专利名称：用于燃气轮机性能诊断的状态初始化的制作方法
技术领域：
本发明通常涉及燃气轮机建模领域。更具体的，本发明涉及基于状 态的燃气轮机模块初始化方法和系统，其允许性能的真实水平被追踪从 而能够进行发动机对发动机性能比较。
背景技术：
燃气轮机信号诊断领域涉及当发动机随着时间性能恶化时，追踪在 发动机模块性能测量值上的变化，例如效率和流动参数。被追踪的发动 机模块通常是发动机的压缩机和涡轮元件。例如，对于双转子涡轮风扇
发动机而言，模块通常是风扇，低压压缩机(LPC)，高压压缩机(HPC)， 高压涡轮(HPT)和低压涡轮(LPT)。执行此方法的主要信息源是沿 着发动机气体通路获得的运行测量值，例如温度，压力，速度等。在广 泛用户/飞行器基础上的发动机追踪组提供了增加的复杂性，因为测得的 参数受到在不同装置上证明为不可重复的不同的仪表标定和记录逼真 度的影响。
传统的性能估计方法采用预测-修正估计策略的形式。这些方法采 用过去的信息估计值作为先验信息来计算当前性能估计值。
成功的诊断方法必须提供一种精确的性能初始化状态。当前的诊断 方法对于在初始化期间在测量值和基础参考水平之间的任何观测到的 差别认为是零，并且在发动机安装之后，开始从零水平进行性能追踪。 采用此方法，新检修的发动机和部分恶化的发动机在初始化时受到同样 的考虑，并且在两个发动机之间的恶化的真实水平可能被掩盖。这使得 难以在任何规律性和精确性程度的情况下追踪一组发动机的性能。
状态初始化提供了更精确的开始点，相对于现行方法，从这点开始 追踪发动机模块随着时间的长期恶化。这可以在安装时，从发动机组中 从发动机对发动机开始区分发动才几性能，并且提供在该组上进行发动机 比较的精确基础。此基本原理支持通常由发动机制造商，运行者和检修 设施实施的翼上发动机追踪和发动才几拆卸程序过程。
发明内容
虽然存在采用预测-修正估计策略形式的多个方法和系统，这样的
模型不是完全令人满意。发明者已经发现希望具有使用基于状态的发动 机初始化过程的方法和系统，该发动机初始化过程允许性能的真实水平 被追踪从而实施发动机对发动才几性能比较。本发明描述了通过递归状态
估计用于实施燃气轮机模块性能分析(MPA)的初始化方法。其中包括 了对数据正确性测量和在初始化或重新初始化状态上的维护影响和适 应的描述。
状态估计是诊断的一部分，如此，错误和不希望的状态可能被检测 到以允许实施补救措施。状态估计可提供预测信息，确定可能失效的部 件和系统。
本发明的 一个方面是提供一种用于确定燃气轮机模块的性能水平 的方法。根据本发明此方面的方法优选开始于获得与预定数目的发动机 参数相应的预定数目的飞行数据采样值，在数据采样值上实施不规则数 据采样篩选，并且在预定数目的飞行数据采样值上实施递归状态估计， 其中状态估计对于该预定数目的发动机参数中的每个输出基本的初始 状态。
本发明的另一个方面包括获得燃气轮机试验台数据以当实施递归 状态估计时使用作为先验数据。
本发明的 一 个或多个实施例的详细内容体现在附图和下面的描述 中。本发明的其它特征，目的和优点将从说明书，附图和权利要求中变 得显然。
图l及1A和1B是示例的状态初始化方法的方框图。 图2A是示出了两个水平双模态数据分布的示例图。 图2B是示出了逐步的双模态数据分布的示例图。 图2C是示出了逐步的双模态数据分布的示例图。 图3是示出了潜在的非正常值的示例图。
具体实施例方式
本发明的实施例将参见附图进行描述，在整个附图中相同的附图标
记表示相同的元件。而且，应当理解的是在此使用的用语和术语适用于 描述目的而不认为是限制。"包括"，"包含，，或者"具有"和它们变 化形式的使用意味着包含在其后列出的项和等同项以及其它部件。术语 "安装"，"连接"和"结合"在此广泛使用并且包含直接和非直接安 装，连接和结合。而且，"连接"和"结合"不限于物理或者机械的连 接或者结合。
本发明不限于在附图中描述或者应用的任何具体的软件语言。多个 可选择的软件语言可用于本发明的实施。
本发明是模块化的结构并且可展开作为确实体现在程序储存装置 中的软件的应用程序。用于执行的应用代码能够存在于对本领域技术人 员已知的多个类型的计算机可读介质中。
本发明是采用递归状态估计用于实施燃气轮机模块性能分析
(MPA)的初始化方法。该方法从输入数据流确定测量值结构，其允许 在多个发动机型号和飞行器装置上的稳定的初始化。
收一定量的数据正确性检查，包括发动机参数测量双模态分布，以及非 正常值的筛选。该筛选从考虑值中除去假的数据点，并且检测会影响初 始化结果的不规则的数据。 一旦数据输入组被筛选，并且任何可疑点被 除去，使用一种递归式估计方法来估计选择的发动机模块的性能状态。 如果维护和/或地面测试信息可用，则该信息可用作为先验数据来集中于 状态初始化过程。
图1所示的是本发明的方法。该方法开始于获得预定数目的发动机 参数数据采样值以实施初始化(步骤102)。
该数据可以是多个气体路径参数的时间平均瞬象数据，例如每10 秒。这些参数可包括转速，温度，压力和流量。选择的总的采用大小应 该是统计上重要以允许精确的计算，但不过大，其中在采样时期结束之 前可发生显著的发动机劣化。由于用于追踪模块性能改变目的通常选择 的数据是从稳态巡航飞行情况下的瞬象数据，保存用于初始化的采样数 目可以较小，在15到30个数据采样值的范围内。
采样数据组被处理，其中每个数据組包括气体通路测量A参数的矢 量。这些参数可以是转速，压力和其它参数，在整个发动机的每个阶段 中观察。校准来表示标称的产品发动机的发动机模块可使用作为基线参
考值以计算百分比A参数。该百分比△矢量可表示为Zk(i)，其中 i=l,2,3...m, m是被检测并且减少到As的单独的气体通路参数的数目， 和k是在离散时间的数据采样数目。
为了估计发动机的性能状态，荻得测量△矢量的采样值，表示为n。
初始化测量△矢量组定义为
12= (Zt Ihi'u}. (l)
采样大小N由使用者预定并且可以根据具体的应用。 一旦获得了初始化数据组可从初始化数据组中确定测量结构 (步骤103)。对应飞行数据实施周期性的参数测量值放弃(在获得期 间丢失数据)并不罕见。熟练的使用者基于测量参数放弃值的布置和频 率，确定特定参数是否应该从性能分析中包括或者排除。
飞行数据还受到噪音和其它会破坏初始化结果的不规则情况的影 响。这些不规则情况必须在初始化过程继续之前被检测到。由于可能的 仪器和数据获得问题， 一些测量参数可从包含百分比△矢量Z"i)的N 个数据采样值的一些中或者完全从初始化组Q中丢失。由于性能校准是 基于矢量数量Zk,所有的它的m个分量必须存在。零是表示0百分比△，
或者标称性能的有效数量。
如果具体测量参数是断续存在或者完全丟失，则其可从考虑中除
去。熟练的使用者可完成这个确定。测量结构的结果(步骤103)是什 么参数m包含百分比△矢量Zk的确定。在(1 )中所有的矢量具有相同 的大小m,其中每个分量i存在。
在组合数据组n之前，在包括测得参数的数据Z"i)上实施测试， 因为非正常值或者其它不规则值存在于数据中。状态初始化得目的在于 当随着时间的过去更多的飞行参数获得时，建立参考性能水平作为基线 以用于随后的分析。在采样的发动机参数中的非正常值的存在会破坏状 态初始化并且必须祐:检测。假设在初始化时期期间发动机的状态没有改 变。在测量参数数据组中检测的任何不规则行为可表示性能状态改变或 者其他故障，其会破坏初始化状态估计并且必须进行处理。
诸如双模态数据分布的不规则数据和非正常值可被识别(步骤 104)。在图2A， 2B和2C中所示的是双模态数据分布的例子。图3示
出了表现出断续的非正常值301的采样数据图。
图2A示出了随着时间均一分布的数据采样201的图表，其展示了 两个水平的双模态分布。图2B和2C示出了分别由幅值向上203和向下 205偏移导致的双模态分布，表示可能存在发动机或者传感器错误。不 应使用不规则的数据进行初始化。
在。中的Zk矢量可以对非正常值和不规则值的存在做测试(步骤 104)。用于给定参数的随着时间的所有采样值被检测。双模态数据分 布是不规则数据行为的潜在表示，例如数据获得不规则，性能状态改 变，或者潜在的发动机系统故障。可以使用柱状图和图象分析的方法来 测试不规则状况的存在。在数据组中的非正常值是潜在(假的)数据获 得问题的指示。如果问题不是假的，则非正常值将展示周期性的频率并 且自身表明作为双模态问题。
如果检测到非规则数据(步骤105)，则识别为非规则值的数据可 被除去(步骤106)以减轻破坏(性能)状态估计过程的风险。数据采 样的除去必须在矢量基础上实施，即如果kth数据采样Zk(i)的ith测得参 数A被确定为不正常的，则整个Zk矢量必须从考虑中除去。这是因为 初始化性能状态估计是矢量估计过程。丟弃欺骗数据采样值减少了初始 化数据组n的采样大小N。
如杲采样大小N已经减少到低于预定水平的水平(步骤107),例 如小于采样大小(N-15)，需要更多的数据以确保统计上可行的初始化 数据组Q。在此情况下，从此外飞行参数中的另外的数据采样矢量可增 加到调整数据组n中(步骤102)直到获得最小的采样大小并且过程继 续。
如果存在足够的数据来处理(步骤107),如果有效的话，可使用 维护和发动机试验台性能运行信息(步骤108， 109)。这些信息可以在 状态估计中使用作为先验信息(步骤IIO)。
使用初始化测量数据组和先验信息执行递归性能状态估计过程(步 骤111)，以对于每个发动机模块产生性能状态估计。此数目就效率和 流量参数As而言，确定从标称开始的发动机的初始状态。当数据被收 集和处理时，相对于此水平可进行随后的性能分析。
状态初始化估计是作用在初始化数据组Q上的递归过程。术语递归 意味着状态估计Xc/目"是在d中的所有的数据点矢量的函数， <formula>formula see original document page 9</formula>
4匿)=/fe/"Q,"l'2,…恭 (2) 估计方法， 一些为经验的， 一些为基于物理模型和其它的，例如
Kalman过滤器，统计回归方法，网络神经可与上述方法结合。估计过 程的优选实施例是递归的预测-修正估计值，
<formula>formula see original document page 9</formula>
在该方法中，最终的状态估计值^是初始状态性能X(/^"的估计 值。该估计值是通过处理初始化数据组。中的所有数据采样值和任何先 验信息X(/a —P"°n)(可从发动机的测试台认可测试监控，维护活动等中可 获得)递归地确定(步骤108)。
所有的x矢量是n x 1列矢量并且包含模块性能△参数作为元素。
发动机的模块是，但不限于，发动机的压缩机和涡轮组件。例如，在通常的双转子涡轮风扇发动机中，可存在五个发动机模块来考虑 FAN 风扇式压缩才几 LPC 低压压缩机(增压器) HPC 高压压缩机 HPT 高压渴轮 LPT 低压涡轮
对于每个重要模块，可能存在随着时间变化的两个独立的性能参数 (△s)。该信息需要被追踪以产生有利于维护逻辑和工作范围的。这两 个性能参数可通常是隔热效率参数和流量参数。
对于压缩机元件FAN, LPC和HPC，这些参数可以是隔热效率A (Ail)和流动容量A (AFC)。对于涡轮元件HPT，和LPT，参数可以 是隔热效率
△ (Ari)和影响流动的涡轮喷嘴面积中的有效改变(AA)。因此，
在(2)和(3)中用于此例子的x矢量具有IO个分量，<formula>formula see original document page 10</formula>(4)
如果维护信息或者先验试验台数据分析对于讨论的发动机是可用
的，可由使用者获得此信息(步骤109)并且对此分析，以提取先验信 息(步骤110),其可在递归状态估计过程中起到影响。对于x0(a —pn°n) (其可使用在递归状态估计过程(3)中)，其可采取指定初始估计值 的形式(基于试验台结果和維护信息)。根据使用在递归估计中的具体 算法，即(3)的实施， 一定的过程常量可调整以应用适当的加权到先 验信息中。
如果没有维护或者试验台信息是可用的(步骤108),则XG(a —p"°n) -O，其表示发动机是标称的(从标称的零百分比△),作为默认位置来 开始此估计。
该方法与状态估计过程(3) —起完成(步骤111 )以产生性能状态 估计值X(/腿"矢量，其是该方法的结果(步骤112),以包含在发动机 的随后模块性能追踪中。
用于追踪模块性能改变的随后处理可使用在(3)中的相同的策略， 其中在初始化之后可用的第一数据采样，z可以被处理以在初始化之后 产生第一性能估计值，如
<formula>formula see original document page 10</formula>(5)
采用本发明的方法，下一个性能追踪已经初始化。该下一个数据采
样Z 2可以被处理以产生下 一 个性能改变估计值，<formula>formula see original document page 11</formula> (6)等等。
本发明的一个或多个实施例已经被描述。然而，应该理解的是在不 脱离本发明的范围内可以实施多个修改。因此，其它的实施例也在下面 权利要求的范围内。
权利要求
1.一种用于确定燃气轮机模块性能水平的初始化方法，包括获得对应于预定数目的发动机参数的预定数目的飞行数据采样值；在数据采样值上实施不规则的数据采样筛选；和在该预定数目的飞行数据采样值上实施递归状态估计，其中对于该预定数目的发动机参数中的每个，状态估计输出基线初始化状态。
2. 如权利要求1所述的方法，还包括获得燃气轮机试验台数据以 当实施递归状态估计时使用作为先验数据。
3. 如权利要求2所述的方法，其中不规则的数据采样篩选还包括对于双模态分布和数据采样非正常值的筛选。
4. 如权利要求3所述的方法，其中不规则的数据采样筛选还包括使用柱状图和图象分析来测试不规则数据的存在。
5. 如权利要求3所述的方法，其中相应于发动机参数的预定数目的数据采样值可设置作为矢量，其中每个矢量对应于采样数目。
6. 如权利要求5所述的方法，还包括如果发现不规则数据则除去数据采样矢量。
7. 如权利要求6所述的方法，其中数据采样的数目在15到30的 范围内。
8. 如权利要求7所述的方法，还包括如果在除去不规则数据采样 之后数据采样值的数目小于预定的数据采样数目，则增加额外的数据采 样值。
9. 如权利要求8所述的方法，其中增加额外的数据采样值还包括 额外的飞行值。
10. 如权利要求9所述的方法，其中递归状态估计是预测修正。
11. 如权利要求10所述的方法，其中燃气轮机模块包括分散压缩 机，低压压缩机，高压压缩机，高压涡轮和低压涡轮。
12. 如权利要求11所述的方法，其中每个燃气轮机模块还包括至 少两个性能参数。
13. 如权利要求12所述的方法，其中两个性能参数包括隔热效率 和流量AA。
14.如权利要求13所述的方法，其中流量性能参数是涡轮喷嘴面 积改变的结果。
全文摘要
描述了一种基于状态的燃气轮机初始化方法和系统，其允许性能的真实水平被追踪从而实施发动机对发动机的性能比较。该方法实施初始化过程，以通过递归状态估计实施燃气轮机模块性能分析(MPA)。包括对数据正确性测量和在初始化的或者重初始化状态上的维护影响和适应。
文档编号G06F17/50GK101192253SQ200710196649
公开日2008年6月4日 申请日期2007年11月29日 优先权日2006年11月29日
发明者A·J·沃尔波尼 申请人:联合工艺公司