KR100647918B1 - 열전쌍 고장 검출 방법 및 시스템 - Google Patents

열전쌍 고장 검출 방법 및 시스템 Download PDF

Info

Publication number
KR100647918B1
KR100647918B1 KR1019997011660A KR19997011660A KR100647918B1 KR 100647918 B1 KR100647918 B1 KR 100647918B1 KR 1019997011660 A KR1019997011660 A KR 1019997011660A KR 19997011660 A KR19997011660 A KR 19997011660A KR 100647918 B1 KR100647918 B1 KR 100647918B1
Authority
KR
South Korea
Prior art keywords
thermocouple
temperature
thermocouples
estimate
value
Prior art date
Application number
KR1019997011660A
Other languages
English (en)
Other versions
KR20010013648A (ko
Inventor
모르자리아마헤쉬암리트랄
알레그사트남싱흐삼프란
Original Assignee
제너럴 일렉트릭 캄파니
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 제너럴 일렉트릭 캄파니 filed Critical 제너럴 일렉트릭 캄파니
Publication of KR20010013648A publication Critical patent/KR20010013648A/ko
Application granted granted Critical
Publication of KR100647918B1 publication Critical patent/KR100647918B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/02—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using thermoelectric elements, e.g. thermocouples
    • G01K7/026—Arrangements for signalling failure or disconnection of thermocouples

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Turbines (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

본 발명의 전력 발생 터빈의 열전쌍 고장 검출 방법은 먼저 열전쌍에 의해 발생된 온도 판독값으로부터 중복성 추정치를 생성하는 것을 포함한다. 다음에, 각각의 온도 판독값으로부터 예측값이 예측된다. 온도 판독값 및 중복 추정값이 예측값과 비교된다. 다음에, 조합된 열전쌍 값을 생성하도록 중복성 추정값 및 예측값이 조합된다. 마지막으로, 열전쌍 신뢰도 값은 조합된 열전쌍 값 및 온도 판독값을 비교함으로써 생성된다.

