Алгоритми діагностики та парирування відмов каналів вимірювання системи автоматичного управління авіаційного двигуна ТВ3-117 у польотних режимах на основі нейромережевих технологій

Автор(и)

  • Serhii Vladov Кременчуцький льотний коледж Харківського національного університету внутрішніх справ

DOI:

https://doi.org/10.18372/2306-1472.84.14950

Ключові слова:

надійність, система автоматичного управління авіаційного двигуна ТВ3-117, перешкоди, ідентифікація, вбудована лінійна адаптивна бортова математична модель двигуна, вимірювальний канал, алгоритми діагностики та парирування відмов

Анотація

Пропонується розв’язання задачі підвищення надійності системи автоматичного управління (САУ) авіаційного двигуна ТВ3-117 на основі введення алгоритмічної надмірності. Метою дослідження є розробка алгоритмів діагностики та парирування відмов вимірювальних каналів для вхідних параметрів вбудованої в САУ лінійної адаптивної бортової математичної моделі авіаційного двигуна ТВ3-117 (LABEM). Наведено основні співвідношення LABEM. В якості основи статичної моделі двигуна використовується дросельна характеристика індивідуального двигуна, отримана на здавальних випробуваннях або на «гонці» в експлуатації після проведення обслуговування. Динамічна лінійна модель авіаційного двигуна ТВ3-117 нижнього рівня будується за методом простору станів. Технічні і теоретичних проблем практичної реалізації резервування за допомогою моделі пов’язані з високою розмірністю простору станів двигуна, що істотно перевищує розмірність вектору вимірюваних на борту параметрів. Виникає проблема ідентифікації відмови датчика з подальшим заміщенням інформації модельним значенням. Обґрунтовано необхідність побудови алгоритмів виявлення і локалізації відмов вимірювальних каналів двоканальних датчиків, що діють в умовах перешкод. Для підвищення надійності вхідної інформації по контуру витрати палива застосовуються алгоритми Калман-фільтрації з вбудованою логікою виявлення та локалізації відмови вимірювального каналу. Описано алгоритми виявлення та локалізації відмов датчиків в контурі дозуючої голки на основі фільтрів Калмана. Алгоритми будуються на обчисленні сигнатури відмови як зваженої суми квадратів відхилень (WSSR), яку порівнюють з обраним пороговим значенням. Результати випробувань на моторному стенді і моделювання в середовищі MatLab показали, що застосування запропонованих алгоритмів в складі LABEM дозволяє досягти високих показників надійності і якості автоматичного управління.

Біографія автора

Serhii Vladov, Кременчуцький льотний коледж Харківського національного університету внутрішніх справ

Candidate of Technical Science. Department of Physical and Mathematical Disciplines and Informatics, Kremenchuk Flight College of Kharkiv National University of Internal Affairs, Ukraine. Education: Kremenchuk Mykhailo Ostrohradskyi National University, Ukraine (2012). Research area: system analysis, aviation engine, neural networks.

Посилання

Panov V. (2014). “Auto-tuning of real-time dynamic gas turbine models”, Proceedings of ASME Turbo Expo 2014: Turbine Technical Conference and Exposition, June 16–20, 2014. 10 p.

Kong Ch., Kang M., Koh S. and Park G. (2013). “A study on practical condition monitoring system for 2-spool Turbofan Engine using artificial intelligent algorithms”, American Institute of Aeronautics and Astronautics, 9 p.

Malloy D.J., Webb A.T. and Kidman D. (2002). “Propulsion System Ground and Flight Test Analysis Using Modeling and Simulation”, Proceedings of ASME Turbo-Expo 2002, June 03–06, 2002, 2002. 8 p.

Zhernakov, S. (2007). “Neural network technology for diagnosing the technical condition of aircraft engines”, Information Technology, no. 8, pp. 22–29. (in Russian)

Vladov S., Shmelov Yu., Kotliarov K., Hrybanova S., Husarova O., Derevyanko I. and Chyzhova L., (2019). “Onboard parameter identification method of the TV3-117 aircraft engine of the neural network technologies”, Transactions of Kremenchuk Mykhailo Ostrohradskyi National University, issue 5/2019 (118), pp. 90–96.

Kuznetsova T., Avgustinovich V. and Iakushev A. (2014). “The statistical analysis of processes in aircraft engine control systems with on-board mathematical models”, Scientific and Technical Volga region Bulletin, 2014, no. 35, pp. 236–238. (in Russian)

Kuznetsova T., Gubarev E. and Likhacheva Iu. (2014). “The optimal filtering algorithms in tasks of automatic control aircraft engine parameters’ identification”, Information-measuring and Control Systems, vol. 12, no. 9, pp. 12–20. (in Russian)

Kobayashi T. and Simon D.L. (2003). “Application of a bank of Kalman filters for aircraft engine fault diagnostics”, Proceedings of ASME Turbo Expo 2003, 10 p.

Kobayashi T. and Simon D.L., (2008). “Aircraft Engine On-Line Diagnostics Through Dual-Channel Sensor Measurements: Development of Baseline System”, Proceedings of ASME Turbo-Expo 2008, June 09–13, 2008, 13 p.

Borguet S. and Leonard O. (2007). “A sensor-fault-tolerant diagnosis tool based on a quadratic programming approach”, Proceedings of ASME Turbo Expo 2007, 10 p.

Kobayashi T. and Simon D.L. (2007). “Integration of on-line and off-line diagnostic algorithms for aircraft engine health management”, Proceedings of ASME Turbo Expo 2007, 11 p.

Alessandri A., Cuneo M. and Pagnan S. (2001). “On the convergence of EKF-based parameters optimization for Neural Networks”, Proceedings of the 42nd IEEE Conference on Decision and Control, vol. 6, pp. 6181–6186.

Feldkamp L.A. and Puskorius G.V. (1994). “Training controllers for robustness: multi–stream DEKF”, Proceedings of International Conference on Neural Networks, 27 June 27 – July 02, 1994, vol. 4, pp. 2377–2382

Haykin S. (2006). Neural networks: full course, Moscow, Williams, 1104 p.

Haykin S. (2009). Neural Networks and Learning Machines (Third Edition), New York, Prentice Hall, 936 р.

Downloads

Опубліковано

20.10.2020

Як цитувати

Vladov, S. (2020). Алгоритми діагностики та парирування відмов каналів вимірювання системи автоматичного управління авіаційного двигуна ТВ3-117 у польотних режимах на основі нейромережевих технологій. Вісник Національного авіаційного університету, 84(3), 27–37. https://doi.org/10.18372/2306-1472.84.14950

Номер

Том 84 № 3 (2020)

Розділ

Сучасні авіаційно-космічні технології

Ліцензія

Автори, які публікуються у цьому журналі, погоджуються з такими умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.

  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.

  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).