KR102120733B1 - 터빈 유닛의 시험 동안의 결함 진단 - Google Patents

Abstract

터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법이 설명되며, 터빈 유닛은 복수의 터빈 구성요소들 및 터빈 센서들을 포함하고, 터빈 시험 시스템은 복수의 시험 센서들을 포함한다. 설명된 방법은 (a) 터빈 센서들 및 시험 센서들로부터 측정 데이터를 획득하는 단계, (b) 측정 데이터에 기반하여 적어도 하나의 매개변수 값을 계산하는 단계, (c) 미리 결정된 기준 데이터와, 측정 데이터 및 적어도 하나의 매개변수 값을 비교함으로써, 측정 데이터 및 적어도 하나의 매개변수 값의 편차를 결정하는 단계, 및 (d) 결함을 검출하기 위하여, 결정된 편차를 복수의 미리 결정된 결함 시그니처들에 매칭하는 단계를 포함하며, 복수의 미리 결정된 결함 시그니처들은, 결함 시그니처들의 제1 세트 및 결함 시그니처들의 제2 세트를 포함하고, 결함 시그니처들의 제1 세트는 터빈 센서 결함들 및/또는 시험 센서 결함들에 대응하고 무-결함 터빈 구성요소들을 가정한 것이며, 결함 시그니처들의 제2 세트는 터빈 구성요소 결함들에 대응하고 무-결함 터빈 센서들 및 시험 센서들을 가정한 것이다.

Description

터빈 유닛의 시험 동안의 결함 진단

본 발명은 터빈(turbine) 시험 분야, 특히, 터빈 시험 시스템(system)에서의 터빈 유닛(unit)의 시험 동안의 결함 진단(fault diagnosis) 방법들에 관한 것이다. 더욱이, 본 발명은 터빈 유닛을 시험하기 위한 대응하는 시스템, 그리고 대응하는 컴퓨터 프로그램(computer program) 및 컴퓨터 프로그램 제품에 관한 것이다.

터빈 유닛, 이를테면 가스(gas) 터빈 엔진(engine)을 제조한 후에 그리고 이 터빈 유닛을 출하하기 전에, 불량(defective) 또는 결함(faulty) 엔진들이 고객들에게 배달되지 않음을 보장하기 위하여, 터빈 유닛은 면밀하게 시험된다. 그러한 시험은 시간 및 연료 둘 모두에 있어서 값비싸다.

때때로, 시험 장비에서의 결함들은, 시험되고 있는 터빈 유닛이 불량임을 의미하는 것으로 잘못되게 고려될 수 있다. 더욱이, 일부 시험 장비 결함들 및 엔진 결함들은 시험 요원에 의해 즉시 교정될 수 있어서, 교정 시 시험이 완료될 수 있는 반면에, 다른 결함들은 전문가들에 의한 더 정밀한 검사를 필요로 한다.

시험 동안 결함 진단을 수행하는 현재의 개념들은 매우 복잡하거나, 또는 필요한 성능을 제공할 수 없다. (매우 기본적인 것에서 항공기 산업을 겨냥한 고도로 복잡한 것까지) 터빈 진단법(diagnostics)의 영향 하에 사용되고 있는 개념들, 이론들 및 방법들을 사용하려는 다양한 시도들이 이루어졌다. 이들은 주로, 공칭 엔진 모델(nominal engine model)을 온-라인(on-line)으로 실행하고, 뉴튼-랩슨 반복 프로세스(Newton-Raphson iterative process)들을 사용하여, 이 공칭 엔진 모델의 구성요소 특성들을 현재 엔진에 적응시키는 것에 기반하며, 그리고 일반적으로, 반복할 때마다 야코비안 도함수 행렬(Jacobian derivative matrix)을 업데이팅(updating)할 것을 요구한다(따라서, 그들은 시간 소모적이고, 값비쌈). 더욱이, 그들은 수학적 역문제를 다루며, 따라서, 솔루션(solution)에 이르고 그들에서의 불확실성들을 정량화하는 데 성공하기 위해, 측정들의 명확한 편향(bias)을 요구한다. 이들 방법들은, 다음 중 하나 또는 그 초과에 기인하여, 실제 상황들에 적용될 때, 어려움들을 겪는다: 1) 기구(instrument)의 불확실성들, 그리고 이 불확실성들을 가중하고 견줘 보기(balance against)에는 이 불확실성들을 충분히 잘 알지 못한다는 것; 2) 기구 결함과 엔진 구성요소 결함의 별개의 진단법 ―따라서, 하나의 유형의 데이터(data)가 다른 유형의 데이터에 의해 변질됨―; 3) (불확실성들이 있는 실제 측정 데이터의 사용에 기인하는) 수렴 이슈(convergence issue)들; 4) 고유한 솔루션들을 생성하는 데 불충분한 수의 측정들; 5) 방정식이 때때로, (기구 편향들 등이) 제공된 정보에 대해 특이하게(singular) 되는 것; 그리고 6) 주요 결함과 함께 거짓 잔여 결함들을 제공하는 스미어링 효과(smearing effect)들.

기구들에서의 결함과 엔진 구성요소들에서의 결함은, 그들이 서로의 입력 데이터를 변질시킬 수 있기 때문에, 별개로 다루어지지 않아야 한다. 이 이슈를 해결하기 위해, 동일한 데이터를 사용하여 기구 결함들을 다루는 데 추가적인 복잡성이 가산된다. 이들 방법들 및 이들 방법들의 공개된 지식은 (일부 검증 시도들이 있음에도 불구하고) 주로, 고도로 이론적이다. 따라서, (측정 결함들이 있는) 이중 결함들이 존재할 때, 이들 방법들의 적용은 불가능하다.

그에 따라서, 터빈 유닛들의 시험 동안 결함들을 진단하는 단순하고 효과적인 방식, 특히, 즉시 교정될 수 있는 결함들과, 터빈 유닛의 추가적인 검사 또는 수리를 필요로 하는 결함들을 구분할 수 있는 방식이 필요하다.

이 필요는 독립 청구항들에 따른 발명의 요지에 의해 충족될 수 있다. 본 발명의 유리한 실시예들은 종속 청구항들에 의해 설명된다.

본 발명의 제1 양상에 따라, 터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법이 제공되며, 터빈 유닛은 복수의 터빈 구성요소들 및 터빈 센서(sensor)들을 포함하고, 터빈 시험 시스템은 복수의 시험 센서들을 포함한다. 방법은 (a) 터빈 센서들 및 시험 센서들로부터 측정 데이터를 획득하는 단계, (b) 측정 데이터에 기반하여 적어도 하나의 매개변수 값을 계산하는 단계, (c) 미리 결정된 기준 데이터와, 측정 데이터 및 적어도 하나의 매개변수 값을 비교함으로써, 측정 데이터 및 적어도 하나의 매개변수 값의 편차(deviation)를 결정하는 단계, 및 (d) 결함을 검출하기 위하여, 결정된 편차를 복수의 미리 결정된 결함 시그니처(signature)들에 매칭(matching)하는 단계를 포함하며, 복수의 미리 결정된 결함 시그니처들은, 결함 시그니처들의 제1 세트(set) 및 결함 시그니처들의 제2 세트를 포함하고, 결함 시그니처들의 제1 세트는 터빈 센서 결함들 및/또는 시험 센서 결함들에 대응하고 무-결함 터빈 구성요소들을 가정한 것이며, 결함 시그니처들의 제2 세트는 터빈 구성요소 결함들에 대응하고 무-결함 터빈 센서들 및 시험 센서들을 가정한 것이다.

본 발명의 이 양상은, 한편으로, 무-결함 터빈 유닛의 터빈 및/또는 시험 센서들에서의 결함을 결정하기 위해서는 무-결함 터빈 구성요소들을 갖는 터빈 유닛의 가정이 사용되고, 다른 한편으로, 터빈 구성요소에서의 결함을 결정하기 위해서는 무-결함 터빈 및 시험 센서들의 가정이 사용된다는 사상(idea)에 기반한다. 다시 말해서, 결함 시그니처들의 제1 세트 및 결함 시그니처들의 제2 세트를 사용함으로써, 방법은, 미리 결정된 데이터에 관련된, 측정 데이터 및 적어도 하나의 매개변수 값의 소정의 편차가, 센서 결함에 의해 유발되는지 또는 터빈 결함에 의해 유발되는지를 결정할 수 있다. 이로써, 방법은, (불량 센서의 교체와 같이) 시험 요원에 의해 쉽게 고쳐질 수 있는 결함들과, 터빈 유닛의 추가적인 검사를 요구하는 결함들 사이를 구별할 수 있다. 첫 번째의 경우, 시험 절차는, 결함이 고쳐진 후에 재개되거나 또는 계속될 수 있다. 두 번째의 경우, 시험 절차는, 터빈 유닛의 검사 및 교정 이후 때까지 계속될 수 없다.

