技术新讯 > 发动机及配件附件的制造及其应用技术 > 用于监测航空器涡轮发动机的健康状态的方法与流程  >  正文

用于监测航空器涡轮发动机的健康状态的方法与流程

  • 国知局
  • 2024-11-19 09:35:32

本发明的是监测航空器涡轮发动机的状态的领域。本发明涉及一种用于监测航空器涡轮发动机健康状态的方法。

背景技术:

1、对航空器(例如,飞机或直升机)的涡轮发动机进行健康监测,使得可以监测涡轮发动机在其整个使用寿命期间的状态,并根据在由包括涡轮发动机的航空器进行的飞行期间所记录的数据来预测涡轮发动机中的故障。

2、健康监测的传统指标是裕度计算,用于将与涡轮发动机相关的至少一个输入参数的期望值、与涡轮发动机相关的至少一个输出参数的模型理论值与所述输出参数的实际值进行比较。例如,为了获得由涡轮发动机发出的期望功率p,理论上需要涡轮发动机的燃烧室中的物理建模温度t0。将温度t0与涡轮发动机的燃烧室中的实际温度t1进行比较,以获得由涡轮发动机发出的功率p。实际温度t1在涡轮发动机的生命周期内增加,并且理论值t0和实际值t1之间的差值是使用物理模型进行研究和分析的裕度,以用于预测例如涡轮发动机可能出现的故障和过热等。可以针对若干输入参数值(例如,涡轮发动机的第一轴的转速和涡轮发动机的第二轴的转速)和若干输出参数值(例如,由涡轮发动机发出的功率和前面讨论的涡轮发动机的温度)进行裕度计算。

3、物理模型使得可以利用在涡轮发动机的稳定状态期间所记录的与涡轮发动机相关的参数数据来研究裕度。然而,直升机(例如,执行监督或吊运的直升机)在特定飞行期间可能很少或者从不操作在稳定状态,这使得裕度计算变得复杂甚至不可能。

4、专利申请fr3028331a1描述了一种基于回归的监测算法。外生变量(环境参数)的无监督分类区分了飞行背景。对于每类外生条件,都提供回归模型来规范内生数据(发动机参数)并抵消外生变化的影响。因此,所有飞行都是同背景的并且事实上是可比较的。他们根据与一组稳定参考阶段的距离找到所有飞行的稳定状态阶段,然后计算他们可以随时间跟踪的每个阶段的平均物理参数。该申请使用一种算法用于表示外生数据(以类别的形式),目的是省去飞行背景,并使得可以在若干相关的稳定阶段之间进行区分。

5、专利ep2623747b1提供了一种用于自动对航空器涡轮轴发动机进行发动机健康检查的检查设备,包括获取用于通过制导控制来监测涡轮轴发动机的(机械)参数的步骤(该方法自动确定当前阶段是否适合于进行数据列表并警告飞行员正在进行获取)以及相对于(在试验台上测量的或理论的)参考参数评估发动机的健康的步骤。该专利描述了一种基于预定义阶段的发动机操作的物理模型的发明。ep2623747b1中描述的发明使得可以自动检测相关阶段并补偿飞行期间的相关阶段的缺失。

6、为了弥补直升机涡轮发动机的稳态数据的缺失,现有技术中存在从除裕度以外的指标或其他不太注重物理建模的数据处理方式来监测发动机状态的解决方案。

7、例如,专利ep2676176b1提供了一种使用在飞行期间所记录的内生数据(与发动机相关)和外生数据(与环境相关)来监测航空器发动机的方法。每个飞行都通过外生变量而被标准化,以在飞行之间具有可比较背景(例如,参见fr3035232a1),然后被压缩并被投影到自适应科霍恩(kohonen)映射上。对于感兴趣的飞行,该映射被用于查找过去的类似飞行,并统计分析两者之间在发动机行为上的任何漂移。在专利ep2676176b1中,飞行数据表示被用于搜索与观察到的数据类似的过去数据并分析漂移。ep2676176b1中的解决方案可通过被动搜索投影数据中的漂移以及使用单一特定表示方法来区分。该解决方案在论文《aircraft engine health monitoring using self-organizing maps(使用自组织映射进行航空器发动机健康监测)》e.m.cottrell、m.verleysen和j.lacaille,(2010年)中进行了更精确的描述。

