JP5046104B2 - ガスタービンエンジンの性能推定方法およびシステム - Google Patents

Description

本発明は、ガスタービンエンジンの性能推定方法およびシステム、特にエンジンの制御器に組み込み可能であり且つオンラインでリアルタイムにエンジンの計測不能項目を計測可能項目から推定し、その推定結果を用いて適切なエンジン制御を実現するガスタービンエンジンの性能推定方法およびシステムに関するものである

航空用ガスタービンエンジンは航空機に搭載されて使用される性質上、運転中に発生する推力などの性能に関するパラメータの多くは直接計測することが難しい。また、エンジンの内部の温度・圧力といったエンジンの状態量をあらわすパラメータも安全上その他の理由により計測できない箇所が多い。そのため、通常、エンジンの制御においては本来制御を行いたいが計測することができない推力等そのものを制御するのではなく、エンジンの回転数等の計測可能項目を目安に間接的に制御を行ったり、監視計測などにおいて重要な部位の温度・圧力は計測できないが、他の計測できる箇所の温度・圧力等から両者の相関等により推測したりすることが一般的である。このような方法では、経年劣化や故障・不具合等による性能の変化があり、その結果、回転数等の計測可能項目と推力等の計測できないパラメータとの相関関係がそれまでの関係から変化したとしても、制御の方法を適切に調整することはできない上に、重要部位の温度・圧力の推定値が実際の計測値からズレることにもなる。
上記のように経年劣化、損傷等によるエンジンの性能変化があった場合に、エンジン制御系を適切に調整し最適な制御を行うためには、常にエンジンの性能状態を監視し、性能変化を推定する仕組みが必要となる。これまでガスパスアナリシスと呼ばれるエンジンのガス通過要素の性能変化を同定するコンディションモニタリングの手法や、カルマンフィルタを利用したエンジンの性能推定の方法等が実用化されている。
しかしこれらの手法はいずれも線形理論に基づいた手法であり、航空用エンジンのような非線形システムには適用できないため、通常、線形区分法によりあらかじめシステム・マトリクス等の必要データを計算しデータテーブルを作成しておき、実行時にはこのデータテーブルを内挿して使用する手法を採用している。このデータテーブルは、制御変数、状態変数、観測変数の数、さらには飛行高度・飛行マッハ数などの異なるエンジン作動点の近似点数によって増大し、航空用エンジンの作動範囲を網羅しようとすると莫大な点数のデータが必要となり実用的でない。また、線形システム理論に基づいたカルマンフィルタの欠点を補うため、実機エンジンに忠実な非線形ダイナミックシミュレーション・モデル等を利用し、運転条件が変わる都度カルマンフィルタ・ゲインを再計算する拡張カルマンフィルタの手法が知られている（例えば、特許文献１を参照。）。この拡張カルマンフィルタ手法を用いた場合、莫大な点数のデータを用意しておく必要はないが、計算負荷の高いカルマンフィルタ・ゲインの計算を都度行う必要があり計算能力の高い計算機器が必要となるが、信頼性が最優先される航空エンジン組み込み機器等においてはこのような計算能力の高い機器を用いるのは現実的でない。

特開２００５−２４８９４６号公報

上述した通り、拡張カルマンフィルタを利用して非計測または非感知パラメータを推定することによりエンジンの状態を推定する従来の制御システムは、計算負荷の高いカルマンフィルタ・ゲインの計算を都度行う必要があるため、演算処理能力の高いコンピュータが必要となる。
しかしながら、信頼性が最優先される航空エンジン組み込み機器においては、このような計算能力の高い機器を用いるのは現実的でないという問題がある。
そこで、本発明は、上記実情に鑑み創案されたものであって、エンジンの制御器に組み込み可能であり且つオンラインでリアルタイムにエンジンの計測不能項目を計測可能項目から推定し、その推定結果を用いて適切なエンジン制御を実現するガスタービンエンジンの性能推定方法およびシステムを提供することを目的とする。

