Підвищення надійності системи автоматичного управління авіаційним двигуном ТВ3-117 з використанням його бортової нейромережевої моделі
Вантажиться...
Дата
2020
ORCID
DOI
Науковий ступінь
Рівень дисертації
Шифр та назва спеціальності
Рада захисту
Установа захисту
Науковий керівник
Члени комітету
Видавець
Вісник Кременчуцького національного університету імені Михайла Остроградського. - 2020. - Вип. 2(121). - С. 91-96
Анотація
Проаналізовано підходи до вирішення проблеми підвищення надійності систем автоматичного управління авіаційними газотурбінними двигунами, в тому числі, і ТВ3-117, на основі алгоритмічного резервування. Визначено
основні труднощі застосування алгоритмічного резервування в умовах льотної експлуатації повітряного судна.
Розглянуто особливості застосування лінійних і нелінійних математичних моделей, виділені їх основні переваги
та недоліки. Виявлено основні вимоги до математичної моделі задля ефективного застосування в системі автоматичного управління авіаційного двигуна ТВ3-117. Розроблено і представлено
лінійну адаптивну бортову нейромережеву модель, призначену для роботи спільно з системою автоматичного
управління авіаційного двигуна ТВ3-117. Описано методи вирішення проблеми адаптації нейромережевої моделі
авіаційного двигуна ТВ3-117 до можливої зміни його технічного стану. Розглянуто питання реалізації детермінованих, стохастичних і випадкових поправок для корекції моделі під час експлуатації двигуна. Оцінено застосування одновимірної і багатовимірної фільтрації Калмана вхідних і вихідних параметрів нейромережевої моделі авіаційного двигуна ТВ3-117 для підвищення її точності і надійності. Представлений приклад успішної реалізації фільтрації Калмана вхідного сигналу положення поршня дозувальної голки в результаті моделювання за даними,
отриманими в результаті льотних випробувань повітряного судна. Визначена область застосування нейромережевої моделі авіаційного двигуна ТВ3-117 і ситуації, в яких модель функціонувати не може. Проведено оцінку похибки моделі для основних режимів експлуатації двигуна: похибка частоти обертання ротора турбокомпресора не
перевищила 1,25 %, тиску повітря за турбокомпресором – 3,5 %, температури газів за турбіною компресора –
2,2%. Отримані дані свідчать про можливе впровадження нейромережевої моделі авіаційного двигуна ТВ3-117 в
бортову систему контролю і діагностики його технічного стану в польотних режимах.
The purpose of this work is to increase the reliability of TV3-117 aircraft engine automatic control system using its linear neural network model along with input one-dimensional and multi-dimensional Kalman filtering. Based on the study, a linear adaptive on-board neural network model was developed and presented, designed to work together with the TV3-117 aircraft engine automatic control system. The work is based on neuroinformatics methods were applied to develop and training a neural network for implementing a linear on-board model of aircraft engine TV3-117; statistical methods for processing the experimental results to determine the accuracy of the onedimensional and multi-dimensional Kalman filtering algorithms; methods of probability theory and mathematical statistics for the implementation of deterministic, stochastic and random corrections for model correction during engine operation. Estimation of the error of the present model, obtained by comparing the simulation results on the nodal nonlinear model, gave the following results for the main modes of operation of the engine (takeoff, altitude, cruising): turbocharger rotor speed – 1.25 %, air pressure behind the compressor – 3.5 %, the temperature of the gas behind the compressor turbine – 2.2 %. As expected, the error of the model increases with decreasing mode due to the nonlinearity of the characteristics, reaching twice the value at the minimum mode (small gas). Given that the main operating modes account for 90% of the operating time, the obtained values of the model error are acceptable. The scientific novelty of the results is that the method of increasing the reliability of TV3-117 aircraft engine automatic control system was further developed, which, along with the use of its linear neural network model, as well as one-dimensional and multidimensional Kalman filtering of input signals, allowed to reduce the error estimate of the identification model of TV3-117 aircraft engine. The developed method is a component of the intelligent system of control and diagnostics of TV3-117 aircraft engine technical state in flight modes.
Проанализированы подходы к решению проблемы повышения надежности систем автоматического управления авиационными газотурбинными двигателями, в том числе, и ТВ3-117, на основе алгоритмического резервирования. Определены основные трудности применения алгоритмического резервирования в условиях летной эксплуатации воздушного судна. Рассмотрены особенности применения линейных и нелинейных математических моделей, выделены их основные преимущества и недостатки. Выявлены основные требования к математической модели для эффективного применения в системе автоматического управления авиационного двигателя ТВ3-117. На основе проведенного исследования разработана и представлена линейная адаптивная бортовая нейросетевая модель, предназначенная для работы совместно с системой автоматического управления авиационного двигателя ТВ3-117. Описаны методы решения проблемы адаптации нейросетевой модели авиационного двигателя ТВ3-117 к возможному изменению его технического состояния. Рассмотрен вопрос реализации детерминированных, стохастических и случайных поправок для коррекции модели во время эксплуатации двигателя. Оценено применение одномерной и многомерной фильтрации Калмана входных и выходных параметров нейросетевой модели авиационного двигателя ТВ3-117 для повышения ее точности и надежности. Представлен пример успешной реализации фильтрации Калмана входного сигнала положения поршня дозирующей иглы в результате моделирования по данным, полученным в результате летных испытаний воздушного судна. Определена область применения нейросетевой модели авиационного двигателя ТВ3-117 и ситуации, в которых модель функционировать не может. Проведена оценка погрешности модели для основных режимов эксплуатации двигателя: погрешность частоты вращения ротора турбокомпрессора не превысила 1,25 %, давления воздуха за турбокомпрессором – 3,5 %, температуры газов за турбиной компрессора – 2,2 %. Полученные данные свидетельствуют о возможном внедрении нейросетевой модели авиационного двигателя ТВ3-117 в бортовую систему контроля и диагностики его технического состояния в полетных режимах.