본 맥락에서, "측정 데이터"란 용어는 특히, 센서들 각각에 의해 출력되는 측정 값들의 시리즈(series)를 의미할 수 있다.

본 맥락에서, "매개변수 값"이란 용어는 특히, 측정 데이터의 적어도 일부에 열역학 관계(thermodynamic relation)를 적용함으로써 획득되는 양(quantity)을 의미할 수 있다.

본 맥락에서, "기준 데이터"란 용어는 특히, 유사한 시험 시스템들에서의 유사한 터빈 유닛들의 시험 동안 획득된 이력(historical) 데이터(측정 데이터 뿐만 아니라 매개변수 값들)를 의미할 수 있다.

본 맥락에서, "결함 시그니처"란 용어는 특히, 특정 결함에 대응하는 미리 결정된 기준 데이터와 소정의 측정 데이터 및 매개변수 값들 사이의 편차 값들의 세트를 의미할 수 있다.

본 발명의 실시예에 따라, 결정된 편차를 복수의 미리 결정된 결함 시그니처들에 매칭하는 단계는, 결정된 편차와 각각의 개개의 결함 시그니처 사이의 매칭(matching)의 정도에 의존하여 결함들의 순서화된 목록을 생성하는 단계를 포함한다.

다시 말해서, 편차 및 각각의 결함 시그니처에 대한 매칭의 정도가 결정되고, 결함들의 목록이 생성되며, 이 결함들의 목록에서, 대응하는 매칭의 정도에 따라 다양한 결함들이 순서화된다.

본 발명의 추가적인 실시예에 따라, 결정된 편차를 복수의 미리 결정된 결함 시그니처들에 매칭하는 단계는, 미리 결정된 기준 데이터의 평균(mean) 값들에 기반하는 단일 결함 매칭 스테이지(stage)를 포함한다.

이 실시예에서, 단일 결함 스테이지가 적용되며, 이 단일 결함 스테이지는 (기준 데이터의 평균 값들에 관련된) 결정된 편차와, 각각의 단일 결함 시그니처 사이의 매칭의 정도를 결정한다. 다시 말해서, 이 실시예에서, 편차가 단일 결함, 이를테면 단일 불량 센서에 의해 유발되는지(또는 유발되는 것으로 가정될 수 있는지) 여부가 확립된다.

본 발명의 추가적인 실시예에 따라, 결정된 편차를 복수의 미리 결정된 결함 시그니처들에 매칭하는 단계는, 미리 결정된 기준 데이터의 평균 값들 및 결함 시그니처들의 가중 쌍(weighted pair)들에 기반하는 이중(double) 결함 매칭 스테이지를 포함한다.

이 실시예에서, 이중 결함 스테이지가 적용되며, 이 이중 결함 스테이지는 (기준 데이터의 평균 값들에 관련된) 결정된 편차와, 결함 시그니처들의 가중 쌍들 사이의 매칭의 정도를 결정한다. 다시 말해서, 이 실시예에서, 편차가 2개의 결함들, 즉 이중 결함, 이를테면 2개의 불량 센서들에 의해 유발되는지(또는 유발되는 것으로 가정될 수 있는지) 여부가 확립된다.

본 발명의 추가적인 실시예에 따라, 방법은, 복수의 후보 결함들에 대한 발생 확률을 결정하는 단계, 및 결정된 확률들에 따라 후보 결함들의 목록을 생성하는 단계를 더 포함한다.

다시 말해서, 이 실시예에 따라, 다수의 후보 결함들, 즉, 매칭의 관점에서의 가능한 결함들은, 개개의 발생 확률들에 따라 목록에서 순서화된다.

본 발명의 추가적인 실시예에 따라, 방법은, 후보 결함들의 목록에 기반하여 후보 결함들 중 적어도 하나를 발생 결함으로서 선택하는 단계를 더 포함한다.

이 실시예에서, 후보 결함들(이중 결함들을 포함함) 중 하나, 예컨대 최고 확률을 갖는 후보 결함이 결함으로서 선택된다.

본 발명의 추가적인 실시예에 따라, 방법은, 결함 및/또는 대응하는 결함 원인을 식별하는 정보를 출력하는 단계를 더 포함한다.

결함 및/또는 대응하는 원인(예컨대, 불량 구성요소)에 관한 정보를 출력함으로써, 시험 요원은 어떻게 진행할지를 쉽게 그리고 즉시 판단할 수 있다.

본 발명의 추가적인 실시예에 따라, 방법은, (a) 터빈 유닛의 시험을 정지(stopping)하는 단계, 및 (b) 결정된 결함에 기반하여, 결함이 하나 또는 그 초과의 시험 센서들을 교체함으로써 고쳐질 수 있는지 여부를 결정하는 단계를 더 포함한다.

이 실시예에서, 시험 요원은, 예컨대, 하나 또는 그 초과의 시험 센서들을 교체하고 시험 절차를 즉시 재개하기 위해, 또는 시험 절차를 중단하고 터빈 유닛을 전문가들에 의한 추가적인 검사 및/또는 수리로 보내기 위해, 어떻게 진행할지에 관한 정보를 수신할 수 있다.

본 발명의 제2 양상에 따라, 터빈 유닛을 시험하기 위한 시스템이 제공된다. 설명된 시스템은, (a) 시험될 터빈 유닛을 수용하기 위한 시험대(test bed), (b) 시험 동안 터빈 유닛의 동작에 관한 물리적 양들을 감지하기 위한 복수의 시스템 센서들, 및 (c) 터빈 유닛의 시험 동작을 제어하도록 적응된 제어기를 포함하며, 제어기는 추가로, 제1 양상에 따른 방법 또는 위에서 설명된 실시예들 중 임의의 실시예를 사용함으로써, 시험 동작 동안 결함 진단을 수행하도록 적응된다.

본 발명의 이 양상은, 터빈 유닛들을 시험하기 위한 시스템이며, 이 시스템은 제1 양상에 따른 방법을 수행할 수 있는 제어기를 포함한다. 따라서, 이 양상에 따른 시스템은 터빈 유닛들의 효율적인 시험을 허용한다.

본 발명의 제3 양상에 따라, 컴퓨터 실행가능 명령들을 포함하는 컴퓨터 프로그램이 제공되며, 이 컴퓨터 실행가능 명령들은, 컴퓨터의 프로세서(processor)에 의해 수행될 때, 컴퓨터로 하여금, 제1 양상에 따른 방법 및/또는 위의 실시예들 중 임의의 실시예를 수행하게 하도록 적응된다.

본 발명의 제4 양상에 따라, 제3 양상에 따른 컴퓨터 프로그램이 로딩된(loaded) 컴퓨터 판독가능 저장 매체를 포함하는 컴퓨터 프로그램 제품이 제공된다.

위의 양상들 및 실시예들에 의해 예시된 본 발명이, (터빈 유닛들의 시험 동안, 예컨대, 성능 시운전(test run)들의 단 몇 분 동안) 기구들(센서들) 및 엔진 구성요소들에서의 결함들의 조기 검출을 가능하게 하여서, 4 시간 내지 5 시간의 시험의 비성공적인 완료 또는 잘못된 시험을 수행하는 것에 기인하는 연료 및 노동력 낭비가 방지될 수 있다. 본 발명을 이용하면, 시험 동안, 즉, 온라인(online)으로 결함 진단이 수행되어서, 어떻게 진행할지에 관한 판단에 이르기 위해 시험 데이터의 후속 오프라인(offline) 분석은 필요하지 않다. 연소기 온도 분포들과 전부하 및 부분 부하 성능의 온라인 모니터링(monitoring)과 결합된 결함 진단법은, 상황에 대한 시험 엔지니어(engineer)들의 어세스먼트(assessment)를 크게 개선시키고, 특히 백업(backup) 지원이 이용가능하지 않을 때 의사결정들을 위한 견고한 기초를 제공할 것이다. 이 점과 관련하여, 여기서 언급된 진단법 및 모니터링은 주로, 열역학 매개변수들을 지칭한다.