上記目的を達成するために請求項１に記載のガスタービンエンジンの性能推定方法では、ガスタービンエンジンの性能に係るパラメータを計測するセンサと、前記エンジンに設けられたアクチュエータに制御指令を出力する制御器と、前記センサからの信号および前記制御指令を入力としてガスタービンエンジンの性能に係る推定値を演算出力する演算部とを有するガスタービンエンジンの性能推定システムで応用される性能推定方法であって、前記センサから観測変数についてのデータを受け取る段階と、前記エンジンの制御器からの制御指令を制御変数あるいは環境変数として受け取る段階と、前記エンジンの所定の作動状態を数学的にモデル化した非線形ダイナミックシミュレーション・モデルを利用して、前記エンジンの制御器から出力された制御変数あるいは環境変数である制御指令と内部で演算される状態変数を基に、直接計測することが難しい観測不能変数の推定値と直接計測することが可能な観測変数の推定値とを各々算出する段階と、前記エンジンの動作状態で前記観測変数と前記観測変数の推定値との差を利用して一定のカルマンフィルタ・ゲインを用いてチューニングパラメータを算出する段階と、前記非線形ダイナミックシミュレーション・モデルの状態変数を、前記チューニングパラメータに基づいて前記観測変数と前記観測変数の推定値との間の差が最小となるように演算する段階とを具備したことを特徴とする。
上記ガスタービンエンジンの性能推定方法は、観測変数（ｙｍ）と観測変数の推定値
との差が最小となるようにカルマンフィルタ・ゲイン（Ｋ）をエンジンの動作中にリアルタイムに更新するのではなく、あるエンジンの作動点でその差が最小となるように設計された一定カルマンフィルタ・ゲインを、実機エンジンをモデル化した非線形ダイナミックシミュレーション・モデルに組み合わせ、そして観測変数とその推定値との間に差が生じる場合はその差が最小となるようにモデルの状態変数の一部分を成すチューニングパラメータによって非線形ダイナミックシミュレーション・モデルを逐次チューニングすることによって常に実機に忠実なモデルとする。従って、上記非線形ダイナミックシミュレーション・モデルを必要に応じて逐次チューニングすることによって、エンジンの動作中に計算負荷の高いカルマンフィルタ・ゲインを再計算・再設計する必要がなくなり、その結果、計算機に対する負荷が好適に軽減され上記性能システムをエンジンの制御器に組み込むことが可能となる。また、非線形ダイナミックシミュレーション・モデルを逐次チューニングすることによって、計測可能項目と計測不能項目との間の相関関係を変化させる経年劣化や損傷等の影響が十分に反映された高精度な非線形ダイナミックシミュレーション・モデルとすることが可能となる。従って、この高精度な非線形ダイナミックシミュレーション・モデルから実機では計測不能な項目（観測不能変数）を高精度に推定することによって上記の目的を達成することができるようになる。つまり、エンジンのある作動点で最適に設計されたカルマンフィルタ・ゲインは、他の全作動点に対しても有効であり、そして観測変数と観測変数の推定値との間に差が生じる場合はモデルの状態変数の一部分を成すチューニングパラメータを使用してその差が最小となるように非線形ダイナミックシミュレーション・モデルを調整することにより、常に実機に忠実なモデルとする。その結果、上記性能推定システムは、計算負荷の高いカルマンフィルタ・ゲインの更新を都度行う必要がなくなり、計算機に対する負荷を好適に軽減すると共にエンジンの制御器に組み込むことが可能となる。