8、此外,专利申请us20180297718a1提供了一种用于监测涡轮轴发动机的健康的方法。该机制如下:在不同的使用阶段中,获取被用作定义健康发动机的参考的初始数据;获取装置的使用寿命期间的数据;利用计算“健康”参数和新参数之间的差异的模块来进行比较。设置维护警报。使用行业知识和健康状态的定义。使用每个飞行阶段的物理参数漂移。

9、上述解决方案的一种替代方案也是现有技术中已知的,其基于根据给定飞行期间与瞬态涡轮发动机相关的输入参数值来估计与稳态涡轮发动机相关的输出参数值。该解决方案使得与涡轮发动机相关的两个参数能够彼此独立地被转换,以便获得针对给定输入参数的稳定状态下的输出参数值。然而,所提供的解决方案一次仅适用于一对参数(输入、输出),并且每个参数都独立于另一个参数而被转换以获得稳定状态下的一对参数(输入、输出)。此外,因此只能根据转换后的参数来计算裕度,而不能针对输入参数的任何值计算裕度,这进一步限制了相关的裕度计算。

10、因此,需要根据与瞬态涡轮发动机相关的一个或多个输入参数来估计稳定状态涡轮发动机的行为,而无需彼此独立地或两个两个地考虑输入和输出参数。

技术实现思路

1、通过使得可以更有效地估计针对特定飞行的涡轮发动机的稳态行为,本发明提供了一种解决先前讨论的问题的方法。

2、本发明的一个方面涉及一种计算机实现的方法,用于根据设定点矩阵xsc而针对航空器的感兴趣飞行vi来监测航空器的感兴趣涡轮发动机tmi的健康状态,该设定点矩阵xsc包括与感兴趣涡轮发动机tmi相关的至少一个输入参数的至少一个值,该方法包括以下步骤:

3、-构建训练数据库,该训练数据库包括:

4、o所谓的瞬态集合t,其包括在操作在瞬态状态下的至少一个涡轮发动机tm的至少一个飞行v和感兴趣涡轮发动机tmi的感兴趣飞行的至少一个飞行记录时刻期间所记录的瞬态学习数据;

5、o所谓的稳态集合s,其包括在操作在稳定状态下的每个涡轮发动机tm的除感兴趣飞行vi之外的每个飞行v的每个飞行记录时刻处所记录的稳态学习数据;

6、-根据瞬态集合t的瞬态学习数据来估计瞬态预测模型f;

7、-根据瞬态预测模型f和包括在稳态集合s中的稳态学习数据来估计稳态预测模型h;

8、-根据稳态预测模型h、瞬态预测模型f的至少一部分和设定点矩阵xsc来估计表示针对感兴趣飞行vi的稳态感兴趣涡轮发动机tmi的行为的感兴趣矩阵ysi;

9、-根据取决于感兴趣矩阵ysi的裕度计算来估计感兴趣涡轮发动机的状态。

10、模型f可以由一个或多个瞬态预测子模型组成,这些子模型可以特定于特定数据集,也可以不特定于特定数据集。

11、预测模型h可以由一个或多个稳态预测模型形成,如下所述。

12、关于“与涡轮发动机相关的输入参数”,其意指与涡轮发动机相关的、需要设定点值的参数。

13、关于“针对飞行v的稳态涡轮发动机的行为”,其意指对与涡轮发动机相关的至少一个输出参数的估计,输出参数是涡轮发动机的一个或多个输入参数和涡轮发动机的状态的结果。

14、裕度是一种物理交易指标,它使用经验反馈和物理知识,将发动机的状态告知售后服务。因此,本发明计算(模拟/生成)的裕度或者被显示在计算机上的查看工具中并由操作员分析,或者在计算机中的算法管道中进行分析,以便正式推断其趋势,并提醒操作员注意被监测的发动机的健康状态。有利的是,本发明使得可以有更多可用点进行分析,从而弥补稳态数据的缺失,并且因此使得操作员能够更好地进行视觉分析或更好地计算趋势,从而更好地估计被监测发动机的健康状态。

