用於燃氣輪機性能診斷的狀態初始化的製作方法

2023-05-26 08:51:01

專利名稱：用於燃氣輪機性能診斷的狀態初始化的製作方法
技術領域：
本發明通常涉及燃氣輪機建模領域。更具體的，本發明涉及基於狀 態的燃氣輪機模塊初始化方法和系統，其允許性能的真實水平被追蹤從 而能夠進行發動機對發動機性能比較。
背景技術：
燃氣輪機信號診斷領域涉及當發動機隨著時間性能惡化時，追蹤在 發動機模塊性能測量值上的變化，例如效率和流動參數。被追蹤的發動 機模塊通常是發動機的壓縮機和渦輪元件。例如，對於雙轉子渦輪風扇
發動機而言，模塊通常是風扇，低壓壓縮機(LPC)，高壓壓縮機(HPC)， 高壓渦輪(HPT)和低壓渦輪(LPT)。執行此方法的主要信息源是沿 著發動機氣體通路獲得的運行測量值，例如溫度，壓力，速度等。在廣 泛用戶/飛行器基礎上的發動機追蹤組提供了增加的複雜性，因為測得的 參數受到在不同裝置上證明為不可重複的不同的儀表標定和記錄逼真 度的影響。
傳統的性能估計方法採用預測-修正估計策略的形式。這些方法採 用過去的信息估計值作為先驗信息來計算當前性能估計值。
成功的診斷方法必須提供一種精確的性能初始化狀態。當前的診斷 方法對於在初始化期間在測量值和基礎參考水平之間的任何觀測到的 差別認為是零，並且在發動機安裝之後，開始從零水平進行性能追蹤。 採用此方法，新檢修的發動機和部分惡化的發動機在初始化時受到同樣 的考慮，並且在兩個發動機之間的惡化的真實水平可能被掩蓋。這使得 難以在任何規律性和精確性程度的情況下追蹤一組發動機的性能。
狀態初始化提供了更精確的開始點，相對於現行方法，從這點開始 追蹤發動機模塊隨著時間的長期惡化。這可以在安裝時，從發動機組中 從發動機對發動機開始區分發動才幾性能，並且提供在該組上進行發動機 比較的精確基礎。此基本原理支持通常由發動機製造商，運行者和檢修 設施實施的翼上發動機追蹤和發動才幾拆卸程序過程。

發明內容
雖然存在採用預測-修正估計策略形式的多個方法和系統，這樣的
模型不是完全令人滿意。發明者已經發現希望具有使用基於狀態的發動 機初始化過程的方法和系統，該發動機初始化過程允許性能的真實水平 被追蹤從而實施發動機對發動才幾性能比較。本發明描述了通過遞歸狀態
估計用於實施燃氣輪機模塊性能分析(MPA)的初始化方法。其中包括 了對數據正確性測量和在初始化或重新初始化狀態上的維護影響和適 應的描述。
狀態估計是診斷的一部分，如此，錯誤和不希望的狀態可能被檢測 到以允許實施補救措施。狀態估計可提供預測信息，確定可能失效的部 件和系統。
本發明的 一個方面是提供一種用於確定燃氣輪機模塊的性能水平 的方法。根據本發明此方面的方法優選開始於獲得與預定數目的發動機 參數相應的預定數目的飛行數據採樣值，在數據採樣值上實施不規則數 據採樣篩選，並且在預定數目的飛行數據採樣值上實施遞歸狀態估計， 其中狀態估計對於該預定數目的發動機參數中的每個輸出基本的初始 狀態。
本發明的另一個方面包括獲得燃氣輪機試驗臺數據以當實施遞歸 狀態估計時使用作為先驗數據。
本發明的 一 個或多個實施例的詳細內容體現在附圖和下面的描述 中。本發明的其它特徵，目的和優點將從說明書，附圖和權利要求中變 得顯然。


圖l及1A和1B是示例的狀態初始化方法的方框圖。 圖2A是示出了兩個水平雙模態數據分布的示例圖。 圖2B是示出了逐步的雙模態數據分布的示例圖。 圖2C是示出了逐步的雙模態數據分布的示例圖。 圖3是示出了潛在的非正常值的示例圖。
具體實施例方式
本發明的實施例將參見附圖進行描述，在整個附圖中相同的附圖標
記表示相同的元件。而且，應當理解的是在此使用的用語和術語適用於 描述目的而不認為是限制。"包括"，"包含，，或者"具有"和它們變 化形式的使用意味著包含在其後列出的項和等同項以及其它部件。術語 "安裝"，"連接"和"結合"在此廣泛使用並且包含直接和非直接安 裝，連接和結合。而且，"連接"和"結合"不限於物理或者機械的連 接或者結合。