일부 경우들에서, (알려져 있다면) 기구 결함들은 (주간 또는 야간 동안) 시험 직원(staff)에 의해 즉시 교정될 수 있으며, 그 결과, 그들은 계속해서 시험을 성공적으로 완료할 수 있다. 그러므로, (전문가에 의한) 오프 라인(off line) 조사가 수행될 수 있고 결함들이 식별될 수 있을 때까지의 시험 직원의 대기 시간은 제거된다.

본 발명에 따른 방법은 최소의 자원들을 사용하여, 다수의 데이터 지점들을 신속하게 그리고 정확하게 매칭(match)한다. 시험 엔지니어들 및 비-전문가 분석을 보조하기 위하여, 초기 트리거(trigger) 지점들에 대한 온라인 진단법을 위해서는 우수한 정성적인(qualitative) 정밀도가 충분하다.

마지막으로, 방법들은 또한, 결함의 원인의 적절한 식별을 제공함으로써, 보스코프(borescope) 검사들 그리고 지체 없이 다시 건강한(healthy) 상태로의 엔진 복구 프로세스(process)를 보조하여서, 그에 따라 교정 프로세스를 크게 개선시키고 가속시키며 그리고 엔진을 이 엔진의 첫 번째 재-시험에서 통과시키는(pass-off) 것을 가능하게 할 수 있다. 설계 변화들 및 교정들에서의 미래의 판단들을 지원 및 보조하기 위해, 장기(long term) 엔진 구성요소 변화들 및 계측(instrumentation) 이슈들이 식별될 수 있다. 더욱이, (결함/편차들이 측정되고 현재 모집단에 대해 매칭됨에 따라) 현재 엔진 모집단에 대한, (예컨대, 엔진 모집단 변화들의 경우) 엔진 모델(model)들의 적응을 보조하기 위한 보충 정보 및 데이터가 제공될 수 있다. 엔진이 통과될 때(passed-off), 커미셔닝(commissioning) 지점부터의 현장 모니터링(monitoring)에 대한 데이텀(datum)이 제공될 수 있다.

요약하면, 본 발명은 적어도, 다음의 장점들을 제공한다:

1) 엔진 결함과 기구 결함을 동시에 진단하는 능력.

2) 실제 기존 기구 불확실성들과의 잘 잡힌 균형.

3) 필요하다면, 엔진 건강(health) 상태 변수들의 수보다 더 적은 수의 측정들에 대처하는 능력.

4) 강건하고 & 신뢰성 있음 ― 예컨대, 수렴 이슈들이 없음.

5) 규격(specification) 미만이거나 또는 규격을 초과하지 않으면서, 목적에 대해 효과적이고, 따라서 경제적이고 효율적임.

6) 생산 엔진 시험 프로세스와 잘 조정됨; 즉, (동작 시험 조건들에 맞추기 위해) 생산 엔진 시험 프로세스에 의해 제공되는 것과 동일한 정보를 사용함.

7) 최적의 운용가능한 엔지니어링(engineering) 솔루션.

8) 다른 진단 방법들에 보충적일 뿐만 아니라 보완적이 되도록 유연함.

본 발명의 실시예들이 상이한 발명의 요지들을 참조하여 설명되었다는 것이 주목된다. 특히, 일부 실시예들이 방법 유형 청구항들을 참조하여 설명된 반면에, 다른 실시예들은 장치 유형 청구항들을 참조하여 설명되었다. 그러나, 당업자는, 위의 그리고 다음의 설명으로부터, 달리 표시되지 않는 한, 하나의 유형의 발명의 요지에 속하는 특징들의 임의의 결합에 부가하여, 또한, 상이한 발명의 요지들에 관한 특징들의 임의의 결합, 특히, 방법 유형 청구항들의 특징들과 장치 유형 청구항들의 특징들의 결합들이 본 명세서의 개시내용의 일부라는 것을 이해할 것이다.

위에서 정의된 양상들 및 본 발명의 추가적인 양상들은 이하에 설명될 실시예들의 예들로부터 자명하며, 그리고 실시예들의 예들을 참조하여 설명된다. 본 발명은 실시예들의 예들을 참조하여 이하에 더욱 상세히 설명될 것이다. 그러나, 본 발명이 설명된 예시적인 실시예들로 제한되지 않는다는 것이 명시적으로 주목된다.

도 1은 터빈 엔진의 일부를 단면도로 도시한다.
도 2는 본 발명의 실시예에 따른 방법에서 사용되는 행렬 방정식을 도시한다.
도 3은 본 발명의 실시예에 따른 방법에서 사용되는 행렬 방정식을 도시한다.
도 4는 본 발명의 실시예에 따른, 산포도(scatter plot) 대 날짜를 도시한다.
도 5는 발생 확률을 표시하는, 도 4의 플롯(plot)의 다른 표현을 도시한다.
도 6은 본 발명의 실시예에 따른, 교정을 위해 필요한 시간에 관한 결함의 유의성(significance)을 도시한다.
도 7은 본 발명의 실시예에 따른, 롤링(rolling) CuSum의 예시를 도시한다.
도 8은 본 발명의 실시예에 따른 방법의 흐름도를 도시한다.
도 9는 본 발명의 실시예에 따른, 압축기 결함 분류 단위 벡터 휠(vector wheel)의 그래픽(graphical) 표현을 도시한다.
도 10은 본 발명의 실시예에 따른, 터빈 결함 분류 단위 벡터 휠의 그래픽 표현을 도시한다.
도 11은 본 발명의 실시예에 따른 결함 매칭의 예를 도시한다.

도면에서의 예시는 개략적이다. 상이한 도면들에서, 유사한 또는 동일한 요소(element)들에는 동일한 참조 번호들, 또는 첫 번째 숫자(digit) 내에서만 상이한 참조 번호들이 제공된다는 것이 주목된다.

도 1은 가스 터빈 엔진(10)의 예를 단면도로 도시한다. 가스 터빈 엔진(10)은, 유동 순서(series)로, 주입구(12), 압축기 섹션(section)(14), 연소기 섹션(16) 및 터빈 섹션(18)을 포함하며, 일반적으로, 이들은 유동 순서로, 그리고 일반적으로 길이방향 또는 회전 축(20) 주위에 그리고 이 길이방향 또는 회전 축(20)의 방향으로 배열된다. 가스 터빈 엔진(10)은, 회전 축(20) 주위로 회전가능하고 가스 터빈 엔진(10)을 통해 길이방향으로 연장되는 샤프트(shaft)(22)를 더 포함한다. 샤프트(22)는 터빈 섹션(18)을 압축기 섹션(14)에 구동가능하게(drivingly) 연결한다.

가스 터빈 엔진(10)의 동작 시, 공기 주입구(12)를 통해 받아들여지는 공기(24)는 압축기 섹션(14)에 의해 압축되고, 연소 섹션 또는 버너(burner) 섹션(16)에 전달된다. 버너 섹션(16)은 버너 플리넘(plenum)(26), 하나 또는 그 초과의 연소 챔버(chamber)들(28), 그리고 각각의 연소 챔버(28)에 고정된 적어도 하나의 버너(30)를 포함한다. 연소 챔버들(28) 및 버너들(30)은 버너 플리넘(26) 내부에 위치된다. 압축기(14)를 통과하는 압축 공기는 확산기(32)에 들어가고, 확산기(32)로부터 버너 플리넘(26)으로 방출되며, 이 버너 플리넘(26)으로부터 공기의 일부가 버너(30)에 들어가며 그리고 기체성 또는 액체 연료와 혼합된다. 그런 다음, 공기/연료 혼합물은 태워지고, 연소로부터의 연소 가스(34) 또는 동작 가스가 연소 챔버(28)를 통해 터빈 섹션(18)으로 전이 덕트(duct)(17)를 거쳐 채널링된다(channelled).

이 예시적인 가스 터빈 엔진(10)은 캐뉼러(cannular) 연소기 섹션 어레인지먼트(arrangement)(16)를 가지며, 이 캐뉼러 연소기 섹션 어레인지먼트(16)는 연소기 캔(can)들(19)의 환상 어레이(array)에 의해 구성되며, 이 연소기 캔들(19) 각각은 버너(30) 및 연소 챔버(28)를 가지며, 전이 덕트(17)는 일반적으로, 연소 챔버(28)와 인터페이싱(interface)하는 원형 주입구 및 환상 세그먼트(segment) 형태의 배출구를 갖는다. 전이 덕트 배출구들의 환상 어레이는, 터빈(18)으로 연소 가스들을 채널링(channelling)하기 위한 고리(annulus)를 형성한다.

