたエンジンをエンジン品質、劣化、センサ偏りレ
ベル、及び運転条件におけるランダム差異でシミュレー
ションしてセンサ表示値の第２のセットを得ることによ
り、生成される。
【０００８】この欠陥推定システム及び方法は、一回ま
たは連続した２回の飛行または周期中に得られた入力情
報を用いることによって、欠陥が発生したその周期中か
もしくは幾らかの周期後に、欠陥を検知することができ
るという利点をもたらす。
たは連続した２回の飛行または周期中に得られた入力情
報を用いることによって、欠陥が発生したその周期中か
もしくは幾らかの周期後に、欠陥を検知することができ
るという利点をもたらす。
【０００９】
【発明の実施の形態】直接的な欠陥の検知及び推定を行
うためのシステム１０の例示的な実施形態を図１に示
す。１つの実施形態では、システム１０はプロセッサ１
２を備えた搭載エンジン制御コンピュータ内で実行さ
れ、その一部を形成している。プロセッサは本明細書に
説明してあるように欠陥の検知及び推定を実行するよう
にプログラムされている。エンジン制御コンピュータは
また非揮発性記憶装置（ＮＶＭ）を備えている。システ
ム１０は搭載エンジン制御コンピュータの一部とはしな
いで、制御コンピュータと分離して飛行機上に搭載する
こともできるし、あるいは地上設置の診断システムの一
部とすることもできる。
うためのシステム１０の例示的な実施形態を図１に示
す。１つの実施形態では、システム１０はプロセッサ１
２を備えた搭載エンジン制御コンピュータ内で実行さ
れ、その一部を形成している。プロセッサは本明細書に
説明してあるように欠陥の検知及び推定を実行するよう
にプログラムされている。エンジン制御コンピュータは
また非揮発性記憶装置（ＮＶＭ）を備えている。システ
ム１０は搭載エンジン制御コンピュータの一部とはしな
いで、制御コンピュータと分離して飛行機上に搭載する
こともできるし、あるいは地上設置の診断システムの一
部とすることもできる。
【００１０】プロセッサ１２は単一の運転条件からロー
タ速度、温度及び圧力のような測定されたエンジン諸数
値１４をサンプリングするようにプログラムされてい
る。オプションとして、測定されたエンジン諸数値を用
いた計算から引き出されたモデル演算されたパラメータ
１６もまた、プロセッサ１２によってサンプリングでき
る。パラメータ１６を演算するためのモデルの例示的な
実施形態を、以下に詳細に説明する。プロセッサ１２は
また、第２の運転条件において測定されたエンジンの諸
数値１８を、またオプションとして、モデル演算された
パラメータ２０をサンプリングするようにプログラムさ
れている。
タ速度、温度及び圧力のような測定されたエンジン諸数
値１４をサンプリングするようにプログラムされてい
る。オプションとして、測定されたエンジン諸数値を用
いた計算から引き出されたモデル演算されたパラメータ
１６もまた、プロセッサ１２によってサンプリングでき
る。パラメータ１６を演算するためのモデルの例示的な
実施形態を、以下に詳細に説明する。プロセッサ１２は
また、第２の運転条件において測定されたエンジンの諸
数値１８を、またオプションとして、モデル演算された
パラメータ２０をサンプリングするようにプログラムさ
れている。
【００１１】ある例示的な実施形態では、第１及び第２
の運転条件は同様である。航空の用途に用いられている
ガスタービンエンジンのある例では、運転条件は単一の
飛行における２点である。それに代えて、第１の運転条
件は最初の飛行中のものであり、第２の運転条件はその
次回の飛行中のものである。また他の例示的な実施形態
では運転条件が異なっている。例えば、第１の運転条件
は離陸点であり、第２の運転条件は巡航点である。運転
条件のその他の例にはアイドリング中の点や上昇中の
点、降下中の点がある。
の運転条件は同様である。航空の用途に用いられている
ガスタービンエンジンのある例では、運転条件は単一の
飛行における２点である。それに代えて、第１の運転条
件は最初の飛行中のものであり、第２の運転条件はその
次回の飛行中のものである。また他の例示的な実施形態
では運転条件が異なっている。例えば、第１の運転条件
は離陸点であり、第２の運転条件は巡航点である。運転
条件のその他の例にはアイドリング中の点や上昇中の
点、降下中の点がある。
【００１２】前記エンジンは第１運転ポイントでは欠陥
が無いと想定されており、測定された諸数値１４及び演
算された諸数値１６は欠陥が生じる以前のエンジンを示
していると想定される。測定された諸数値１８及び演算
された諸数値２０は時間的にそれ以後にサンプリングさ
れる。第１の運転条件と第２の運転条件の間に欠陥が起
きたかも知れないし、また起きていないかも知れない。
が無いと想定されており、測定された諸数値１４及び演
算された諸数値１６は欠陥が生じる以前のエンジンを示
していると想定される。測定された諸数値１８及び演算
された諸数値２０は時間的にそれ以後にサンプリングさ
れる。第１の運転条件と第２の運転条件の間に欠陥が起
きたかも知れないし、また起きていないかも知れない。
【００１３】以下に詳細に説明するように、測定された
諸数値１４及び１８（オプションによれば、演算された
諸数値１６及び２０）は推定される欠陥の大きさ２２を
生成すために用いられる。以下に説明するように、この
推定値は、第１の運転条件を行なった以後かつ第２の運
転条件を行なった以前にエンジンに発生した可能性のあ
る欠陥の種類と激しさを示す。プロセッサ１２は考えら
れているそれぞれの種類の欠陥の個別の値を出力し、そ
の数値の大きさが対応する欠陥の激しさを示す。
諸数値１４及び１８（オプションによれば、演算された
諸数値１６及び２０）は推定される欠陥の大きさ２２を
生成すために用いられる。以下に説明するように、この
推定値は、第１の運転条件を行なった以後かつ第２の運
転条件を行なった以前にエンジンに発生した可能性のあ
る欠陥の種類と激しさを示す。プロセッサ１２は考えら
れているそれぞれの種類の欠陥の個別の値を出力し、そ
の数値の大きさが対応する欠陥の激しさを示す。
【００１４】図２は数値１６及び２０を演算するための
エンジンモデル３０のブロック線図である。プラントあ
るいはエンジンのモデル３０は、感知されたパラメー
タ、例えばロータ速度、温度、圧力、さらに入力として
追加されるパラメータ例えば推力、失速マージン、所定
の環境条件、出力設定パラメータ、及びアクチュエータ