Description

열전쌍 고장 검출 방법 및 시스템{THERMOCOUPLE FAILURE DETECTION IN POWER GENERATION TURBINES}
본 발명은 전반적으로 산업용 터빈 엔진에 관한 것으로, 보다 상세하게는 내부의 열전쌍 고장 검출에 관한 것이다.
산업용 전력 발생 가스 터빈 엔진은 연료와 혼합되고 연소 가스를 발생하는 연소기내에서 점화되는 공기를 압축하는 압축기를 포함한다. 연소 가스는 터빈으로 유입되며, 터빈은 샤프트를 구동시키는 에너지를 추출하여 압축기에 동력이 공급되도록 하고, 예를 들어 발전기에 동력을 공급하기 위한 출력 전력을 생성한다. 터빈은 전형적으로 연장된 시간 동안 비교적 높은 베이스 부하에서 동작되고, 예를 들어 유틸리티 그리드에 전력을 생성하도록 발전기에 동력을 공급한다. 따라서 연소 가스로부터의 배출물이 문제이며 정해진 한계에 부닥친다.
NOX(질소 산화물)와 같은 가스 배출물을 감소시키기 위해 희박한 사전 혼합 연소를 이용하는 가스 터빈 연소기가 개발되고 있다. 이러한 하나의 연소기는 단일 연소실에 부착된 다수의 버너로 이루어진다. 각각의 버너는 연료 분사기 및 선회 날개를 지지하는 중심 허브를 포함하는 연료 노즐이 중심에 배치된 유관(flow tube)을 포함한다. 동작 동안, 연료는 연료 분사기를 통해 분사되고 유관내의 와류기(swirling air)와 혼합되며, 버너의 배출구에서 화염이 생성된다. 연소 화염은 중심 허브 후단의 블러프보디(bluffbody) 재순환 및 와류 유도 재순환의 조합에 의해 안정화된다. 희박한 화학양론 때문에, 희박한 사전 혼합 연소는 낮은 화염 온도를 달성하고 따라서 낮은 NOX 배출물을 생성한다.
그러나, 이러한 사전 혼합 시스템은 통상 "플래시백(flashback)"으로서 지칭되는 예측불가능한 현상에 민감하다. 플래시백은 연료내의 불순물의 점화, 또는 화염이 천이 단계에 있는 모드 전환 동안의 점화를 포함하여, 다수의 이벤트중 임의의 이벤트에 의해 야기될 수 있다. 플래시백이 발생하는 경우, 화염을 포함하도록 설계되지 않을 수도 있는 연소실의 영역이나 공동으로 화염이 진입한다. 화염은 또한 플래시백 발생시에 실행되는 연소 모드가 아닌 점화 모드로 지정된 연소 공동내로 우연히 이동할 수 있다. 두 유형의 플래시백 발생으로 인해 연소 제어의 손실이 야기되고 또한 과도한 가열을 견뎌내도록 설계되어 있지 않은, 예를 들어 연료 노즐과 같은 연소 부분의 가열 및 용융을 야기할 수 있다. 조작자에게는 통상 연소기가 손상을 견딜 때까지 플래시백의 발생을 인식하는 방법이 없다.
배출 열전쌍 판독값 및 그에 연관된 NOX 값을 모니터링함으로써 플래시백 이벤트 및 심한 균열 이벤트를 검출하고자 시도하는 이벤트 모니터가 구현될 수도 있다. 이 방법이 효과적인 것으로 알려져 왔다. 그러나, 기대값으로부터의 열전쌍 판독값의 편차는 열전쌍 고장으로 인한 것일 수 있다. 따라서, 이벤트 모니터가 정확하게 되기 위해서, 열전쌍 고장과 플래시백 이벤트 또는 라이너(liner) 균열 이벤트를 구별하는 것이 필요하다.
따라서, 당 분야에서는 전력 터빈에서 고장 배출 열전쌍을 검출하는 방법에 대한 필요성이 존재한다는 것이 명백해질 것이다.
전력 발생 터빈의 열전쌍 고장 검출 방법은, 먼저 열전쌍에 의해 발생된 온도 판독값으로부터 중복성 추정치를 생성하는 것을 포함한다. 다음에, 각각의 온도 판독값으로부터 기대값이 예측된다. 온도 판독값 및 중복성 추정치가 기대값과 비교된다. 다음에, 조합된 열전쌍 값을 생성하도록 중복성 추정치 및 기대값이 조합된다. 마지막으로, 열전쌍 신뢰도 값은 조합된 열전쌍 값 및 온도 판독값을 비교함으로써 생성된다.
도 1은 본 발명의 일 실시예에 따른 열전쌍 고장 검출 시스템을 개략적으로 도시하는 도면,
도 2는 본 발명의 일 실시예에 따른 방법의 단계를 도시하는 흐름도,
도 3은 본 발명의 일 실시예에 따른 측정 및 추정된 열전쌍 값을 그래픽으로 도시한 도면,
도 4는 본 발명의 일 실시예에 따른 측정 및 추정된 열전쌍 값을 그래픽으로 도시한 도면,
도 5는 본 발명의 일 실시예에 따른 측정 및 추정된 열전쌍 값을 그래픽으로 도시한 도면,
도 6은 본 발명의 일 실시예에 따른 측정 및 추정된 열전쌍 값을 그래픽으로 도시한 도면,
도 7은 본 발명의 일 실시예에 따른 측정 및 추정된 열전쌍 값을 그래픽으로 도시한 도면,
도 8은 본 발명의 일 실시예에 따른 측정 및 추정된 열전쌍 값을 그래픽으로 도시한 도면.
도 1에는 전력 생성 터빈 조립체(12)의 열전쌍 고장 검출 시스템(10)이 도시되어 있다.
열전쌍 고장 검출 시스템(10)은 터빈 조립체(12)내의 온도를 모니터하도록 배치된 다수의 열전쌍(14)을 포함하며, 이들 열전쌍(14)은 컴퓨터(16)에 연결된다.
동작시에, 하기에서 보다 상세히 설명되는 바와 같이, 열전쌍(14)은 터빈 조립체(12)내의 온도에 상응하는 온도 신호를 발생한다. 이 온도 신호는 컴퓨터(16)에 제공되며, 도 1에 도시되고 도 2를 참조해 이후 상세히 설명되는 바와 같이 이벤트 모니터 소프트웨어 루틴(18) 및 알고리즘(20)내에서 이용되며, 알고리즘(20)은 컴퓨터(16)내에 내장되어 열전쌍 신뢰도 값(22)을 생성하며, 이 값(22)은 열전쌍 작동 또는 열전쌍 고장을 표시한다.
이벤트 모니터 소프트웨어 루틴(18)은 플래쉬백 이벤트 및 심각한 라이너 균열 이벤트를 검출하기 위해 제공되며, 컴퓨터(16)내에 내장된다. 이벤트 모니터 소프트웨어 루틴(18)은 열전쌍(14)에 의해 발생된 온도 신호 및 다른 센서들(도시되지 않음)에 의해 측정되는 NOx 값을 모니터한다. 이벤트 모니터 소프트웨어 루틴(18)이 제각기의 열전쌍(14)에 의해 발생되거나 측정된 온도 신호에 대해 현저한 온도 편차(통상 열전쌍 온도 예측 판독값으로부터 약 5℉ 내지 10℉ 사이)를 검출한 경우, 비정상 이벤트가 검출되고, 적절한 수정이 행해지는데, 예컨대, 시스템이 정지된다.
앞서 설명된 바와 같이, 각 열전쌍(14) 고장 및 플래쉬백 또는 라이너 균열 이벤트인지를 정확하게 구별하지 못하면 옳지 않은 비정상 이벤트 판독 또는 잘못된 플래쉬백 또는 라이너 균열 이벤트를 초래할 수 있다. 따라서, 열전쌍 온도의 판독값은 확인할 필요가 있다.
