Untersuchungen zum Einfluss der Modellbildung auf das Trend Monitoring von Fluggasturbinen

Abstract

Eine kostenoptimierte Wartung von Fluggasturbinen setzt ein möglichst frühzeitiges Erkennen von mechanischen Veränderungen in der Gasturbine voraus. Mechanische Veränderungen der Gasturbine führen zu Änderungen der Leistungsparameter, die sich wiederum in Veränderungen der messbaren Größen bemerkbar machen. Das Trend Monitoring von Fluggasturbinen ermöglicht das Erkennen von Veränderungen in den messbaren Größen der Gasturbine durch den Vergleich mit Erwartungswerten. Ab wann solche Veränderungen erkannt werden können, hängt maßgeblich von der Qualität der Erwartungswerte ab, die wiederum von der Qualität des zu Grunde liegenden Vorhersagemodells definiert wird. In dieser Arbeit wird der Einfluss der Modellqualität auf die Ergebnisse des Trend Monitoring von Fluggasturbinen untersucht. Dazu wird ausgehend von einem Beispieltriebwerk gezeigt, welche Schritte notwendig sind, um ein hinreichend genaues Vorhersagemodell basierend auf frei zugänglichen Informationen zu erstellen. Die Auswirkungen einzelner Modellierungsschritte auf die Vorhersagequalität des Modells werden untersucht und dargestellt. Nichtlineare Verfahren zur Zustandsvorhersage von Gasturbinen bieten die größtmögliche Genauigkeit und Flexibilität. Daher wird im Rahmen dieser Arbeit ein nichtlineares Vorhersagemodell erstellt. Üblicherweise decken die frei zugänglichen Informationen nicht alle benötigten Informationen ab. Einige Parameter werden daher entsprechend dem Stand der Technik abgeschätzt bzw. durch Technologiegrenzen eingeschränkt. Messwerte von Abnahmetests werden verwendet, um die abgeschätzten Modellierungen und Kennfelder zu bewerten und anzupassen. Zusätzliche Korrekturen sind notwendig, um die Einflüsse von Reynoldszahl, Schaufelspitzenspalt und variabler Abblasung zu berücksichtigen, die in den auf Machähnlichkeit basierenden Kennfeldern nicht enthalten sind. Um die produktions- und lebenszyklusbedingten Schwankungen im Betriebsverhalten der einzelnen Fluggasturbine zu berücksichtigen, wird das zunächst noch allgemeine Modell für eine spezielle Gasturbine spezifiziert. Auf Grund des beschränkten Instrumentierungsumfangs im Serieneinsatz und der Vielzahl an anpassbaren Leistungsparametern ergibt sich ein unterbestimmtes System, mit theoretisch unendlich vielen möglichen Lösungen. Um das unterbestimmte System eindeutig lösen zu können, werden bestimmte Teilsysteme aufgestellt, indem die Anzahl der anpassbaren Leistungsparameter auf die Anzahl der vorhandenen Messgrößen reduziert wird. Über eine Beobachtbarkeitsuntersuchung werden die möglichen Teilsysteme bewertet. Ein besonders geeignetes und ein besonders ungeeignetes Teilsystem werden ausgewählt und für die Analyse der Serienmessdaten verwendet. Die analysierten Leistungsparameter werden dann in das allgemeine Modell implementiert. Bereits bei der Betrachtung der analysierten Leistungsparameter fällt zwischen den beiden Teilsystemen ein deutlicher Unterschied in der Streuung auf. Das aus der Beobachtbarkeitsuntersuchung als geeigneter hervorgegangene Teilsystem führt zu geringeren Streuungen in den analysierten Leistungsparametern. Ähnliches gilt auch für den Vergleich des an Abnahmetests angepassten allgemeinen Modells mit einem einfachen, unangepassten allgemeinen Modell. Die zusätzlichen Korrekturen für Reynoldszahl und Schaufelspitzenspalt reduzieren die Streuung vor allem punktuell, die Reynoldszahlkorrektur z.B. zwischen Betriebspunkten mit unterschiedlichen Flughöhen und damit unterschiedlichen Reynoldszahlen. Mit den spezifischen Modellen werden dann die weiteren Serienmessdaten überwacht, d.h. die Modelle liefern abhängig von den jeweiligen Betriebsbedingungen Vorhersagewerte für die messbaren Größen. Die Differenzen zwischen Vorhersage- und Messwerten werden über der Messpunktnummer aufgetragen, und bilden damit einen Trend der Veränderungen der Fluggasturbine. Das Trend Monitoring, also die Überwachung dieser Differenzen, stellt eine einfache Möglichkeit dar, mechanische Veränderungen einer Fluggasturbine frühzeitig zu erkennen. Es ist zudem die Voraussetzung für weiterführende, komplexere Monitoring- und Diagnosesysteme, die aus den Differenzen zwischen Vorhersage- und Messwert Rückschlüsse auf die zu Grunde liegenden mechanischen Veränderungen ziehen. Diese Systeme sind allerdings nicht Teil dieser Arbeit. Für das Trend Monitoring werden Genauigkeitsanforderungen an die Vorhersagewerte gestellt und für die unterschiedlichen Modelle überprüft. Dabei wird gezeigt, dass das angepasste Modell, spezifiziert für eine spezielle Gasturbine mit dem geeignetsten Teilsystem und unter Verwendung der Korrekturmodelle für Reynoldszahl und Schaufelspitzenspalt, die Genauigkeitsanforderungen erfüllt. Von besonderer Bedeutung für die Vorhersagegenauigkeit zeigt sich der Einfluss des für die Spezifizierung verwendeten Teilsystems, d.h. der zur Anpassung freigegebenen Leistungsparameter.