位置などを推定するのに用いられる。例えば、モデル３
０は、エンジンとして物理学的モデル、回帰適用モデ
ル、あるいはニューラルネットモデルであるが、これら
全てはこの分野では知られてる。例示的な実施形態で
は、モデル３０はエンジンの物理学的な空気熱力学モデ
ルである。この種のモデルは要素レベルモデル（ＣＬ
Ｍ）と呼ばれる。なぜならエンジンの各主要構成要素
（例えば、ファン、圧縮機、燃焼器、タービン、ダク
ト、ノズル）が個別にモデル化され、その後組み立てら
れてＣＬＭとなっているからである。
エンジンモデル３０のブロック線図である。プラントあ
るいはエンジンのモデル３０は、感知されたパラメー
タ、例えばロータ速度、温度、圧力、さらに入力として
追加されるパラメータ例えば推力、失速マージン、所定
の環境条件、出力設定パラメータ、及びアクチュエータ
位置などを推定するのに用いられる。例えば、モデル３
０は、エンジンとして物理学的モデル、回帰適用モデ
ル、あるいはニューラルネットモデルであるが、これら
全てはこの分野では知られてる。例示的な実施形態で
は、モデル３０はエンジンの物理学的な空気熱力学モデ
ルである。この種のモデルは要素レベルモデル（ＣＬ
Ｍ）と呼ばれる。なぜならエンジンの各主要構成要素
（例えば、ファン、圧縮機、燃焼器、タービン、ダク
ト、ノズル）が個別にモデル化され、その後組み立てら
れてＣＬＭとなっているからである。
【００１５】図２に示すように、モデル３０の例示的な
実施形態は、空気取入れ口３２と取入れ口３２の下流の
ファン３４とを備えている。モデル３０はまた、一連の
流れの順に、ブースタ３６、圧縮機３８、バーナ４０、
高圧タービン４２、及び低圧タービン４４を備えてい
る。排気は、低圧タービンの下流のコアノズル４６から
流出する。空気はまた、ファン３４からバイパスダクト
４８及びバイパルノズル５０へ供給される。排気はバイ
パスノズル５０から流出する。圧縮機３８と高圧タービ
ン４４は第１シャフト５２をによって連結されている。
ファン３４、ブースタ３６、及び低圧タービン４４は第
２シャフト５４によって連結されている。勿論、異なる
構成を持つエンジンをモデル化するためには、異なるモ
デル要素が用いられる。
実施形態は、空気取入れ口３２と取入れ口３２の下流の
ファン３４とを備えている。モデル３０はまた、一連の
流れの順に、ブースタ３６、圧縮機３８、バーナ４０、
高圧タービン４２、及び低圧タービン４４を備えてい
る。排気は、低圧タービンの下流のコアノズル４６から
流出する。空気はまた、ファン３４からバイパスダクト
４８及びバイパルノズル５０へ供給される。排気はバイ
パスノズル５０から流出する。圧縮機３８と高圧タービ
ン４４は第１シャフト５２をによって連結されている。
ファン３４、ブースタ３６、及び低圧タービン４４は第
２シャフト５４によって連結されている。勿論、異なる
構成を持つエンジンをモデル化するためには、異なるモ
デル要素が用いられる。
【００１６】ＣＬＭは高速回転の過渡的エンジン周期の
代表的なものであり、飛行条件、制御変数入力、高圧圧
縮機のブリードにも現実的な感度を備えている。このＣ
ＬＭは、安定状態及び過渡運転の両方について実際のエ
ンジンテストデータにマッチするようにチューニングさ
れている。
代表的なものであり、飛行条件、制御変数入力、高圧圧
縮機のブリードにも現実的な感度を備えている。このＣ
ＬＭは、安定状態及び過渡運転の両方について実際のエ
ンジンテストデータにマッチするようにチューニングさ
れている。
【００１７】図３は、プロセッサ１２が推定される欠陥
の大きさを生成するのに実行する過程の段階を示すフロ
ーチャート６０である。取付け前に、エンジン品質、劣
化、センサ偏りレベル、及び高度やマッハ数、その日の
温度、ブリードレベルのような運転条件にランダム差異
を持つ多数のエンジンがシミュレーションされる。シミ
ュレーションされた各エンジンについて、センサの表示
値とオプションのモデル値のセットが得られる。次に、
予め設定された大きさの限界内でランダムな大きさの幾
つかの欠陥のシミュレーションが繰り替えされる。シミ
ュレーションされる各欠陥について、センサの表示値及
びモデル値の同じセット（勿論異なる数値の）が再び得
られる。欠陥のある又は欠陥のないシミュレーションさ
れたエンジンからのデータは、ニューラルネットワーク
や線形回帰などの手法を用いて、プロセッサ１２を設計
するのに用いられる。
の大きさを生成するのに実行する過程の段階を示すフロ
ーチャート６０である。取付け前に、エンジン品質、劣
化、センサ偏りレベル、及び高度やマッハ数、その日の
温度、ブリードレベルのような運転条件にランダム差異
を持つ多数のエンジンがシミュレーションされる。シミ
ュレーションされた各エンジンについて、センサの表示
値とオプションのモデル値のセットが得られる。次に、
予め設定された大きさの限界内でランダムな大きさの幾
つかの欠陥のシミュレーションが繰り替えされる。シミ
ュレーションされる各欠陥について、センサの表示値及
びモデル値の同じセット（勿論異なる数値の）が再び得
られる。欠陥のある又は欠陥のないシミュレーションさ
れたエンジンからのデータは、ニューラルネットワーク
や線形回帰などの手法を用いて、プロセッサ１２を設計
するのに用いられる。
【００１８】ある特定の例示的な実施形態では、プロセ
ッサ１２は線形回帰マトリックスである。センサ及びモ
デル値の数をｎとして表し、欠陥の数をrと表し、欠陥
のある場合と欠陥の無い場合の各々の特定の型のシミュ
レーションしたエンジンの数をｍとすると、回帰マトリ
ックスＲは下記となる： Ｒ＝Ｘ＼Ｙ ここで、Ｘは各欠陥エンジンの出力を同じエンジンの欠
陥の無い出力と結び付けることによって得られる出力
（センサ表示値及びモデル値）のｍ×２ｎのマトリック
スであり、Ｙは欠陥の大きさのｍ×ｒのマトリックスで
あり、そして、逆斜線演算子「＼」は最小２乗解法を示
し、Ｘ＼ＹはＸ×Ｙの擬似逆数と数学的に等値である。
ッサ１２は線形回帰マトリックスである。センサ及びモ
デル値の数をｎとして表し、欠陥の数をrと表し、欠陥
のある場合と欠陥の無い場合の各々の特定の型のシミュ
レーションしたエンジンの数をｍとすると、回帰マトリ
ックスＲは下記となる： Ｒ＝Ｘ＼Ｙ ここで、Ｘは各欠陥エンジンの出力を同じエンジンの欠
陥の無い出力と結び付けることによって得られる出力
（センサ表示値及びモデル値）のｍ×２ｎのマトリック