여러 요인으로 인해 열전쌍 데이터 검사 및 열전쌍 고장 검출 처리가 어렵게 된다. 우선 가장 중요한 것으로는, 열전쌍 고장이 정상적인 시스템 천이 또는 편차에 의해 감추어질 수 있다는 것이다. 이것은, 예컨대, 부하 변경중 동작 조건의 변동에 기인할 수 있다. 또한, 열전쌍의 물리적 결함은 열전쌍 판독값에 노이즈를 부가하며, 열전쌍은 시간이 경과함에 따라 드리프트하기 쉽다. 드리프트는 열전쌍 노화 및 접속 기능 저하에 의해 야기되는 측정 온도와 실제 온도간의 차의 점진적 변화이다. 또한, 플래쉬백 또는 라이너 균열 이벤트는 고장난 열전쌍에 의해 야기되는 변화를 나타내는 열전쌍의 판독값에 변동을 초래할 수 있다.
열전쌍은 다수의 이유로 고장나거나 손상된다. 열전쌍에 대한 갑작스런 고장은 파워 고장 또는 서지(surge)에 의해, 접촉 불량 또는 부식에 의해, 또는 데이터 획득 또는 처리 시스템에 있어서의 결함 또는 제한에 의해 야기될 수 있다. 열전쌍의 드리프트와 같은 초기의 열전쌍 고장(예컨대, 감지 소자의 기능 저하에 의해 야기됨)은 통상 검출이 더 어렵다. 초기 고장의 문제점은 거의 주의를 끌지 못하지만, 급작스런 고장 및 초기 고장의 검출은, 이벤트 모니터 소프트웨어 루틴(18)에 대해 중요한 정보를 제공하는 열전쌍(14)에 대해 매우 중요하다. 이들 고장은 그들이 비극적인 결말을 맞기 전에 검출되고 예측되어야 한다.
열전쌍의 고장을 검출하는 종래의 방법은 선택된 프로세스 변수들의 중복성 측정값의 일치성을 체크하고, 측정값으로부터 그들의 기대치를 추정하며, 측정 채널 출력에 있어서의 변칙 유형을 검출해서 분리하여 특성화시키는 것이다.
본 발명의 일실시예에 따르면, 전력 생성 터빈에서의 열전쌍 고장을 검출하는 방법이 도 2에 흐름도(100)로 도시되어 있다. 본 발명에 따른 방법은, 통상 알고리즘의 형태로 워크스테이션과 같은 하나 이상의 컴퓨터(16)(도 1 참조)에 내장된다. 그러나, 메인프레임, 마이크로컴퓨터, 미니컴퓨터 또는 슈퍼컴퓨터와 같은 다른 유형의 컴퓨터가 사용될 수도 있다. 본 알고리즘은 C, C++, JAVA, 베이직, 비주얼 베이직(Visual Basic), MATLAB, 포트란 또는 다른 프로그래밍 언어로 수행될 수 있다.
본 발명의 일실시예에서, 전력 생성 터빈(100)에 있어서 열전쌍의 고장을 검출하는 방법은 전반적으로 중복성 생성 단계(102), 이력 생성 단계(104), 검사 단계(106) 및 조합 단계(108)로 구성된다.
단계(102)에서, 열전쌍(14)(도 1 참조)으로부터 생성된 온도 신호의 중복성이 생성된다. 다음으로, 단계(104)에서 시 계열 예측 모델은 프로세스의 이력을 이용해 각각의 열전쌍(14)(도 1 참조)에 대한 기대되는 온도 값을 예측하는데 이용된다. 다음으로, 단계(106)에서 열전쌍(14)(도 1)으로부터의 온도 신호를 예측된 온도 값과 비교하여 판독값을 확인한다. 마지막으로, 단계(108)에서, 확인된 판독값이, 조합 추정값(a fused estimate)과 조합되며, 각 열전쌍(14)에 대한 열전쌍 신뢰도 값(22)이 컴퓨터(16)(도 1 참조)에 의해 발생된다.
중복성은 측정되는 양(quantity)에 대한 복수의 독립적 추정값을 생성하는 프로세스이다. 예를 들어, 중복성이란 복수의 센서를 설치해서 동일한 변수를 예측하는 것이다. 대체로, 중복성 생성 프로세스는 두개의 주된 프로세스, 즉, (1) 복수의 물리적 열전쌍을 사용하여 중복성 정보를 제공하는 물리적 중복성 생성 프로세스와, (2) 비-중복성 열전쌍(non-redundant thermocouples)으로부터의 측정값을 이용해서 중복성 평가치를 생성하는 함수적 중복성 생성 프로세스로 나눌수 있다. 열전쌍 판독을 위해 비-중복성 추정값을 다른 추정값, 즉, 중복성 추정값으로 변환하는 함수가 있다.
함수적 중복성 생성 프로세스는 수학적으로 다음과 같이 표현될 수 있다. 즉, (y1, y2, ..., yn}을 n개의 열전쌍이 위치한 곳에서 측정된 열전쌍의 온도 측정값이라 하고, 그들의 상태를 {x1, x2, ..., xn}라고 하면, 온도 측정값 yi는 열전쌍이 위치한 곳에서의 온도에 대한 추정값 xi를 제공한다. 여기서, y(k)=x(k)+v(k)이고, v(k)는 측정 노이즈이다. 이제 목표는 {y1, ..., yi-1, yi, ..., yn}을 이용해서 xi에 대한 중복성 추정값을 구하는 것이다. 그러므로, 함수 관계 f는, xi=f{y1, ..., yi-1, yi+1, ..., yn}으로 표현되어야 한다.
일반적으로, 이러한 것은 매핑이나 함수 근사화 문제인데, 이러한 문제는 다음의 3가지 방법, 즉 비선형 회귀, 신경망 또는 제 1 분석 원리 모델 중의 하나의 방법을 사용하여 해결된다.
함수적으로, 열전쌍의 판독값에 대한 중복성 추정값들은, 단계 102에서, 관심 대상의 열전쌍의 양측면에 존재하는 두개의 인접하는 열전쌍에 의해 제공되는 온도 추정값들, 가령 T3이 관심 대상의 열전쌍(14)의 온도인 경우에 도 1의 T2 및 T4를 고려함으로써 생성된다. 이러한 것은 양호한 결과를 유도하는 매우 간단한 함수이다. 플래쉬백(flashback) 혹은 라이너 균열(liner-crack) 이벤트는 통상적으로 적어도 두개의 인접하는 열전쌍에 영향을 끼치지만, 열전쌍 고장은 단지 격리된 열전쌍(14)의 판독값에만 영향을 끼친다. 여기서, 관심 대상의 온도 신호는 두개의 열전쌍(14)에 의해 제공되는 측정값들로부터 추정되는데, 이 두개의 측정값들은 관심 대상의 변수를 측정한 것이 아니라 그 변수와 관련한 처리 변수를 측정한 것이다.
다음에, 단계 104에서, 처리 이력(process history)이 생성된다. 처리 이력은 다음 샘플링시의 변수를 예측하기 위해 상태 공간 형태(state space form) 등으로 포함된 적응적 시 계열(adaptive time-series) 모델을 구축함으로써 생성된다.