A cost-optimized maintenance of aircraft gas turbine engines requires an early detection of mechanical changes in the gas turbine. Mechanical changes of the gas turbine, such as effects of aging or damage, lead to changes in the performance parameters, which in turn lead to changes in the measurable values. The trend monitoring of aircraft gas turbines enables the detection of changes in the measurable values of the gas turbine by comparison with expected values. When these changes can be detected mainly depends on the quality of the expected values, which in turn is defined by the quality of the underlying predictive model. In this work the influence of the model quality on the results of the trend monitoring of aircraft gas turbine engines is analyzed. For that purpose, the steps that are necessary to create a sufficiently accurate prediction model based on open information are shown for an example engine. The effects of individual modeling steps on the predictive quality of the model are analyzed and presented. Nonlinear methods for state prediction of gas turbines offer the greatest possible accuracy and flexibility. Therefore, a non-linear prediction model is provided within this work. Usually, the available open information do not cover all the needed. Some parameters are therefore estimated in accordance with state of the art technology or constrained by technological borders. Measured data from acceptance tests is used to evaluate the estimated modeling and characteristic maps and to adapt on it. Additional corrections are necessary to account for the influences of Reynolds number, blade tip clearance and variable booster bleed which are not included in the characteristic maps based on Mach-similarity. To account for the production and life cycle variations in the performance of the individual aircraft gas turbine engine, the initially general model is specified for a specific gas turbine. Due to the limited serial instrumentation and the large number of adjustable performance parameters, this leads to an under-determined system, with a theoretically infinite number of possible solutions. In order to solve the underdetermined system unambiguously, determined sub-systems are set up by reducing the number of adjustable performance parameters on the number of available measured values. The possible sub-systems are evaluated by an observability analysis. A particularly well and a particularly bad observable sub-system are selected and used for the analysis of the in-service measurement data. The analyzed performance parameters are then implemented in the general model. Comparing the analyzed performance parameters, a clear difference in the scattering of the results of the two sub-systems can be seen. The better observable sub-system leads to less scattering in the analyzed performance parameters. The same applies to the comparison of a general model adjusted to acceptance test data with a simple, unadjusted general model. The adjusted model also leads to reduced scattering in the analyzed performance parameters. The additional corrections for Reynolds number and blade tip clearance reduce the scattering in particular for single points, the Reynolds number correction for example between operating points with different altitudes and thus different Reynolds numbers. With the specified models the further in-service measurement data is monitored, i.e. the models deliver predictions for the measurable values depending on the respective operating conditions. The differences between prediction and measured values are plotted against the measuring point number, and thus form a trend of the changes in the aircraft gas turbine. The trend monitoring, which is the monitoring of these differences, represents a simple way to detect mechanical changes of an aircraft gas turbine at an early stage. It is also a prerequisite for further, more sophisticated monitoring and diagnostic systems, which draw conclusions from the differences between prediction and measurement values about the underlying mechanical changes. These systems, however, are not part of this work. For the trend monitoring, accuracy requirements on the prediction values are imposed and checked for the different models. It is shown that the adjusted model, specified for a specific gas turbine with the best observable sub-system and using the correction models for Reynolds number and blade tip clearance, fulfils the accuracy requirements. Of particular importance for the prediction accuracy reveals the influence of the selected sub-system of adjustable performance parameters for the model specification.