The purpose of this work is to increase the reliability of TV3-117 aircraft engine automatic control system using its linear neural network model along with input one-dimensional and multi-dimensional Kalman filtering. Based on the study, a linear adaptive on-board neural network model was developed and presented, designed to work together with the TV3-117 aircraft engine automatic control system. The work is based on neuroinformatics methods were applied to develop and training a neural network for implementing a linear on-board model of aircraft engine TV3-117; statistical methods for processing the experimental results to determine the accuracy of the onedimensional and multi-dimensional Kalman filtering algorithms; methods of probability theory and mathematical statistics for the implementation of deterministic, stochastic and random corrections for model correction during engine operation. Estimation of the error of the present model, obtained by comparing the simulation results on the nodal nonlinear model, gave the following results for the main modes of operation of the engine (takeoff, altitude, cruising): turbocharger rotor speed – 1.25 %, air pressure behind the compressor – 3.5 %, the temperature of the gas behind the compressor turbine – 2.2 %. As expected, the error of the model increases with decreasing mode due to the nonlinearity of the characteristics, reaching twice the value at the minimum mode (small gas). Given that the main operating modes account for 90% of the operating time, the obtained values of the model error are acceptable. The scientific novelty of the results is that the method of increasing the reliability of TV3-117 aircraft engine automatic control system was further developed, which, along with the use of its linear neural network model, as well as one-dimensional and multidimensional Kalman filtering of input signals, allowed to reduce the error estimate of the identification model of TV3-117 aircraft engine. The developed method is a component of the intelligent system of control and diagnostics of TV3-117 aircraft engine technical state in flight modes.
Проанализированы подходы к решению проблемы повышения надежности систем автоматического управления авиационными газотурбинными двигателями, в том числе, и ТВ3-117, на основе алгоритмического резервирования. Определены основные трудности применения алгоритмического резервирования в условиях летной эксплуатации воздушного судна. Рассмотрены особенности применения линейных и нелинейных математических моделей, выделены их основные преимущества и недостатки. Выявлены основные требования к математической модели для эффективного применения в системе автоматического управления авиационного двигателя ТВ3-117. На основе проведенного исследования разработана и представлена линейная адаптивная бортовая нейросетевая модель, предназначенная для работы совместно с системой автоматического управления авиационного двигателя ТВ3-117. Описаны методы решения проблемы адаптации нейросетевой модели авиационного двигателя ТВ3-117 к возможному изменению его технического состояния. Рассмотрен вопрос реализации детерминированных, стохастических и случайных поправок для коррекции модели во время эксплуатации двигателя. Оценено применение одномерной и многомерной фильтрации Калмана входных и выходных параметров нейросетевой модели авиационного двигателя ТВ3-117 для повышения ее точности и надежности. Представлен пример успешной реализации фильтрации Калмана входного сигнала положения поршня дозирующей иглы в результате моделирования по данным, полученным в результате летных испытаний воздушного судна. Определена область применения нейросетевой модели авиационного двигателя ТВ3-117 и ситуации, в которых модель функционировать не может. Проведена оценка погрешности модели для основных режимов эксплуатации двигателя: погрешность частоты вращения ротора турбокомпрессора не превысила 1,25 %, давления воздуха за турбокомпрессором – 3,5 %, температуры газов за турбиной компрессора – 2,2 %. Полученные данные свидетельствуют о возможном внедрении нейросетевой модели авиационного двигателя ТВ3-117 в бортовую систему контроля и диагностики его технического состояния в полетных режимах.
Опис
Владов, С. І. Підвищення надійності системи автоматичного управління авіаційним двигуном ТВ3-117 з використанням його бортової нейромережевої моделі / С. І. Владов, Ю. М. Шмельов, А. С. Сіора та ін. // Вісник Кременчуцького національного університету імені Михайла Остроградського. - 2020. - Вип. 2(121). - С. 91-96. - DOI: 10.30929/1995-0519.2020.2.91-96.
Ключові слова
Техніка. Технічні науки. Machinery. Engineering. Техника. Технические науки, Наукові публікації. Scientific publications. Научные публикации, авіаційний двигун ТВ3-117, aircraft engine TV3-117, авиационный двигатель ТВ3-117, нейромережева модель, neural network model, нейросетевая модель, система автоматичного управління, automatic control system, система автоматического управления, фільтр Калмана, Kalman filter, фильтр Калмана