スであり、Ｙは欠陥の大きさのｍ×ｒのマトリックスで
あり、そして、逆斜線演算子「＼」は最小２乗解法を示
し、Ｘ＼ＹはＸ×Ｙの擬似逆数と数学的に等値である。
【００１９】それに代えて、Ｙはｒの欠陥を含むｍ×
（ｒ＋１）のマトリックスとし、欠陥のないケースは一
定の大きさのレベルを持つ特別の欠陥の種類として添付
される。
（ｒ＋１）のマトリックスとし、欠陥のないケースは一
定の大きさのレベルを持つ特別の欠陥の種類として添付
される。
【００２０】ここで特に図３を参照して、運転中にあっ
てはプロセッサ１２は第１の予め選ばれた運転ポイント
において測定されたエンジンの諸数値１４とモデル値１
６をサンプリングする（６２）。時間的に後の時点で、
プロセッサ１２は第２の予め選ばれた運転ポイントにお
いて測定されたエンジンの諸数値１８及びモデル値２０
をサンプリングする（６４）。測定値及び計算値を用い
て、プロセッサ１２は次に推定される欠陥ベクトルｙを
生成する（６６）。
てはプロセッサ１２は第１の予め選ばれた運転ポイント
において測定されたエンジンの諸数値１４とモデル値１
６をサンプリングする（６２）。時間的に後の時点で、
プロセッサ１２は第２の予め選ばれた運転ポイントにお
いて測定されたエンジンの諸数値１８及びモデル値２０
をサンプリングする（６４）。測定値及び計算値を用い
て、プロセッサ１２は次に推定される欠陥ベクトルｙを
生成する（６６）。
【００２１】より具体的に、ベクトルｙを生成するため
に、与えられた２つの（連続した）センサ表示値とモデ
ル数値ｘのセットは下記であり： ｙ＝ｘＲ ここで、ｘはサイズ２ｎのベクトル、そしてｙはサイズ
ｒ又はｒ＋１のベクトルせある。
に、与えられた２つの（連続した）センサ表示値とモデ
ル数値ｘのセットは下記であり： ｙ＝ｘＲ ここで、ｘはサイズ２ｎのベクトル、そしてｙはサイズ
ｒ又はｒ＋１のベクトルせある。
【００２２】プロセッサ１２は、入力１４及び１６が得
られたより後、入力１８及び２０が得られるより前にエ
ンジンに生じた可能性がある欠陥の種類と激しさの推定
値ｙを生成する。プロセッサ１２は考えられている欠陥
の各種類に対し別個の値を生成し、その値の大きさが対
応する欠陥の激しさを示している。
られたより後、入力１８及び２０が得られるより前にエ
ンジンに生じた可能性がある欠陥の種類と激しさの推定
値ｙを生成する。プロセッサ１２は考えられている欠陥
の各種類に対し別個の値を生成し、その値の大きさが対
応する欠陥の激しさを示している。
【００２３】上記に説明した欠陥推定システムと方法
は、単一の飛行または２回の別個の飛行または周期的な
飛行中に得られた入力を用いることによって、欠陥が生
じたその飛行、またはその後の少しの周期の間に、欠陥
を検知できるという利点をもたらす。さらに、上記に説
明した欠陥推定システム及び方法は、第１または第２の
運転条件のような単一の運転条件に関して説明してきた
が、説明してきたような運転条件は運転条件や運転ポイ
ントの別のセットを含むことができることを理解された
い。例えば運転条件の第１のセットは地上のアイドリン
グ及び離陸点を含むことができ、運転条件の第２のセッ
トは同じ飛行の巡航点やもっと後の降下点を含むことが
できる。
は、単一の飛行または２回の別個の飛行または周期的な
飛行中に得られた入力を用いることによって、欠陥が生
じたその飛行、またはその後の少しの周期の間に、欠陥
を検知できるという利点をもたらす。さらに、上記に説
明した欠陥推定システム及び方法は、第１または第２の
運転条件のような単一の運転条件に関して説明してきた
が、説明してきたような運転条件は運転条件や運転ポイ
ントの別のセットを含むことができることを理解された
い。例えば運転条件の第１のセットは地上のアイドリン
グ及び離陸点を含むことができ、運転条件の第２のセッ
トは同じ飛行の巡航点やもっと後の降下点を含むことが
できる。
【００２４】本発明を、種々の特定の実施形態について
説明してきたが、当業者には、本発明がその特許請求の
範囲の技術思想及び技術的範囲内で変更実施し得ること
を理解されたい。
説明してきたが、当業者には、本発明がその特許請求の
範囲の技術思想及び技術的範囲内で変更実施し得ること
を理解されたい。
【図１】 直接的な欠陥の検知及び推定システムを示す
ブロック線図。
ブロック線図。
【図２】 エンジンモデルのブロック線図。
【図３】 図１のブロック線図に示されている検知及び
推定アルゴリズムのフローチャート。
推定アルゴリズムのフローチャート。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 マシュー・ウィリアム・ワイズマン アメリカ合衆国、オハイオ州、フェアフィ ールド、チャールトン・コート、345番
Claims (20)
- 【請求項１】 エンジンの欠陥を推定する方法であっ
て、 第１の運転条件で測定されたエンジンの諸数値（１４）
を得る段階と、 第２の運転条件で測定されたエンジンの諸数値（１８）
を得る段階と、 前記第１及び第２の運転条件で得られた前記測定された
エンジンの諸数値に基づいて推定される欠陥ベクトルｙ
を生成する段階（６６）と、を含むことを特徴とする方
法。 - 【請求項２】 前記測定されたエンジンの諸数値（１
４，１８）が、ロータ速度、温度、及び圧力のうちの少
なくとも１つを含むことを特徴とする請求項１に記載の
方法。 - 【請求項３】 前記第１の運転条件及び第２の運転条件
のそれぞれが、アイドリング点、離陸点、上昇点、巡航
点、及び降下点のうちの少なくとも１つを含むことを特
徴とする請求項１に記載の方法。 - 【請求項４】 前記第１の運転条件が第１の飛行中に生
じ、前記第２の運転条件がそれに次ぐ飛行中に生じるこ
とを特徴とする請求項１に記載の方法。 - 【請求項５】 前記第１の運転条件及び第２の運転条件
が同一の飛行中に生じることを特徴とする請求項１に記
載の方法。 - 【請求項６】 前記第１の運転条件及び第２の運転条件
の一方または両方でモデル（３０）演算されたパラメー
タを得る段階をさらに含むことを特徴とする請求項１に
記載の方法。 - 【請求項７】 推定される欠陥ベクトルｙが、 ｙ＝ｘＲ ここで、ｘはセンサ及びモデル（３０）値、そしてＲは
回帰マトリックスである、 によって生成される（６６）ことを特徴とする請求項１
に記載の方法。 - 【請求項８】 回帰マトリックスＲが、欠陥の無いエン
