Діагностування проточної частини авіаційних турбореактивних двоконтурних двигунів

Размещено на http://www.allbest.ru/

НАЦІОНАЛЬНИЙ АВІАЦІЙНИЙ УНІВЕРСИТЕТ

УДК 629. 735.083.02/.03.004.58(042.3)

Діагностування проточної частини авіаційних турбореактивних двоконтурних двигунів

Спеціальність 05.22.20 - Експлуатація та ремонт засобів транспорту

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Попов Олександр Вікторович

Київ 2008

Дисертацією є рукопис.

Робота виконана в Національному авіаційному університеті Міністерства освіти і науки України.

Захист дисертації відбудеться "18" червня 2008 р. о 1530 годині на засіданні спеціалізованої вченої ради Д 26.062.03 при Національному авіаційному університеті за адресою: 03680, м. Київ, проспект Космонавта Комарова, 1.

Із дисертацією можна ознайомиться в бібліотеці Національного авіаційного університету за адресою: 03680, м. Київ, проспект Космонавта Комарова, 1.

Автореферат розіслано "16" травня 2008 р.

Учений секретар спеціалізованої вченої ради, кандидат технічних наук, доцент, старший науковий співробітник С.В. Павлова

АНОТАЦІЯ

Попов О.В. Діагностування проточної частини авіаційних турбореактивних двоконтурних двигунів. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук зі спеціальності 05.22.20 - Експлуатація та ремонт засобів транспорту. - Національний авіаційний університет Міністерства освіти і науки України, Київ, 2008.

Дисертаційну роботу присвячено розробці нової методики діагностування проточної частини авіаційного ТРДД з глибиною локалізації несправності до конструктивного вузла. В роботі наведено аналіз досвіду експлуатації ТРДД, який показав, що третина авіаційних пригод в Україні припадає на частку двигунів.

Виявлено, що приблизно п'ята частина ДЗД, що мали місце унаслідок виникнення пошкоджень конструктивних вузлів ПЧ двигунів доводиться на випадки сумісного пошкодження двох і більш вузлів.

Виконано аналіз сучасних підходів в рішенні задач оцінки ТС АГТД і визначені пріоритетні напрями.

Адаптована ММРП ТРДД, що досліджувався, дозволить розрахувати інтегральні параметри стану лопатевих машин в характерних перетинах та питомі параметри двигунів, одержати набір ДО.

Досліджено зміну параметрів робочого процесу при імітації пошкоджень конструктивних вузлів ПЧ на повнорозмірному газодинамічному стенді. В результаті проведеного ВА були одержані ГЧ, які надалі використовувалися як ДО. Побудований портрет несправностей двигуна при пошкоджених вузлах ПЧ.

Розроблена архітектура НМ. Використання відомих методів розпізнавання образів вказало на наявність великого числа помилок, як при навчанні, так і при розпізнаванні стану двигуна.

Розроблена методика комплексного використання методів розпізнавання і НМ класифікації на основі логічного висновку, що дозволяє ідентифікувати портрети станів ПЧ ТРДД і локалізувати несправність до конструктивного вузла.

Ключові слова: діагностування, газотурбінний двигун, діагностична ознака, проточна частина, нейрона мережа.

несправність проточний турбореактивний двигун

АННОТАЦИЯ

Попов А.В. Диагностирование проточной части авиационных турбореактивных двухконтурных двигателей. - Рукопись.

Диссертация на получение научной степени кандидата технических наук по специальности 05.22.20 - Эксплуатация и ремонт средств транспорта. - Национальный авиационный университет Министерства образования и науки Украины, Киев, 2008.

Диссертационная работа посвящена решению актуальной научно-прикладной задачи, связанной с повышением точности технического диагноза при оценки технического состояния ПЧ ТРДД по параметрам рабочего процесса. Особое внимание в работе уделено разработке новой методики диагностирования проточной части авиационного ТРДД с глубиной локализации неисправности до конструктивного узла.

В работе приведен анализ опыта эксплуатации ТРДД, который показал, что приблизительно треть авиационных происшествий в Украине приходится на долю двигателей. Выявлено, что приблизительно пятая часть случаев ДСД, что имели место в результате возникновения повреждений конструктивных узлов ПЧ двигателей, приходится на случаи совместно поврежденных двух и более узлов. Выполненный анализ современных существующих и перспективных методов диагностирования авиационных газотурбинных двигателей на базе методов искусственного интеллекта и распознавания образов, что позволило определить приоритетные направления.

Адаптирована математическая модель рабочего процесса исследуемого ТРДД, позволяющая рассчитать интегральные параметры состояния лопаточных машин в характерных сечениях и удельные параметры двигателя, получить набор ДП, используя при этом, зарегистрированные при натурных испытаниях термогазодинамические параметры рабочего тела.

В результате чего, обоснованно и проведено по разработанным методикам комплексное экспериментальное исследование. Данный подход позволил провести натурные исследования на базе полноразмерного газодинамического стенда и на базе компьютерного моделирования с использованием данных, зарегистрированных на установившемся режиме работы двигателя, получить репрезентативную выборку параметров рабочего процесса при различных состояниях ПЧ, включая исправное. Стендовые исследования проводились на пяти эксплуатационных режимах работы двигателя, что позволило провести глубокий анализ изменения параметров рабочего процесса в характерных сечениях ГТД

Исследовано изменение параметров рабочего процесса при имитации повреждений конструктивных узлов ПЧ на пяти эксплуатационных режимах работы двигателя. Проведенный корреляционный анализ диагностической матрицы позволил обнаружить наиболее зависимые диагностические признаки. В результате проведенного факторного анализа были полученные главные факторы, которые в дальнейшем использовались в качестве диагностические признаки. Построен портрет неисправностей двигателя при поврежденных узлах проточной части.

Проведена сравнительная оценка эффективности распознавания портрета неисправностей, с использованием различных вероятностно-статистических методов распознавания образов. Использование известных методов распознавания образов указало на наличие большого числа ошибок, как при обучении, так и при распознавании состояния двигателя. Путем проведения сравнительной оценки эффективности структурных элементов нейронной сети, была разработанная архитектура нейронной сети, позволяющая производить классификацию состояний.