本發明不限於在附圖中描述或者應用的任何具體的軟體語言。多個 可選擇的軟體語言可用於本發明的實施。
本發明是模塊化的結構並且可展開作為確實體現在程序儲存裝置 中的軟體的應用程式。用於執行的應用代碼能夠存在於對本領域技術人 員已知的多個類型的計算機可讀介質中。
本發明是採用遞歸狀態估計用於實施燃氣輪機模塊性能分析
(MPA)的初始化方法。該方法從輸入數據流確定測量值結構，其允許 在多個發動機型號和飛行器裝置上的穩定的初始化。
收一定量的數據正確性檢查，包括發動機參數測量雙模態分布，以及非 正常值的篩選。該篩選從考慮值中除去假的數據點，並且檢測會影響初 始化結果的不規則的數據。 一旦數據輸入組被篩選，並且任何可疑點被 除去，使用一種遞歸式估計方法來估計選擇的發動機模塊的性能狀態。 如果維護和/或地面測試信息可用，則該信息可用作為先驗數據來集中於 狀態初始化過程。
圖1所示的是本發明的方法。該方法開始於獲得預定數目的發動機 參數數據採樣值以實施初始化(步驟102)。
該數據可以是多個氣體路徑參數的時間平均瞬象數據，例如每10 秒。這些參數可包括轉速，溫度，壓力和流量。選擇的總的採用大小應 該是統計上重要以允許精確的計算，但不過大，其中在採樣時期結束之 前可發生顯著的發動機劣化。由於用於追蹤模塊性能改變目的通常選擇 的數據是從穩態巡航飛行情況下的瞬象數據，保存用於初始化的採樣數 目可以較小，在15到30個數據採樣值的範圍內。
採樣數據組被處理，其中每個數據組包括氣體通路測量A參數的矢 量。這些參數可以是轉速，壓力和其它參數，在整個發動機的每個階段 中觀察。校準來表示標稱的產品發動機的發動機模塊可使用作為基線參
考值以計算百分比A參數。該百分比△矢量可表示為Zk(i)，其中 i=l,2,3...m, m是被檢測並且減少到As的單獨的氣體通路參數的數目， 和k是在離散時間的數據採樣數目。
為了估計發動機的性能狀態，荻得測量△矢量的採樣值，表示為n。
初始化測量△矢量組定義為
12= (Zt Ihi'u}. (l)
採樣大小N由使用者預定並且可以根據具體的應用。 一旦獲得了初始化數據組可從初始化數據組中確定測量結構 (步驟103)。對應飛行數據實施周期性的參數測量值放棄(在獲得期 間丟失數據)並不罕見。熟練的使用者基於測量參數放棄值的布置和頻 率，確定特定參數是否應該從性能分析中包括或者排除。
飛行數據還受到噪音和其它會破壞初始化結果的不規則情況的影 響。這些不規則情況必須在初始化過程繼續之前被檢測到。由於可能的 儀器和數據獲得問題， 一些測量參數可從包含百分比△矢量Z"i)的N 個數據採樣值的一些中或者完全從初始化組Q中丟失。由於性能校準是 基於矢量數量Zk,所有的它的m個分量必須存在。零是表示0百分比△，
或者標稱性能的有效數量。
如果具體測量參數是斷續存在或者完全丟失，則其可從考慮中除
去。熟練的使用者可完成這個確定。測量結構的結果(步驟103)是什 麼參數m包含百分比△矢量Zk的確定。在(1 )中所有的矢量具有相同 的大小m,其中每個分量i存在。
在組合數據組n之前，在包括測得參數的數據Z"i)上實施測試， 因為非正常值或者其它不規則值存在於數據中。狀態初始化得目的在於 當隨著時間的過去更多的飛行參數獲得時，建立參考性能水平作為基線 以用於隨後的分析。在採樣的發動機參數中的非正常值的存在會破壞狀 態初始化並且必須祐:檢測。假設在初始化時期期間發動機的狀態沒有改 變。在測量參數數據組中檢測的任何不規則行為可表示性能狀態改變或 者其他故障，其會破壞初始化狀態估計並且必須進行處理。
諸如雙模態數據分布的不規則數據和非正常值可被識別(步驟 104)。在圖2A， 2B和2C中所示的是雙模態數據分布的例子。圖3示