터빈 섹션(18)은 샤프트(22)에 부착된 다수의 블레이드 보유 디스크(blade carrying disc)들(36)을 포함한다. 본 예에서, 2개의 디스크들(36) 각각은 터빈 블레이드들(38)의 환상 어레이를 보유한다. 그러나, 블레이드 보유 디스크들의 수는 상이할 수 있는데, 즉, 단 1개의 디스크 또는 2개 초과의 디스크들이 있을 수 있다. 부가하여, 가스 터빈 엔진(10)의 고정자(42)에 고정되는 안내 날개들(40)이 터빈 블레이드들(38)의 환상 어레이들의 스테이지들 사이에 배치된다. 연소 챔버(28)의 출구와 선두 터빈 블레이드들(38) 주입구 사이에, 안내 날개들(44)이 제공되며, 그리고 이 안내 날개들(44)은 동작 가스의 유동을 터빈 블레이드들(38) 상으로 돌린다.

연소 챔버(28)로부터의 연소 가스가 터빈 섹션(18)에 들어가고, 터빈 블레이드들(38)을 구동하며, 그런 다음, 이 터빈 블레이드들(38)은 샤프트(22)를 회전시킨다. 안내 날개들(40, 44)은 터빈 블레이드들(38) 상에서의 연소 또는 동작 가스의 각도를 최적화하는 역할을 한다.

터빈 섹션(18)은 압축기 섹션(14)을 구동한다. 압축기 섹션(14)은 날개 스테이지들(46)과 회전자 블레이드 스테이지들(48)의 축방향 시리즈를 포함한다. 회전자 블레이드 스테이지들(48)은 블레이드들의 환상 어레이를 지지하는 회전자 디스크를 포함한다. 압축기 섹션(14)은 또한, 회전자 스테이지들을 둘러싸고 날개 스테이지들(46)을 지지하는 케이싱(casing)(50)을 포함한다. 안내 날개 스테이지들은, 케이싱(50)에 장착되는 반경방향으로 연장되는 날개들의 환상 어레이를 포함한다. 날개들은, 주어진 엔진 동작 지점에서 블레이드들에 대한 최적의 각도로 가스 유동을 주도록(present) 제공된다. 안내 날개 스테이지들 중 일부는 가변 날개들을 가지며, 여기서, 날개들만의 길이방향 축 주위에서의 날개들의 각도는, 상이한 엔진 동작 조건들에서 발생할 수 있는 공기 유동 특성들에 따른 각도를 위해 조절될 수 있다.

케이싱(50)은 압축기(14)의 통로(56)의 반경방향 외부 표면(52)을 형성한다. 블레이드들(48)의 환상 어레이에 의해 부분적으로 형성되는, 회전자의 회전자 드럼(drum)(53)에 의해, 통로(56)의 반경방향 내부 표면(54)이 적어도 부분적으로 형성된다.

본 발명은, 단일의 다중-스테이지 압축기(single, multi-stage compressor)와 단일의 하나 또는 그 초과 스테이지 터빈(single, one or more stage turbine)을 연결하는 단일 샤프트 또는 스풀(spool)을 갖는 위의 예시적인 터빈 엔진을 참조하여 설명된다. 그러나, 본 발명이 2개 또는 3개의 샤프트 엔진들에 동일하게 적용가능하고, 본 발명이 산업, 항공 또는 해양 응용들에 사용될 수 있다는 것이 인식되어야 한다.

상류 및 하류란 용어들은, 달리 진술되지 않는 한, 엔진을 통한 기류 및/또는 동작 가스 유동의 유동 방향을 지칭한다. 전방 및 후방이란 용어들은 엔진을 통한 가스의 일반적인 유동을 지칭한다. 축방향, 반경반향 및 원주방향이란 용어들은 엔진의 회전 축(20)을 참조로 지칭된다.

다음에서 더욱 상세히 설명된 본 발명은 터빈 엔진, 이를테면 도 1에서 도시되고 위에서 설명된 가스 터빈 엔진(10), 그리고 유사한 가스 터빈 엔진들의 시험 동안의(그리고 시험 후의) 결함 진단을 위한 방법들을 제공한다.

본 발명의 방법은 성공적으로 시험되었으며, 그리고 매일의 엔진 통과 프로세스(engine pass-off process)들을 보조하고 용이하게 할 수 있다. 방법은, (생산 엔진 시험들에 대해) 강건하고 덜 위험하며, 그리고 또한, 다른 방법들과 같이 계산적으로 덜 힘든 것으로 나타났다.

진단 프로세스는 일반적으로, 2개의 스테이지들로 나뉘고, 그러한 스테이지들의 요구되는 목적들에 따라 설계된다. 2 스테이지 프로세스는, 엔진 구성요소 결함과 기구 결함을 동시에 진단하기 위해, 이력 시험 데이터 통계의 투입의 도움으로, 실용적/유연한 가스 경로 분석(GPA; Gas Path Analysis) 기반 방법을 사용한다.

방법은, 엔진 구성요소 건강/편차들 및 측정들의 무결성을 모니터링(monitor)하기 위해, 아래와 같은 3개의 관찰자들 및 이 관찰자들의 상대 편차들을 효과적으로 사용한다.

i) (정의된 부하들에서의) 엔진 모델(model)의 예측들 ― 구성요소 결함들에 대한 측정 민감도들을 정의함

ⅱ) 엔진 구성요소 매개변수들의 계산을 위한, 가스 경로에서의 에너지(Energy)/열 균형의 열역학 관계들 ― 측정 결함들에 대한 엔진 민감도들을 정의함

ⅲ) 현재 엔진 모집단 통계 ― 예상/데이텀을 정의함

이러한 2 스테이지 온라인 및 오프라인 진단 기법은, 주간 뿐만 아니라 야간 시험 교대(shift)를 수용하기 위해, 전문가 사용자들을 위한 온라인 진단법에 대한 프로비전(provision) 뿐만 아니라 비-전문가 사용자들을 위한 단순한 명령들 형태의 프로비전도 제공한다.

더욱 구체적으로, 프로세스는 2개의 스테이지들로 수행된다:

2a). 온라인 진단

2b). 오프라인 진단

다음의 진단 카테고리(category)들이 (온라인 또는 오프라인으로) 수행된다:

a). 검출: 결함이 존재하고, 가능하게는, 다음 차례의 스테이지들이 트리거링될(triggered) 때, 검출이 수행된다. 검출이 온라인 또는 오프라인으로 수행될 수 있지만, 온라인 검출은 유의성을 확립하며, 따라서, 운용자가 안전에 기인하여 또는 연료를 아끼기 위하여 시험을 중단할지 여부를 어세스(assess)할 수 있게 한다.

b). 구분: 결함의 위치가 확립된다. 먼저, (기구들 및/또는 구성요소들에서) 다수의 결함들이 존재하는지 또는 단일 결함이 존재하는지가 결정되고, 그런 다음, 특정 하드웨어(hardware)의 위치가 결정된다.

c). 식별: 여기서, 구성요소 건강 매개변수들을 변화시킨 결함(들)의 원인(예컨대, 파울링(fouling), 외부 이물 손상(FOD; foreign object damage), 침식 등) 또는 측정을 변화시킨 기구 결함의 원인(예컨대, 침지 깊이, 부정확한 유형의 열전대들 등)이 결정되며, 그리고 가능하게는 결함(들)의 크기(magnitude) 등을 가중함으로써, 결함(들)의 유의성이 추정된다.

오프라인 분석은 또한, 결함들이 엔진 또는 시험 특정인지, 또는 (예컨대, 설계 또는 제조 또는 시험 장비 변화에 기인하여) 더욱 장기(long term)인지를 확립하기 위해 (정황들에 따라) 수행될 수 있다.

온라인 진단법의 개념:

기구들은 대개, (독립 구성요소 매개변수 벡터 공간에서) 엔진의 상태를 모니터링하기 위한 센서들(관찰자들)로서 사용된다. 이것의 성공은, 무 결함 기구들을 갖는 것, 또는 무 결함 기구들의 불확실성들/편향들을 고려하기 위하여 이 무 결함 기구들의 불확실성들/편향들을 아는 것에 따라 좌우된다. 그러나, 가스 터빈 응용들에서, 기구들은 엔진 자체보다 덜 신뢰성 있을 수 있고, 이 기구들은 종종 결함이 있을 수 있다.