15、由于本发明,可以使用稳态预测模型h,根据与针对多个飞行的至少一个瞬态和稳态涡轮发动机相关的瞬态和稳态数据来针对任何感兴趣飞行估计感兴趣涡轮发动机的稳态行为。因此,与现有技术不同,本发明不仅使得可以仅在遇到的条件下预测与稳态涡轮发动机相关的输出数据,而且还提供了一种模型,使得可以根据任何设定点预测输出数据,因此模型h的估计使得能够在不同点处计算裕度,而不是局限于瞬态变量的变换,从而使得能够针对任何感兴趣飞行而监测涡轮发动机的状态。在不同点处计算裕度使得可以有更多的可用分析点,并且因此可以进行更精确的分析,且噪音更小。

16、有利的是,本发明允许一次性考虑与涡轮发动机相关的所有数据,而不是成对考虑。因此,考虑所有变量而不是成对变量会产生更符合现实的模型,并且因此减少估计误差。估计误差的减少意味着允许裕度相关于分析而言更加精确和相关。

17、有利的是,本发明使得能够构建稳态预测模型hvi,其使得能够在不同点处计算裕度,而不是局限于瞬态变量的变换。产生这种模型在利用结果方面给出了更大的灵活性。因此,它不是简单的数据变换,而是可用的涡轮发动机的完整建模,从而允许对操作进行多点分析。

18、除上一段中刚讨论的特征外,根据本发明的一个方面的方法可以具有以下之中的一个或多个附加特征,这些附加特征可以单独考虑或者根据任何技术上可行的组合考虑:

19、-对于每个涡轮发动机tm的每个飞行v,集合t的瞬态学习数据由一对(χvt,ψvt)构建:

20、o矩阵ψvt,包括至少一行和至少一列,每行对应于瞬态涡轮发动机tm的输入参数,每行的每个输入参数与其他行的其他输入参数不同,每列对应于飞行v的记录时刻,每列的每个记录时刻与其他列的其他记录时刻不同,

21、o矩阵ψvt,包括至少一行和至少一列,每行对应于瞬态涡轮发动机tm的输出参数,每行的每个输出参数与其他行的其他输入参数不同,每列对应于飞行v的记录时刻,每列的每个记录时刻与其他行的其他记录时刻不同,

22、-对于每个涡轮发动机tm的除感兴趣飞行外的每个飞行v,集合s的稳态学习数据由一对(χvs,ψvs)构建:

23、o矩阵χvs,包括至少一行和至少一列,每行对应于瞬态涡轮发动机tm的输入参数,每行的每个输入参数与其他行的其他输入参数不同,每列对应于飞行v的记录时刻,每列的每个记录时刻与其他列的其他记录时刻不同,

24、o矩阵ψvs,包括至少一行和至少一列,每行对应于瞬态涡轮发动机tm的输出参数,每行的每个输出参数与其他行的其他输入参数不同,每列对应于飞行v的记录时刻,每列的每个记录时刻与其他列的其他记录时刻不同。

25、-涡轮发动机tm是感兴趣涡轮发动机。因此,在瞬态集合t的矩阵对(χvt,ψvt)中,这些对之中的至少一个表示感兴趣涡轮发动机的飞行。此特征使得可以包括针对至少一个飞行的与感兴趣涡轮发动机相关的数据,从而使得可以估计预测模型f,该模型f使得可以根据从感兴趣涡轮发动机恢复的数据确定针对一次飞行的行为。此步骤使得可以结合所考虑的涡轮发动机的当前行为,并确保该模型不是简单的抽象模型,而是该特定机器的行为模型,具有所有可用信息。

26、-集合t的飞行v是感兴趣涡轮发动机的感兴趣飞行vi,并且集合t进一步由一对(χvit,ψvit)构建。此特征包括针对感兴趣飞行的与感兴趣涡轮发动机相关的参数,使得能够估计预测模型f,使得可以针对感兴趣飞行表示感兴趣涡轮发动机。这些特定数据的包括使得可以获得表示现实的模型行为,并且因此具有与现实(即该涡轮发动机的实际状态)相对应的交易裕度。

27、-对于集合t中的每个涡轮发动机tm的每个飞行v:

28、o集合t的瞬态学习数据包括对(χvt,ψvt):

