Método de análisis basado en una técnica de optimización de la función de error.

Un método de análisis del rendimiento de un sistema de un motor,

expresado en términos de a una pluralidad de variables del sistema que están asociadas a valores esperados de parámetros del sistema, incluyendo el método:

obtener valores de un parámetro medido para el sistema en prueba y/o en funcionamiento;

analizar los valores del parámetro medido en relación con los valores de parámetro esperados correspondientes mediante la optimización de una función de error que relaciona dichos valores de parámetro medido con las variables de sistema;

en el que la etapa de optimización de la función de error incluye el ajuste de las variables del sistema para variar los valores del parámetro esperados y con ello variar la cantidad de error representada por la función de error;

caracterizado porque las variables de sistema se agrupan de manera que:

una primera parte de las variables de sistema se ajustan de forma independiente una de otra, y

una parte adicional de las variables de sistema se ajustan de forma dependiente entre sí, de tal manera que en la parte adicional las variables de sistema se mantienen en una relación constante predeterminada entre ellas, siendo la relación constante predeterminada característica de un mecanismo conocido que altera el rendimiento del sistema.

Método de análisis basado en una técnica de optimización de la función de error

La presente invención se refiere a métodos de análisis de pruebas y / o datos de servicio de motores.

El análisis del rendimiento de los motores es importante tanto para las pruebas de motores en desarrollo como en el control de las condiciones de motores en funcionamiento. En particular, resulta beneficiosa la capacidad de identificar con precisión y de forma fiable el componente o componentes responsables de una pérdida de rendimiento. Sin embargo, la naturaleza de sistemas complejos, tales como los motores de turbina de gas, significa que hay problemas inherentes que deben abordarse si se ha de conseguir esto en la práctica.

Como ocurre con otras plantas de energía, el rendimiento de una turbina de gas se puede expresar en términos de una serie de variables del sistema (a veces conocidas como parámetros de rendimiento) para los diversos componentes de la turbina de gas. Típicamente, los elegidos para caracterizar el rendimiento de una turbina de gas serían la eficiencia y la función de flujo de compresores y turbinas y el coeficiente de descarga de las toberas. Significativamente, estas variables del sistema no son medibles directamente. No obstante, están relacionadas con parámetros medibles del motor, tales como las velocidades de carrete, presiones y temperaturas medias, empuje y los flujos de aire, y cualquier pérdida en el rendimiento de un componente se refleja mediante cambios en estos parámetros medibles.

Dado un determinado punto de funcionamiento, por lo general definido por las condiciones ambientales y un ajuste de potencia (temperatura y presión de entrada, , y el flujo de combustible, por ejemplo, u otros parámetros de funcionamiento similares) , la relación entre los parámetros del motor medidos y las variables del sistema se puede representar, por ejemplo, en un modelo de simulación de rendimiento que describe las características aerotermodinámicas de los componentes de la turbina de gas. En principio, esto permite calcular las variables del sistema y, lo que es más importante, los cambios de las mismas con relación a los respectivos valores de referencia. A su vez, a partir de estos valores calculados, debería poderse detectar una caída en el rendimiento de uno o más componentes y por lo tanto deducir la causa de una pérdida en el rendimiento. Esto se puede lograr utilizando modelos de síntesis o termodinámicos o mediante el uso de modelos de velocidad o tasa de intercambio. Los modelos de velocidad de intercambio proporcionan una relación lineal entre las variables del sistema y los parámetros del motor medibles que es válida para las pequeñas variaciones alrededor del punto de funcionamiento elegido.

Existen varios métodos para comprender los datos de ensayo de motores producidos a partir del análisis del estado estacionario del motor. El más básico de estos métodos usa parámetros medidos del motor para calcular la eficiencia o rendimiento termodinámico de componentes (relación de temperaturas real de gas a través del componente, con respecto a la relación de la temperaturas ideal para la relación de presiones determinada) . Esto proporciona datos del componente en las condiciones en que se realiza la prueba, pero no proporciona datos que puedan ser escalados o sintetizados para otras condiciones. Se pueden calcular, utilizando otras hipótesis, parámetros adicionales, tales como flujos de aire y presiones y temperaturas que no se midan directamente (por ejemplo, temperatura de entrada de la turbina (TET) : la temperatura del gas en la entrada a los álabes del primer rotor de la turbina (de alta presión) , que está demasiado caliente para medirse directamente) .