소정의 샘플링시에 각각의 열전쌍(14)의 상태 x(k)가 주어지면, 다음 샘플링시에 값 x(k+1)를 예측할 필요가 있다. 이러한 예측은 상태 공간 모델이나 시 계열 모델을 사용하여 행할 수 있다. 대부분의 열전쌍 고장 검출 방안은 전체 처리의 상태 공간 모델내에 열전쌍 모델을 포함시키는 경향이 있다. 그러나, 이러한 것은 복잡하며 비용이 고가로 될 수 있다. 대안으로서, 적응성 시 계열 예측을 사용하는 방안이 있다. 이 시 계열 예측 방안의 경우, 다음 샘플링시의 변수 상태가 x(k+1)=x(k)+u(k)+w(k)의 형태로 되는 것으로 가정한다. 여기서, u(k)는 추정될 미지의 입력이며, w(k)는 노이즈이다. x(k) 및 w(k)는 독립적이며, 랜덤하고, 가우스 분포로 되어 있다. u(k)를 추정하는데 다항식(1차식, 2차식, 및 3차식), 신경망 및 퍼지 이론 기법이 사용될 수 있다. 이러한 방법들 간의 주요 차이는 구조적 차이이며, 그 적응 처리는 유사하다.
Figure 111999016786491-pct00001
수학식 1은 시 계열 모델을 나타낸다. 여기서, x(k)는 각각의 열전쌍(14)에 의해 측정될 온도이며, u(k)는 추정될 두개의 샘플값 사이에서 측정될 온도의 변화를 야기하는 미지의 입력이며, w(k)는 제로 평균 화이트 노이즈(zero mean white noise)로서 이 모델의 오차를 나타낸다. 주목할 것은 각각의 열전쌍 세트 가 별도의 변수 x(k)를 갖는다는 것이다.
상기 미지의 입력을 추정하는 데에는 여러가지의 방법이 있다. 일실시예에서, 라인 예측 방법(라인을 정합(맞춤)으로써 두개의 샘플값 간의 변화를 나타내는 방법)이 사용된다. 여기서, u(k)는 다음과 같이 근사화된다.
Figure 111999016786491-pct00002
여기서, t는 두개의 샘플값 간의 시간차이다. 라인 정합에 대한 두개의 상수, 즉 기울기 계수 a와 x의 절편 b가 일정하게 적용된다. 주목할 것은 이러한 종류의 적응적 예측 방안에서 샘플값들은 규칙적인 간격으로 도달해야 할 필요가 없다는 것이다. 2차식(quadratic) 및 스플라인 정합이 또한 사용될 수 있다.
Figure 111999016786491-pct00003
파라미터 적응 알고리즘(PAA)을 사용하여 적응성이 실행되며 다음의 알고리즘으로 주어진다.
연역적(a priori) 예측 출력 및 귀납적(a posteriori) 예측 출력은 각각 다음과 같이 된다. 즉,
Figure 112006029666177-pct00027
연역적(a priori) 예측 오차 및 귀납적(a posteriori) 예측 오차는 각각 다음과 같이 된다. 즉,
Figure 112006029666177-pct00028
파라미터들은 수학식 6을 사용하여 라인상에서 적응된다.
Figure 111999016786491-pct00006
여기서,
Figure 111999016786491-pct00007
으로 된다.
여기서, λ1 및 λ2는 망각 계수이다. PAA 방안의 안정성은 0≤λ2≤2 및 0≤λ1≤1을 취함으로써 보장될 수 있다. 통상, λ1 및 λ2는 λ1(k)／λ2(k) 비율이 0.5 내지 1 사이가 되도록 선택된다. 반복 추정 과정을 자발적으로 수행하기 위한 초기 조건은 F(0)=γI이며, 여기서 γ는 큰 양의 수이다. 순차적 최소 제곱은 또한 명확한 처리를 위한 칼만 필터(Kalman filter)로서 해석될 수 있다.
다음에, 단계 106에서, 열전쌍(14)의 판독값들이 검사된다. 검사 사이클(즉, 두개의 샘플링 포인트 간에 행해지는 단계들)은 추정될 변수의 값을 예측하는 단계와, 측정하는 단계와, 중복성 추정치들을 생성하는 단계와, 검사하는 단계와, 다수의 추정치들을 조합하는 단계와, 추정될 변수의 값을 갱신하는 단계로 이루어진다. 갑작스런 열전쌍 고장은 검증 게이트(예측 분포에 기초한 영역)를 통해 검출되며, 초기의 열전쌍 고장은 열전쌍 잔차를 모니터링함으로써 검출된다.
열전쌍의 고장을 검출하는 데에 열전쌍 잔차의 통계학적 특성 변화가 사용된다. 각각의 열전쌍은 자신의 잔차 신호를 가지고 있으므로, 동시적으로 발생하는 복수의 열전쌍 고장을 검출할 수 있다.
이러한 것은 추정 처리의 일부분으로서, 추정 처리를 위해 열전쌍으로부터의 판독값들이 고려되어야 하는지에 관한 판정이 행해져야 한다. 이러한 추정 처리를 달성하기 위해, 검사 게이트가 정의되고 있다. 이러한 검사 게이트는 신뢰도가 높을 것으로 예측되는 온도에 대한 추정값이 존재하는 영역을 정의하고 있다. 이러한 게이트에 존재하는 열전쌍의 측정값들은 유효한 것으로 간주되며, 그 게이트 외부의 측정값들은 기대값으로부터 너무 벗어나 있기 때문에 폐기된다.
다음에, 중복성 추정값들 및 예측값들은 조합된 열전쌍 값을 생성하도록 조합된다.
수학적으로, 각각의 온도 측정값 x에 대한 처리는 다음과 같이 나타낼수 있다. 즉,
Figure 111999016786491-pct00008
여기서, y(k)는 열전쌍 판독값이며, v(k)는 측정 노이즈이다. 초기 상태는 알려져 있지 않지만, 후속하는 x(0), w(k) 및 v(k)에 관한 확률적 정보는 알려져 있다. x(k), w(k) 및 v(k)는 독립적이며, 랜덤하며, 가우스 분포로 되어 있다.
측정 변수는 정규 분포인 것으로 가정하고 시작한다.
Figure 111999016786491-pct00009
시간 k에서 시작하며, 이 시간 k에서의 모든 열전쌍 판독값들도 고려 대상으로 포함한다. 측정 변수는 수학식 10으로 추정한다.
Figure 111999016786491-pct00010
상태 천이 모델을 이용하여, 후속 샘플링 주기에서의 변수 상태를 예측한다. 이것은 우리의 추정에서 보면 다음과 같은 분포로 제공된다.
Figure 111999016786491-pct00011
이것은 열전쌍으로부터의 판독값을 추정 프로세스에 적용해야 하는지의 여부를 판정하는 추정 프로세스의 일부이다. 이를 위해, 먼저 열전쌍 세트에 속하는 i번째 열전쌍(각각의 세트에는 3개의 열전쌍이 포함되어 있다)의 판독값에 대한 예측 분포를 계산한다. 이 예측 분포는 다음과 같다.
Figure 111999016786491-pct00012
열전쌍 판독값을 검사하기 위해, 검사 법칙을 이용한다. 즉, 판독값이 존재할 가능성이 높은 어떤 영역을 정의한다.
Figure 112004006243902-pct00025
이라 하자.
이 예측 분포에 근거하여, 측정 공간내에는 측정값이 발견될 가능성이 높은 영역이 정의될 수 있다(예를 들면, 3 시그마 영역은 99.8％의 신뢰도에 상응한다).
Figure 111999016786491-pct00014
이 게이트내에 존재하는 측정값들은 유효한 것으로 간주하고, 게이트 외부의 측정값들은 예측값으로부터 너무 거리가 먼 것으로 간주하여 폐기한다. 각각의 열전쌍(18)으로부터의 판독값들이 추정 프로세스에 적용되어야 하는지의 여부에 대한 판정이 행해져야 한다.