그러므로, 개념은, 가설로, 무 결함 구성요소들을 갖는 엔진이 (측정 벡터 공간에서) 기구들의 상태를 모니터링하기 위한 센서들(관찰자들)일 수 있다는 사실에 기반한다. 따라서, 수학 용어들에서, 무 결함 기구들 및 엔진 구성요소들의 편도함수들이 형성 및 결합되어, 엔진 구성요소들 및 기구들 둘 모두의 결함성 상황들이 수용될 수 있다. 이 개념에 기반하여, GPA에 이용가능한 방법들/방정식들은 아래와 같이 수학적으로 조작된다:

여기서,

는 계측 및 엔진 구성요소 결함에 기인하는 총 변화를 의미하고,

는 (기구들이 결함들이 없을 때) 엔진 구성요소 결함에 기인하는 변화를 의미하며, 그리고

는 (엔진 구성요소들이 결함들이 없을 때) 기구 결함에 기인하는 변화를 의미한다.

엔진들에서의 물리적인 문제들은 이 엔진들의 구성요소 건강 매개변수들에서 음의 편차들을 야기한다. 이들 변화들은, 이들 변화들을 계산하기 위해 사용될 수 있는 측정들을 통해 감지된다. 그러므로, 엔진 특성들/상태는 이들 매개변수들에 의해 정의된다. 따라서, 측정된 매개변수들은, 이들 구성요소 매개변수들의 함수들인데, 이를테면:

Z = f(X) (a)

여기서, Z는 (구성요소 벡터 공간에서) 기구들인 센서들(관찰자들)을 의미한다.

이 경우, 구성요소 매개변수들은 방정식의 독립 매개변수들이고, 이들 구성요소들의 건강을 감지하기 위해, 기구들에 의해 수행되는 측정들이 사용된다. 이를 수행하기 위해, 기구들이 무 결함임이 가정된다.

이제, 실생활에서, 일부 구성요소들 (X)의 변화들/상태를 모니터링하기 위해, (무 결함 기구들의 그 가정 하에서) 센서들 (Z)이 사용된다. 가설로, 이는, 그 반대에 대해서도 또한 마찬가지이다. 즉, 하드웨어 구성요소들, 이 경우, 가스 터빈 구성요소들이 무 결함이면, 이 하드웨어 구성요소들은 기구들의 건강을 모니터링하기 위한 센서들로서 사용될 수 있다.

그런 다음, 위의 방정식은 다음과 같이 기록될 수 있다:

X = g(Z) (b)

여기서, X는 (기구 벡터 공간에서) 엔진 구성요소들인 센서들(관찰자들)을 의미한다.

위의 방정식 (a) 및 방정식 (b) 둘 모두는 다음과 같이 테일러 급수 전개(Taylor series expansion)를 사용하여 선형화될 수 있다:

dZ = H * dX (a1)

dX = G * dZ (b1)

방정식 (a1)에서, 엔진 모델을 사용함으로써 (m, n) 차원들의 행렬 H(구성요소 계수 행렬)가 형성되며, 여기서, 가설 엔진은 구성요소 특성들, 이를테면 압축기 및 터빈 지도들 등에 의해 표현된다.

엔진 구성요소 매개변수들 등을 계산하기 위해 시험에서 사용된 열역학 방정식들에 결함 섭동(perturbation)들을 적용함으로써, 방정식 (b1)의 행렬 G(기구 계수 행렬)가 획득된다. 여기서, 이들 시그니처들을 획득하기 위해, 구성요소 매개변수들을 계산하는 열역학 관계들이 사용된다. 이는, 진단법을 향상시키기 위해 어떤 형태의 분석적 중복성을 제공할 것인데, 그 이유는 모델과 이들 관계들이 약간 상이한 관계들을 사용하기 때문이다. 따라서, (예컨대, 결함에 기인하는) 매개변수 편차들은 상이한 루트(route)들을 따를 것이다.

통과 보증(pass-off guarantee)들이 대개, 전부하 지점으로 세팅(set)되므로, 시험 중인 터빈 엔진은 먼저, 이 터빈 엔진의 처음 데이터 지점들을 획득하기 위해, 전부하 지점까지 가속된다. 그러므로, 전부하 및 ISO 조건들의 경우, 위의 시그니처들이 생성된다. 이들 시그니처들은, 생산 엔진 시험들 동안 결함(들)을 검출 및 구분하기 위해 사용된다.

방정식 (a1) 및 방정식 (b1)은 다음과 같이 행렬 형태로 기록될 수 있다:

여기서, Z의 차원은 m이고, X의 차원은 n이다.

위의 2개의 방정식들을 결합하는 것은, 도 2에서 도시된 행렬 방정식을 야기한다.

열역학 관계들을 사용하여 측정들로부터 계산되는 데이터는 먼저, ISO 정정되고, 그런 다음, 전력 세팅(setting)(예컨대, 고정 전력 또는 고정 터빈 주입구 온도 등)으로 정격화된다(rated). 이 프로세스는 도 2의 행렬의 좌측 하단 모서리에서 (작은 편차들이 고정 정격 값들로 보간되기 때문에) 변화들을 유발하며, 따라서 이 행렬은 더 이상 유니터리(unitary) 행렬도 대각(diagonal) 행렬도 아니다. 결과적 행렬은 도 3에서 도시된다.

그런 다음, 측정들 (Z) 및 엔진 구성요소들 (X)의 결함 시그니처들을 분리하기 위해, 도 3의 행렬의 도함수들이 사용될 수 있다.

1. 온라인 진단법(스테이지 1)

시험 중인 엔진이 전부하 범위에 도달했고, 안정된 상태일 때, 결함 진단 프로세스가 트리거링된다(triggered).

1.1 단일 결함 매칭

1번째 반복: 현재 엔진 모평균의 데이텀(기준 데이터)에 기반하여 각각의 매개변수의 편차가 계산된다. 그런 다음, 양방향 최적화 프로세스를 사용함으로써, 편차들은 각각의 개별적인 결함 시그니처 벡터(방향 및 크기)에 대해 매칭된다(matched). 그런 다음, 매칭된 결함들은 잔차들의 순서로(예컨대, 최소 잔차부터 최대 잔차로) 배열된다.

2번째 반복: 그런 다음, 처음 몇몇 매치(match)들은 추가로, 다음과 같이 최적화된다. 엔진이 동작 엔진 통계 내에서, 그러나 (엔진 대 엔진 가변성에 기인하여) 그들의 모평균들로부터 떨어져 작동하고 있으면, 이것은 결함을 구성하지 않을 수 있다. 따라서, 이는, 매개변수들의 편차들(델타(delta)들)을 계산하고 이 편차들에 결함을 할당할 때, 고려 및 수용되어야 한다. 모집단에서의 예상 동작 지점을, +/-2 표준 편차들의 팩터(factor)(f)로 제한하라. 초기에 0부터 시작하여(도 4 참조) 0.1의 단계들로 이 팩터(f)를 점진적으로 증가시켜(또는 f가 고정 값으로 세팅되어), 동작 지점은 평균으로부터 떨어지게 이동된다. 각각의 단계에서, 잔차를 더욱 아래로, 가능하게는 미리-결정된 값으로 가져오기 위해, (최적화 알고리즘(algorithm)을 사용하여) 이 잔차는 최적화/최소화된다. 이 미리-결정된 값, 그리고 "무 결함"의 발생 전에 팩터(f)가 (f < 1을 유지하며) 어디까지 증가될 수 있는지가 다른 평균들(예컨대, 경험 및 이력 데이터)을 통해 획득될 필요가 있다.

평균에 더 가까운(즉, 팩터(f)의 더 작은 값) 대응하는 자신의 무 결함 동작 지점을 갖는 결함이 더 높은 발생 확률을 갖는다. 따라서, 이 팩터는, 특정 결함에 대한 발생 확률에 관련되며, 그리고 확률의 내림차순으로 결함 시나리오(scenario)들을 제시하기 위해 사용될 수 있다. 이 지점에서, 확률들을 추가로 조절하기 위해, 다른 진단 요소들, 예컨대, 트램라인(tramline), 터빈 출구 온도 분포 등이 번들링될(bundled) 수 있다.

(측정 및 계산된) 실제 매개변수 값들은 또한, 예측된 결함 시나리오를 갖는 대응하는 엔진 이력 모집단 데이터(예컨대, 도 11 참조)와 비교하여 제시될 수 있다(예컨대, 도 4 참조). 도 4의 그래픽 프리젠테이션(graphical presentation)은 또한, 시각적 로직(logic)을 통해 결함의 가능성 및 수용을 위한 다른 안내 수준을 제공할 수 있다. 도 5는 발생 확률(음영처리된 영역)을 표시하는, 도 4에서의 데이터의 다른 표현을 도시한다.