ジンを、エンジン品質、劣化、センサ偏りレベル、及び
運転条件におけるランダム差異でシミュレーションして
センサ表示値の第１のセットを得て、予め設定した大き
さの限界を越えないランダムな大きさの幾つかの欠陥を
備えたエンジンを、エンジン品質、劣化、センサ偏りレ
ベル、及び運転条件におけるランダム差異でシミュレー
ションしてセンサ表示値の第２のセットを得ることによ
り、生成されることを特徴とする請求項７に記載の方
法。 - 【請求項９】 推定される欠陥ベクトルｙが、ニューラ
ルネットワークの出力であり、センサとモデル（３０）
値が前記ニューラルネットワークへの入力であることを
特徴とする請求項１に記載の方法。 - 【請求項１０】 前記ニューラルネットワークが、欠陥
の無いエンジンを、エンジン品質、劣化、センサ偏りレ
ベル、及び運転条件におけるランダム差異でシミュレー
ションしてセンサ表示値の第１のセットを得て、予め設
定した大きさの限界を越えないランダムな大きさの幾つ
かの欠陥を備えたエンジンを、エンジン品質、劣化、セ
ンサ偏りレベル、及び運転条件におけるランダム差異で
シミュレーションしてセンサ表示値の第２のセットを得
ることにより、訓練が行われることを特徴とする請求項
９に記載の方法。 - 【請求項１１】 エンジンの欠陥を推定するためにプロ
グラムされたプロセッサ（１２）であって、 測定されたエンジンの諸数値（１４）を第１の運転条件
でサンプリング（６２）し、 測定されたエンジンの諸数値（１８）を第２の運転条件
でサンプリング（６４）し、そして前記第１の運転条件
及び第２の運転条件で得られた前記測定されたエンジン
諸数値に基づいて推定される欠陥ベクトルｙを生成する
（６６）、ようにプログラムされていることを特徴とす
るプロセッサ（１２）。 - 【請求項１２】 前記サンプリングされたエンジン諸数
値（１４，１８）が、ロータ速度、温度、及び圧力のう
ちの少なくとも１つを含むことを特徴とする請求項１１
に記載のプロセッサ。 - 【請求項１３】 前記第１の運転条件及び第２の運転条
件のそれぞれが、アイドリング点、離陸点、上昇点、巡航
点、及び降下点のうちの少なくとも１つを含むことを特
徴とする請求項１１に記載のプロセッサ（１２）。 - 【請求項１４】 前記第１の運転条件が第１の飛行中に
生じ、前記第２の運転条件が次回の飛行中に生じること
を特徴とする請求項１１に記載のプロセッサ（１２）。 - 【請求項１５】 前記第１の運転条件と第２の運転条件
が両方とも同一の飛行中に生じることを特徴とする請求
項１１に記載のプロセッサ（１２）。 - 【請求項１６】 前記プロセッサが、前記第１の運転条
件でモデル（３０）演算されたパラメータのサンプリン
グを行うようにさらにプログラムされていることを特徴
とする請求項１１に記載のプロセッサ（１２）。 - 【請求項１７】 前記プロセッサが、前記第２の運転条
件でモデル（３０）演算されたパラメータを得るように
さらにプログラムされていることを特徴とする請求項１
１に記載のプロセッサ（１２）。 - 【請求項１８】 前記プロセッサが欠陥ベクトルｙを推
定するために、 ｙ＝ｘＲ ここで、ｘはセンサ及びモデル（３０）値のベクトルで
あり、そしてＲは回帰マトリックスである、 を決定するようプログラムされていることを特徴とする
請求項１１に記載のプロセッサ（１２）。 - 【請求項１９】 回帰マトリックスＲが、欠陥の無いエ
ンジンを、エンジン品質、劣化、センサ偏りレベル、及
び運転条件におけるランダム差異でシミュレーションし
てセンサ表示値の第１のセットを得て、予め設定した大
きさの限界を越えないランダムな大きさの幾つかの欠陥
を備えたエンジンを、エンジン品質、劣化、センサ偏り
レベル、及び運転条件におけるランダム差異でシミュレ
ーションしてセンサ表示値の第２のセットを得ることに
より、生成されることを特徴とする請求項１８に記載の
プロセッサ（１２）。 - 【請求項２０】 エンジンの欠陥を推定するためにプロ
グラムされたプロセッサ（１２）であって、 測定されたエンジンの諸数値（１４）を第１の運転条件
でサンプリング（６２）し、 測定されたエンジンの諸数値（１８）を第２の運転条件
でサンプリング（６４）し、そしてセンサ及びモデル
（３０）値の入力と欠陥の大きさの出力を含むニューラ
ルネットワークを実行することによって、推定される欠
陥ベクトルｙを生成するようにプログラムされたことを
特徴とするプロセッサ（１２）。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/466,153 US6502085B1 (en) | 1999-12-18 | 1999-12-18 | Methods and systems for estimating engine faults |
| US09/466153 | 1999-12-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001193477A true JP2001193477A (ja) | 2001-07-17 |
Family
ID=23850715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000381165A Withdrawn JP2001193477A (ja) | 1999-12-18 | 2000-12-15 | エンジンの欠陥を推定する方法とシステム |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6502085B1 (ja) |
| EP (1) | EP1114991A3 (ja) |
| JP (1) | JP2001193477A (ja) |
| IL (1) | IL140101A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004263692A (ja) * | 2003-02-28 | 2004-09-24 | General Electric Co <Ge> | ガスタービンエンジンの損傷を評価するための方法及び装置 |
| JP2007024047A (ja) * | 2005-07-18 | 2007-02-01 | General Electric Co <Ge> | タービンエンジンの排気ガス温度のトレンドをみるためのシステム及び方法 |