각각의 열전쌍 변수에 대해 다음이 성립된다.
열전쌍 잔차＝조합 추정값(fused estimate)-열전쌍 판독값
다음, 이러한 잔차들의 통계학적 성질이 불량 열전쌍을 검출하는데 이용된다. 이상적으로는, 열전쌍에 대한 잔차가 영점 평균(zero mean)을 가져야 하고, 또한 그 열전쌍이 정상적으로 기능할 때의 분산과 똑같은 분산을 가져야 한다. 영점으로부터의 편차는 노이즈와 고장 때문이다. 열전쌍의 고장은 열전쌍 잔차의 평균과 분산을 변화시켜서, 열전쌍 신호의 바이어스와 열전쌍의 기능 저하를 각각 나타내게 만든다. 열전쌍 신뢰도 값 열전쌍 측정값이 잘못되었음을 표시하는데 이용된다. 낮은 열전쌍 신뢰도가 오래동안 나타나면, 열전쌍이 고장났다는 징후이다.
다음, 각각의 열전쌍(14)의 열전쌍 신뢰도 값(22)이, 변수와 관련한 조합된 분포에 대한 열전쌍 판독값의 유사성에 의해 계산된다. 통상, 열전쌍 신뢰도 값은 두 개의 확률 밀도 함수사이의 매트릭(거리)으로 측정된다. 열전쌍 신뢰도 값의 수치는 두 개의 분포사이의 근접성을 나타낸다. 여기에서는 0과 1의 스케일을 사용하는데, 0은 완전히 독립적인 분포를 의미하는 반면에 1은 동일한 분포를 의미한다.
열전쌍 신뢰도 값은 다음의 수학식으로 계산된다.
Figure 111999016786491-pct00015
마지막으로, 모두 세 개인 세트내에 속하는 열전쌍에 대한 신뢰도 값이 고려된다. 만약 모두 세 개인 세트내의 열전쌍 신뢰도 값이 특정 판독값에 대해 0이면, 이것은 이 판독값과 관련되어 있는 열전쌍이 고장인 것으로 간주한다.
다음, 본원 발명의 효과를 검증한 몇몇 경우를 간단하게 검토할 것이다.
예 1
예 1의 결과는 가스 터빈 엔진의 열전쌍 출력으로부터의 실제 데이터를 이용하여 얻었다. 이 경우, 도 3에 도시한 바와 같이, 인접한 열전쌍에 대한 계산값은 스냅 사진 2에 나타난 열전쌍이 무효임을 나타낸다. 이 열전쌍의 열전쌍 신뢰도 값은 0이 되고, 따라서 이 열전쌍은 열전쌍＃18과 관련한 조합값의 추정시에 이용되지 않는다. 도 2는 열전쌍 #18의 측정된 열전쌍 값과 추정값을 나타낸다. 이 경우, 고장난 열전쌍의 무효인 열전쌍 신호는 900개의 스냅 사진에 걸쳐서 복구되지 않는다. 이 시스템은 단하나의 열전쌍 고장까지도 정확하게 확인하여, 그 영향을 차단한다.
메타 추론을 이용한 예 2
90개의 스냅 사진으로 이루어진 파일로부터 동일한 오류의 열전쌍 데이터를 이용하여 결과를 얻어낸다. 이 경우, 인접한 열전쌍에 대한 계산값이 스냅 사진(2)의 열전쌍이 무효임을 나타내는 전술한 예와 그 결과가 유사하다. 이 열전쌍의 신뢰도 값이 0이 되어 열전쌍＃18의 추정을 실행한다. 도 4에는 이 예와 관련하여 90개의 스냅 사진에 걸쳐서 열전상＃18에 대한 측정값 및 추정값이 도시되어 있다.
예 3 플래쉬백
동작중인 가스 터빈의 플래쉬백 상태에 노출된 열전쌍으로부터의 실제 데이터를 이용하여 결과를 얻어낸다. 이 경우, 인접 열전쌍에 대한 계산값은 도 5에 도시한 바와 같이 스냅 사진(324)의 열전쌍이 무효임을 나타낸다. 그러므로 이 열전쌍에 대한 신뢰도 값이 0이 되어, 열전쌍＃20에 대한 조합 추정이 변경된다. 후속 스냅 사진(325)에서, 두 번째 인접한 열전쌍(＃20)에 대한 계산값도 열전쌍의 무효를 나타내고, 열전쌍＃20의 신뢰도 값이 0이 되므로, 결과적으로 열전쌍＃19에 대한 조합 추정은 변경된다. 이 경우, 열전쌍＃20에 대한 계산값과 관련한 열전쌍은 스냅 사진(334)에 복귀하고, 열전쌍＃19에 대한 계산값과 관련한 열전쌍은 스냅 사진(335)로 복귀하여, 열전쌍＃19 및 ＃20에 대한 추정값들이 도 4에 도시한 바와 같이 스냅 사진(390) 이후의 예측값이나 혹은 정규값으로 복구된다. 이 경우는 플래쉬백 발생 이후의 다중 열전쌍 고장의 일예이다. 도시한 바와 같이, 본 발명의 시스템은 플래쉬백과 열전쌍 고장을 정확히 구별할 수 있다. 다중 열전쌍 고장도 역시 정확하게 처리된다.
예 4 결함 열전쌍
가스 터빈 설비의 열전쌍 출력으로부터 결과를 얻어낸다. 이 경우, 열전쌍 #13에 대한 측정된 파라메터는 스냅 사진(302)에서 무효 열전쌍을 나타내고, 열전쌍 #13에 대한 측정값은 도 6에 도시된 바와 같이 떨어진다. 열전쌍 #13에 대한 측정값은 스냅 사진(450)의 주변에서 정상치로 회복되지만, 무효 열전쌍 플래그는 항상 변하지 않고 남아 있다. 열전상 #13에 대한 조합된 추정이 열전쌍 #13에 대한 측정값은 물론 열전쌍 #12 및 #14에 대해서 계산된 값을 사용해서 계산되므로, 열전쌍#13에 대한 신뢰도 값이 0으로 떨어질지라도 추정된 열전쌍 값은 여전히 합당하다. 이것은 열전쌍이 고장난 경우에 대해서 조차도 능동적인 열전쌍 측정의 추정을 제공할 수 있는 열전쌍 확인 방법의 능력을 보여준다.
예 5
가스 터빈 장치의 열전쌍 출력으로부터 결과를 얻어낸다. 열전쌍 #17에 대해서 계산된 값에 관한 열전쌍은 스냅 사진 (2)에서 무효로 되고 열전상 #17에 대해서 계산된 파라메터의 신뢰도 값은 0으로 된다. 이것은 열전쌍 #18에 대해서 융합된 추정을 계산하고, 측정값과의 비교로서 도 7에 도시되어 있다. 이러한 경우 결함 열전쌍은 결코 회복되지 않는다.
예 6 고장 데이터 오버레이를 이용한 플래쉬백
가스 터빈 장치의 열전쌍 출력으로부터 결과를 얻어낸다. 이 경우 그 측정된 파라미터에 대응하는 열전쌍 #17은 도 8에 도시된 바와 같이 측정된 열전쌍 값이 떨어진 다음 스냅 사진 (226)에서 고장난다. 열전쌍은 스냅 사진(381)에서 회복된다. 또한, 계산치도 동일한 지점 근처에서 무효 열전쌍을 나타내는데, 여기에서 열전쌍 #17이 무효 열전쌍을 나타낸다. 그러나, 열전쌍 #16 및 #18의 계산치로부터 얻어진 데이터를 사용해서 계산된 열전쌍 #17에 대해서 융합된 추정과 열전쌍 #17에 대한 측정값은 고장난 열전쌍(열전쌍이 고장날 때 열전쌍 #17에 대한 신뢰치는 0이다)이 존재하는 경우에도 여전히 합당하다.
본 발명의 특징만이 설명되었지만 당업자라면 다양하게 변형할 수 있으므로, 첨부된 청구범위는 본 발명의 진실한 사상 범주 내에 있는 모든 변형예를 포함하는 것으로 이해되어야 할 것이다.