Определено, что наибольшей эффективности при распознавании неисправностей двигателя на базе предложенных методов и разработанной нейронной сети, можно добиться, используя в качестве ДП интегральных критериев, рассчитанных по параметрам рабочего процесса, зарегистрированным на режиме, соответствующему, 0,85 номинального.

Разработан новый алгоритм диагностирования проточной части двигателя, позволивший разработать методику комплексного использования методов распознавания и нейросетевой классификации на основе процедур логического вывода, что позволяет идентифицировать портреты состояний ПЧ ТРДД и локализовать неисправность до конструктивного узла.

Ключевые слова: диагностирование, газотурбинный двигатель, диагностический признак, проточная часть, нейронная сеть.

ABSTRACT

O. Popov. Diagnostics of flow duct aircraft turbojet two-spool engines. - Manuscript.

The dissertation for a scientific degree of Candidate of sciences (Engineering) by speciality 05.22.20 - Operation and repair of transport facilities. - National aviation university: Department of education and science of Ukraine, Kyiv, 2008.

Dissertation is devoted to development of a new method of diagnostics of flow duct (FD) aircraft turbojet two-spool engines (TTSE) with localization of damage to the structural components.

The analysis of experience of the (TTSE) operation, which showed that the third of aviation incident in Ukraine was on the stake of engines, is resulted in work. It is exposed that approximately the fifth part replace, that took place as a result of origin of damages of structural components of the FD engines is on the cases of compatible damage two and more components. The analysis of modern approaches is executed in the decision of tasks of the estimation technical state (TS) aircraft TTSE and certain priority directions. The adapted mathematical model of the operation process TTSE, that was explored, will allow to expect integral parameters of the state of blade machines in the characteristic crossings and specific parameters of engines, to get the set diagnostic sign. The change of parameters of working process is explored during the imitation of damages of the structural components FD on a gasdynamic stand. As a result of the conducted factor analysis main factors which in future were used as MF were got. Built portrait of engine at the jointly damaged components FD.

Developed architecture neural network. The use of the known methods of pattern recognition specified in the presence of large number of errors, both at studies and at recognition of the state of engine.

Developed method of the complex use of methods of recognition and neural network classification on the basis of logical conclusion, that allows to identify the portraits of the FD TTSE states and localize a damage to the structural components.

Keywords: diagnostics, gas-turbine engine, diagnostic sign, flow duct, neural network.

1. ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Одним з найскладніших завдань при технічній експлуатації (ТЕ) авіаційної техніки (АТ) є діагностування авіаційних газотурбінних двигунів (АГТД), на частку яких доводиться виникнення в середньому 28% інцидентів реєстрового парку повітряних суден (ПС) України [17].

Функціонування ГТД базується на складних фізико-хімічних процесах, які протікають в проточній частині (ПЧ) двигуна і викликають появу пошкодження як окремих конструктивних вузлів, так сумісно пошкоджених, у зв'язку з чим, діагностування конструктивних вузлів ПЧ авіаційного турбореактивного двоконтурного двигуна (ТРДД) проводиться на основі методів параметричної ідентифікації технічного стану (ТС) двигуна. Існуючі методи і засоби визначення ТС ГТД за функціональними параметрами з подальшою локалізацією несправності носять ймовірносно-статистичний характер технічного діагнозу, що викликає питання щодо його вірогідності [2,5].

Задача підвищення вірогідності оцінки ТС ГТД залишається актуальної з причини стохастичності простору ознак і простору станів. Підвищення вірогідності визначення ТС двигуна ускладнюється необхідністю включення в процес діагностування значного числа ознак, які відображають взаємодію різних конструктивних вузлів і елементів ПЧ. Отже, побудова ефективних алгоритмів діагностування стає можливою лише на основі використання статистичних моделей, які відображають поведінку об'єкту ідентифікації в різних, передвідмовних станах. Для вирішення задач, пов'язаних з аналізом даних за наявності стохастичності, необхідне використання методів математичної статистики і розпізнавання образів, нейронних мереж і теорії прийняття рішень. Ці методи дозволяють виявляти закономірності на фоні випадковості, робити обґрунтовані висновки і прогнози. Використання методів багатовимірної класифікації припускає звернення до системного аналізу простору ознак і простору станів, основних його складових і їх зв'язків, ухвалення рішення про характер встановлених закономірностей [1,18].

Ефективність реалізації процесу діагностування ГТД в експлуатації на основі методик ідентифікації їх ТС з використанням нейроних мереж (НМ) і методів розпізнавання образів вимагає розробки якісного програмно-алгоритмічного забезпечення, аналізу зміни параметрів робочого процесу в експлуатації з подальшим прогнозуванням ТС конструктивних вузлів проточної частини двигуна.

Зв'язок роботи з науковими програмами, планами, темами.

Дана робота є складовою частиною досліджень, які проводяться в Національному авіаційному університеті (НАУ) і спрямовані на подальше вдосконалення методів діагностування авіаційних ГТД, підтримання заданого рівня безпеки польотів та підвищення ефективності авіації. Роботу виконано відповідно до Державної програми розвитку авіаційного транспорту України на період до 2010 року, розробленої згідно з Указом Президента України від 18 жовтня 2000 року за № 1143/2000 про рішення Ради національної безпеки й оборони України від 27 вересня 2000 року "Про стан авіаційного транспорту й авіаційної промисловості України".

Дисертаційна робота виконувалась в рамках наступних держбюджетних науково - дослідних робіт:

№954ДБ-00 "Розробка системи управління технічним станом авіаційної техніки і якістю технічного обслуговування повітряних суден у процесі експлуатації" номер державної реєстрації 0100U004020;

№104ДБ-03 "Концепція та розробка методичного комплексу науково-технічного забезпечення процесів технічної експлуатації авіаційної техніки" номер державної реєстрації 0103U000686;

№302ДБ-06 "Розробка інформаційних технологій забезпечення процесів технічного обслуговування в системі збереження льотної придатності авіаційної техніки" номер державної реєстрації 0106U004133.

Мета і завдання дослідження. Мета даних дисертаційних досліджень полягає в розробці методики діагностування конструктивних вузлів проточної частини ТРДД з урахуванням їх сумісності пошкоджень на основі аналізу параметрів робочого процесу.