| JP2014211160A (ja) * | 2013-04-16 | 2014-11-13 | ジーイー・アビエイション・システムズ・リミテッドＧｅ Ａｖｉａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｌｉｍｉｔｅｄ | 抽気システムの故障を予測するための方法 |
| US9449438B2 (en) | 2013-04-16 | 2016-09-20 | Ge Aviation Systems Limited | Methods for predicting a speed brake system fault |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7020595B1 (en) * | 1999-11-26 | 2006-03-28 | General Electric Company | Methods and apparatus for model based diagnostics |
| US6917839B2 (en) * | 2000-06-09 | 2005-07-12 | Intellectual Assets Llc | Surveillance system and method having an operating mode partitioned fault classification model |
| US6466858B1 (en) | 2000-11-02 | 2002-10-15 | General Electric Company | Methods and apparatus for monitoring gas turbine engine operation |
| US6687596B2 (en) * | 2001-08-31 | 2004-02-03 | General Electric Company | Diagnostic method and system for turbine engines |
| US7233884B2 (en) | 2002-10-31 | 2007-06-19 | United Technologies Corporation | Methodology for temporal fault event isolation and identification |
| US6909960B2 (en) | 2002-10-31 | 2005-06-21 | United Technologies Corporation | Method for performing gas turbine performance diagnostics |
| US7177785B2 (en) * | 2003-08-22 | 2007-02-13 | Honeywell International, Inc. | Systems and methods for improved aircraft performance predictions |
| US7280941B2 (en) | 2004-12-29 | 2007-10-09 | General Electric Company | Method and apparatus for in-situ detection and isolation of aircraft engine faults |
| US7693643B2 (en) * | 2005-02-14 | 2010-04-06 | Honeywell International Inc. | Fault detection system and method for turbine engine fuel systems |
| ATE403898T1 (de) * | 2005-03-24 | 2008-08-15 | Abb Research Ltd | Abschätzen der zustandparameter oder erscheinung eines alternden systems |
| US7979192B2 (en) | 2006-03-31 | 2011-07-12 | Morrison Brian D | Aircraft-engine trend monitoring system |
| US20070260424A1 (en) * | 2006-05-05 | 2007-11-08 | Harold Brown | Methods and apparatus for estimating engine thrust |
| US7860635B2 (en) * | 2006-05-12 | 2010-12-28 | The United States Of America As Represented By The Secretary Of The Army | Singular value decomposition-based method for optimal estimation of turbofan engine thrust and other unmeasurable parameters |
| US8478473B2 (en) * | 2008-07-28 | 2013-07-02 | General Electric Company | Method and systems for controlling gas turbine engine temperature |
| GB2462826B (en) * | 2008-08-20 | 2014-03-12 | Rolls Royce Plc | A method for detecting overpressure inside a compartment associated with a gas turbine nacelle |
| US8862433B2 (en) | 2010-05-18 | 2014-10-14 | United Technologies Corporation | Partitioning of turbomachine faults |
| CN102288412B (zh) * | 2011-05-04 | 2013-05-01 | 哈尔滨工业大学 | 基于损伤基线的航空发动机硬件损伤分析与寿命预测方法 |