Claims (41)

  1. 전력 생성 터빈의 열전쌍 고장 검출 방법에 있어서,
    상기 열전쌍에 의해 생성된 온도 판독값으로부터 중복성 추정값을 생성하는 단계와,
    각 온도 판독값으로부터 기대값을 예측하는 단계와,
    상기 온도 판독값 및 상기 중복성 추정값을 상기 기대값과 비교하는 단계와,
    상기 중복성 추정값과 상기 기대값을 조합하여 조합된 열전쌍 값을 생성하는 단계와,
    상기 조합된 열전쌍값과 상기 온도 판독값을 비교하여 열전쌍 신뢰도 값을 생성하는 단계를 포함하는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  2. 제 1 항에 있어서,
    상기 중복 추정값은, 다수의 열전쌍을 이용하여 동일 온도를 모니터링하는 물리적 중복에 의해서 생성되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  3. 제 1 항에 있어서,
    상기 중복 추정값은, 중복되지 않은 열전쌍으로부터의 측정값을 이용하여 온도를 추정하는 함수 중복에 의해서 생성되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  4. 제 3 항에 있어서,
    상기 함수 중복은 xi = f(y1, … yi-1, yi+1, … yn)이며, y1, y2, … yn은 각 열전쌍이 위치한 지점 xi에서 온도를 측정한 n개의 열전쌍으로부터의 측정값인 전력 생성 터빈의 열전쌍 고장 검출 방법.
  5. 제 4 항에 있어서,
    상기 함수는 비선형 회귀를 사용하여 연산되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  6. 제 4 항에 있어서,
    상기 함수는 신경망 회로를 사용하여 연산되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  7. 제 4 항에 있어서,
    상기 함수는 분석적 제 1 원리 모델을 사용하여 연산되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  8. 제 3 항에 있어서,
    상기 함수 중복 추정은, 관심있는 열전쌍의 양측면에 있는 서로 인접한 열전쌍에서의 온도 신호를 모니터함에 의해 생성되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  9. 제 1 항에 있어서,
    상기 기대값의 예측은 상기 프로세스의 이력을 생성함에 의해 완료되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  10. 제 9 항에 있어서,
    상기 이력은 다음 샘플링 시간에 변수를 예측하기 위한 상태 공간 형태로 결합된 적응적 시 계열 모델을 구축함에 의해 생성되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  11. 제 10 항에 있어서,
    상기 다음 샘플링 기간의 변수 상태는,
    x(k+1) = x(k) + u(k) + w(k)이고, u(k)는 추정될 미지의 입력, w(k)는 노이즈이며, x(k)는 각 열전쌍에 의해 검출되는 온도인 전력 생성 터빈의 열전쌍 고장 검출 방법.
  12. 제 11 항에 있어서,
    상기 x(k) 및 w(k)는 독립적이며, 랜덤하고, 가우스 분포로 되어 있는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  13. 제 11 항에 있어서,
    상기 u(k)는 다항식 기법을 이용하여 추정되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  14. 제 11 항에 있어서,
    상기 u(k)는 신경망을 이용하여 추정되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  15. 제 11 항에 있어서,
    상기 u(k)는 퍼지 논리 기술을 이용하여 추정되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  16. 제 1 항에 있어서,
    상기 온도 판독값 및 상기 중복 추정값을 상기 기대값과 비교하는 단계는, 검사 게이트를 이용하여 완료되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  17. 제 16 항에 있어서,
    상기 검사 게이트는 3 시그마 영역에 의해 정의되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  18. 제 1 항에 있어서,
    상기 열전쌍 신뢰도 값은 각 열전쌍이 속하는 각 열전쌍 세트내의 각 열전쌍에 대해 연산되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  19. 제 18 항에 있어서,
    각 열전쌍이 속하는 각 열전쌍 세트에서 각 열전쌍에 대한 열전쌍 신뢰도 값이 0이면 고장난 열전쌍이 검출되는 전력 생성 터빈의 열전쌍 고장 검출 방법.
  20. 전력 생성 터빈 조립체(12)의 열전쌍 고장 검출 시스템(10)에 있어서,
    상기 터빈 조립체(12)내의 온도를 모니터하기 위해 배치된 다수의 열전쌍과,
    상기 다수의 열전쌍(14)에 결합된 컴퓨터(16)를 포함하며,
    상기 각 열전쌍(14)에 의해 생성된 온도 신호가 상기 컴퓨터(16)에 제공되고, 상기 컴퓨터내에 내장된 알고리즘에 이용됨으로써, 열전쌍 신뢰도 값이 생성되며, 상기 생성된 값은 열전쌍 작동인지 또는 열전쌍 고장인지를 나타내는 전력 생성 터빈 조립체의 열전쌍 고장 검출 시스템.
  21. 제 20 항에 있어서,
    상기 컴퓨터는 메인 프레임, 마이크로컴퓨터, 미니 컴퓨터, 및 슈퍼 컴퓨터를 포함하는 그룹으로부터 선택되는 전력 생성 터빈 조립체의 열전쌍 고장 검출 시스템.
  22. 제 20 항에 있어서,
    상기 알고리즘은, C, C++, JAVA, 베이직(Basic), 비쥬얼 베이직(Visual Basic), MATLAB, 및 포트란(Fortran)을 포함하는 그룹으로부터 선택된 언어에 의해 실행되는 전력 생성 터빈 조립체의 열전쌍 고장 검출 시스템.
  23. 제 20 항에 있어서,
    상기 알고리즘은,
    상기 열전쌍에 의해 생성된 온도 판독값으로부터 중복 추정값을 생성하는 단계와,
    각 온도 판독값으로부터 기대값을 예측하는 단계와,
    상기 온도 판독값 및 상기 중복 추정값을 상기 기대값과 비교하는 단계,
    상기 중복 추정값과 상기 기대값을 조합하여 조합된 열전쌍 값을 생성하는 단계,
    상기 조합된 열전쌍값과 상기 온도 판독값을 비교하여 열전쌍 신뢰도 값을 생성하는 단계를 포함하는 전력 생성 터빈의 열전쌍 고장 검출 방법을 포함하는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  24. 제 23 항에 있어서,
    상기 중복 추정값은, 다수의 열전쌍을 사용하여 동일 온도를 모니터하는 물리적 중복에 의해 생성되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  25. 제 23 항에 있어서,
    상기 중복 추정값은, 중복되지 않은 열전쌍으로부터의 측정값을 사용하여 온도를 추정하는 함수 중복에 의해 생성되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  26. 제 25 항에 있어서,
    상기 함수 중복성은 xi = f(y1, … yi-1, yi+1, … yn)이며, y1, y2, … yn은 각 열전쌍이 위치한 지점 xi에서 온도를 측정한 n개의 열전쌍으로부터의 측정값인 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  27. 제 26 항에 있어서,
    상기 함수는 비선형 회귀를 사용하여 연산되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  28. 제 26 항에 있어서,
    상기 함수는 신경망 회로를 사용하여 연산되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  29. 제 26 항에 있어서,
    상기 함수는 분석적 제 1 원리 모델을 사용하여 연산되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  30. 제 25 항에 있어서,
    상기 함수 중복 추정값은, 관심있는 열전쌍의 양측면에 있는 서로 인접한 열전쌍에서의 온도를 모니터함에 의해 생성되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  31. 제 23 항에 있어서,
    상기 기대값의 예측은 상기 프로세스의 이력을 생성함에 의해 완료되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  32. 제 31 항에 있어서,
    상기 이력은 다음 샘플링 시간에 변수를 예측하기 위한 상태 공간 형태로 결합된 적응적 시 계열 모델을 구축함에 의해 생성되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  33. 제 32 항에 있어서,
    상기 다음 샘플링 기간의 변수 상태는,
    x(k+1) = x(k) + u(k) + w(k)이고, u(k)는 추정될 미지의 입력, w(k)는 노이즈이며, x(k)는 각 열전쌍에 의해 검출되는 온도인 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  34. 제 33 항에 있어서,
    상기 x(k) 및 w(k)는 독립적이며, 랜덤하고, 가우스 분포로 되어 있는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  35. 제 33 항에 있어서,
    상기 u(k)는 다항식 기법을 이용하여 추정되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  36. 제 33 항에 있어서,
    상기 u(k)는 신경망을 이용하여 추정되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  37. 제 33 항에 있어서,
    상기 u(k)는 퍼지 논리 기법을 이용하여 추정되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  38. 제 23 항에 있어서,
    상기 온도 판독값 및 상기 중복 추정값을 상기 기대값과 비교하는 단계는, 검사 게이트를 사용하여 완료되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  39. 제 23 항에 있어서,
    상기 검사 게이트는 3 시그마 영역에 의해 정의되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  40. 제 23 항에 있어서,
    상기 열전쌍 신뢰도 값은 각 열전쌍이 속하는 각 열전쌍 세트내의 각 열전쌍에 대해 연산되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
  41. 제 40 항에 있어서,
    각 열전쌍이 속하는 각 열전쌍 세트에서 각 열전쌍에 대한 열전쌍 신뢰도 값이 0이면 고장난 열전쌍이 검출되는 전력 생성 터빈의 열전쌍 고장 검출 시스템.
KR1019997011660A 1998-04-10 1999-02-16 열전쌍 고장 검출 방법 및 시스템 KR100647918B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US8147698P 1998-04-10 1998-04-10
US60/081,476 1998-04-10
US09/169,334 US6363330B1 (en) 1998-04-10 1998-10-09 Thermocouple failure detection in power generation turbines
US09/169,334 1998-10-09
PCT/US1999/003245 WO1999053280A1 (en) 1998-04-10 1999-02-16 Thermocouple failure detection in power generation turbines