Для досягнення поставленої мети необхідно вирішити наступні науково - технічні задачі:

виконати аналіз досвіду експлуатації ГТД з метою виявлення пошкоджень конструктивних вузлів проточної частини ТРДД.

провести аналіз існуючих методів діагностування ТРДД;

розробити методику проведення комплексних досліджень, що містять натурний і модельний експерименти з метою отримання образів несправностей конструктивних вузлів ПЧ досліджуваного двигуна;

провести порівняльний аналіз найбільш ефективних методів розпізнавання образів несправностей ПЧ ТРДД;

розробити алгоритм і методику діагностування проточної частини ТРДД при спільно пошкоджених конструктивних вузлах проточної частини ГТД.

Об'єкт дослідження - процес розпізнавання образів несправностей двигуна при спільно пошкоджених вузлах газогенератора.

Предмет дослідження - діагностування проточної частини авіаційного турбореактивного двоконтурного двигуна при спільно пошкоджених конструктивних вузлах з глибиною локалізації до вузла.

Методи дослідження одержаних результатів. В ході проведення наукових досліджень для рішення поставлених задач використовувались елементі теорій: авіаційних газотурбінних двигунів, прийняття рішень; методи: математичного натурного и комп'ютерного моделювання, багатомірної класифікації, розпізнавання образів, нейромережевої класифікації.

Наукова новизна. У дисертаційній роботі отримано наступні наукові результати:

вдосконалено метод діагностування ПЧ ТРДД за параметрами робочого процесу при спільно пошкоджених конструктивних вузлах з глибиною локалізації до вузла;

розроблено метод процесу розпізнавання образів несправностей ПЧ ТРДД з використанням нейромережевої класифікації;

одержав подальший розвиток метод класифікації ТС ТРДД при наявності пошкоджених конструктивних вузлів проточної частини двигуна;

одержані нові експериментальні дані щодо впливу різних видів несправностей конструктивних вузлів ПЧ на параметри робочого процесу ТРДД;

розроблена процедура діагностування ТРДД при спільно пошкоджених вузлах проточної частини на основі комплексного використання методів розпізнавання образів несправностей.

Обгрунтованність і вірогідність одержаних результатів.

Вірогідність і обґрунтованість висунутих положень, висновків та розробленої методики діагностування ПЧ авіаційного ТРДД з глибиною локалізації несправності до конструктивного вузла підтверджується коректним використанням широковідомового математичного апарату та обчислювальної техніки і базується на узгодженості результатів модельного та натурного експериментів.

Практичне значення одержаних результатів. Практичне значення результатів дисертаційної роботи визначається підвищенням ефективності технічної експлуатації ПС за рахунок збільшення вірогідності діагнозу при ідентифікації ТС авіаційного ТРДД до конструктивного вузла.

Розроблені автором рекомендації, які підвищують вірогідність діагнозу при оцінці ТС авіаційного ТРДД можуть бути запропоновані для удосконалення методів та засобів діагностування АГТД.

Розроблений алгоритм і процедура діагностування ПЧ двигуна та пакет прикладних програм на основі комплексного використання методів дискримінантного аналізу, мінімізації ризику та нейромережевої класифікації з застосуванням елементів теорії прийняття рішень можуть бути запропоновані при розробці бортових та наземних систем контролю та діагностування.

Отримано нові результати експериментальних досліджень щодо впливу пошкоджень конструктивних вузлів ПЧ двигуна на параметри робочого процесу, які підтвердили ефективність запропонованої процедури.

Основні наукові результати дисертаційної роботи впроваджені в навчальний процес Національного авіаційного університету, виробничий процес ДП Завод 410 ЦА та КП "Авіакомпанія "Донбасаеро".

Особистий внесок здобувача. В опублікованих роботах у співавторстві особистий внесок автора полягає в такому: в роботі [1] представлена методика проведення натурних експериментальних досліджень при спільних пошкодженнях проточної частини двигуна, які проводилися здобувачем спільно із Стьопушкіною О.П., Нечипоруком В.В., Поповим Д.В., Вознюком А.П., виконано розрахунок діагностичних ознак (ДО), наведено результати модельного експерименту; в роботі [2] наведено результати розрахунку динамічних характеристики та ДО; в роботі [5] наведено характеристики станів та інтегральні параметри в якості ДО двигуна, що досліджувався; в роботі [6] проведено комп'ютерне моделювання розраховано основні термогазодинамічні параметри робочого процесу ГТД за обраною математичною моделлю; в роботі [7] наведено аналіз досліджень і публікацій; в роботі [8] наведені результати розрахунку ДО за даними, що отримані в результаті проведених експериментальних досліджень колективом виконавців - Дмитрієв С.О., Шаабдієв С.Ш., Моісєєв Б.М., Моца В.Г.; в роботі [9] представлені методика проведення та результати натурного експерименту, визначено відхилення ДО при зміні ТС конструктивних вузлів ПЧ двигуна; в роботі [10] надано результати чисельного моделювання впливу збільшення радіальних зазорів у ступенях осьового компресора на його характеристики;в роботі [12] проведено аналіз публікацій та експлуатаційних чинників, що впливають на газодинамічну стійкість осьового компресора ТРДД; в роботах [13, 15] запропоновано процедуру розробки експертної діагностичної системи; в роботі [14] визначено характеристики станів, отримано значення діагностичних нев'язок; в роботі [17] проведено аналіз інцидентів реєстрового парку ПС України, виконано розрахунок ДО за параметрами робочого процесу ПЧ двигуна що отримані під час проведення за участю здобувача експериментальних досліджень.

Апробація результатів дисертації. Основні положення и результати дисертаційних досліджень доповідалися, обговорювалися та мали позитивну оцінку на семінарах кафедри збереження льотної придатності авіаційної техніки Національного авіаційного університету (м. Київ, 2002-2004 рр.); ІІІ, ІV, VІІ, VІІІ, міжнародної науково - технічної конференції ї "АВІА - 2001, 2002, 2006, 2007" (м. Київ, НАУ); всеукраїнської студентської наукової конференції "ПОЛІТ - 2001" (м. Київ, НАУ); міжнародної наукової конференції студентів та молодих учених "ПОЛІТ - 2003, 2005 - 2007" (м. Київ, НАУ); ХІ, ХІІ міжнародному конгресі двигунобудівників (сел. Рибаче, 2006, 2007 рр.), науково-практичної конференції молодих учених і аспірантів "ІІТС - 2007" (м. Київ, НАУ).

