[发明专利]燃气涡轮发动机性能数据验证

说明书

技术领域

本发明一般地涉及燃气涡轮发动机建模领域。更具体地，本发明涉及验证获得的用于推导性能计算的燃气涡轮发动机数据的方法。

背景技术

燃气涡轮发动机条件监测在保持安全操作和有效维护而最小化所有者的总体成本中起重要作用。诊断数据的质量影响从该数据提取的知识的质量和速度以及所有基于该数据的随后决策的有效性。统计分析对于评估和改进数据质量是重要的，但是底层过程的嵌入知识的使用允许数据质量、分析、以及燃气涡轮发动机健康变化的清晰度的更显著的改进。

当发动机随时间过去而恶化时，燃气涡轮机性能诊断本身关注跟踪发动机模块性能测量中的变化，典型地效率和流动参数。驱动该方法的信息的主要来源为沿发动机气体路径进行的测量，例如温度、压力、速度等。性能跟踪系统的成功很大程度上取决于它的减轻和适应测量异常和噪音的影响的能力。因此，数据验证方法在性能诊断过程中起重要作用。

在性能诊断过程中，相关的发动机模块性能漂移在观察的发动机参数从标称参考的漂移基础上估计。该过程为多参数方法，其始于相对于参考基准的测量增量的向量，且产生发动机模块性能增量的向量。固有地，测量向量包含噪音，其减少发动机模块性能增量的解决方案清晰度。噪音本身表明几个因素，例如传感器偏差和漂移、飞行员/操作者行动、未建模的控制/系统特征、飞行器或其他单独设备问题以及数据输入错误。

数据分散性的原因包括但不限于天气、飞行员/操作者行动、未建模的控制/系统特征、诸如数据对标准条件的误差校正的计算过程、飞行器或其他单独设备问题、数据输入、传感器偏差、传感器漂移、和/或人为因素。考虑这些因素的传统方法已经将他们作为传感器误差或传感器故障处理。

数据分散性的一个主要来源归因于数据如何获取。一般地，获取逻辑包括当底层过程相对稳定时确定数据获取机会的窗口。这些窗口通常将记录数据限制在具有功率设定和飞行条件的低变化率的周期。数据典型地在功率条件设定之后的一段时间采样且平均值通常记录为单个点。采样和平均技术移除系统噪音的较高频率的来源。如果这些自动化方法不可得到，那么手动记录数据可能会引入作为噪音来源的人为误差。此外，手动收集的数据更可能在较不稳定条件获取。

稳定系统操作要求滞后加入到诸如放气和叶片调制的二级系统中，以防止操作状态之间的波动。飞行试验已经显示，滞后可能导致发动机排气温度在一些较低的功率条件下变体高达10℃。如果数据在当调制发生时这些较低的功率设定下获取，那么存在具有不希望界外值的增加的机率。

发动机恶化和仪器漂移随着数天、数周和数月的时期过去而发生，逐渐地改变底层参数基准。数据分散性相对于慢慢变化的底层基准被最佳地估计。这可以通过同时跟踪通过滤波器的参数自动地执行。

为了减少诊断和预测分析的维数，数据典型地与发动机模型比较。在发动机数据的飞行条件下运行发动机模型将飞行条件、功率调节、和系统影响从问题维数移除。由于发动机以及相应的发动机模型特性为非线性的，计算传感器相对于模型的偏差产生线性的传感器增量，使得线性分析应用(类似Kalman滤波的技术)更可靠。紧随模型比较引入的分散性可以自动校正和辨识，且采用物理过程和数据校正的嵌入知识移除。

过去，当发生数据分散时，分散要么被接收并标记，或者数据被移除。老练的使用者典型地进行分析以解释它是随机分散还是由其他测量中的系统误差引起的分散。例如，记录的飞机操作条件(即高度、马赫数、或总体空气温度(TAT))的误差将引起许多参数变化中的系统的自动校正的误差。读取发动机功率设定的误差将引入另一系统误差。获取一个值可能引入影响与系统的物理性质不一致的单个参数的误差。工程师知道如何辨别这些代表一些与系统物理性质不一致的误差。这些误差通过手工移除或标记为可疑的。当在分析期间使用单独的参数界外值时，它掺杂多测量相互关系。当参数被放弃时，典型地整个多参数数据点也被放弃。数据分析的质量在任一情况下降低。

解决该问题的当前方法包括滤波输入数据和复杂的分析后处理。更理想的解决方案为一种能够减少输入数据分散性，以及检测且适应输入异常而不改变有效的输入信号平均水平的解决方案。

发明内容

尽管存在验证用于发动机性能诊断的数据的不同方法和系统，这些模型不完全令人满意。发明人已经发现，希望具有相对于严格统计方法杠杆调节燃气涡轮发动机操作的物理试探(heuristic)和数据分析经历的方法。