JP2007138937A - 品質パラメータを使用したガスタービンエンジン用の制御システム - Google Patents

Abstract

【課題】ガスタービンエンジンにおける範囲内センサ不良を識別するシステムを提供する
【解決手段】本システムは、埋込みモデル(10)内での追跡部品品質の観察及びセンサ誤差に対応する品質変化の異常パターンの認識により範囲内センサ不良を識別する。埋込みモデルは、ロータ速度、温度及び圧力のような検知パラメータ(54)の推定並びに入力パラメータに基づいて計算される他のパラメータの推定に使用される。ファン(12)、圧縮機(14)、燃焼器(24)、タービン(16、18)、ダクト(30)及びノズル(26、32)を含むエンジン(40)の各主要回転部品は個別にモデル化される。センサ故障は、部品品質パラメータ(54)における異常パターンの識別により検出される。異常パターンのライブラリを設けトラッキングフィルタ(48)によって生成された品質パラメータを該異常パターンのライブラリと比較する。一致した場合にはトラッキングフィルタによりセンサを排除しかつ推定モデルパラメータ(54)を使用して、モデル品質パラメータ(50)の悪化を回避する。
【選択図】 図２

Description

本発明は、ガスタービンエンジンを制御するためのシステムを対象とし、より具体的には、エンジンの主要回転部品を表現するパラメータ化コンポーネントレベルモデル（ＣＬＭ）を使用して範囲内センサ故障を検出するためのシステムを対象とする。

既存のガスタービンエンジンは一般的に、多くの場合にＦＡＤＥＣ（全自動デジタル電子制御装置（Ｆｕｌｌ Ａｕｔｈｏｒｉｔｙ Ｄｉｇｉｔａｌ Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ））と呼ばれるデジタル／電子エンジン制御システムを使用している。ＦＡＤＥＣは、各種のエンジンシステム、サブシステム及び部品の数学及び計算モデルを含む。これらの数学／計算モデルは、エンジンシステム、サブシステム及び部品の挙動を予測しかつ制御するために使用されることが多い。エンジン挙動の予測及び制御は、（１）エンジンの様々な部品内に設置したセンサ（温度、圧力、速度等）による実際のエンジン挙動のフィードバック、（２）エンジンシステム、サブシステム及び部品の挙動の計算値及び予測値、並びに（３）特定のエンジン運転条件下における所望の又は目標とするシステム、サブシステム及び部品の挙動を記述する計画値を利用することができる。

現在では、埋込み（内蔵）ＣＬＭトラッキング法は、主要回転部品を個別モジュールとして表現している。トラッキングフィルタが、エンジンセンサ値をモデル計算センサ値に一致させるように、ＣＬＭモデル内の部品品質パラメータを調整する。既存のＣＬＭ法では、エンジンセンサが正確な情報を提供していると想定している。ＦＡＤＥＣは、センサ範囲、限界値及び信号の妥当性確認を実行する。範囲外センサ故障は、ＦＡＤＥＣロジックによって容易に検出されるが、範囲内センサ値を診断するのは困難である。

エンジン挙動を予測しかつ制御するために、数学／計算モデルは、物理サイズ（寸法、形状）、熱膨張係数、弾性係数、剛性、時定数並びにその他の物理的、機械的及び熱的特性のような当該エンジンシステム、サブシステム及び部品の物理的性質に関する情報を含む。この物理的性質に関する情報は一般的に、エンジン制御システム内に事前にプログラムされており、新品の時にはエンジンシステム、サブシステム又は部品の物理的状態を表している。長期間にわたる顧客／ユーザによるエンジン運転の間に、エンジンシステム、サブシステム及び部品の物理的性質の変化が生じる可能性がある。そのような変化の実例は、磨耗及び変形であり、これら磨耗及び変形は、エンジンシステム、サブシステム又は部品の物理寸法及び形状を変化させる。そのような物理的性質の変化は、多くの場合、エンジン性能及び効率を低下又は悪化させて、燃料消費量の増大及びエンジン寿命の短縮を招く。好ましくないこの性質の変化は、劣化と呼ばれる。エンジンが長期間にわたり劣化しかつ物理的変化を受けるにつれて、劣化したエンジンシステム、サブシステム及び部品の物理的性質は、最初にエンジン制御システム内に事前にプログラムした物理的性質から逸脱し始める。エンジンから制御システムへの変化した物理的性質の直接フィードバックが利用可能でない場合（現代のエンジン制御システムでの場合であるとして）に、制御システムは、物理的変化を考慮することができない。劣化した物理的性質（エンジンにおける）と新品の物理的性質（制御システムにおける）との間で生じた偏差は、数学計算モデル内に不一致をもたらす。これらの不一致は、特定のエンジンシステム、サブシステム又は部品の挙動を正確に予測しかつ制御するエンジン制御システムの能力を損なう。このことにより、エンジン効率及び寿命の低下、燃料消費量の増大及びエンジン性能に対するその他の好ましくない影響が生じるおそれがある。