Публікації. Основний зміст дисертації відображено у 18 наукових працях, з них 9 статей у фахових виданнях, які відповідають вимогам ВАК України, в тому числі 2 без співавторів, 2 тези доповідей та 7 публікацій у збірниках праць міжнародних та науково-практичних конференцій.

Структура й обсяг дисертації. Дисертаційна робота складається із переліку умовних позначень, скорочень і індексів, вступу, чотирьох розділів, загальних висновків, списку використаних джерел з 175 найменувань на 17 сторінках, трьох додатків на 22 сторінках. Загальний обсяг роботи складає 179 сторінок, в тому числі 89 рисунків, з них 36 на окремих 20 сторінках та 25 таблиць, з них 9 на окремих 7 сторінках.

2. ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми, викладено зв'язок з науковими темами, сформульовано мету дисертаційної роботи, предмет та об'єкт досліджень, наукові задачі та методи їх вирішення. Вказано наукову новизну і практичне значення одержаних результатів. Наведено відомості щодо реалізації і апробації результатів досліджень та публікації автора, визначено особистий внесок в роботах, що виконані у співавторстві. Стисло описана структура дисертації.

У першому розділі проаналізовані сучасні концепції управління ТС АГТД, проведений аналіз конструктивно-експлуатаційних властивостей ТРДД, що знаходяться у реєстровому парку ПС України в період з 2004 по 2006 роки, наведені результати аналізу досвіду їх експлуатації [3,11].

З результату аналізу сучасних концепцій управління ТС ТРДД виходить, що найбільша ефективність забезпечується при поєднанні заходів щодо вдосконалення методів діагностування із конструктивно-технологічними заходами по усуненню причин відмов і пошкоджень двигунів. Як показує досвід експлуатації, близько 28-30% від загальної кількості авіаційних подій припадає на двигуні. Основною причиною дострокового знімання двигунів (ДЗД) в 80-90% випадках є виникнення пошкоджень і відмов конструктивних вузлів ПЧ двигуна [15]. Проведений аналіз статистичних даних про відмови і пошкодження вузлів і елементів сприяє встановленню чіткіших взаємозв'язків між функціональними параметрами робочого тіла і характеристиками ГТД з урахуванням впливу експлуатаційних пошкоджень таких двигунів, як: АІ-25, Д-30КП/КП2, Д-36, Д-18Т. Дані взаємозв'язки дозволяють вести розробки, спрямовані на удосконалення існуючих і пошук нових методів оцінки ТС ПЧ двигуна [4].

Виконаний критичний огляд інструментальних і параметричних методів діагностування ГТД, які використовуються на даний період, вказує на перевагу одних і недоліки інших. Найбільш перспективними при цьому вважаються саме параметричні методи, в зв'язку з тим, що вони призводять до економії часового фонду експлуатанта на ТО ПС, дозволяють вести контроль і моніторинг ТС двигуна у польоті і при ТЕ на землі [13]. Доцільно реалізувати методики параметричного діагностування ТРДД в автоматизованій системі діагностування. Проте ефективність даного методу залежить від точності технічного діагнозу, обумовленого вибором математичної моделі робочого процесу (ММРП) об'єкту діагностування, вибором діагностичних ознак і режиму діагностування, діагностичної моделі, алгоритмічного і програмного забезпечення, рівня контролепридатності і модульності конструкції двигуна [6,14,16].

Діагностичні моделі (ДМ), що використовуються в існуючих методиках оцінки ТС двигуна базуються на гіпотезі про можливу появу несправності тільки в якому не будь одному конструктивному вузлі. При глибшому аналізі досвіду експлуатації двигунів був одержаний розподіл випадків виникнення пошкоджень і відмов двох і більш вузлів від загального числа, тобто спільно пошкоджених (СП), для Д-30КП/КП2 воно складає 17,65%, при вибірки в 140 двигунів (рис. 1) [3].

При формалізації оцінки ТС використовують лінійні ДМ вигляду:, де - матриця коефіцієнтів впливу, розрахованих по повній математичній моделі розмірності; - вектор відносних відхилень параметрів ТС розмірності ; - вектор відносних відхилень ознак зміни ТС розмірності m. Діагностування з використанням ММ ГТД викликає питання про вірогідність діагнозу з причини наступних причин: існує деяка кількість рішень, унаслідок незамкнутості системи рівнянь, що описують взаємозв'язки ознак і параметрів ТС (n>m, тобто число невідомих більше числа рівнянь); має підмножину нестійких рішень, унаслідок слабкого впливу деяких параметрів ТС на ознаки його зміни, а також наявності взаємних зв'язків вузлів двигуна.

За результатами проведеного літературного огляду можна зробити висновок, що: основним методом визначення ТС АД за параметрами, що реєструються в експлуатації, використовуючи при цьому АСД, є метод допускового контролю ("Контроль 8-2У", Контроль-Д-30КП, СДД-90, АСК-90), що ускладнює рішення задачі локалізації несправності.

Останнім часом при рішенні задач технічного діагностування все більш широкого поширення набувають самонавчальні структури на основі штучних НМ. Підвищений інтерес до нейротехнічних структур обумовлений можливостями НМ виконувати операції обробки, порівняння і класифікації образів, які недоступні для традиційної математики.

Нейроні мережі є ефективним методом дослідження надзвичайно складних залежностей в просторі діагностичних ознак і в просторі класів станів, що дозволяє створювати штучні інтелектуальні системи для використання моніторингу і діагностування.

Тому, метою даних досліджень є, створення методики діагностування конструктивних вузлів ПЧ авіаційних ТРДД з використанням НМ класифікації і методів розпізнавання образів з локалізацією пошкодження до вузла.

У другому розділі адаптована ММРП ТРДД, що досліджувався, обрані і обґрунтовані методи розпізнавання образів, розроблена архітектура НМ, визначені діагностичні ознаки (ДО), параметри робочого процесу досліджуваного двигуна, що реєструються в експлуатації і обґрунтований режим їх контролю.