請求項２に記載のガスタービンエンジンの性能推定システムでは、ガスタービンエンジンの性能に係るパラメータを計測するセンサと、前記エンジンに設けられたアクチュエータに制御指令を出力する制御器と、前記センサからの信号および前記制御指令を入力として、ガスタービンエンジンの性能に係る推定値を演算出力する演算部とを有するガスタービンエンジンの性能推定システムであって、前記演算部は、前記エンジンの所定の作動状態を数学的にモデル化した非線形ダイナミックシミュレーション・モデル部と、該非線形ダイナミックシミュレーション・モデル部にチューニングパラメータを与える一定ゲインのカルマンフィルタ・ゲイン部とを有する一定ゲイン拡張カルマンフィルタとして構成され、前記非線形ダイナミックシミュレーション・モデル部は、前記エンジンの制御器から出力された制御変数あるいは環境変数である制御指令と内部で演算される状態変数を基に、直接計測することが難しい観測不能変数の推定値と直接計測することが可能な観測変数の推定値とを演算出力するように構成され、前記カルマンフィルタ・ゲイン部は、前記センサから出力された観測変数についてのデータと、前記非線形ダイナミックシミュレーション・モデル部から出力された直接計測することが可能な観測変数の推定値との差を基に、前記非線形ダイナミックシミュレーション・モデル部にチューニングパラメータを出力するように構成され、前記状態変数の演算は、前記チューニングパラメータを受けて、前記観測変数と前記観測変数の推定値との差が最小となるよう構成されていることを特徴とする。
上記ガスタービンタービンエンジンの性能推定システムでは、上記構成とすることにより、請求項１に係るガスタービンエンジンの性能推定方法を好適に実施でき、オンラインでリアルタイムにエンジンの計測不能項目を計測可能項目から好適に推定することができるようになる。

請求項３に記載のガスタービンエンジンの性能推定システムでは、
前記演算部から出力される前記観測不能変数の推定値が、前記エンジンの制御器に対する入力または制御目標とすることとした。
上記構成とすることにより、これまで実機においては不可能であった推力や燃料消費率等の観測不能変数の推定値を入力または制御目標としてフィードバック制御器に組み込むことが可能となり、その結果、観測することができないパラメータの変化をも考慮した高精度なエンジンの制御が可能となる。

ジェットエンジンを含む航空用機器に使用される電子機器類は本質的に安全性・確実性が求められ、それゆえ実績が十分ある電子デバイス等を使用して設計されることが多く、またシステムの信頼性を確保するために回路自体はなるべくシンプルで部品点数を少なくするように設計されることが多い。それゆえ、計算処理能力の高いプロセッサ等を使うことが難しく、航空機・ジェットエンジンに組み込み可能な実用的なエンジン性能推定システムを開発することは困難であった。本発明による一定ゲイン拡張カルマンフィルタを利用したエンジン性能推定システムでは、推定に必要なカルマンフィルタ・ゲインの計算をあらかじめあるエンジン作動点で行った結果を用いることにより、エンジン動作中にカルマンフィルタ・ゲインを再計算・再設計する必要がなく、計算処理負荷が非常に少ないエンジン牲能推定システムを実現できる。
また、計測項目についても非計測項目として他の計測パラメータから推定し、両者を比較することによりセンサ計測値異常などを検知することが可能となる。

以下、図に示す実施の形態により本発明をさらに詳細に説明する。

本発明の実施形態は、ジェットエンジン・ガスタービン等のシステムにおいて、製造上許容されるエンジン毎の性能の差や、エンジン使用による経年変化や損傷による性能劣化を、エンジンの非線形ダイナミックシミュレーション・モデルと推定フィルタにより常に推定・検出・監視するエンジン性能推定システムおよび方法を提供する。さらに本発明によるシステムおよび方法は、観測不能変数をも目標値としたエンジン制御システムを提供する。