| RU2481564C1 (ru) * | 2011-12-29 | 2013-05-10 | Открытое акционерное общество "Научно-производственное объединение "Сатурн" (ОАО "НПО "Сатурн") | Турбореактивный двигатель, способ испытания турбореактивного двигателя, способ производства партии турбореактивных двигателей (варианты), способ эксплуатации турбореактивного двигателя |
| RU2484441C1 (ru) * | 2012-04-12 | 2013-06-10 | Открытое акционерное общество "Научно-производственное объединение "Сатурн" (ОАО "НПО "Сатурн") | Газотурбинный двигатель. способ испытания газотурбинного двигателя. способ производства партии газотурбинных двигателей (варианты). способ эксплуатации газотурбинного двигателя |
| GB2514108B (en) | 2013-05-13 | 2015-06-24 | Ge Aviat Systems Ltd | Method for diagnosing a bleed air system fault |
| RU2544639C1 (ru) * | 2013-11-07 | 2015-03-20 | Открытое Акционерное Общество "Уфимское Моторостроительное Производственное Объединение" (Оао "Умпо") | Способ серийного производства турбореактивного двигателя и турбореактивный двигатель, выполненный этим способом |
| RU2551911C1 (ru) * | 2013-11-07 | 2015-06-10 | Открытое Акционерное Общество "Уфимское Моторостроительное Производственное Объединение" (Оао "Умпо") | Турбореактивный двигатель |
| RU2551247C1 (ru) * | 2013-11-07 | 2015-05-20 | Открытое Акционерное Общество "Уфимское Моторостроительное Производственное Объединение" (Оао "Умпо") | Турбореактивный двигатель |
| RU2544409C1 (ru) * | 2013-11-07 | 2015-03-20 | Открытое Акционерное Общество "Уфимское Моторостроительное Производственное Объединение" (Оао "Умпо") | Способ серийного производства турбореактивного двигателя и турбореактивный двигатель, выполненный этим способом |
| RU2544419C1 (ru) * | 2013-11-07 | 2015-03-20 | Открытое Акционерное Общество "Уфимское Моторостроительное Производственное Объединение" (Оао "Умпо") | Способ доводки опытного газотурбинного двигателя |
| RU2544638C1 (ru) * | 2013-11-07 | 2015-03-20 | Открытое Акционерное Общество "Уфимское Моторостроительное Производственное Объединение" (Оао "Умпо") | Газотурбинный двигатель |
| RU2551915C1 (ru) * | 2013-11-07 | 2015-06-10 | Открытое Акционерное Общество "Уфимское Моторостроительное Производственное Объединение" (Оао "Умпо") | Способ серийного производства газотурбинного двигателя и газотурбинный двигатель, выполненный этим способом |
| DE102016008987B4 (de) * | 2015-07-31 | 2021-09-16 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
| RU2640972C1 (ru) * | 2017-03-14 | 2018-01-12 | Публичное акционерное общество "ОДК - Уфимское моторостроительное производственное объединение" (ПАО "ОДК-УМПО") | Способ диагностики технического состояния двухконтурного газотурбинного двигателя при эксплуатации |