Все різноманіття можливих конструктивних схем газотурбінних двигунів, що експлуатуються в ЦА, може бути одержане шляхом комбінацій щодо невеликого числа вузлів, таких як вхідний пристрій, вентилятор, компресор, камера згоряння, турбіна, камера змішування і реактивне сопло. На рис.2 представлена функціональна схема адаптованої математичної моделі (ММ) досліджуємого двигуна, яка виконана за модульним принципом.

Дана ММРП включає рівняння, які описують характеристики вузлів ТРДД, рівняння сумісної роботи та закони керування двигуном відповідно до конструктивної схеми двигуна.

Моделювання різних видів несправностей ПЧ ГТД здійснене шляхом введення в ММ змінених характеристик відповідних вузлів при конкретних видах і величині пошкоджень. Введені в ММ параметри робочого процесу і функціональні параметри двигуна при початковому ТС і при конкретному виді і ступені пошкодження дозволяють розрахувати зміну зареєстрованих в експлуатації параметрів і нев'язок між їх розрахунковими значеннями і значеннями параметрів, що вимірюються [8,9]. Наведена ММ дає можливість також вирішити обернену задачу, тобто за відхиленнями вимірюваних параметрів оцінити зміну ТС двигуна, що діагностується.

Для розпізнавання станів несправностей двигуна в роботі пропонується використовувати наступні методи розпізнавання образів з «вчителем»: кластерний аналіз, де в якості метрик виступають наступні відстані: Махаланобіса -, де - коваріаційна матриця генеральної сукупності ознак; Л - деяка симетрична ненегативно певна матриця вагових коефіцієнтів, яка найчастіше обирається діагональною; Мінковського -, яка характеризується k признаками xqs и xgs, S=1,2…,k, Евклідове - , Хемінга -; при проведенні дискримінантного аналізу визначаємо для будь якого признаку в будь якому стані функції:, де k*=1,2,...,g і ймовірність PL, котра відповідає найбільшій дискримінантній функції:, де f - значення найбільшої дискримінантної функції, L - індекс найбільшій дискримінантної функції. Також використовуємо метод мінімізації ризику із рішенням задачі мінімізації імовірності похибки, що еквівалентно виразу, де - умовна по класу функція щільності ймовірності, - загальна функція щільності ймовірності. Для проведення розпізнавання ТС двигуна методом НМ класифікації використовуємо багатошарову нейрону мережу (БНМ), архітектура якої складається з наступних елементів: алгоритм Левенберга-Маркуардта, функція активації tansig виду. Нейрони утворюють мережу, яка характеризується наступними параметрами і властивостями: - число шарів мережі, - число нейронів -го шару, зв'язки між нейронами в шарі відсутні. Виходи нейронів -го шару, = 1,2,..., М-1 поступають на входи нейронів тільки наступного +1-го шаруючи. Зовнішній векторний сигнал поступає на входи нейронів тільки першого шару, виходи нейронів останнього М-го шару утворюють вектор виходів мережі. Кожен -й нейрон -го шару (-й нейрон) перетворить вхідний вектор у вихідну скалярну величину:, де - вектор вагових коефіцієнтів нейрона, - j-а компонента N-мірного простору, - функція активації. Процес навчання мережі за алгоритмом Левенберга-Маркуардта виконується в результаті мінімізації цвілевої функції - де якого критерію, якій характеризує інтегральну міру близькості виходів мережі та вказівок «вчителя»:, де k-номер поточного циклу навчання НМ, m=1,2,…, k-1-номера попередніх циклів навчання НМ, w-складовий вектор-стовбець вагових коефіцієнтів мережі. Миттєвий критерій якості, що входить в інтегральний критерій якості, залежить від вектора помилки мережі: і часто має вигляд квадратичної форми:, де - позитивно визначена матриця.

Градієнтні методи навчання БНМ засновані на використанні градієнта цільової функції. Ці методи носять ітеративний характер, оскільки компоненти градієнта є, в загальному випадку, нелінійними функціями. Позначимо поточний градієнт. Тоді процес навчання БНМ буде заснований на ітераційній процедурі, реалізованій відповідно до формули:, де - поточне і нове наближення значень вагів і порогів НМ до оптимального рішення, відповідно, крок збіжності, напрям пошуку в N-мірному просторі вагів.

Спосіб визначення і на кожній ітерації залежить від особливостей конкретного методу. Для кожного вхідного вектора з навчальної множини повинен бути визначений вектор бажаних виходів мережі . Якщо навчена БНМ використовується як класифікатор станів двигуна - одного нормального і 15 дефектних, то виходами можуть бути звичні порядкові номери станів: 1 - нормальне, 2ч15 -дефектне.

Алгоритм Левенберга-Маркуардта вимагає наявності інформації про значення других похідних цільовій функції. Алгоритм може навчати НМ поки її вага, входи і функції активації мають похідні. У алгоритмі Левенберга-Маркуардта використовується алгоритм зворотного розповсюдження помилки для обчислення якобіана цільової функції щодо вагів і порогів мережі. Кожна вага і поріг змінюються відповідно до коректуючого правила, яке в матричній формі має вигляд:, де - гесіан, - скаляр, - одинична матриця.

У третьому розділі виконано опис газодинамічного стенду на базі ТРДД АІ-25, наведено дані щодо метрологічного забезпечення вимірювань параметрів, що реєструються під час проведення натурних досліджень, оцінені показники точності ДО розроблено методику проведення експериментальних досліджень.

Конструктивні вузли ПЧ ТРДД під впливом експлуатаційних чинників схильні до наступних пошкоджень: корозія, ерозія, викривлення, задираки, сколи, зміна площі прохідних перетинів в лопатевих машинах [7,10,12]. Вказані явища приводять в першу чергу до порушення умов обтікання (зміна шорсткості поверхні), іншими словами порушується якість і геометрія обтічної поверхні, що в свою чергу, приводить до збільшення коефіцієнта втрат у вінцях лопаток компресорних решіток . Аналогічна картина спостерігається і при впливі експлуатаційних пошкоджень на конструктивні елементи турбіни (соплові апарати, лопатки робочих коліс), при цьому відбувається зміна коефіцієнта швидкості обтікання . Таким чином, поява шорсткості приводить до збільшення профільних втрат в лопатевих машинах. Відмінною рисою цих досліджень є поелементне і сумісне моделювання пошкоджених конструктивних вузлів ПЧ на підставі результатів аналізу конструктивно-експлуатаційних властивостей ТРДД.

