CC BY
41
2008
НАУЧНЫЙ ВЕСТНИК МГТУ ГА серия Эксплуатация воздушного транспорта
№ 134
УДК 629.
ОСОБЕННОСТИ ПОВЕДЕНИЯ ДИАГНОСТИЧЕСКИХ НЕЙРОМОДЕЛЕЙ ДЛЯ ГТД С НЕИСПРАВНОСТЯМИ КОМПРЕССОРА
ПИ. РАКОВ
Статья представлена доктором технических наук, профессором Чичковым Б.А.
В статье приведены некоторые результаты анализа влияния неисправности компрессора ГТД на характер поведения диагностической нейромодели. В работе использовались статистические данные, полученные для ТРДД типа ПС-90А.
Компрессор ГТД является одним из наиболее нагруженных элементов конструкции двигателя. Кроме того, компрессор крайне чувствителен к попаданию посторонних предметов, что требует наличия надежной диагностической информации для принятия решения о его техническом состоянии. В этой связи представляет интерес анализ возможности получения диагностических сведений о техническом состоянии компрессора путем применения метода, заключающегося в анализе влияния неисправности компрессора ГТД на характер поведения диагностической модели, основанной на нейронных сетях (здесь на радиально-базисных нейронных сетях).
Используя статистические данные, полученные в процессе эксплуатации ТРДД типа ПС-90 А, были построены графики следующих зависимостей: отношения давления газа за турбиной низкого давления (ТНД) к давлению воздуха на входе в двигатель (Рт/Рвх) от наработки (рис. 1, 2); давления воздуха за КВД (Рквд) от наработки; температуры воздуха за КВД (Тквд) от наработки (рис. 4, 5).
Проанализировав приведенные графики, следует отметить следующее. Так, представленные модели ГТД имеют схожие черты поведения, общий характер которых может быть представлен в виде фотографии состояния С-1, приведенной на рис. 3. На этом графике значения параметра Рт/Рвх на участке 1-2 практически не изменяются. Далее следует достаточно резкое снижение параметра до минимальных значений за весь период наблюдений (участок 2-3), а затем такое же резкое увеличение (участок 3-4) до уровня участка 1-2. Далее параметр остается на уровне участка 1-2 (участок 4-5).
График С-1 может иметь следующие особенности поведения: участок 1-2 может отсутствовать; участки 1-2 и 4-5 могут иметь положительный, отрицательный или нулевой тренды изменения параметра; участок 1-2 может располагаться как выше, так и ниже участка 4-5; угол между участками 2-3 и 3-4 может немного отличаться от того угла, что представлен на рис. 3 (график С-1).
наработка, ч наработка, ч
Рис. 1. График состояния ГТД (ГТД - 251) Рис. 2. График состояния ГТД (ГТД - 356)
График С-2 (рис. 3) является фотографией состояния для моделей ГТД, описывающих давления воздуха за КВД (Рквд) от наработки. На данном графике можно наблюдать, что параметр на участке 1-2 практически не изменяется. Затем идет повышение параметра (участок 2-3) с последующей его фиксацией на уровне максимальных (или близких к тому) значений за весь период наблюдений (участок 3-4). Участок 4-5 характеризуется достаточно интенсивным снижением параметра с последующей его фиксацией на уровне минимальных (или близких к тому) значений за весь период наблюдений (участок 5-6).
Далее следует в достаточной степени пологая «горка» (участок 6-7-8-9) с последующей фиксацией параметра на уровне участка 5-6.
Рг/Рвх
\
С-1
Рг/Рвк
наработка, ч
ИЁрайотка. ч
Рис. 3. Фотографии состояния ГТД с неисправностью компрессора
Особенности поведения параметра графика С-2 (см. рис. 3):
участок 1-2 может отсутствовать; участки 1-2, 5-6 и 9-10 могут иметь положительный, отрицательный или нулевой тренды изменения параметра; участок 2-3-4-5 может иметь вид «горки», степень пологости которой может несколько отличаться от той, что приведена на участке 2-3-4-5 графика С-2.
Схожие черты поведения моделей можно представить схематично и в виде графика-схемы (фотографии) С-3 (рис. 6). Значения параметра Рквд на участке 1-2 практически не изменяются. Далее следует «горка» (участок 2-3-4-5), после которой параметр достаточно резко снижается до уровня минимальных (или близких к тому) значений за весь период наблюдений (участок 5-6). После участка 5-6 следует вторая «горка» (участок 6-7-8).
В качестве особенностей поведения параметра графика С-3 (рис. 6) могут быть отмечены следующие: участок 1-2 может иметь положительный, отрицательный или нулевой тренды изменения параметра; после «горки» (участок 6-7-8) может присутствовать участок с отрицательным или нулевым трендом изменения параметра.
наработка, ч
Рис. 4. График состояния ГТД (ГТД - 276)
наработка, ч
Рис. 5. График состояния ГТД (ГТД - 356)
Модели ГТД на рис. 4, 5 позволяют определить ряд общих черт, которые были отражены в графике-схеме С-4 (рис. 6). На графике-схеме можно наблюдать, что значения параметра Тквд на участке 1-2 практически не изменяются. Далее следует достаточно пологая «горка» (участок 2-3-4-5) после которой параметр достаточно резко снижается до уровня минимальных (или близких к тому) значений за весь период наблюдений. После завершения первой «горки» следует вторая (участок 5-6-7-8). После чего параметр практически не изменяется (участок 8-9).
3 4
наработка, ч
Рис. 6. Фотографии состояния ГТД с неисправностью компрессора
Среди особенностей поведения параметра графика С-4 (рис. 6) следует отметить следующие: параметр на участке 1-2 может иметь следующие тренды изменения: нулевой (участок 1-2); отрицательный (участок 1-2); положительный (участок 1”-2); параметр на участке 8-9 может иметь следующие тренды изменения: нулевой (участок 8-9); положительный (участок 8-9’); отрицательный (участок 8-9”).
Таким образом, основываясь на вышеприведенных и аналогичных результатах, гипотеза о наличии взаимосвязи между состоянием ГТД с неисправностями компрессора и поведением диагностических моделей, построенных с применением нейронных сетей не отвергается. Данное предположение и приведенные выше особенности поведения следует считать справедливым для моделей ГТД, построенных с применением следующих зависимостей: отношения давления газа за турбиной низкого давления (ТНД) к давлению воздуха на входе в двигатель (Рт/Рвх) от наработки; давления воздуха за КВД (Рквд) от наработки; температуры воздуха за КВД (Тквд) от наработки.
ЛИТЕРАТУРА
1. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика.-2-е изд.. - М.: Горячая линия - Телеком, 2002.
2. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2004.
3. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. - М.: ДИАЛОГ-МИФИ, 2002.
THE TURBOJET COMPRESSOR FAULTINESSES INFLUENCE ON DIAGNOSTIC NEURAL
MODEL CONDUCT CHARACTER
Rakov P.I.
This article contains a few research results of turbojet condition influence with compressor faultinesses on diagnostic model conduct character based on neural network. Also was shown a few examples which cause the reason to suppose an influence presence.
Сведения об авторе
Раков Павел Игоревич, 1981 г.р., окончил МГТУ ГА (2004), аспирант кафедры двигателей летательных аппаратов МГТУ ГА, область научных интересов - рабочие процессы, конструкция и прочность авиационных двигателей, диагностика авиационных двигателей.