Publications (2)

Publication Number Publication Date
KR20010013648A KR20010013648A (ko) 2001-02-26
KR100647918B1 true KR100647918B1 (ko) 2006-11-17

Family

ID=26765612

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019997011660A KR100647918B1 (ko) 1998-04-10 1999-02-16 열전쌍 고장 검출 방법 및 시스템

Country Status (6)

Country Link
US (1) US6363330B1 (ko)
EP (1) EP0988515A1 (ko)
JP (1) JP2002511150A (ko)
KR (1) KR100647918B1 (ko)
TW (1) TW442613B (ko)
WO (1) WO1999053280A1 (ko)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6577986B1 (en) * 1999-12-20 2003-06-10 General Electric Company Method and system for determining measurement repeatability and reproducibility
JP3687472B2 (ja) 2000-03-13 2005-08-24 豊田工機株式会社 温度検出装置
JP4517259B2 (ja) * 2000-06-20 2010-08-04 株式会社Ｉｈｉ ガスタービンに設けられた熱電対の断線検出方法
JP2002070584A (ja) * 2000-08-30 2002-03-08 Toshiba Corp ガスタービンプラント
KR20030048521A (ko) * 2001-12-12 2003-06-25 한영수 온도조절계 자동 교정/검사장치
US6983223B2 (en) * 2003-04-29 2006-01-03 Watlow Electric Manufacturing Company Detecting thermocouple failure using loop resistance
EP1473517A1 (de) * 2003-04-30 2004-11-03 Siemens Aktiengesellschaft Brennkammer
US6850859B1 (en) 2003-12-03 2005-02-01 Watlow Electric Manufacturing Company Sensor drift compensation by lot
US7580812B2 (en) * 2004-01-28 2009-08-25 Honeywell International Inc. Trending system and method using window filtering
US7447607B2 (en) * 2004-08-31 2008-11-04 Watow Electric Manufacturing System and method of compensation for device mounting and thermal transfer error
DE102004047758B4 (de) * 2004-09-30 2011-09-15 BSH Bosch und Siemens Hausgeräte GmbH Temperatursensorvorrichtung
US7797179B2 (en) * 2005-09-28 2010-09-14 Siemens Corporation Method and apparatus for planning major outages for gas turbines
US8333584B2 (en) * 2005-10-28 2012-12-18 Beckett Gas, Inc. Burner control
US7734443B2 (en) * 2007-08-23 2010-06-08 General Electric Company System and method for prediction of gas turbine trips due to thermocouple failures
US8280554B2 (en) * 2007-11-09 2012-10-02 Praxair Technology, Inc. System for preventing unnecessary shutdown of a high-purity gas production plant
US8437941B2 (en) 2009-05-08 2013-05-07 Gas Turbine Efficiency Sweden Ab Automated tuning of gas turbine combustion systems
US9671797B2 (en) 2009-05-08 2017-06-06 Gas Turbine Efficiency Sweden Ab Optimization of gas turbine combustion systems low load performance on simple cycle and heat recovery steam generator applications
US9267443B2 (en) 2009-05-08 2016-02-23 Gas Turbine Efficiency Sweden Ab Automated tuning of gas turbine combustion systems
US9354618B2 (en) 2009-05-08 2016-05-31 Gas Turbine Efficiency Sweden Ab Automated tuning of multiple fuel gas turbine combustion systems
CN102135453A (zh) * 2010-12-10 2011-07-27 奇瑞汽车股份有限公司 电机温度监测方法及系统、功率控制方法及系统
FR2979951B1 (fr) * 2011-09-14 2015-05-01 Snecma Procede de surveillance d'au moins deux capteurs de temperature d'une turbomachine
US10197277B2 (en) * 2013-03-15 2019-02-05 Green Light Industries, Inc. Chemically heated hot emitter generator system
US9811814B2 (en) * 2013-08-27 2017-11-07 Greenlight Industries, Inc. Chemically heated hot emitter generator system
CN104614089A (zh) * 2015-02-12 2015-05-13 顾道金 自诊断智能温度传感设备及自诊断方法
JP2017075844A (ja) * 2015-10-14 2017-04-20 株式会社デンソー 複合センサ
TWI645341B (zh) * 2017-12-19 2018-12-21 財團法人工業技術研究院 旋轉機械的溫度估測方法
US11137294B2 (en) 2018-02-21 2021-10-05 Rolls-Royce Corporation Method of temperature error detection
US11408779B2 (en) * 2019-06-03 2022-08-09 Daily Thermetrics Corporation Temperature sensor and methods of use
US11994432B2 (en) * 2021-09-13 2024-05-28 Pratt & Whitney Canada Corp. Method and system for detecting failure in an array of thermocouples connected in parallel