Es posible un análisis más riguroso utilizando una herramienta conocida como ANSYN ("Análisis / Síntesis") producida por Rolls-Royce. Este utiliza un modelo termodinámico o de síntesis del motor y deduce del él el escalado de las características etc. para adaptarse a los datos medidos. Esta herramienta utiliza un procedimiento iterativo de adaptación de soluciones, mediante el cual el usuario selecciona un número de variables de sistema (por ejemplo, eficiencias, capacidades de flujo) que se modificarán para coincidir con los datos medidos. De este modo, se puede conseguir una solución exacta que luego puede ser utilizada para ajustar el modelo.

Sin embargo, en la herramienta de ANSYN, el número de variables debe ser igual al número de mediciones, ya que de lo contrario no se puede obtener una solución exacta. Además, este método sólo puede proporcionar una solución para aquellas variables que son seleccionadas por el usuario y no puede analizar los errores que surgen debido a la falta de precisión del instrumento o debido a fallos de motor o divergencias no cubiertas por las variables seleccionadas (Por ejemplo, las fugas de aire del sistema) .

Otra herramienta disponible y utilizada en el control de tendencias del motor es la herramienta de análisis de rendimiento del módulo (MPA) , que forma parte del software "COMPASS"/VQ48 producido por Rolls-Royce, y explicado en GB 2.211.965. Este utiliza un filtro de Kalman con un esquema de optimización de mínimos cuadrados. El análisis se lleva a cabo utilizando velocidades de intercambio en vez de un modelo de síntesis. El uso de velocidades de intercambio puede simplificar en gran medida el análisis de los datos del motor, ya que las complicadas relaciones termodinámicas de un modelo de síntesis se sustituyen por relaciones lineales entre todos los parámetros. Aunque los modelos de velocidad de intercambio son por lo general aplicables sólo en situaciones en las que los valores de los parámetros varían en pequeños porcentajes (por ejemplo, 3-4%) , esto es normalmente suficiente para este tipo de análisis.

Este proceso permite evaluar los errores de medición y las diferencias de los componentes. Se supone que se pueden considerar los errores de medición y las diferencias de componentes como estadísticos; es decir, se conocen con una determinada incertidumbre. Más específicamente, se puede realizar una optimización mediante la siguiente función de error:

donde n es el número de variables de sistema, var. (i) es el valor de una variación de la variable i-ésima de sistema, VNorm (i) es un valor de normalización de la i-ésima variable de sistema, siendo m el número de parámetros medidos, siendo M (j) el valor medido del parámetro j-ésima, siendo Mcal (j) es un valor esperado para el parámetro jésimo, y siendo MNorm (j) un valor de normalización del parámetro j-ésimo. Mcal (j) se calcula a partir de una pluralidad de velocidades de intercambio y las variaciones de las variables de sistema de acuerdo con la expresión:

donde Xrate (i, j) es la velocidad de intercambio en el parámetro j-ésimo con respecto a la variación de la i-ésima variable de sistema.

Se obtiene la solución que minimiza el tamaño del error implicado en las mediciones y variables de sistema. Se pueden llevar a cabo filtraciones adicionales que ajusten los errores que sean más pequeños para hacerlos iguales a cero y de este modo concentrar los errores en un menor número de mediciones y / o componentes.

Sin embargo, el uso de la optimización mediante mínimos cuadrados hace que las variaciones estén compartidas por un gran número de variables, dando como resultado tanto una reducción en la magnitud aparente de los parámetros correctos como "alteración " en parámetros que no debería haber sido afectados.

Además, el enfoque de mínimos cuadrados no es estadísticamente válido en el caso en el que existe un fallo (y bajo tales circunstancias este procedimiento a menudo fallará por completo) . Esto se debe a la suposición estadística de que hay una distribución normal centrada alrededor del valor esperado. Un error (tal como el causado por una tubería o un cable roto) dará una estadística diferente a la que supone que es debida a una dispersión al azar (es decir, precisión de la medición) .