Для проведення натурних експериментів на підставі функціональної схеми ГТД і програмованих модулів вибрані наступні реєстровані параметри робочого процесу: - частота обертання роторів високого і низького тиску (РВТ, РНТ); - температура загальмованого потоку; - надмірний тиск в характерних перетинах ПЧ; - годинна приведена витрата палива; P - тяга двигуна. В якості ДО в роботі використовуються такі інтегральні параметри: , , , , , , , , , , , , , .

При плануванні експерименту була визначена кількість рівнів впливу N рівне двом: наявність шорсткості і її відсутність (+/-). Кількість при цьому чинників, що варіюються - 4: х1 - шорсткість лопаток ВНА, х2 - шорсткість лопаток 1-го ступеня КНТ, х3 - закоксованість робочої паливної форсунки, х4 - шорсткість лопаток 2-го ступеня ТНТ. Одержано матрицю планування повного факторного експерименту вигляду N=2k, де k=16 - кількість комбінацій станів ПЧ, зокрема справне [1]. Відносна похибка визначення ДО не перевищує 2%.

Шорсткість створювалася шляхом нанесення корунду, що калібрувався, з різними склеюючими матеріалами. Для "холодної частини" використовувався клей ПВА. Суміш, що утворюється корундом і клеєм, наносилася на спинку лопаток робочого колеса (РК) КНТ і лопатки ВНА. У "гарячій частині" ГТД, зокрема, при моделюванні шорсткості ТНТ використовувався силікатний клей. Створювана суспензія наносилася аналогічним чином на спинку лопаток СА і коритце лопаток РК 2-го ступеня турбіни в кількості дванадцяти штук. Моделювання закоксованісті робочої паливної форсунки проводилося шляхом постановки заглушки на паливному колекторі і патрубку самої форсунки [17].

У четвертому розділі наведено результати натурного експерименту, розраховані значення ДО по адаптованій ММРП, розроблена схема проведення комплексних експериментальних досліджень, що включають результати стендових випробувань і чисельного моделювання. На рис. 3 наведено результати зміни деяких ДО. На рис. 4. наведена структурна схема проведення експериментальних досліджень. Основою цього алгоритму є ММРП двигуна. Початкові дані (вибірки) для завдань класифікації формувалися на основі обраних ДО для кожного стану в наступній послідовності і кількості: 60 точок - нормальний стан, 20 -шорсткість лопаток ВНА, 20 - шорсткість лопаток КНТ, 20 - заглушена форсунка, 20 - шорсткість лопаток ТНТ, 20 - шорсткість лопаток ВНА і КНТ, 20 - шорсткість лопаток ВНА і заглушена форсунка, 20 - шорсткість лопаток ТНТ і ВНА, 20 - шорсткість лопаток КНТ і заглушена форсунка, 20 - шорсткість лопаток КНТ і ТНТ, 20 - шорсткість лопаток ТНТ і заглушена форсунка, 20 - шорсткість лопаток ВНА, КНТ і заглушена форсунка, 20 - шорсткість лопаток КНТ, ТНТ і ВНА, 20 - шорсткість лопаток ТНТ, ВНА і заглушена форсунка, 20 - шорсткість лопаток КНТ, ТНТ і заглушена форсунка, 20 - шорсткість лопаток КНТ, ТНТ, ВНА і заглушена форсунка.

Отримання статистики для навчальної вибірки здійснювалося з використанням нормального закону розподілу, а перевірочна вибірка визначена по рівномірному закону.

Результатом проведення модельного експерименту є дві вибірки навчальна і перевірочна - матриця , де =360, =14. Стовбцями матриці є обрані ДО, а рядками - точки класів ТС. На рис. 5 наведено приклад вибірок р*тв по осі ординат відкладені абсолютні значення ДО, а по осі абсцис групи точок згідно ТС об'єкту діагностування. На підставі даних натурного і модельного експериментів здійснена програмна реалізація одержаних статистик, використовуючи при цьому різні методи і принципи розпізнавання образів.

Використовуючи одержані вибірки, була проведена апробація запропонованих методів розпізнавання образів при 16 варіантах станів ПЧ двигуна. У табл. 1 наведені результати порівняння різних заходів кластеризації при рішенні задач класифікації ТС об'єкту. Як показала апробація, найкращий результат показала метрика Махаланобіса (рис.6).

При використанні методу НМ класифікації спостерігався ефект «зависання» процесу навчання мережі. Внаслідок чого як на повчальній, так і на перевірочній вибірці один із станів визначений з помилкою 100%. Стан двигуна, при якому змінена шорсткість лопаток ВНА, ТНТ і заглушена робоча паливна форсунка віднесено до класу, якому властиво стан із зміненої шорсткості лопаток ТНТ (рис. 7).

Даний ефект обумовлений виродженністю матриці унаслідок наявності сильних кореляційних залежностей ДО. Запропоновані 14 ДО мають різний рівень інформативності, деякі сильно кореліровані між собою. Так найбільші коефіцієнти парної кореляції між ознаками рівні: =0,9976, =0,9988, =0,9739, =0,9736. З метою зменшення розмірності моделі за рахунок виключення малозначимих і сильно корелюючих ознак була проведена корекція моделі. Зокрема, ознаки , виключені, а ознаки - температура газів перед турбіною і - температура за турбіною введені в модель. Результати класифікації ТС ТРДД наведено в табл. 2. Для виявлення малозначимих ознак окрім критеріїв парної кореляції, модуля коефіцієнта кореляції, оцінок значущості ознак на основі НМ, використано метод факторного аналізу (ФА). При виконані ФА проводився аналіз головних компонент для визначення числа незалежних розмірностей, необхідних для обчислення найбільшої розбіжності в початковому ряду змінних: де - косинус кута між j-й віссю і i-ю ознакою, лінійно залежні і апріорно включені в модель в порядку їх значущості (рис. 8). Метод отримання напрямів головних вісей ґрунтується на знаходженні власних чисел і векторів кореляційної матриці R: Головні чинники (ГЧ), які є лінійною комбінацією початкових параметрів, лінійно незалежні і в апріорі включені в модель в порядку їх значущості. В табл. 3 наведені результати класифікації на підставі вибірок ГЧ отриманих з урахуванням и в складі вихідних ДО.