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4283634A (en) * 1971-06-23 1981-08-11 Westinghouse Electric Corp. System and method for monitoring and controlling operation of industrial gas turbine apparatus and gas turbine electric power plants preferably with a digital computer control system
US4377000A (en) 1980-05-05 1983-03-15 Westinghouse Electric Corp. Automatic fault detection and recovery system which provides stability and continuity of operation in an industrial multiprocessor control
US4402054A (en) 1980-10-15 1983-08-30 Westinghouse Electric Corp. Method and apparatus for the automatic diagnosis of system malfunctions
US4654846A (en) 1983-12-20 1987-03-31 Rca Corporation Spacecraft autonomous redundancy control
US4649515A (en) 1984-04-30 1987-03-10 Westinghouse Electric Corp. Methods and apparatus for system fault diagnosis and control
US4517468A (en) 1984-04-30 1985-05-14 Westinghouse Electric Corp. Diagnostic system and method
US4644479A (en) 1984-07-31 1987-02-17 Westinghouse Electric Corp. Diagnostic apparatus
US4642782A (en) 1984-07-31 1987-02-10 Westinghouse Electric Corp. Rule based diagnostic system with dynamic alteration capability
US4841209A (en) 1987-11-25 1989-06-20 United Technologies Corporation Actuator control system with displacement sensor fault detection
US5132920A (en) 1988-02-16 1992-07-21 Westinghouse Electric Corp. Automated system to prioritize repair of plant equipment
US4951234A (en) 1988-06-22 1990-08-21 Westinghouse Electric Corp. Monitoring a plurality of identical process parameters
US5121496A (en) 1988-07-25 1992-06-09 Westinghouse Electric Corp. Method for creating, maintaining and using an expert system by recursively modifying calibration file and merging with standard file
US5009833A (en) 1989-01-11 1991-04-23 Westinghouse Electric Corp. Expert system for surveillance, diagnosis and prognosis of plant operation
US5081598A (en) 1989-02-21 1992-01-14 Westinghouse Electric Corp. Method for associating text in automatic diagnostic system to produce recommended actions automatically
US5086499A (en) 1989-05-23 1992-02-04 Aeg Westinghouse Transportation Systems, Inc. Computer network for real time control with automatic fault identification and by-pass
EP0411873A3 (en) 1989-08-02 1993-11-18 Westinghouse Electric Corp Improved plant operating system employing a deterministic, probabilistic and subjective modeling system
US5164912A (en) 1989-11-17 1992-11-17 Westinghouse Electric Corp. Expert system tester
US5089978A (en) 1990-02-09 1992-02-18 Westinghouse Electric Corp. Automatic plant state diagnosis system including a display selection system for selecting displays responsive to the diagnosis
US5122976A (en) 1990-03-12 1992-06-16 Westinghouse Electric Corp. Method and apparatus for remotely controlling sensor processing algorithms to expert sensor diagnoses
KR940002066B1 (ko) 1990-08-24 1994-03-16 미쯔비시 덴끼 가부시기가이샤 압력센서의 페일검출방법
JP2826387B2 (ja) 1991-02-26 1998-11-18 甲府日本電気株式会社 温度異常検出方式
US5170780A (en) 1991-05-30 1992-12-15 Rosenfeld J Peter Method of credibility assessment based on feedback-elicited P3 responses of brain
US5255208A (en) 1991-08-08 1993-10-19 Aeg Westinghouse Transportation Systems, Inc. On-line processor based diagnostic system
JP3021135B2 (ja) 1991-11-12 2000-03-15 三菱重工業株式会社 フィルム厚み制御装置
US5351200A (en) 1991-11-22 1994-09-27 Westinghouse Electric Corporation Process facility monitor using fuzzy logic
US5680541A (en) 1991-12-16 1997-10-21 Fuji Xerox Co., Ltd. Diagnosing method and apparatus
US5499023A (en) 1992-05-27 1996-03-12 Kaye Instruments, Inc. Method of and apparatus for automated sensor diagnosis through quantitative measurement of one of sensor-to-earth conductance or loop resistance
US5311562A (en) 1992-12-01 1994-05-10 Westinghouse Electric Corp. Plant maintenance with predictive diagnostics
US5307409A (en) 1992-12-22 1994-04-26 Honeywell Inc Apparatus and method for fault detection on redundant signal lines via encryption
US5390326A (en) 1993-04-30 1995-02-14 The Foxboro Company Local area network with fault detection and recovery
US5550751A (en) 1993-10-15 1996-08-27 The Texas A & M University System Expert system for detecting high impedance faults
US5485491A (en) 1994-03-31 1996-01-16 Westinghouse Electric Corporation Online diagnostic system for rotating electrical apparatus
US5663899A (en) 1995-06-05 1997-09-02 Advanced Micro Devices Redundant thermocouple
US5586156A (en) 1995-07-14 1996-12-17 General Electric Company Reactor protection system with automatic self-testing and diagnostic

Also Published As

Publication number Publication date
KR20010013648A (ko) 2001-02-26
WO1999053280A1 (en) 1999-10-21
US6363330B1 (en) 2002-03-26
TW442613B (en) 2001-06-23
JP2002511150A (ja) 2002-04-09
EP0988515A1 (en) 2000-03-29

Similar Documents

Publication Publication Date Title
KR100647918B1 (ko) 열전쌍 고장 검출 방법 및 시스템
Ogaji et al. Parameter selection for diagnosing a gas-turbine's performance-deterioration
US6898554B2 (en) Fault detection in a physical system
US7941281B2 (en) System and method for rotor blade health monitoring
US7734443B2 (en) System and method for prediction of gas turbine trips due to thermocouple failures
KR100838895B1 (ko) 가스 터빈 시스템 성능 모니터링 방법 및 가스 터빈 시스템에서의 잠재적 결함 연소실 캔 식별 방법
US20090228230A1 (en) System and method for real-time detection of gas turbine or aircraft engine blade problems
EP2469041A1 (en) Method of detecting a predetermined condition in a gas turbine and failure detection system for a gas turbine
CN103052767A (zh) 检测影响涡轮发动机压缩机的旋转失速的方法及装置
Yang et al. A strong tracking filter based multiple model approach for gas turbine fault diagnosis
CN111506049A (zh) 基于aann网络系统的航空发动机控制系统多重故障诊断方法
RU2636602C2 (ru) Способ мониторинга цикла запуска двигателя газотурбинной установки
CN109556876B (zh) 一种区分燃气轮机燃烧故障和热通道设备故障的诊断方法
Fentaye et al. Hybrid model-based and data-driven diagnostic algorithm for gas turbine engines
Kestner et al. Diagnostics of highly degraded industrial gas turbines using Bayesian networks
Liu et al. Anomaly detection of hot components in gas turbine based on frequent pattern extraction
KR960010279B1 (ko) 개스터빈 엔진 및 그 작동방법
Loboda et al. Polynomials and neural networks for gas turbine monitoring: a comparative study
Zhang et al. Condition monitoring of combustion system on industrial gas turbines based on trend and noise analysis
Zarate et al. Computation and monitoring of the deviations of gas turbine unmeasured parameters
US20070150220A1 (en) Method for monitoring a technical device
Fentaye et al. Sensor fault/failure correction and missing sensor replacement for enhanced real-time gas turbine diagnostics
Borguet et al. Assessment of an anomaly detector for jet engine health monitoring
NORMAN, JR et al. Development of a health monitoring algorithm
Bickmore A probabilistic approach to sensor data validation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee