Розробка метода отримання даних для навчання нейронних мереж діагностуванню газотурбінних двигунів, газоперекачувальних агрегатів
DOI:
https://doi.org/10.15587/1729-4061.2018.147720Ключові слова:
діагностування, нейронна мережа, навчальна множина, контрольна множина, газотурбінний, газоперекачувальнийАнотація
Одним з перспективних шляхів підвищення ефективності діагностування авіаційних газотурбінних двигунів і газоперекачувальних агрегатів є використання нейронних мереж. Для того, що б така мережа почала працювати, її необхідно попередньо навчити, використовуючи заздалегідь підготовлені навчальні приклади. Ці дані повинні повно характеризувати роботу об'єкта в широкому діапазоні режимів роботи та при різному технічному стані вузлів, що діагностуються. Крім того, необхідно мати аналогічний набір даних для контролю якості навчання нейронної мережі.
Для якісного навчання мережі розпізнанню одного типу несправностей необхідно мати набір, що містить 20–200 і більш навчальних прикладів. Одержання такої інформації в експлуатації або при стендових випробуваннях є досить тривалим або дорогим процесом.
Розроблено метод одержання навчального і контрольного наборів даних. Набори призначені для навчання статичної нейронної мережі розпізнаванню одиночних і множинних несправностей елементів проточної частини газотурбінного двигуна й газоперекачувального агрегату. Метод дозволяє одержувати набори параметрів робочого процесу, що характеризують роботу об'єкта з різним технічним станом проточної частини, вплив помилок виміру та функціонування об'єкта в широкому діапазоні режимів і зовнішніх умов. Для газоперекачувального агрегату додатково враховується склад газу, що перекачується.
Для одержання необхідних параметрів використовується математична модель робочого процесу об'єкта другого рівня складності.
Набори характеризують роботу справних об'єктів і об'єктів, що мають значні несправності каскадів компресорів, турбін і камери згоряння, а, у випадку газоперекачувального агрегату, і його нагнітача.
Розглянуто два варіанти формування наборів: з використанням вимірюваних параметрів робочого процесу; з використанням відхилень вимірюваних параметрів від еталонних значень та параметрів, які використано як режимні у математичній моделі робочого процесу. Для другого варіанту проведено перевірку доцільності включення режимних параметрів до складу наборів. Показано, що в ряді випадків, режимні параметри можуть бути виключені з наборів данихПосилання
- Patan, K. (2008). Artificial Neural Networks for the Modelling and Fault Diagnosis of Technical Processes. Springer. doi: https://doi.org/10.1007/978-3-540-79872-9
- Medvedev, V. S., Potemkin, V. G. (2002). Neyronnye seti. Matlab 6. Moscow: DIALOG-MIFI, 496.
- Osigwe, E., Yi-Guang, L., Sampath, S., Gbanaibolou, J., Dieni, I. (2017). Integrated Gas Turbine System Diagnostics: Components and Sensor Faults Quantification using Artificial Neural Network. 23rd International Society of Air Breathing Engines (ISABE) Conference – ISABE 2017. Manchester. Available at: https://www.researchgate.net/profile/Emmanuel_Osigwe/publication/319645027_Integrated_Gas_Turbine_System_Diagnostics_Components_and_Sensor_Faults_Quantification_using_Artificial_Neural_Network/links/59e52ae90f7e9b0e1aa888f0/Integrated-Gas-Turbine-System-Diagnostics-Components-and-Sensor-Faults-Quantification-using-Artificial-Neural-Network.pdf?origin=publication_detail