결함이 발견되면, 그것은, 연료 낭비, 지연들 등을 방지하기 위해, 도 6에서 도시된 바와 같이, 유의성 및 심각도 체크(severity check)를 거친다. 도 6에서 도시된 카테고리들은 다음과 같다:

A: 결함은 주로, 기구 유형 이슈이며, 시험 엔지니어에 의해 교정될 수 있다.

B: 100% 부하 시험으로부터 더욱 명확성이 요구된다. 명확성을 개선시키기 위해, 75% 부하 시험을 계속하고, 다중-동작 지점 분석(100% 분석과 유사한, 쉽게 가산될 수 있는 특징)을 사용한다.

C: 전문가로부터의 조언을 청한다(아래에서 설명된 바와 같이, 스테이지 2인 오프라인 진단법에 의해 보조됨).

D: 전문가 조언에 따라 시험을 완료한다.

E: 데이터가 무용하므로, 시험을 중단한다.

F: 즉시 중단한다 ― 동작에 안전하지 않음.

예컨대, 기구 결함은 대개, 야간 교대 동안 수행되는 시험을 중단할 정도로 충분히 심각한 것으로 간주되지 않는다. 대부분의 경우들에서, 식별된 결함들은 정정되고, 그런 다음, 시험은 계속된다. 임의의 다른 결함 시나리오의 경우 엔진이 정지되어야 하고, 가능하게는, 큰 변화와 함께 제시되는 임의의 결함들의 경우 시험은 중단되어야 한다. 이들은, 가능하게는 전문가에 의해 오프라인으로, 명확하게 조사될 필요가 있다. 궁극적으로, 이는, 엔진이 시험대에서 빼내지고, 교정하기 위해 분해되는 것으로 이어질 수 있다.

1.2 이중 결함 매칭

정의에 의한 이중 결함들은, 기구들 및/또는 엔진 구성요소 결함들의 결합들이다. 압축기 및 터빈의 실제 엔진 결함들, 파울링, 침식, 외부 이물 손상(FOD; Foreign Object Damage)은 근본적인 구성요소 건강 매개변수들(예컨대, 효율, 용량 등)에서의 변화들의 결합들로서 보인다. 경험은, 생산 엔진 시운전 동안 기구 결함들이 또한 있을 가능성이 높다는 것을 시사하는데, 그 이유는 이 기구 결함들이, 시험대에 완전히 전용되거나 또는 영구적으로 고정되지 않은 슬레이브(slave) 또는 계약(contract) 기구들일 수 있기 때문이다.

다수(n) 개의 결함 시그니처들/벡터들(F(i))이 존재한다고 가정한다. 따라서, ∑(n-1)개의 가능한 이중 결함 결합들이 존재한다. 결함들이 또한, 상이한 비율들로 함께 결합되어서, 방대한 수의 가능한 결합들이 유발될 수 있다. 2개의 결함 시그니처들을 포함하는 모든 이중 결함 결합들이 특정 비율로 함께 가산된다:

F(total) = p*F(i) + r*F(j)

먼저, 이 결합에 의해 형성되는 벡터는 모평균으로부터의 실제 엔진 데이터 편차들에 대해 매칭된다. 모집단(예컨대, X(ave) +/- 2*f*Std_Dev) 내에 있는 모든 무 결함 엔진들이 수용가능하다고 간주한다. 위에서 설명된 2번째 반복과 유사한 절차를 수행함으로써, 잔차들은 추가로 감소된다.

1.3 결함 식별

엔진 구성요소에서의 실제 결함들, 이를테면 파울링, 침식, 열 왜곡, FOD 등은 구성요소 건강 매개변수들에서의 변화들의 (변하는 비율들로의) 결합들로서 그들 자체가 제시된다. 예컨대, 압축기 파울링은 압축기 효율 및 용량(좌표/벡터) 공간의 특정 도메인(domain)에서 다양한 정도들로 제시될 수 있다. 그러므로, 다음과 같이, 결함에 대한 원인에 대한 추가적인 정의를 제공하기 위하여, 엔진 구성요소들에 대한 공개된 정보 및 이력 경험을 이용하여, 그래픽 2D 단위 벡터 결함 분류 휠(wheel)들(도 9 참조)이 형성된다.

엔진 구성요소의 효율 및 용량의 단위 벡터들이 각각 e 및 c이고, 결함에 기인하는, 이들 건강 매개변수들의 변화의 개개의 크기들이 ME 및 MC라고 가정한다. 따라서, 이 결함을 표현하는 벡터 (F)는 다음과 같이 기록될 수 있다:

F = ME*e + MC*c

이 결함의 단위 벡터 (Fu)는 다음과 같다:

일단 결함이 구성요소에 대해 구분되면, 결함의 가능한 원인/식별을 제공하기 위해, 분류 휠 및 벡터 (Fu)가 사용된다.

2. 오프라인 진단법(스테이지 2)

불필요한 노동력 낭비 등을 방지하기 위해, 엔진 분해 전에, 임의의 의심들을 명확하게 하기 위한 추가적인 진단이 수행될 수 있다. 이는 시험대(bed), 엔진 외부 체크들 및 임의의 측정 결함 검증(위의 스테이지 1에서 제시되었음)과 함께 수행된다. 또한, 결함이 장기인지, 이를테면 설계 변화인지 여부를 확립하기 위한 추가적인 체크들이 수행된다. 이 스테이지는 대개, 전문가에 의해 수행되며, 그리고 다음을 포함한다:

1) (예컨대, 스테이지 1로부터의 온라인 소견들을 확인하기 위해) 전문가의 눈들을 통해, 시험 데이터를 재방문하고 스테이지 1 분석을 오프라인으로 재수행한다.

2) 롤링(rolling) CuSum 계산은, 스테이지 1에서 식별된 결함들이 장기 단계 변화들/결함들인지 여부를 확인할 것이다.

3) 엔진 모집단 데이터의 추가적인 평가 및 질문. 생산 엔진 시험의 다중-핸들(multi-handle)/동작 지점 진단법/분석(예컨대, 상이한 매개변수들에 대한 75% 부하, 고정/정격 데이터)을 수행하는 것이 또한 고려될 수 있다.

2.1 롤링 CuSum 계산들(재귀적인 자동화된 계산을 위한 컴퓨테이셔널 버전(computational version))

매개변수 X의 k-번째 CuSum은 다음과 같다

(1)

여기서, μ는 미리 결정된 고정 값, 이를테면 설계 평균 등으로 세팅(set)되고, k(예컨대, 엔진의 수의 타임라인(timeline) 표현)는 미리 결정된 지점부터 또는 마지막 변화 이후로 계수된다.

더욱이,

(2)

이는, (마지막 변화 이후로 처음 몇몇 엔진들로부터 획득되는) 어떤 단계 변화도 존재하지 않을 때, 선형화된 CuSum 플롯이며, 여기서,

는 선형화된 추세로부터의 S(k)의 예상 값이다.

여기서, G 및 A는

대 k 플롯의 기울기 및 절편이고, V(k)는 무작위(random) 가변성(예컨대, 엔진 구성요소 매개변수 X(k))과 연관된 백색 잡음이다.

G 및 A는 마지막 변화 이후로 마지막 몇몇 지점들(예컨대, 4개의 지점들)로부터 계산된다.

주목: 위의 방정식 1에서의 매개변수 μ는 마지막 변화 이후로 마지막 몇몇 엔진들(예컨대, 4개의 지점들)의 평균으로서 선택될 수 있다. 이 경우, G = 0이고, A = 0이다.

(3)

그러므로,

(4)

그러나, (k+1)에서 변화인 [C(k+1)]가 존재하면, 이는 방정식 2에 의해 주어지는 예상된/예측된

와 실제 S(k+1) 사이의 편차로서 보일 것이다. 그런 다음, 위의 방정식 3은 다음과 같이 재기록될 수 있다:

(5)

위의 방정식 5에서, 위의 방정식 1을 사용하여 실제 데이터로부터 S(k+1), 실제 CuSum이 계산된다(도 7은 그러한 CuSum-계산의 예를 도시함).