出了表現出斷續的非正常值301的採樣數據圖。
圖2A示出了隨著時間均一分布的數據採樣201的圖表，其展示了 兩個水平的雙模態分布。圖2B和2C示出了分別由幅值向上203和向下 205偏移導致的雙模態分布，表示可能存在發動機或者傳感器錯誤。不 應使用不規則的數據進行初始化。
在。中的Zk矢量可以對非正常值和不規則值的存在做測試(步驟 104)。用於給定參數的隨著時間的所有採樣值被檢測。雙模態數據分 布是不規則數據行為的潛在表示，例如數據獲得不規則，性能狀態改 變，或者潛在的發動機系統故障。可以使用柱狀圖和圖象分析的方法來 測試不規則狀況的存在。在數據組中的非正常值是潛在(假的)數據獲 得問題的指示。如果問題不是假的，則非正常值將展示周期性的頻率並 且自身表明作為雙模態問題。
如果檢測到非規則數據(步驟105)，則識別為非規則值的數據可 被除去(步驟106)以減輕破壞(性能)狀態估計過程的風險。數據採 樣的除去必須在矢量基礎上實施，即如果kth數據採樣Zk(i)的ith測得參 數A被確定為不正常的，則整個Zk矢量必須從考慮中除去。這是因為 初始化性能狀態估計是矢量估計過程。丟棄欺騙數據採樣值減少了初始 化數據組n的採樣大小N。
如杲採樣大小N已經減少到低於預定水平的水平(步驟107),例 如小於採樣大小(N-15)，需要更多的數據以確保統計上可行的初始化 數據組Q。在此情況下，從此外飛行參數中的另外的數據採樣矢量可增 加到調整數據組n中(步驟102)直到獲得最小的採樣大小並且過程繼 續。
如果存在足夠的數據來處理(步驟107),如果有效的話，可使用 維護和發動機試驗臺性能運行信息(步驟108， 109)。這些信息可以在 狀態估計中使用作為先驗信息(步驟IIO)。
使用初始化測量數據組和先驗信息執行遞歸性能狀態估計過程(步 驟111)，以對於每個發動機模塊產生性能狀態估計。此數目就效率和 流量參數As而言，確定從標稱開始的發動機的初始狀態。當數據被收 集和處理時，相對於此水平可進行隨後的性能分析。
狀態初始化估計是作用在初始化數據組Q上的遞歸過程。術語遞歸 意味著狀態估計Xc/目"是在d中的所有的數據點矢量的函數， formula see original document page 9
4匿)=/fe/"Q,"l'2,…恭 (2) 估計方法， 一些為經驗的， 一些為基於物理模型和其它的，例如
Kalman過濾器，統計回歸方法，網絡神經可與上述方法結合。估計過 程的優選實施例是遞歸的預測-修正估計值，
formula see original document page 9
在該方法中，最終的狀態估計值^是初始狀態性能X(/^"的估計 值。該估計值是通過處理初始化數據組。中的所有數據採樣值和任何先 驗信息X(/a —P"°n)(可從發動機的測試臺認可測試監控，維護活動等中可 獲得)遞歸地確定(步驟108)。
所有的x矢量是n x 1列矢量並且包含模塊性能△參數作為元素。
發動機的模塊是，但不限於，發動機的壓縮機和渦輪組件。例如，在通常的雙轉子渦輪風扇發動機中，可存在五個發動機模塊來考慮 FAN 風扇式壓縮才幾 LPC 低壓壓縮機(增壓器) HPC 高壓壓縮機 HPT 高壓渴輪 LPT 低壓渦輪
對於每個重要模塊，可能存在隨著時間變化的兩個獨立的性能參數 (△s)。該信息需要被追蹤以產生有利於維護邏輯和工作範圍的。這兩 個性能參數可通常是隔熱效率參數和流量參數。
對於壓縮機元件FAN, LPC和HPC，這些參數可以是隔熱效率A (Ail)和流動容量A (AFC)。對於渦輪元件HPT，和LPT，參數可以 是隔熱效率
△ (Ari)和影響流動的渦輪噴嘴面積中的有效改變(AA)。因此，
在(2)和(3)中用於此例子的x矢量具有IO個分量，formula see original document page 10(4)