劣化した物理的性質と新品の物理的性質との間の偏差は、物理的オーバホール及びメンテナンスによって解決される場合が最も多く、その場合には、物理的性質が劣化した状態から新品の状態に修復される。性能修復と呼ばれることもあるこの物理的メンテナンスは、特定のエンジンシステム、サブシステム又は部品を新品のハードウエアと交換することによる又はハードウエアを物理的に処理（補修）することによるかのいずれかによって達成される。しかしながら、この種の物理的オーバホール及びメンテナンスは、困難であり、時間がかかり、不都合であり、かつ費用がかかる。劣化した状態と新品の状態との間の制御システムの偏差に対処する有効な方法は、必然的にエンジンセンサに高い信頼度を置くことになる。センサ故障が、その関連したパラメータが通常作動範囲内にあるので検出されない場合には、制御システムは、誤ったパラメータを追跡（トラッキング）し、その結果欠陥のある更新モデルを形成することになる。

範囲内センサ故障を検出する１つの方法が、米国特許第６，３１４，３５０Ｂ１に開示されている。センサステータス監視ロジックが、現在のセンサステータスを前回のステータスと比較し、飛行中に各被監視センサでそのステータスが変化した回数を示す推移カウントを生成する。時間継続テーブルが、ステータスがその可能な状態の各々において記録された時間総計を記録する。推移カウンタが所定の閾値を超えた時に、メンテナンスロジックは、推移カウンタ出力を使用してリアルタイムのメンテナンスメッセージを生成する。また、時間継続テーブルを該テーブルからパターンを検出するように使用して、デフォルトの種類を自動的に検出することができまた適切な飛行後のメンテナンスメッセージを生成することができるようにする。この方法は、範囲内センサ故障を含むセンサ故障を予想することができる断続を検出するが、この方法は、故障を正確に予想することができない閾値設定値に基づいて不良を想定しており、不必要なメンテナンスメッセージをもたらすことになる。
米国特許第６，３１４，３５０Ｂ１号公報 米国特許出願公開第２００５／０１０７９４２Ａ１号公報 米国特許第６，８６８，３２５Ｂ２号公報 米国特許第６，８２３，２５３Ｂ２号公報 米国特許第６，７５７，６６８Ｂ１号公報 米国特許第６，７４１，９１９Ｂ１号公報 米国特許出願公開第２００４／００８８１００Ａ１号公報 米国特許第６，５６４，１０９Ｂ１号公報 米国特許第６，５３５，１２４Ｂ１号公報 米国特許第６，５３２，４１２Ｂ２号公報 米国特許第６，４６６，８５８Ｂ１号公報 米国特許第６，４６３，３８０Ｂ１号公報 米国特許第６，１５７，３１０号公報 米国特許第５，９１２，６２７号公報 米国特許第５，５９４，６６５号公報 米国特許第５，５６６，０９１号公報 米国特許第５，５５２，７１１号公報 米国特許第５，５２６，２６６号公報 米国特許第５，３７９，５８４号公報 米国特許第５，３７７，１１２号公報 日本特許出願公開第２００４／２３２６４３Ａ号公報 日本特許出願公開第２００２／１８０８５１Ａ号公報 日本特許出願公開第２００１／３２９８５６Ａ号公報 日本特許出願公開第２００１／０９０５５４Ａ号公報

従って、埋込みモデル内での追跡部品品質を観察すること及びセンサ誤差に対応する品質変化の異常パターンを認識することによって、範囲内センサ不良を検出するための診断システムに対するニーズが存在する。

本発明は、埋込みモデル内での追跡部品品質を観察すること及び実際の部品品質変化ではなくてセンサ誤差に対応する品質変化の異常パターンを認識することによって、ガスタービンエンジンにおける範囲内センサ不良を識別するためのシステム及び方法を開示する。

エンジンの埋込みモデルは、ロータ速度、温度及び圧力のような検知パラメータを推定するのに使用され、また環境条件、動力設定値及びアクチュエータ位置を含む入力パラメータに基づいて失速マージン、推力及び空気流量のようなパラメータを推定するのに使用される。本埋込みモデルは、物理ベースモデル、回帰適合モデル又はニューラルネットワークモデルとすることができる。１つの実施形態では、ファン、圧縮機、燃焼器、タービン、ダクト及びノズルを含むエンジンの各主要回転部品を個別にモデル化した物理ベース空気力学エンジンモデルを使用する。

従来型の信号処理を用いて検出すのが困難なセンサ不良は、部品品質パラメータにおける異常パターンを識別することによって検出することができる。さらに、エンジンを制御するのに又はエンジンを診断するのに使用する埋込みモデルは、部品品質パラメータ内の異常パターンが検出された場合に、範囲内センサ故障によって引き起こされた「ドリフトした」品質パラメータに追従するのを防止され、それによって制御又は診断システムによって使用されるモデル計算パラメータの悪化を回避することができる。

本制御システムは、ＣＬＭ推定作動パラメータに対する検知作動パラメータの変化を監視し、その監視した変化に基づいて更新品質パラメータの組を生成するためのトラッキングフィルタを含む。パターン認識モジュールが、異常パターンのライブラリを保管するためのデータ記憶装置を含み、異常パターンのライブラリ内の各パターンは、生成エンジン部品品質パラメータの組に対応した複数の既知の品質パラメータを有する。パターン認識モジュールはまた、複数のエンジン部品の更新品質パラメータが複数の異常パターンのうちの少なくとも１つの異常パターンに一致する時点を識別しかつ生成品質パラメータの組が所定の品質パラメータの少なくとも１つの組に一致することに応答して故障センサを判定するように構成されたロジックを含む。

さらに別の実施形態では、本発明は、複数の推定エンジン部品パラメータを生成するためのガスタービンエンジンのコンポーネントレベルモデル（ＣＬＭ）を対象とし、本コンポーネントレベルモデル（ＣＬＭ）は、複数のエンジン部品の各々についての個別モデルを含み、各個別モデルは、少なくとも１つの推定作動パラメータ及び複数の品質パラメータを含む。

本発明の１つの実施形態は、ガスタービンエンジンにおける範囲内センサ故障を検出する方法を対象とし、本方法は、複数のエンジン部品の複数の推定作動パラメータ及び推定品質パラメータを含むコンポーネントレベルモデルを準備する段階と、複数のエンジン部品に関連した複数の作動パラメータを検知する段階と、その複数の検知作動パラメータをコンポーネントレベルモデルの複数の推定作動パラメータと比較する段階と、検知作動パラメータの複数の推定作動パラメータとの比較に基づいてエンジン部品品質パラメータの組を生成する段階と、その中の各パターンが生成エンジン部品品質パラメータの組に対応した複数の既知の品質パラメータを有する異常パターンのライブラリを保管する段階と、異常パターンの少なくとも１つに一致する生成エンジン部品品質パラメータの組に対応する複数の検知パラメータのうちの少なくとも１つの検知パラメータを排除することに応答して機能不良センサを識別する段階とを含む。

別の実施形態では、本方法はまた、異常パターンを識別することに応答して検知作動パラメータの少なくとも１つの代わりにコンポーネントレベルモデルの推定作動パラメータの少なくとも１つを用いる段階を含むことができる。さらに、本方法は、複数の検知作動パラメータを複数の推定作動パラメータと比較することに応答して、コンポーネントレベルモデルの推定作動パラメータを更新する段階を含むことができる。

別の実施形態では、本発明は、複数の部品を有するガスタービンエンジン用の制御システムを対象とする。本制御システムは、エンジンに制御コマンドを送るための制御モジュールを含む。複数の部品センサが、複数のエンジン部品の各部品に関連した少なくとも１つの作動パラメータを検知するために設けられる。また、コンポーネントレベルモデル（ＣＬＭ）が、所定のエンジンモデルに基づいて複数の推定エンジン部品パラメータを生成するために設けられる。ＣＬＭは、複数のエンジン部品の各々についての個別モデルを有する。各個別モデルは、少なくとも１つの推定作動パラメータ及び複数の品質パラメータを有する。

本発明の利点は、センサ値がその通常範囲の外にドリフトした時にだけセンサ故障を検出する従来型の制御システムによってはそれ以外では検出されないことになったであろう範囲内センサ故障を検出することができることである。

本発明のもう１つの利点は、制御又は診断システム内部に埋込まれたエンジンモデルが範囲内不良センサに追従するのを防止し、それによって制御又は診断システムによって使用されるモデル計算パラメータが悪化するのを防止することができることである。

本発明の他の特徴及び利点は、本発明の原理を一例として示す添付の図面と関連して行った以下の好ましい実施形態のより詳細な説明から明らかになるであろう。

図１を参照すると、図示したコンポーネントレベルモデル（ＣＬＭ）１０は、物理ベースモデルを表わしている。エンジンの埋込みモデル１０は、ロータ速度、温度及び圧力のような検知パラメータ、並びに入力パラメータに基づいた失速マージン、推力及び空気流量のようなパラメータを推定するために使用される。入力パラメータは、環境条件、動力設定値及びアクチュエータ位置を含む。埋込みモデルは、物理ベースモデル、回帰適合モデル又はニューラルネットワークモデルとすることができる。好ましい実施形態では、ファン１２、圧縮機１４、燃焼器２４、タービン１６、１８、ダクト３０及びノズル２６、３２を含むエンジンの各主要回転部品を個別にモデル化した物理ベース空気力学エンジンモデルを使用する。

ＣＬＭ１０は、飛行条件、制御変数入力及び高圧圧縮機ブリードに対する現実的感度を備えた高速実行移行エンジンサイクル表現になるように設計される。ＣＬＭの品質パラメータは、各主要回転部品につての流量及び効率修飾子を含む。ファン１２、圧縮機１４、高圧（ＨＰ）タービン１６、低圧（ＬＰ）タービン１８及び幾つかのケースではブースタ２０の各々は、流量修飾子及び効率修飾子を有する。このことは、８個の品質パラメータ或いはブースタ２０を含む場合には１０個の品質パラメータを有するＣＬＭ１０を構成する。これらの品質パラメータは、それらの公称値から調整又は摂動させ、それによってモデル計算に影響を与えることができる。これらの品質パラメータの適切な操作によって、モデルが、エンジン間の製造変動、エンジン劣化又は損傷エンジン部品の影響を考慮するように特定のエンジンの挙動をより正確にシミュレートすることが可能になる。ＣＬＭ１０の品質パラメータを摂動させることにより、モデルでの計算センサ値を実際のエンジンセンサ値により良好に一致させることが可能になる。

物理ベースモデルは、空気入口２２、バーナ２４、コアノズル２６、バイパスダクト３０及びバイパスノズル３２を含む付加的部品を有する。ＣＬＭ１０は、同様にこれらの部品に関連したパラメータを検知する。

センサ値が正確であると想定すると、モデル品質パラメータは、検知パラメータがモデル品質パラメータを用いて長期間にわたり追跡（トラッキング）される時に、実際のエンジン部品品質レベルを反映することになる。モデル品質パラメータの追跡は、トラッキングフィルタ４８（図２を全体として参照）によって遂行される。これらの実際の部品品質レベルは、エンジンの問題点を診断するために使用することができる。例えば、「大型」の鳥のファンへの衝突は、モデル１０内でのファン１２の流量及び効率に「大きな」ネガティブシフトをもたらすことになる。このネガティブシフトは、モデル１０の出力をエンジンセンサによって生成された実際の値に一致させようとするトラッキングフィルタ４８の働きの結果である。鳥がファンに衝突したことによって引起された損傷が圧縮機１４まで伝播した場合には、圧縮機品質パラメータにおけるネガティブシフトがＣＬＭ１０内でも観察されることになる。

しかしながら、センサが範囲内故障を受けた場合には、モデル１０の部品品質は、トラッキングフィルタ４８がモデル値を誤ったセンサ値に合わせようとするのにつれて、変化する。しかしながら、故障センサを用いて生成された品質パラメータ（生成品質パラメータ）の変動は、通常品質パラメータがガス流路内の実際の劣化又は損傷に関連している場合での品質パラメータの通常変化とは異なる。例えば、範囲内センサ故障によって生じた計測ＰＳ３のドリフトにより、対応する推定圧縮機流量の増加につれて推定ＨＰタービン流量が減少するという結果になる可能性がある。そのような流量パターンは、異常であるか、又はガス流路の損傷又は劣化により生じる実際の流量パターンと矛盾している。

起こり得る物理的ガス流路事象と矛盾した品質パラメータの推定変化の組として定義される異常パターンは、特定の範囲内センサ故障に関連付けることができる。例えば、ファン効率はエンジンが劣化するか又は損傷した時には実際には低下することになるので、ファン効率の増大を含む推定品質変化の組は、実際の部品品質変化に対応することはあり得ない。推定品質パラメータにおけるそのようなパターンを識別することによって、範囲内センサ故障を検出することができる。

図２を参照すると、ブロック図は本発明のシステムを示している。ＦＡＤＥＣ４４内の制御ロジック装置４２は、タービンエンジン４０に制御コマンド３８を送る。制御ロジック装置４２は、プロセッサを含むことができ、このプロセッサは、マイクロプロセッサ及びＲＡＭ、Ｉ／Ｏ装置等のような関連する構成要素によって実行することができる。エンジン部品のパラメータが検知され、検知エンジン値４６が、制御ロジック装置４２及びトラッキングフィルタ４８の入力に戻される。トラッキングフィルタ４８は、検知エンジン値４６を埋込みモデル５６により生成されたモデル計算値５０と比較する。トラッキングフィルタ４８は、更新品質パラメータの組５４を生成し、この更新品質パラメータの組は、異常パターンを検出するパターン認識モジュール５２に入力される。パターン認識モジュール５２は、異常パターンのライブラリを含むデータ記憶装置を含む。異常パターンは、学習経験が既知のパラメータの組が異常であることをそこから知らせる履歴データから引き出すことができるか、又は例えば、長期間にわたるエンジン効率の増大が異常パターンであることを判定することができるアルゴリズムにより生成することができる。推定品質パラメータ５４はまた、矢印５８で示すように埋込みモデル５６を更新するのに使用される。

エンジンの埋込みモデル１０は、ロータ速度、温度及び圧力のような検知パラメータを推定するのに、並びに環境条件、動力設定及びアクチュエータ位置を含む入力パラメータに基づいて失速マージン、推力及び空気流量のようなパラメータを推定するのに使用される。埋込みモデル１０は、物理ベースモデル、回帰適合モデル又はニューラルネットワークモデルとすることができる。開示した実施形態は、物理ベース空気力学エンジンモデルを使用して、ファン１２、圧縮機１４、燃焼器２４、ＨＰタービン１６、ＬＰタービン１８、バイパスダクト３０及びバイパスノズル３２を含むエンジンの各主要回転部品を個別にモデル化する。

次に図３を参照すると、パラメトリック品質推定制御法の制御線図を説明している。エンジン中間定格出力（ＩＲＰ）において計測されたエンジンセンサ値４６は、減算回路６０に入力される。モデル計算値５０は、エンジンセンサ値４６から減算されて、差異（又はデルタ）信号６４が、品質調整値を計算するために制御ブロック６６内に入力される。反復プロセス６８は、スイッチ７０として示すサンプリング速度を制御する。このサンプリング速度は、エンジンモデルが反復的に更新される速度である。反復プロセス遅れは、約２５０ミリ秒（ｍｓ）であるのが好ましい。

更新エンジンモデル７２は、計算品質調整値６６によって２５０ミリ秒毎に更新される。更新エンジンモデル７２は次に、埋込みモデル５６に入力される。ＩＲＰにおける運転条件７６もまた、埋込みモデル５６に入力される。埋込みモデル５６は、最適部品品質調整値の組７８を生成し、また、更新モデル計算センサ値の組５０を生成して減算器６０へのフィードバックループを閉じる。モデル計算センサ値は、ＩＲＰエンジンセンサ値４６から減算されて、再び次の反復を開始する。反復プロセスは、飛行の間に２５０ミリ秒又はその他の所定の時間間隔毎にエジンモデル５６の継続的サンプリング及び更新を実行する。

上記の反復プロセスは、図４に示す品質最適化プロセスにおいて使用することができる。埋込みエンジンモデル５６は、部品品質調整値の組８０を出力する。部品品質調整値８０は、ステップ８２に示すように、前回の任務と飛行毎に１回比較される。その後、部品品質調整値８０は、ステップ８４において今回の離陸品質パラメータと比較される。ステップ８２及び８４の両方の出力は、不良検出及び分離分類器８６に接続される。不良検出及び分離分類器８６の出力は次に、エンジン不良及び範囲内センサ故障の診断８８のために送られる。

これらの品質パラメータは、正確であると想定したセンサ値を使用して追跡される。しかしながら、信号が範囲内センサ故障に起因してドリフトした場合には、デルタ値をより大きくすることができる。本発明は、上述のように異常パターンを認識することによって通常モード故障と共にそのような範囲内センサ故障を検出するように設計される。異常パターンは、エンジン効率の増大のような起こり得ない事象を識別するように設計されたアルゴリズムによって判定することができる。また、異常パターンは累積ライブラリ内に保管することができ、それによって保管異常パターンと一致するパラメータの組により、履歴又はモデル生成パターンに基づいて範囲内センサ故障が識別されることになる。範囲内センサ故障が飛行中に検出された場合には、制御システムは、不良センサ値の代わりにモデル計算センサ値を代用することができる。

好ましい実施形態に関して本発明を説明してきたが、本発明の技術的範囲から逸脱することなく本発明の要素に対して様々な変更を加えることができまた本発明の要素を均等物と置き換えることができることは、当業者には明らかであろう。さらに、本発明の本質的な技術的範囲から逸脱することなく、特定の状況又は物的要件を本発明の教示に適合するように多数の修正を加えることができる。従って、本発明は、本発明を実施するのに考えられる最良の形態として開示した特定の実施形態に限定されるものではなく、本発明は、特許請求の範囲の技術的範囲に属する全ての実施形態を包含することになることを意図している。

物理ベース埋込みコンポーネントレベルモデルの概略図。 埋込みモデル品質パラメータを使用する本発明のブロック図。 ガスタービン品質推定プロセスの線図。 ガスタービン故障検出／分離プロセスの線図。