図１は、本発明に係るガスタービンエンジンの性能推定システム１００を示す概要説明図である。エンジンは制御変数あるいは環境変数ｕを制御指令として動作状態を変更することができる。このときエンジンのセンサの計測値を観測変数ｙｍとし、制御変数あるいは環境変数ｕおよび観測変数ｙｍは一定ゲイン拡張カルマンフィルタ（ＣＧＥＫＦ）に入力される。観測変数ｙｍと観測変数推定値
の差は、エンジンのある１または複数の動作状態において最小になるように設計されたカルマンフィルタ・ゲインＫによって増幅され、一定ゲイン拡張カルマンフィルタ（ＣＧＥＫＦ）内の非線形ダイナミックシミュレーション・モデルに入力される。制御変数あるいは環境変数ｕもまた入力される。非線形ダイナミックシミュレーション・モデル内では、エンジンの状態変数とチューニング変数（パラメータ）とから成る拡張状態変数
、観測変数推定値
および観測不能変数推定値
がそれぞれ計算される。一連の計算が繰り返されることにより、観測変数ｙｍと観測変数推定値
の差が最小となり、観測不能変数の最尤推定値が得られる。

図２は、従来の観測変数を制御目標値としたエンジン制御方法を示す説明図である。従来のエンジン制御では本来制御したい変数が観測不能であることが多く、他の相関のある観測変数ｙｍをフィードバックしてエンジンを制御している。

図３は、本発明の実施形態による観測不能変数を目標値としたエンジン制御方法を示す説明図である。制御目標値に観測不能変数をも与えることが可能であり、エンジンの観測変数ｙｍと制御変数あるいは環境変数ｕを一定ゲイン拡張カルマンフィルタ（ＣＧＥＫＦ）に入力し、得られた観測不能変数推定値
をフィードバックしてエンジンを制御することができる。

一定ゲイン拡張カルマンフィルタ（ＣＧＥＫＦ）
非線形ジェットエンジンのダイナミクスは、
で表せる。ここで、Ｘ：状態変数ベクトル、ｕ：制御変数ベクトル、ｙｍ：観測変数ベクトル、ｙｕ：観測不能変数ベクトル、ｖ：システムノイズベクトル、ｗ：計測ノイズベクトル、Ｇ：システムノイズ伝達関数、ｆ（），ｇｍ（），ｇｕ（）：関数ベクトルである。数（１）を任意作動点近傍で線形化すると、
となる。ここで、Ａ，Ｂ，Ｃ，Ｄ：システム行列、Ｃｕ，Ｄｕ：観測不能変数観測行列である。また、システムノイズ、計測ノイズの平均値および共分散を、
とする。状態変数、観測変数、観測不能変数の最尤推定値
は、
と表せる。ここで、
であり、Ｋは線形カルマンフィルタ・ゲインである。これを非線形システムに拡張すると、数（４）に対応して、最尤推定値
は、
となり、カルマンフィルタ・ゲイン
は作動点の非線形関数である。作動点が移動する場合、数（５）を繰り返し解かなければならず、制御計算機への負荷が過剰になるため、代表的作動点において求められたカルマンフィルタ・ゲイン
を全作動領域に適応することにする。これを一定ゲイン拡張カルマンフィルタ（ＣＧＥＫＦ）と呼ぶ。