如果維護信息或者先驗試驗臺數據分析對於討論的發動機是可用
的，可由使用者獲得此信息(步驟109)並且對此分析，以提取先驗信 息(步驟110),其可在遞歸狀態估計過程中起到影響。對於x0(a —pn°n) (其可使用在遞歸狀態估計過程(3)中)，其可採取指定初始估計值 的形式(基於試驗臺結果和維護信息)。根據使用在遞歸估計中的具體 算法，即(3)的實施， 一定的過程常量可調整以應用適當的加權到先 驗信息中。
如果沒有維護或者試驗臺信息是可用的(步驟108),則XG(a —p"°n) -O，其表示發動機是標稱的(從標稱的零百分比△),作為默認位置來 開始此估計。
該方法與狀態估計過程(3) —起完成(步驟111 )以產生性能狀態 估計值X(/腿"矢量，其是該方法的結果(步驟112),以包含在發動機 的隨後模塊性能追蹤中。
用於追蹤模塊性能改變的隨後處理可使用在(3)中的相同的策略， 其中在初始化之後可用的第一數據採樣，z可以被處理以在初始化之後 產生第一性能估計值，如
formula see original document page 10(5)
採用本發明的方法，下一個性能追蹤已經初始化。該下一個數據採
樣Z 2可以被處理以產生下 一 個性能改變估計值，formula see original document page 11 (6)等等。
本發明的一個或多個實施例已經被描述。然而，應該理解的是在不 脫離本發明的範圍內可以實施多個修改。因此，其它的實施例也在下面 權利要求的範圍內。
權利要求
1.一種用於確定燃氣輪機模塊性能水平的初始化方法，包括獲得對應於預定數目的發動機參數的預定數目的飛行數據採樣值；在數據採樣值上實施不規則的數據採樣篩選；和在該預定數目的飛行數據採樣值上實施遞歸狀態估計，其中對於該預定數目的發動機參數中的每個，狀態估計輸出基線初始化狀態。
2. 如權利要求1所述的方法，還包括獲得燃氣輪機試驗臺數據以 當實施遞歸狀態估計時使用作為先驗數據。
3. 如權利要求2所述的方法，其中不規則的數據採樣篩選還包括對於雙模態分布和數據採樣非正常值的篩選。
4. 如權利要求3所述的方法，其中不規則的數據採樣篩選還包括使用柱狀圖和圖象分析來測試不規則數據的存在。
5. 如權利要求3所述的方法，其中相應於發動機參數的預定數目的數據採樣值可設置作為矢量，其中每個矢量對應於採樣數目。
6. 如權利要求5所述的方法，還包括如果發現不規則數據則除去數據採樣矢量。
7. 如權利要求6所述的方法，其中數據採樣的數目在15到30的 範圍內。
8. 如權利要求7所述的方法，還包括如果在除去不規則數據採樣 之後數據採樣值的數目小於預定的數據採樣數目，則增加額外的數據採 樣值。
9. 如權利要求8所述的方法，其中增加額外的數據採樣值還包括 額外的飛行值。
10. 如權利要求9所述的方法，其中遞歸狀態估計是預測修正。
11. 如權利要求10所述的方法，其中燃氣輪機模塊包括分散壓縮 機，低壓壓縮機，高壓壓縮機，高壓渦輪和低壓渦輪。
12. 如權利要求11所述的方法，其中每個燃氣輪機模塊還包括至 少兩個性能參數。
13. 如權利要求12所述的方法，其中兩個性能參數包括隔熱效率 和流量AA。
14.如權利要求13所述的方法，其中流量性能參數是渦輪噴嘴面 積改變的結果。
全文摘要
描述了一種基於狀態的燃氣輪機初始化方法和系統，其允許性能的真實水平被追蹤從而實施發動機對發動機的性能比較。該方法實施初始化過程，以通過遞歸狀態估計實施燃氣輪機模塊性能分析(MPA)。包括對數據正確性測量和在初始化的或者重初始化狀態上的維護影響和適應。
文檔編號G06F17/50GK101192253SQ200710196649
公開日2008年6月4日 申請日期2007年11月29日 優先權日2006年11月29日
發明者A·J·沃爾波尼 申請人:聯合工藝公司