符号の説明

１０ ＣＬＭ（エンジンモデル）
１２ ファン
１４ 高圧圧縮機
１６ 高圧タービン
１８ 低圧タービン
２０ ブースタ圧縮機
２２ 空気入口
２４ バーナ
２６ コアノズル
２８ バイパスダクト
３０ バイパスノズル
３２ 排出
３８ 制御コマンド
４０ タービンエンジンロジック
４２ 制御ロジック装置
４４ ＦＡＤＥＣ
４６ エンジンセンサ値
４８ トラッキングフィルタ
５０ モデル計算値
５２ パターン認識モジュール
５４ 推定品質パラメータ
５６ 埋込みモデル
６０ 減算回路
６４ 差異（又はデルタ）信号
６６ 制御ブロック
６８ 反復プロセス
７０ スイッチ
７２ 更新エンジンモデル
７８ 最適部品品質調整値

Claims (10)

1. 複数のエンジン部品を有するガスタービンエンジン（４０）用の制御システムであって、
   エンジン（４０）に制御コマンドを送るための制御モジュール（４２）と、
   前記複数のエンジン部品の各部品に関連した少なくとも１つの作動パラメータを検知するための複数の部品センサと、
   少なくとも１つの推定作動パラメータ及び複数の品質パラメータをその各々が有する個別モデルを前記複数のエンジン部品の各々について備えた、所定のエンジンモデルに基づいて複数の推定エンジン部品パラメータ（５０）を生成するためのコンポーネントレベルモデル（ＣＬＭ）（５６）と、
   前記ＣＬＭ（５６）の推定作動パラメータ（５０）に対する前記検知作動パラメータの変化を監視し、該監視した変化に基づいて更新品質パラメータの組（５４）を生成するためのトラッキングフィルタ（４８）と、
   その中の各パターンが前記生成エンジン部品品質パラメータの組（５４）に対応した複数の既知の品質パラメータを含む異常パターンのライブラリを保管するためのデータ記憶装置と、前記複数のエンジン部品の更新品質パラメータ（５４）が前記複数の異常パターンのうちの少なくとも１つの異常パターンに一致する時点を識別しかつ前記生成品質パラメータの組が所定の品質パラメータの少なくとも１つの組に一致することに応答して故障センサを判定するように構成されたロジックとを含むパターン認識モジュール（５２）と、
   を含むシステム。
2. 前記トラッキングフィルタ（４８）が、
   前記複数のエンジン部品の各々について前記少なくとも１つの検知作動パラメータ（４６）を受け、
   前記コンポーネントモデル（５６）によって前記少なくとも１つの検知作動パラメータ（４６）を対応する推定作動パラメータ（５０）と比較し、
   前記複数のエンジン部品のサブセットについての品質パラメータの組（５４）を生成し、かつ
   前記パターン認識モジュール（５２）によって処理するための計算パラメータの組（５４）を出力する、ように構成される、
   請求項１記載のシステム。
3. 各個別モデル内の前記推定品質パラメータ（５０）が、前記生成品質パラメータ（５４）により反復的に更新される、請求項１記載のシステム。
4. 前記ＣＬＭ（５６）が、物理ベースモデル、回帰適合モデル及びニューラルネットワークモデルの１つである、請求項１記載のシステム。
5. 前記異常パターンが、その中で該異常パターンがこれ迄に識別された履歴データから導出されるか、又は該異常パターンを判定することができる少なくとも１つのアルゴリズムによって生成される、請求項１記載のシステム。
6. 前記検知作動パラメータ（４６）が、ロータ速度、温度及び圧力を含む、請求項１記載のシステム。
7. 複数の入力パラメータに基づいた複数の計算パラメータをさらに含み、前記計算作動パラメータが、失速マージン、推力及び空気流量を含み、前記入力パラメータが、環境条件、動力設定値及びアクチュエータ位置を含む、請求項１記載のシステム。
8. 前記ＣＬＭが、前記複数のエンジン部品の各々についての個別モデルを含み、各個別モデルが、少なくとも１つの推定作動パラメータ及び複数の品質パラメータを有する、請求項１記載のシステム。
9. 前記複数のエンジン部品が、ファン（１２）、圧縮機（１４）、高圧タービン（１６）、低圧タービン（１８）及びブースタ（２０）を含む、請求項８記載のシステム。
10. 前記個別エンジンコンポーネントモデルの各々が、流量修飾子及び効率修飾子を含む、請求項９記載のシステム。

Images