Використання в процесі класифікації матриці ГЧ призводить до значного збільшення числа помилок при розпізнаванні методами кластеризації і методом дискримінантного аналізу. Кращі результати показує метод мінімізації ризику, оскільки за якістю розпізнавання він близький до методів класифікації на основі НМ, а по часовим критеріях перевершує їх.

Те, що кожен метод має свої помилки класифікації, підтверджує необхідність комплексного підходу до рішення задачі ідентифікації ТС об'єкту діагностування з глибиною локалізації несправності (пошкодження) до конструктивного вузла.

Для навчання НМ використано до 15 алгоритмів, найбільш ефективними серед яких є алгоритми Левенберга-Маркуардта, і алгоритм регулярізації Bayesia [1]. В якості параметрів і обмежень навчання були задані: середнеквадратична помилка 0,05 і максимальна кількість циклів навчання - 200. Найбільша ефективність запропонованого методу досягається при наступній архітектурі НМ при кількості елементів вхідного вектора рівним кількості чинників: кількість шарів - 2, кількість нейронів першого шару s1=17, а кількість нейронів другого шару рівна кількості можливих станів об'єкту діагностування s2=16. Не дивлячись на "зависання" в деяких випадках показника якості навчання НМ, оптимальним числом ГЧ в нашому випадку є 11-ть (рис. 9). При спробі подальшого їх зменшення були отримані задовільні результати при їх кількості рівним 8-ми, але при цьому НМ класифікація проводилася з використанням тришарової мережі: s2=17, s3=16. Подальше зменшення ГЧ приводить до неприйнятних результатів.

Методика діагностування базується на аналізі параметрів і сигналів, що реєструються, як бортовими накопичувачами, так і в картах реєстрації шляхом ручного введення на обраному режимі роботи двигуна. При розробці алгоритму діагностування турбореактивного двоконтурного двигуна в умовах експлуатації приймається допущення, що до моменту ідентифікації несправностей або пошкоджень конструктивних вузлів проточної частини двигуна відомий портрет несправностей. Це означає, що система пройшла попереднє навчання і можливі стани несправного двигуна класифіковані. На рис. 10 представлена узагальнена схема алгоритму попереднього навчання системи. При формуванні матриць слід підходити індивідуально до кожного типа ГТД, оскільки кількість можливих станів залежить від конструктивних особливостей об'єкту діагностування.

Для подальшого підвищення якості розпізнавання використовується комплексна оцінка розпізнавання стану двигуна заснованих на трьох кращих методах розпізнавання образів: кластерного та дискримінантного аналізів і мінімізації ризику та НМ, шляхом об'єднання їх оцінок на основі процедур логічного висновку. Процедура логічного висновку будується на умові, що підтверджується приналежність до одного і того ж класу ТС ГТД для, не менше, двох різних методів (рис.11-12). Окремо ця процедура здійснюється на базі тільки методів розпізнавання образів та окремо для всіх відібраних методів з врахуванням рівня значимості кожного методу. Методи розпізнавання образів по значущості розміщені в такій послідовності: мінімізації ризику (ММР) (I3), дискримінантного (МДА) (I4) та кластерного (I1) аналізу (МКА), для другої групи методів - мінімізації ризику (I3), НМ (I9), дискримінантного (I4) та кластерного (I1) аналізу. Алгоритми прийняття рішень за цими процедурами мають вигляд:

На рис. 13 наведено алгоритм діагностування на основі комплексного використання методів розпізнавання образів.

ВИСНОВКИ

У дисертаційній роботі, на підставі виконаних досліджень, вирішено завдання оцінки ТС ПЧ ТРДД за параметрами робочого процесу. Проведені дослідження дозволяють зробити такі висновки:

1. Виконаний аналіз сучасних підходів для вирішення завдання діагностування ГТД, який дозволив сформулювати вимоги до методу ідентифікації несправностей авіаційного ТРДД. На підставі проведеного аналізу, була віддана перевага інтелектуальним комп'ютерним технологіям діагностування, котрі базуються на теорії експертних систем, нейронних мереж, нечіткої логіки і генетичних алгоритмах.

2. Виявлено характерні пошкодження конструктивних вузлів ПЧ різних типів ТРДД: АІ-25, Д-36, Д-30КП/КП2, Д-18Т, що є результатом проведеного аналізу досвіду експлуатації вищезгаданих двигунів. Одержані наступний розподіл, виявлених спільно пошкоджених вузлів ПЧ від загальної кількості несправностей, пошкоджень і відмов, що привели до ДЗД: АІ-25 - 13,72%, Д-36 - 11,46%, Д-30КП/КП2 - 17,65%, Д-18Т - 9,5%. Комбінації пошкоджених конструктивних вузлів, що найбільш часто зустрічаються, були змодельовані при проведенні натурного експерименту.

3. Отримані результати натурного і модельного експериментів, на підставі адаптованої ММРП, внаслідок чого, сформовані навчальна і перевірочна вибірки ДО.

4. Обґрунтовано раціональну кількість ГЧ навчальної і перевірочної вибірок на підставі проведеного ФА з метою подальшої апробації їх на класичних методах розпізнавання образів. В результаті дослідження матриці ГЧ з урахуванням коефіцієнтів вантаження обрано 11 у порядку значущості чинників, які є вхідними параметрами при формуванні образів несправності і розпізнавання ТС досліджуваного типа двигуна.

5. Розроблена архітектура БНМ мережі. Визначені параметри двошарової НМ: алгоритм навчання - Левенберга - Маркуардта, функція активації tansig, кількість нейронів 1-го і 2-го шарів 17 і 16 відповідно. Дана НМ дозволяє підвищити вірогідність визначення ТС ПЧ ГТД з глибиною діагностування до конструктивного вузла за рахунок підвищення швидкості і якості навчання і розпізнавання.