| US11829229B2 (en) | 2022-04-26 | 2023-11-28 | Hamilton Sundstrand Corporation | Apparatus and method for diagnosing no fault failure found in electronic systems |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4215412A (en) | 1978-07-13 | 1980-07-29 | The Boeing Company | Real time performance monitoring of gas turbine engines |
| GB8902645D0 (en) * | 1989-02-07 | 1989-03-30 | Smiths Industries Plc | Monitoring |
| US5402521A (en) * | 1990-02-28 | 1995-03-28 | Chiyoda Corporation | Method for recognition of abnormal conditions using neural networks |
| US5080496A (en) | 1990-06-25 | 1992-01-14 | General Electric Company | Method and apparatus for compensated temperature prediction |
| JP3196390B2 (ja) | 1992-12-25 | 2001-08-06 | 富士電機株式会社 | パラメータ同定器 |
| US5726891A (en) | 1994-01-26 | 1998-03-10 | Sisson; Patterson B. | Surge detection system using engine signature |
| US5689066A (en) | 1995-08-15 | 1997-11-18 | Stevenson; Dennis B. | Method and apparatus for analyzing gas turbine pneumatic fuel system |
| FR2739145B1 (fr) * | 1995-09-25 | 1998-12-18 | Bosch Gmbh Robert | Procede de detection des rates de combustion d'un moteur a combustion interne |
| US5751609A (en) * | 1996-10-24 | 1998-05-12 | The United States Of America As Represented By The Secretary Of The Navy | Neural network based method for estimating helicopter low airspeed |
| GB2321720A (en) | 1997-02-04 | 1998-08-05 | Secr Defence | Modelling a system with more parameters than sensors |
| US5971319A (en) * | 1997-09-05 | 1999-10-26 | Zero-Gravity Corporation | System for converting jet aircraft to parabolic flight operation |
| US6285947B1 (en) * | 1999-10-28 | 2001-09-04 | Brunswick Corporation | Prognostication of future failure of an engine indicator parameter |
| US7020595B1 (en) * | 1999-11-26 | 2006-03-28 | General Electric Company | Methods and apparatus for model based diagnostics |
-
1999
- 1999-12-18 US US09/466,153 patent/US6502085B1/en not_active Expired - Fee Related
-
2000
- 2000-12-05 IL IL14010100A patent/IL140101A/en not_active IP Right Cessation
- 2000-12-15 EP EP00311261A patent/EP1114991A3/en not_active Withdrawn
- 2000-12-15 JP JP2000381165A patent/JP2001193477A/ja not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004263692A (ja) * | 2003-02-28 | 2004-09-24 | General Electric Co <Ge> | ガスタービンエンジンの損傷を評価するための方法及び装置 |
| JP4630543B2 (ja) * | 2003-02-28 | 2011-02-09 | ゼネラル・エレクトリック・カンパニイ | ガスタービンエンジンの損傷を評価するための方法及び装置 |
| JP2007024047A (ja) * | 2005-07-18 | 2007-02-01 | General Electric Co <Ge> | タービンエンジンの排気ガス温度のトレンドをみるためのシステム及び方法 |
| JP2014211160A (ja) * | 2013-04-16 | 2014-11-13 | ジーイー・アビエイション・システムズ・リミテッドＧｅ Ａｖｉａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｌｉｍｉｔｅｄ | 抽気システムの故障を予測するための方法 |
| US9449438B2 (en) | 2013-04-16 | 2016-09-20 | Ge Aviation Systems Limited | Methods for predicting a speed brake system fault |
Also Published As
| Publication number | Publication date |
|---|---|
| US6502085B1 (en) | 2002-12-31 |
