ВІДМОВОСТІЙКИЙ АЛГОРИТМ ІДЕНТИФІКАЦІЇ БОРТОВОЇ МАТЕМАТИЧНОЇ МОДЕЛІ АВІАЦІЙНОГО ДВИГУНА ТВ3-117 В СКЛАДІ ЙОГО СИСТЕМИ АВТОМАТИЧНОГО УПРАВЛІННЯ

Сергій Ігорович Владов, Василь Степанович Ковальський, Вікторія Леонідівна Дятловська, Анатолій Анатолійович Яніцький, Роман Андрійович Вакуленко

Анотація


Предметом дослідження в статті є авіаційний двигун ТВ3-117 та методи контролю і діагностики його технічного стану. Мета роботи – розробка відмовостійких алгоритмів ідентифікації бортової математичної моделі авіаційного двигуна ТВ3-117 в складі його системи автоматичного управління в польотних режимах. В статті вирішуються наступні завдання: обґрунтування доцільності використання Калман-фільтрації в системі автоматичного управління авіаційного двигуна ТВ3-117, визначення передавальної функції фільтра Калмана, визначення алгоритму виявлення та локалізації відмови каналу двоканального датчика, визначення частотних характеристик системи автоматичного управління авіаційного двигуна ТВ3-117, доказ рівності одиниці коефіцієнта посилення розробленого відмовостійкого блоку фільтрації. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Висновки: Використання автоасоціативної нейронної мережі у бортовій системі контролю і діагностики для Досліджено частотні властивості системи автоматичного управління авіаційного двигуна ТВ3-117, підтверджено і доведено рівність одиниці коефіцієнта посилення розробленого відмовостійкого блоку фільтрації і відсутності додаткових фазових зсувів, внесених можливим чистим запізненням, обумовленим особливостями реалізованих алгоритмів виявлення відмов вимірювальних каналів і Калман-фільтрації вхідної інформації бортової вбудованої математичної моделі. Доводиться відсутність їх впливу на стійкість системи автоматичного управління авіаційного двигуна ТВ3-117. Апробація розроблених алгоритмів показала, що середня відносна помилка у динаміці не перевищує 0,15 %, а в статиці при максимальній витраті – знижується до 0,01 %, що відповідає сучасним вимогам точності алгоритмів ідентифікації по контуру дозувальної голки.

Ключові слова: авіаційний двигун, нейронна мережа, Калман-фільтрація, виявлення та локалізація відмови

Повний текст:

11-19 PDF

Посилання


Ntantis E. L., Li Y. G. The impact of measurement noise in GPA diagnostics analysis of a gas turbine engine. International Journal of Turbo & Jet Engine. 2013. Vol. 30 (4). P. 401–408.

Liu X., Shi J., Qi Y., Yuan Y. Design for aircraft engine multi-objective controllers with switching characteristics. Chinese Journal of Aeronautics. 2014. Vol. 27. Issue 5. P. 1097–1110.

Підвищення надійності системи автоматичного управління авіаційного двигуна ТВ3-117 з використанням його бортової нейромережевої моделі / Владов С. І., Шмельов Ю. М., Сіора А. С., Яніцький А. А., Пономаренко А. В. Вісник Кременчуцького національного університету імені Михайла Остроградського. 2020. Вип. 2/2020 (121). С. 91–96.

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

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

Vladov S. Algorithms for diagnostic and parameter of failures of channels of measurement of TV3-117 aircraft engine automatic control system in flight modes based of neural network technologies. Proceedings of the National Aviation University. 2020. No. 3 (84). P. 27–37.

Кузнецова Т. А., Августинович В. Г., Губарев Е. А. Алгоритмы диагностики и парирования отказов каналов измерения системы автоматического управления авиационным двигателем. Вестник Пермского национального исследовательского политехнического университета. 2015. № 16. С. 5–14.

Кузнецова Т. А., Губарев Е. А. Отказоустойчивые алгоритмы идентификации входной информации бортовой математической модели в составе системы автоматического управления авиационного двигателя. Фундаментальные исследования. 2015. № 6-1. С. 39–43.

Kuznetsova T., Gubarev E., Likhacheva Iu. The optimal filtering algorithms in tasks of automatic control aircraft engine parameters identification. Information-measuring and Control Systems. 2014. Vol. 12. No. 9. P. 12–20.

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

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

Kuznetsova T., Avgustinovich V., Iakushev A. The statistical analysis of processes in aircraft engine control systems with on-board mathematical models. Scientific and Technical Volga region Bulletin. 2014. No. 35. P. 236–238.

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

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

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

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

https://doi.org/10.35546/kntu2078-4481.2020.4.1


Посилання

  • Поки немає зовнішніх посилань.