따라서, 변화 C가 유의하지 않으면,

는 V 성분들과 연관된 무작위 가변성과 같으며, 따라서 0의 평균에 가까워진다. 무작위 가변성 성분들의 가산 및 95% 신뢰도에 기반하는 이들 성분들의 최대 크기는 2*StdDev(X)로서 취해질 수 있으며, 따라서 변화 C(k+1)는 유의한

인 것으로 취해질 수 있다. 값/팩터(f)는 널 가설들(null hypotheses)에 대한 기준 세트(criteria set) 및 신뢰도 수준들에 기반하는 0 내지 1의 변수이다. 그러나, 변화 C가 더 작으면, 그것은 첫 번째 결함 발생 시 무작위 가변성 사이에서 손실될 수 있다. 그러나, 변화의 크기가 가산적(additive)이므로, 그것은 다음 차례의 (k+2), (k+3) 발생들에 따라 (기울기인 G 및 A가 재귀적으로 업데이트될(updated) 때까지) 더욱더 현저해질 것이다. 일단 변화가 확인되면, 기울기는, 이 최신 변화 후의 처음 몇몇 지점들에 대응하여 업데이트된다.

장기 결함의 경우, 관련 정보, 이를테면 개시 날짜, 결함의 세부사항들이 데이터베이스(database)에 저장된다. 그러므로, 다음 차례의 온라인 진단법에서의 기술 통계에 대해 사용되는 시편이 이 날짜를 포함하면, 이 시편은 이를 고려하도록 준비/정정된다. 사용 중인 시편을 이 방식으로 정정하는 것은, 임의의 다른 새로운 결함의 검출을 개선시킬 것이며, 그리고 예측하기가 더욱 어려운 다중-결함 시나리오(이미 알려진 결함을 포함함)를 방지한다.

도 8은 위에서 개념적으로 설명된 본 발명에 따른 방법(800)의 흐름도를 도시한다. 더욱 구체적으로, 단계(810)에서, 시험 시스템 내의 또는 이 시험 시스템에 연결된 센서들(시스템 센서들) 그리고 시험될 터빈 엔진의 센서들(터빈 센서들)로부터, 매개변수들의 주위 및 동작 값들이 획득된다. 단계(812)에서, 알려진 열역학 관계들 및 단계(810)로부터의 매개변수 값들에 기반하여, 하나 또는 그 초과의 구성요소 매개변수 값들이 계산된다. 단계(814)에서, 시험 유닛에 대응하는 이력 엔진 구성요소 및 측정 데이터 모집단 기술 통계가 (예컨대, 데이터베이스로부터) 획득된다. 그런 다음, 단계(816)에서, 대응하는 모평균과의 비교에 의해, 측정 및 계산 데이터(측정 값들 및 매개변수 값들)의 실제 편차들이 결정된다. 단계(818)에서, 엔진 구성요소들이 무 결함이라는 가정 하에서, 기구들(예컨대, 센서들)에 대한 결함 시그니처들의 제1 세트가 생성된다. 단계(820)에서, 기구들이 무 결함이라는 가정 하에서, 결함 시그니처들의 제2 세트가 생성된다. 단계(822)에서, 결함 시그니처들의 제1 세트 및 결함 시그니처들의 제2 세트는, 기구 및 엔진 구성요소 결함 라이브러리(library) 또는 데이터베이스를 생성하기 위해 사용된다. 이 라이브러리는, 각각의 엔진 정격에 대한 결함 시그니처들의 미리-계산된 세트들로 구성되며, 그리고 진단 프로세스 동안 요구될 때마다 접근될 수 있다. 단계(824)에서, 단계(826)에서의 제1 스테이지(단일 결함) 매칭 및 단계(828)에서의 이중 결함 매칭을 포함하는, 결함 시그니처들과 실제 편차들 사이의 초기 매칭이 수행된다. 매칭 결함들은 잔차의 오름차순으로 배열된다. 그런 다음, 단계(830)에서, 대응하는 모집단 통계(단계(814) 참조)를 사용하여, 처음 몇몇 매칭 결함들이 미세-조정된다. 이는, 예상 모집단 분포에 대해 조정하기 위하여 제2 스테이지 매칭을 수반한다. 단계(832)에서, 일련의 대응하는 가설들(예컨대, 결함 또는 무 결함)이 시험되고, 결과들은 확률의 내림차순으로 배열된다. 단계(834)에서, 다양한 체크들, 이를테면 강도, 유의성, 심각도 및 이상(abnormality) 체크들이 적용된다. 단계(836)에서, 모델 및/또는 차트(chart)에 기반하여 판단이 이루어진다. 그런 다음, 판단 및 식별된 결함(들)에 따라, 단계(838)에서, 오프라인 분석이 트리거링되며(triggered), 이 오프라인 분석은, 단계(840)에서 롤링 재귀 CuSum 분석을 적용함으로써 장기 변화들의 검증을 더 포함할 수 있다.

도 9는 본 발명의 실시예에 따른 방법의 수행 동안 사용자(예컨대, 시험 엔지니어)에 대한 디스플레이(display)를 위해 생성되는 압축기 결함 분류 단위 벡터 휠(900)을 도시한다. 휠 영역들(902, 904, 906, 908, 및 910)은 각각, 압축기 용량, FOD, 팁 클리어런스, 침식, 및 파울링(범례(912)에 의해 또한 표시됨)의 변화들에 의해 유발되거나 또는 이들에 관련된 결함들에 대응한다.

유사하게, 도 10은 본 발명의 실시예에 따른 방법의 수행 동안 사용자(예컨대, 시험 엔지니어)에 대한 디스플레이를 위해 생성되는 터빈 결함 분류 단위 벡터 휠(1000)을 도시한다. 여기서, 휠 영역들(1002, 1004, 1006, 1008, 1010, 1012, 및 1014)은 각각, 예컨대 열 왜곡, 침식, 파울링 및 FOD/DOD(범례(1016)에 의해 또한 표시됨)에 의해 유발되거나 또는 이들에 관련된 결함들에 대응한다.

도 11은 본 발명의 실시예에 따라 검출되는 이중 결함 매치의 예를 도시한다. 현재 엔진 모집단 통계와 비교하여 실제 편차들이 추정된다. 기울어진 정사각형들(1102)에 의해 표현된 이 편차는, 막대들(1104)에 의해 표현된 시그니처를 갖는 (이중) 결함에 매칭된다. 막대(1106)는 대응하는 잔차를 표현한다. 도 11에서 도시된 예에서, 시그니처(1104)는, -0.65% 및 1.33%의 개개의 크기들을 갖는, 기구 번호 3 및 엔진 구성요소 매개변수 번호 6에서의 결함으로 구성된 이중 결함에 대응한다.

위에서 설명된 방법들은 알려진 방법들보다 계산적으로 덜 힘들고 구현하기가 더 쉽다. 정교화/정확성의 수준은 정의된 스테이지들의 목적에, 그리고 기구들의 능력들(불확실성들 등)에 잘 도달된다(pitched). 그것은, 특히 전문가 지식 없이(예컨대, 야간 교대 동안) 의사결정할 때의 상황에 대한 더 나은, 더 신속한 선동(incite)을 제공하기 위해, 완전히 자동화된 온라인 옵션(option)을 포함한다.

요약하면, 본 발명의 실시예들에 따른 방법들은 다음을 포함한다:

1). 엔진 구성요소들과 기구들의 동시 분석은, 무 결함 엔진 구성요소들을 갖는 엔진이 기구 결함(들)에 대한 센서들(관찰자들)일 수 있는 한편, 무 결함 기구들이 엔진 구성요소 결함들을 검출하기 위한 센서들(관찰자들)이라는 개념에 기반한다.

2). 구성요소 결함과 기구 결함의 이러한 동시 분석 및 진단은 또한, 하나의 결함 유형(예컨대, 구성요소 결함)이 다른 유형(예컨대, 기구 결함)에 대해 사용되는 입력 데이터를 변질시키는 것도 또는 그 반대도 ―이들은 부정확한 진단들을 유발할 것임― 방지한다.

3). 측정 데이터에 기반하는, 엔진 구성요소들의 결함 시그니처들은, 성능 덱(deck) 모델을 사용하여 획득된다. 엔진 구성요소 매개변수들에 기반하는, 기구들의 결함 시그니처들은, 시험 동안 사용되는 가스 경로에서의 에너지 균형 열역학 관계들을 사용하여 획득된다. 이들 관계들이 동일한 또는 대응하는 최종 답변들/솔루션들을 제공해야 하지만, 이들 관계들은 모델과 약간 상이하다. 이들 차이들에 기인하여 형성되는 분석적 중복성은 진단법에 유익하다. 이는, 결함이 존재할 때 결함 시그니처들 사이의 가변성/유일성의 여분의 요소를 제공할 것이며, 따라서 진단 품질 및 결함 구분을 향상시킨다.

4). "무 결함" 엔진을, 현재 대응하는 모집단들 내의 +/-f*2.StdDev의 범위로 제한함으로써 실제 엔진 편차들이 획득되며, 여기서, 잔차(R)가 소정의 주어진 값으로 감소될 때까지, 팩터(f)는 점진적으로 증가된다(그러나, 5% 미만의 발생을 방지하기 위해, 팩터(f) < 1임). 이 지점에 도달했을 때, 대응하는 팩터(f)는 그 결함의 관련된 발생 확률이다. 예컨대, f= 대략 1 => 5% 발생이거나, 또는 f=0.5 => 30% 또는 f=0.25 => 70% 발생이다. 이들 발생 확률들은 단지 정성적으로, 통계적으로 정확할 뿐이지만, 이들 발생 확률들은 발생 확률을 가중하기 위한 우수한 표시자들이다.

5). 제1 스테이지(온라인 진단법)에 대해 제시된 진단 방법들은 더 이상 수학적으로 역문제가 아니다. 따라서, 그것은 강건성을 개선시킨다(즉, 그것은 수렴 이슈들에 치우치지 않음). 더욱이, 그것은, 심지어 엔진 건강 매개변수들을 추정하는 것보다 측정들의 수들이 더 적을 때에도, 유용한 정보를 관리할 수 있고 계속해서 제공할 수 있다.

6). 문제가 스테이지별 모듈(stage by stage module) 분석으로 나누어져, 한 번에 하나의 프로세스 스테이지의 목적에 도달된다. a). 시험 동안: 엔진 및 데이터의 품질을 어세스하는 것, 그리고 즉석(on the fly) 교정. b). 시험 후: 상기한 것에 대한 확인, 그리고 보스코프 검사와 엔진 분해 및 교정을 보조하기 위한 추가적인, "이상"의 심각도 어세스. 프로세스 스테이지의 목적에 대응하는, 이 단계별(step by step) 모듈 분석 접근법(반복적인 단계들과 유사함)은 수렴에서의 강건성, 효과성 그리고 안전성을 개선시킨다.

7). 장기 변화들을 검출하기 위해 롤링 재귀 유형 CuSum 방법이 사용된다. 그럼 다음, 이들 장기 변화들이 식별될 때, 미래의 진단법에서 사용되는 엔진 시편들 및 기술 통계가 그에 따라서 조절된다.

8). 기구들 및/또는 엔진 구성요소들에서의 결함들로 구성된 이중 결함들은, 생산 엔진 시운전에서 가능성이 높은 시나리오들이다. 본 발명에 따른 방법들은, 결함 벡터들이 가산적이므로, 이들 상황들을 쉽게 수용한다. 결함 분류 휠들은 식별을 보조할 것이다. 이들 분류들은 경험, 전문가 지식 및 공개된 정보를 통해 발달된다. 따라서, 휠에 의해 분류되는 결함 식별들은, 더 많은 정보가 이용가능해짐에 따라 그리고 더 많은 정보가 이용가능해질 때, 시간에 따라 진화 및 성장할 것이다.

"포함하는"이란 용어가 다른 요소들 또는 단계들을 배제하지 않으며, 그리고 단수형의 사용이 복수형을 배제하지 않는다는 것이 주목된다. 또한, 상이한 실시예들과 연관하여 설명된 요소들은 결합될 수 있다. 추가로, 청구항들에서의 참조 부호들이 청구항들의 범위를 제한하는 것으로 이해되지 않아야 한다는 것이 주목된다.

Claims (11)

1. 터빈 시험 시스템(turbine testing system)에서의 터빈 유닛(unit)의 시험 동안의 결함(fault) 진단 방법으로서,
   상기 터빈 유닛은 복수의 터빈 구성요소들 및 터빈 센서(sensor)들을 포함하고, 상기 터빈 시험 시스템은 복수의 시험 센서들을 포함하며,
   상기 방법은,
   상기 터빈 센서들 및 상기 시험 센서들로부터 측정 데이터(data)를 획득하는 단계,
   상기 측정 데이터에 기반하여 적어도 하나의 매개변수 값을 계산하는 단계,
   미리 결정된 기준 데이터와, 상기 측정 데이터 및 상기 적어도 하나의 매개변수 값을 비교함으로써, 상기 측정 데이터 및 상기 적어도 하나의 매개변수 값의 편차(deviation)를 결정하는 단계, 및
   결함을 검출하기 위하여, 결정된 편차를 복수의 미리 결정된 결함 시그니처(signature)들에 매칭(matching)하는 단계
   를 포함하며,
   상기 복수의 미리 결정된 결함 시그니처들은, 결함 시그니처들의 제1 세트(set) 및 결함 시그니처들의 제2 세트를 포함하고, 상기 결함 시그니처들의 제1 세트는 터빈 센서 결함들 및/또는 시험 센서 결함들에 대응하고 무-결함 터빈 구성요소들을 가정한 것이며, 상기 결함 시그니처들의 제2 세트는 터빈 구성요소 결함들에 대응하고 무-결함 터빈 센서들 및 시험 센서들을 가정한 것인,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
2. 제1 항에 있어서,
   상기 결정된 편차를 복수의 미리 결정된 결함 시그니처들에 매칭하는 단계는, 상기 결정된 편차와 각각의 개개의 결함 시그니처 사이의 매칭(matching)의 정도에 의존하여 결함들의 순서화된 목록을 생성하는 단계를 포함하는,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
3. 제1 항 또는 제2 항에 있어서,
   상기 결정된 편차를 복수의 미리 결정된 결함 시그니처들에 매칭하는 단계는, 상기 미리 결정된 기준 데이터의 평균(mean) 값들에 기반하는 단일 결함 매칭 스테이지(stage)를 포함하는,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
4. 제1 항 또는 제2 항에 있어서,
   상기 결정된 편차를 복수의 미리 결정된 결함 시그니처들에 매칭하는 단계는, 상기 미리 결정된 기준 데이터의 평균 값들 및 결함 시그니처들의 가중 쌍(weighted pair)들에 기반하는 이중(double) 결함 매칭 스테이지를 포함하는,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
5. 제1 항 또는 제2 항에 있어서,
   복수의 후보 결함들에 대한 발생 확률을 결정하는 단계, 및
   결정된 확률들에 따라 상기 후보 결함들의 목록을 생성하는 단계
   를 더 포함하는,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
6. 제5 항에 있어서,
   상기 후보 결함들의 목록에 기반하여 상기 후보 결함들 중 적어도 하나를 발생 결함으로서 선택하는 단계
   를 더 포함하는,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
7. 제1 항 또는 제2 항에 있어서,
   결함 및/또는 대응하는 결함 원인을 식별하는 정보를 출력하는 단계
   를 더 포함하는,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
8. 제1 항 또는 제2 항에 있어서,
   상기 터빈 유닛의 시험을 정지(stopping)하는 단계, 및
   결정된 결함에 기반하여, 상기 결함이 하나 또는 복수개의 시험 센서들을 교체함으로써 고쳐질 수 있는지 여부를 결정하는 단계
   를 더 포함하는,
   터빈 시험 시스템에서의 터빈 유닛의 시험 동안의 결함 진단 방법.
9. 터빈 유닛을 시험하기 위한 시스템으로서, 상기 시스템은,
   시험될 터빈 유닛을 수용하기 위한 시험대(test bed),
   시험 동안 상기 터빈 유닛의 동작에 관한 물리적 양(quantity)들을 감지하기 위한 복수의 시스템 센서들, 및
   상기 터빈 유닛의 시험 동작을 제어하도록 적응된 제어기
   를 포함하며,
   상기 제어기는 추가로, 제1 항 또는 제2 항에 따른 방법을 사용함으로써, 상기 시험 동작 동안 결함 진단을 수행하도록 적응되는,
   터빈 유닛을 시험하기 위한 시스템.
10. 컴퓨터 판독가능 저장 매체에 저장된, 컴퓨터(computer) 실행가능 명령들을 포함하는, 컴퓨터 프로그램(program)으로서,
    상기 컴퓨터 실행가능 명령들은, 컴퓨터의 프로세서(processor)에 의해 수행될 때, 상기 컴퓨터로 하여금, 제1 항 또는 제2 항에 따른 방법을 수행하게 하도록 적응되는,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
11. 제10 항에 따른 컴퓨터 프로그램이 로딩된(loaded) 컴퓨터 판독가능 저장 매체.

Images