- Loboda, I. (2010). Gas Turbine Condition Monitoring and Diagnostics. Gas Turbines, 119–144. doi: https://doi.org/10.5772/10210
- Loboda, I., Feldshteyn, Y., Ponomaryov, V. (2012). Neural Networks for Gas Turbine Fault Identification: Multilayer Perceptron or Radial Basis Network? Int. J. Turbo Jet-Engines, 29 (1), 37–48. doi: https://doi.org/10.1515/tjj-2012-0005
- Ismail, R. I. B., Ismail Alnaimi, F. B., AL-Qrimli, H. F. (2016). Artificial Intelligence Application in Power Generation Industry: Initial considerations. IOP Conference Series: Earth and Environmental Science, 32 (1), 012007. doi: https://doi.org/10.1088/1755-1315/32/1/012007
- Kucher, A. G., Dmitriev, S. A., Popov, A. V. (2007). Opredelenie tekhnicheskogo sostoyaniya TRDD po dannym eksperimental'nyh issledovaniy s ispol'zovaniem neyronnyh setey i metodov raspoznavaniya obrazov. Aviacionno-kosmicheskaya tekhnika i tekhnologiya, 10 (46), 153–164. Available at: http://nbuv.gov.ua/UJRN/aktit_2007_10_34
- Pat. No. 2445598C1 RU. Diagnostic method of technical state of gas-turbine engine (2010). No. RU2010134067A; declareted: 13.08.2010; published: 20.03.2012, Bul. No. 8. URL: http://www.freepatent.ru/patents/2445598
- Yildirim, M. T., Kurt, B. (2018). Aircraft Gas Turbine Engine Health Monitoring System by Real Flight Data. International Journal of Aerospace Engineering, 2018, 1–12. doi: https://doi.org/10.1155/2018/9570873
- Pérez-Ruiz, J. L., Loboda, I., Miró-Zárate, L. A., Toledo-Velázquez, M., Polupan, G. (2017). Evaluation of gas turbine diagnostic techniques under variable fault conditions. Advances in Mechanical Engineering, 9 (10), 168781401772747. doi: https://doi.org/10.1177/1687814017727471
- Ntantis, E. L., Botsaris, P. N. (2015). Diagnostic Methods for an Aircraft Engine Performance. Journal of Engineering Science and Technology Review, 8 (4), 64–72. doi: https://doi.org/10.25103/jestr.084.10
- Nyulászi, L., Andoga, R., Butka, P., Főző, L., Kovacs, R., Moravec, T. (2014). Fault Detection and Isolation of an Aircraft Turbojet Engine Using a Multi-Sensor Network and Multiple Model Approach. Acta Polytechnica Hungarica, 15 (2), 189–209. doi: https://doi.org/10.12700/aph.15.1.2018.2.10
- Ahmedzyanov, A. M., Dubravskiy, N. G., Tunakov, A. P. (1983). Diagnostika sostoyaniya VRD po termogazodinamicheskim parametram. Moscow: Mashinostroenie, 206.
- Yakushenko, O. S., Korolyov, P. V., Miltsov, V. E., Chumak, O. I., Ohmakevich, V. M. (2014). Identification of aviation gas turbine engine mathematical model by operational data. Visnyk dvyhunobuduvannia, 2, 130–138. Available at: http://nbuv.gov.ua/UJRN/vidv_2014_2_23
- Popov, A. V., Stepushkina, E. P., Slepuhina, I. A. (2007). Eksperimental'noe issledovanie harakteristik TRDD pri peremezhayushchihsya povrezhdeniyah protochnoy chasti. Materialy VIII Mizhnarodnoi naukovo-tekhnichnoi konferentsiyi „AVIA – 2007”. Vol. 2. Kyiv: NAU, 33.37–33.40. Available at: http://er.nau.edu.ua:8080/handle/NAU/36929
- Rozghoniuk, V. V., Rudnik, A. A., Kolomieiev, V. M., Hryhil, M. A., Molokan, O. O.; Rudnyk, A. A. (Ed.) (2001). Dovidnyk pratsivnyka hazotransportnoho pidpryiemstva. Kyiv: «Rostok», 1092.
- Nihmakin, M. A., Zal'cman, M. M. (1997). Konstrukciya osnovnyh uzlov dvigatelya PS-90A. Perm', 92.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Mykola Kulyk, Parviz Abdullayev, Oleksandr Yakushenko, Oleksandr Popov, Azer Mirzoyev, Oleg Chumak, Valerii Okhmakevych
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