6. Обґрунтована доцільність використання інтегральних параметрів як ДО для оцінки ТС ПЧ ТРДД в порівнянні з вимірювальними параметрами робочого процесу при використанні НМ і класичних методів розпізнавання образів. Найбільшу чутливість показав НМ метод, метод мінімізації ризику і метод дискримінантного аналізу на режимі 0,85 номінального, у зв'язку з тим, що умовний коефіцієнт посилення К на обраному діагностичному режимі при використанні інтегральних параметрів в порівнянні з параметрами робочого процесу зменшився на 32-35%.

Розроблені алгоритм і процедура розпізнавання ТС двигуна з локалізацією пошкодженого конструктивного вузла ПЧ ТРДД на основі комплексного використання методів розпізнавання образів: дискримінантний аналіз, метод мінімізації ризику і нейромережевий метод.

Розроблена інформаційна технологія діагностування ПЧ ТРДД з локалізацією пошкодження до конструктивного вузла на основі комплексного використання методів розпізнавання образів дала позитивні результати при контрольний здавальних випробуваннях на заводі 410 ГА, що дозволило істотно скоротити кількість переборок двигуна. Дана методика також упроваджена в авіаційній компанії «Комунальне підприємство «Донбасаеро», а пакет прикладних програм в учбовий процес НАУ для вивчення дисципліни «Прикладні методи і засоби обробки даних».

СПИСОК ОПУБЛИКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Кучер А.Г., Дмитриев С.А., Попов А.В. Определение технического состояния ТРДД по данным экспериментальных исследований с использованием нейронных сетей и методов распознавания образов // Авіаційно - космічна техніка і технологія. - Х.: - 2007. - № 10/46. - С.153-164.

2. Дмитриев С.О., Попов О.В., Стьопушкіна О.П. Експертна модель локалізації несправностей проточної частини газогенератора // Авіаційно - космічна техніка і технологія. - Х.: - 2006. - №8/34. - С. 168-171.

3. Попов О.В. Исследование динамических характеристик ТРДД с перемежающимися неисправностями проточной части на установившихся режимах его роботы // Авіаційно - космічна техніка і технологія. - Х.: - 2007. - №2/38. - С. 63-67.

4. Попов А.В. Исследование влияния эксплуатационных факторов на динамические характеристики ТРДД при приемистости // Вісник двигунобудування. - 2006. - №1. - С. 59-61.

5. Дмитриев С.А., Литвиненко А.Е., Степушкина Е.П., Попов А.В. Экспертные модели определения множественных отказов в авиационных двигателях // Вестник двигателестроения. - 2005. - №1. - С. 12-17.

6. Чоха Ю.М., Попов О.В. Математична діагностична модель робочого процесу ТРДД з низьким рівнем контролепридатності // Вісник двигунобудування. - 2003. - №1. - С. 100-103.

7. Panin V.V., Voznyuk A.P., Popov A.V., Sun Gaoyong. Influence of gas turbine engine gar-air channel operational factors and damageability on its components // Proceedings of NAU. - 2005. - №2. - P. 49-52.

8. Стьопушкіна О.П., Попов О.В., Вознюк А.П. Визначення множинних відмов проточної частини ТРДД за термогазодинамічними параметрами // Проблеми автоматизації і управління: Зб. наук. праць. - Київ, 2006. - №1(16). - С. 142-145.

9. Стьопушкіна О.П., Попов О.В., Корсуненко М.В., Слєпухіна І.А. Логічна модель діагностування ТРДД з урахуванням перемежованих пошкоджень його проточної частини // Вісник НАУ.-К.: - 2007. - №1. - С. 142-145.

10. Дмитрієв С.О., Карпов О.Є., Попов О.В. Оцінка впливу радіальних зазорів на характеристики компресора // Матеріали III Міжнародної науково-технічної конференції „АВІА - 2001”. - К.: НАУ, 2001. - Т. 1. - С. 03.140-03.143.

11. Попов О.В. Аналіз надійності двигуна Д-36 // Матеріали IV Міжнародної науково-технічної конференції „АВІА - 2002”. - К.: НАУ, 2002. - Т. 3. - С. 34.39-34.41.

12. Кінащук І.Ф., Шаповал В.М, Попов О.В. Методика забезпечення газодинамічної стійкості компресорів авіаційних ГТД в умовах експлуатації // Матеріали III Міжнародної наукової конференції студентів та молодих учених „ПОЛІТ - 2003”. Наука і молодь: Зб. наук. праць. - Київ, 2003. - №3. - С. 7-12.

13. Попов О.В, Шаповал В.М. Діалогова експертна система пошуку несправностей у функціональних системах ПС // Матеріали VI Міжнародної наукової конференції студентів та молодих учених „ПОЛІТ - 2006”. - К.: НАУ, 2006. - С. 41.

14. Слєпухіна І.А., Стьопушкіна О.П., Попов О.В. Експертна модель локалізації несправностей проточної частини ТРДД за термогазодинамічними параметрами // Матеріали VII Міжнародної науково-технічної конференції „АВІА - 2006”. - К.: НАУ, 2006. - Т. 1. - С. 142-145.

15. Попов А.В., Степушкина Е.П. Влияние эксплуатационных повреждений на динамические свойства ТРДД // Матеріали VII Міжнародної науково-технічної конференції „АВІА - 2006”. - К.: НАУ, 2006. - Т. 2. - С. 3.96-3.99.

16. Попов О.В. Экспериментальное исследование перемежающихся повреждений проточной части авиационного ТРДД // Матеріали VII Міжнародної науково-технічної конференції студентів та молодих вчених „ПОЛІТ - 2007”. Наука і молодь: Зб. наук. праць. - Київ, 2007. Вип. 7. - С. 3-6.

17. Попов А.В., Степушкина Е.П., Слепухина И.А. Экспериментальное исследование характеристик ТРДД при перемежающихся повреждениях проточной части // Матеріали VIII Міжнародної науково-технічної конференції „АВІА - 2007”. - К.: НАУ, 2007. - Т. 2. - С. 33.37-33.40.

18. Попов А.В. Нейросетевая классификация как средство диагностирования газотурбинных двигателей // Інтегровані і інформаційні технологічні системи: науково-практична конференція Київ, 29-31 жовтня. 2007 р. - К.: НАУ, 2007. - С. 143-145.

Размещено на Allbest.ru