１軸ターボジェットエンジンのカルマンフィルタ・ゲインの導出
１軸ターボジェットエンジンのエンジン状態変数Ｘｅは、
Ｘｅ＝（Ｎ，ｍ３，ｕ３，ｍ４，ｕ４，ｍ５，ｕ５）^Ｔ ・・・・（数（７））
ただし、Ｎ：ロータ回転速度、ｍ３：コンプレッサ出口ボリュームの蓄積質量、ｕ３：コンプレッサ出口ボリュームの蓄積内部エネルギー、ｍ４：燃焼器ボリュームの蓄積質量、ｕ４：燃焼器ボリュームの蓄積内部エネルギー、ｍ５：ノズルボリュームの蓄積質量、ｕ５：ノズルボリュームの蓄積内部エネルギー。
エンジン要素特性変化を同定するため、チューニング変数Ｘｃは、
Ｘｃ＝（Ｇｃ，ηｃ，Ｇｔ，ηｔ，Ａｎ）^Ｔ ・・・・（数（８））
とする。ただし、Ｇｃ：コンプレッサ流量パラメータ、ηｃ：コンプレッサ効率パラメータ、Ｇｔ：タービン流量パラメータ、ηｔ：タービン効率パラメータ、Ａｎ：ノズル面積パラメータ。カルマンフィルタは状態変数を推定するものであるため、
により、Ｘｃを人為的な状態変数として組み込む。エンジン状態変数Ｘｅとチューニング状態変数Ｘｃを結合して、拡張状態変数Ｘを、
Ｘ＝（Ｘｅ^Ｔ，Ｘｃ^Ｔ）^Ｔ
＝（Ｎ，ｍ３，ｕ３，ｍ４，ｕ４，ｍ５，ｕ５，Ｇｃ，ηｃ，Ｇｔ，ηｔ，Ａｎ）^Ｔ ・・・・（数（１０））
と定義する。ＣＧＥＫＦは、観測変数ｙｍと観測変数の推定値
に差がある時、それを０にするようにＸｅとＸｃとを変化させる。例えば、経年性能劣化や異物吸い込み等でエンジン要素特性が変化すると、実機エンジンとモデルエンジンに差異が生じ、観測変数とモデルエンジンによる推定値に差がでることになるが、ＣＧＥＫＦはその差をなくす最も合理的なＸｃの変化を算出する。
制御変数ｕは、ここでは一変数のみで、
ｕ＝Ｗｆ ・・・・（数（１１））
ただし、Ｗｆ：燃料流量。観測変数ｙｍは任意にとることができるが、ここでは、
ｙｍ＝（Ｎ，Ｐ３，Ｔ３，Ｐ６，Ｔ６）^Ｔ ・・・・（数（１２））
とする。ただし、Ｐ３：コンプレッサ出口圧力、Ｔ３：コンプレッサ出口温度、Ｐ６：タービン出口圧力、Ｔ６：タービン出口温度。観測不能変数ｙｕは、制御やモニタリングに有用な変数として、
ｙｕ＝（Ｆ，ＴＩＴ，ＳＦＣ，ηｃ，ηｔ，・・・）Ｔ ・・・・（数（１３））
とする。ただし、Ｆ：推力、ＴＩＴ：タービン入口温度、ＳＦＣ：燃料消費率、ηｃ：コンプレッサ効率、ηｔ：タービン効率。
各変数の次元は、次のようにまとめられる。
（ａ）エンジン状態変数 Ｘｅ＝７
（ｂ）同定したいエンジン変数 Ｘｃ＝５
（ｃ）観測変数 ｙｍ＝５
（ｄ）制御変数 ｕ＝１
カルマンフィルタが存在する必要条件は、モデルが可観測（Ｏｂｓｅｒｖａｂｌｅ）であることである。ここで考えている１軸ターボジェットエンジンの場合、
（Ｘｃの次元）≦（ｙｍの次元） ・・・・（数（１４））
が必要条件となる。すなわち、同定したい変数の数は、計測点数に等しいか、少なくなければならない。上の例では、両者とも５であるので、この必要条件は満足している。

エンジンの任意の作動点におけるカルマンフィルタ・ゲインは次の手順で計算される。
（１）図１のＣＧＥＫＦモデルを作成し、代表的作動点における拡張システム行列Ａ，Ｂ，Ｃ，Ｄを導出する。
（２）数値計算上の問題を避けるため、拡張状態変数、制御変数、観測変数、観測不能変数のスケーリング値を設定し、拡張システム行列Ａ，Ｂ，Ｃ，Ｄを規準化する。
（３）システムノイズ共分散行列Ｑ、計測ノイズ共分散行列Ｒおよびシステムノイズ伝達行列Ｇを仮定する。Ｒは計測信号の統計的性質であり、設定することはできるが、Ｑ，Ｇを明確に設定することは困難である。従って、Ｑ，Ｇはカルマンフィルタ設計時のチューニングのための自由パラメータとする。ノイズ特性、応答速度等を勘案して設定する。
（４）行列（Ａ，Ｃ）でシステムの可観測性（Ｏｂｓｅｒｖａｂｉｌｉｔｙ）を確認し、カルマンフィルタ・ゲインＫを求める。

本発明のガスタービンエンジンの性能推定方法およびシステムは、航空用ジェットエンジン、ロケットエンジンのターボポンプ、および産業用・発電用ガスタービンシステムの性能推定、センサ・アクチュエータ等の健全性モニタ・異常診断に対し好適に適用することが可能である。

本発明に係るガスタービンエンジンの性能推定システムを示す概要説明図である。 従来の観測変数を目標値としたエンジン制御方法を示す説明図である。 本発明の実施形態による観測不能変数を目標値としたエンジン制御方法を示す説明図である。

１００ ガスタービンエンジンの性能推定システム

Claims (3)

1. ガスタービンエンジンの性能に係るパラメータを計測するセンサと、前記エンジンに設けられたアクチュエータに制御指令を出力する制御器と、前記センサからの信号および前記制御指令を入力としてガスタービンエンジンの性能に係る推定値を演算出力する演算部とを有するガスタービンエンジンの性能推定システムで応用される性能推定方法であって、
   前記センサから観測変数についてのデータを受け取る段階と、
   前記エンジンの制御器からの制御指令を制御変数あるいは環境変数として受け取る段階と、
   前記エンジンの所定の作動状態を数学的にモデル化した非線形ダイナミックシミュレーション・モデルを利用して、前記エンジンの制御器から出力された制御変数あるいは環境変数である制御指令と内部で演算される状態変数を基に、直接計測することが難しい観測不能変数の推定値と直接計測することが可能な観測変数の推定値とを各々算出する段階と、
   前記エンジンの動作状態で前記観測変数と前記観測変数の推定値との差を利用して一定のカルマンフィルタ・ゲインを用いてチューニングパラメータを算出する段階と、
   前記非線形ダイナミックシミュレーション・モデルの状態変数を、前記チューニングパラメータに基づいて前記観測変数と前記観測変数の推定値との間の差が最小となるように演算する段階とを具備したことを特徴とするガスタービンエンジンの性能推定方法。
2. ガスタービンエンジンの性能に係るパラメータを計測するセンサと、前記エンジンに設けられたアクチュエータに制御指令を出力する制御器と、前記センサからの信号および前記制御指令を入力として、ガスタービンエンジンの性能に係る推定値を演算出力する演算部とを有するガスタービンエンジンの性能推定システムであって、
   前記演算部は、前記エンジンの所定の作動状態を数学的にモデル化した非線形ダイナミックシミュレーション・モデル部と、該非線形ダイナミックシミュレーション・モデル部にチューニングパラメータを与える一定ゲインのカルマンフィルタ・ゲイン部とを有する一定ゲイン拡張カルマンフィルタとして構成され、
   前記非線形ダイナミックシミュレーション・モデル部は、前記エンジンの制御器から出力された制御変数あるいは環境変数である制御指令と内部で演算される状態変数を基に、直接計測することが難しい観測不能変数の推定値と直接計測することが可能な観測変数の推定値とを演算出力するように構成され、
   前記カルマンフィルタ・ゲイン部は、前記センサから出力された観測変数についてのデータと、前記非線形ダイナミックシミュレーション・モデル部から出力された直接計測することが可能な観測変数の推定値との差を基に、前記非線形ダイナミックシミュレーション・モデル部にチューニングパラメータを出力するように構成され、
   前記状態変数の演算は、前記チューニングパラメータを受けて、前記観測変数と前記観測変数の推定値との差が最小となるよう構成されていることを特徴とするガスタービンエンジンの性能推定システム。
3. 前記演算部から出力される前記観測不能変数の推定値が、前記エンジンの制御器に対する入力または制御目標となることを特徴とする請求項２に記載のガスタービンエンジンの性能推定システム。