29、o瞬态预测模型f由至少一个子模型fv形成,使得fv(χvt)=ψvt。

30、-根据对第一实施例进行补充的一个实施例,稳态预测模型h被定义为使得对于集合s中的每个涡轮发动机tm的每个飞行v,h(fv(χvs),χvs)=ψvs。

31、-根据一个实施例,集合t的瞬态学习数据包括:

32、o由每个矩阵χvt的水平级联而得到的矩阵xt,

33、o由每个矩阵ψvt的水平级联而得到的矩阵yt,

34、瞬态预测模型f被定义为使得f(xt)=yt。

35、-集合s的稳态学习数据包括:

36、o由每个矩阵χvs的水平级联而得到的矩阵xs,

37、o由每个矩阵ψvs的水平级联而得到的矩阵ys,

38、并且稳态预测模型h被定义为使得h(f(xs),xs)=ys。

39、-根据瞬态预测模型f和包括在稳态集合s中的稳态学习数据来估计稳态预测模型h包括以下子步骤:

40、o对于每个涡轮发动机tm的每个飞行v,除感兴趣飞行vi之外,根据瞬态预测模型f和包括在稳态集合s中的飞行v的每个飞行记录时刻的稳态学习数据来估计稳态预测模型hv;

41、o根据为飞行c所估计的至少一个稳态预测模型hc构建针对感兴趣飞行vi的稳态预测模型hvi,该飞行c是一个或多个飞行v中的一个飞行;

42、o稳态预测模型h是稳态预测模型hvi。

43、-对于稳态集合s中的每个涡轮发动机tm的每个飞行v,除感兴趣涡轮发动机tmi的感兴趣飞行vi之外:

44、o集合s的稳态学习数据包括对(χvs,ψvs)

45、o稳态预测模型hv被定义为使得hv(f(χvs),χvs)=ψvs

46、-稳态预测模型hvi至少由根据条件c1而选择的稳态预测模型hc构建,

47、-条件c1是:

48、oχct和χvit之间的距离最小;

49、o稳态预测模型hc的成本函数最小;或

50、o稳态预测模型hc的泛化误差最小。

51、根据先前的实施例之一,模型h的选择取决于数据,更具体地说是噪声水平和可用数据量。

52、-该方法包括裕度计算步骤,裕度与感兴趣矩阵ysi和矩阵ymp之间的差成比例,矩阵ymp是表示输入xsc的最坏情况的物理模型的输出。

53、-与涡轮发动机相关的至少一个输入参数是涡轮发动机的操作参数,在以下参数之中:

54、o涡轮发动机的第一轴的转速;

55、o涡轮发动机的第二轴的转速;

56、o涡轮发动机的燃烧室的温度;

57、o由涡轮发动机递送的扭矩;

58、o任何其他相关的热力学参数

59、或特定于涡轮发动机所处给定环境的参数,在以下参数之中:

60、o给定环境的温度;

61、o给定环境的压力。

62、o释放功率

63、o影响涡轮发动机的热力学行为的任何其他参数(例如,阀门);

64、-与涡轮发动机相关的至少一个输出参数是涡轮发动机的操作参数,在以下参数之中:

65、o涡轮发动机的第一轴的转速;

66、o涡轮发动机的第二轴的转速;

67、o涡轮发动机的燃烧室的温度;

68、o由涡轮发动机递送的扭矩;

69、o任何其他相关的热力学参数

70、或特定于涡轮发动机所处给定环境的参数,在以下参数之中:

71、o给定环境的温度;

72、o给定环境的压力。

73、o释放功率

74、o影响涡轮发动机的热力学行为的任何其他参数(例如,阀门)

75、-预测模型f和预测模型h选自常规回归方法,例如但不限于神经网络、决策树、随机森林、宽边距分离器或随机多项式回归、宽边距分离器或线性回归。

76、本发明的另一个方面涉及一种包括指令的计算机程序产品,当由计算机执行该程序时,该指令使计算机实现根据本发明的方法。

77、本发明的另一个方面涉及一种包括指令的计算机可读记录介质,当计算机执行该指令时,该指令使计算机实现根据本发明的方法。

78、阅读以下描述并查看附图后,将更好地理解本发明及其不同应用。

本文地址:https://www.jishuxx.com/zhuanli/20241118/329412.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。