El documento WO 2006/123090 divulga un método de "búsqueda" para el análisis de los parámetros medidos en el que se optimiza una función de error y, a continuación, se ajustan combinaciones de un número predeterminado de un subconjunto de las variables de sistema para determinar la combinación que proporciona la mayor contribución a la función de error optimizada. Al seleccionar un subconjunto de las variables del sistema antes de analizar las combinaciones posibles, se puede reducir significativamente el número de posibles combinaciones que se analizan en el método anterior.

El documento WO 2006/123090 también describe el uso de una función de error que es una suma de las variaciones absolutas,... [Seguir leyendo]

1. Un método de análisis del rendimiento de un sistema de un motor, expresado en términos de a una pluralidad de variables del sistema que están asociadas a valores esperados de parámetros del sistema, incluyendo el método:

obtener valores de un parámetro medido para el sistema en prueba y/o en funcionamiento; analizar los valores del parámetro medido en relación con los valores de parámetro esperados correspondientes mediante la optimización de una función de error que relaciona dichos valores de parámetro medido con las variables de sistema; en el que la etapa de optimización de la función de error incluye el ajuste de las variables del sistema para variar los valores del parámetro esperados y con ello variar la cantidad de error representada por la función de error; caracterizado porque las variables de sistema se agrupan de manera que:

una primera parte de las variables de sistema se ajustan de forma independiente una de otra, y una parte adicional de las variables de sistema se ajustan de forma dependiente entre sí, de tal manera que en la parte adicional las variables de sistema se mantienen en una relación constante predeterminada entre ellas, siendo la relación constante predeterminada característica de un mecanismo conocido que altera el rendimiento del sistema.

2. Un método de acuerdo con la reivindicación 1, en el que el sistema es un motor de turbina de gas o una parte del mismo.

3. Un método de acuerdo con la reivindicación 1 ó 2, en el que:

la función de error es una suma de las variaciones absolutas y la etapa de optimización incluye una optimización de mínimos absolutos, incluyendo la función de error el término:

siendo n el número de variables del sistema, siendo Var (i) el valor de una variación de la i-ésima variable del sistema, siendo VNorm (i) un valor de normalización de la i-ésima variable del sistema, y estando el valor de cada VNorm (i) en relación inversa a la cantidad de variación en los valores esperados del parámetro producidos al ajustar la correspondiente variable del sistema.

4. Un método de acuerdo con la reivindicación 3, en el que la función de error es de la forma:

siendo m el número de parámetros medidos, siendo M (j) el valor medido del parámetro j-ésimo, siendo Mcal (j) un valor esperado para el parámetro j-ésimo, y siendo MNorm (j) un valor de normalización del parámetro j-ésimo.

5. Un método de acuerdo con la reivindicación 4, en el que Mcal (j) se calcula a partir de una pluralidad de velocidades de intercambio y las variaciones de las variables de sistema de acuerdo con la expresión:

donde Xrate (i, j) es la velocidad de intercambio en el parámetro j-ésimo con respecto a la variación de la i-ésima variable de sistema

6. Un método de acuerdo con la reivindicación 5, que incluye la etapa de determinación de los valores de cada VNorm (i) utilizando la expresión:

o utilizando la expresión:

7. Un método de acuerdo con una cualquiera de las reivindicaciones anteriores, que incluye además la etapa de medir una salida del sistema, para obtener los valores de parámetro medidos.

8. Un método de funcionamiento de un sistema que incluye: 10

llevar a cabo el método de análisis de acuerdo con una cualquiera de las reivindicaciones anteriores, y reparar el sistema o realizar el mantenimiento del sistema en respuesta a un resultado del método de análisis.

9. Código legible por ordenador para realizar el método de una cualquiera de las reivindicaciones 1 a 6, cuando 15 dicho código se ejecuta en un sistema de ordenador.

10. Un producto de programa de ordenador que lleva código legible por ordenador según la reivindicación 9.

11. Un sistema de ordenador configurado para realizar el método de una cualquiera de las reivindicaciones 1 a 6. 20