| IL140101A (en) | 2004-06-01 |
| EP1114991A2 (en) | 2001-07-11 |
| IL140101A0 (en) | 2002-02-10 |
| EP1114991A3 (en) | 2003-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2001193477A (ja) | エンジンの欠陥を推定する方法とシステム | |
| US7020595B1 (en) | Methods and apparatus for model based diagnostics | |
| EP1790838B1 (en) | Model-based iterative estimation of gas turbine engine component qualities | |
| Barad et al. | Neural network approach for a combined performance and mechanical health monitoring of a gas turbine engine | |
| CN111240235A (zh) | 从通用模型库自生成特定于发动机的健康监测模型 | |
| US8903692B2 (en) | Method for the detection of failures in a turbomachine by means of a theoretical model of the thermodynamic cycle of the said turbomachine | |
| Yang et al. | A strong tracking filter based multiple model approach for gas turbine fault diagnosis | |
| Yildirim et al. | Engine health monitoring in an aircraft by using Levenberg-Marquardt feedforward neural network and radial basis function network | |
| US20170146976A1 (en) | Fault detection methods and systems | |
| EP3451085A1 (en) | Method for selection of optimal engine operating conditions for generating linearized models for on-board control and estimation | |
| Wolters et al. | Engine performance simulation of the integrated V2527-Engine Fan | |
| Kong et al. | Study on fault diagnostics of a turboprop engine using inverse performance model and artificial intelligent methods | |
| Malloy et al. | F-22/f119 Propulsion system ground and flight test analysis using modeling and simulation techniques | |
| Verbist et al. | Experience with gas path analysis for on-wing turbofan condition monitoring | |
| FR3026785A1 (fr) | Surveillance d'un ensemble du systeme propulsif d'un aeronef | |
| Beale et al. | Requirements and advances in simulating aircraft inlet total pressure distortion in turbine engine ground tests | |
| Barbosa et al. | Industrial gas turbine diagnostics using fuzzy logic | |
| Gorinevsky et al. | Model-based diagnostics for small-scale turbomachines | |
| Vogel et al. | A Top-Down Approach for quantifying the contribution of high pressure compressor deterioration mechanisms to the performance deterioration of Turbofan engines | |
| Bazmi et al. | New Thermodynamic Model and Mathematical Analytical in T400 Turboshaft Power Assurance Test Process | |
| Stenfelt | On model based aero engine diagnostics | |
| Kim et al. | Suitability of performance adaptation methods for updating the thermodynamic cycle model of a turboprop engine | |
| US20230012799A1 (en) | Vibration response reduction for aircraft engines | |
| Rootliep et al. | Evolutionary algorithm for enhanced gas path analysis in turbofan engines | |
| EP4123120A1 (en) | Method for balancing a rotating system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20080304 |