FR2947335A1 - Surveillance spectrale systematique (s3) d'un moteur d'avion - Google Patents
Surveillance spectrale systematique (s3) d'un moteur d'avion Download PDFInfo
- Publication number
- FR2947335A1 FR2947335A1 FR0903140A FR0903140A FR2947335A1 FR 2947335 A1 FR2947335 A1 FR 2947335A1 FR 0903140 A FR0903140 A FR 0903140A FR 0903140 A FR0903140 A FR 0903140A FR 2947335 A1 FR2947335 A1 FR 2947335A1
- Authority
- FR
- France
- Prior art keywords
- spectrum
- systematic
- sound
- spectral
- application
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/14—Frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/04—Frequency
- G01H3/06—Frequency by electric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Un son est un bruit qui contient de l'information, potentiellement très riche. La musique en est la forme la plus élaborée, puisqu'elle touche à l'affectif sans nécessiter d'analyse complexe. La plupart des activités génèrent des sons, soit parce que c'est leur but, soit comme sous-produit. Un mécanicien expérimenté peut diagnostiquer, à l'oreille, le défaut d'une machine tournante, par exemple d'un moteur. Apprendre cette démarche à un système informatique affranchit de sa grande faiblesse, la dépendance à l'opérateur et en permet l'automatisation. Pour être compris par la machine, le son, entité analogique, doit d'abord être digitalisé. Son spectre fréquentiel, établi par transformée de FOURIER, en conserve toute l'information, puisque la transformée inverse permet de reconstruire le son à l'identique. La comparaison de deux sons peut donc se résumer à la comparaison de leurs deux spectres. Sa réalisation est très simple car il suffit de les soustraire fréquence par fréquence. Les termes non nuls représentent les différences. La surveillance spectrale utilise ce concept depuis les années 50, mais s'attache à rechercher des défauts déjà répertoriés, voire expliqués. Dans mon concept de Surveillance Spectrale Systématique (S3), l'anomalie spectrale est constatée sans aucun a priori. Un test statistique permet, ensuite, de rechercher et de démontrer une corrélation avec un défaut découvert, actuel ou futur. Ce concept est applicable à tous les phénomènes cycliques et particulièrement aux sons produits par les machines tournantes. Il suffit de comparer le son instantané à un son de référence acquis dans les mêmes conditions, pour en objectiver les variations et, le cas échéant, les lier à un défaut fonctionnel. Le seuil de prise en compte sera défini et déterminé expérimentalement. Une appréciation absolue de l'état de la machine, par exemple dans le cadre d'une opération de maintenance, supposera la comparaison du spectre actuel au spectre nominal, enregistré en fonctionnement normal. Une surveillance en temps réel de la machine pourrait se faire en comparant le spectre instantané à la moyenne des spectres enregistrés dans le passé, lissant ainsi les variations dues à l'usure ou à des événements ponctuels anciens et non répétitifs. Pour valider cette idée, j'ai, tout d'abord expérimenté les variations spectrales induites par un balourd créé sur un volant, entrainé par un moteur électrique. J'ai ensuite acquis et analysé le son produit par diverses machines tournantes : motocyclette, moteur d'avion, à explosions puis Diesel, réacteur de Boeing 737, turbine d'un hélicoptère Ecureuil, pulsoréacteur « valveless » (par extension). Pour l'étape suivante, mes microphones et accéléromètres seront intégrés à une chaîne Labview d'acquisition et de traitement du signal. Resteront à intégrer les tests de corrélations. Ce concept est particulièrement robuste et applicable aux moteurs d'aéronefs et plus particulièrement aux turbines, turboréacteurs ou turbopropulseurs. La détection, ou mieux l'anticipation, d'un quelconque défaut est, bien sûr, vitale, au sens propre. La motorisation peut représenter la moitié du coût d'un avion et l'enjeu économique est donc également considérable. C'est dans ce contexte que la maintenance prévisionnelle a vu ses premières applications. La conduite et la surveillance de ces moteurs est, de plus en plus, informatisée et la S3 s'y intégrera naturellement. La turbomachine d'aviation sera, dès sa mise en service, équipée de capteurs de vibrations, micros ou accéléromètres. Les signaux recueillis, dans les diverses situations seront digitalisés et leur spectre fréquentiel sera établi en temps réel. Ces spectres, moyennés depuis l'origine afin de lisser usure et incidents antérieurs, seront gardés en mémoire pour servir d'étalons. Les variations fréquentielles pourront soit déclencher une alarme non répertoriée, soit indiquer qualitativement le défaut le plus probablement en cause. Les opérations de maintenance prévisionnelle seront facilitées. L'intégration au FADEC du réacteur en permettra l'automatisation.
Description
DESCRIPTION (TEXTE). 1û LA PROBLEMATIQUE. Mon grand-père, mécanicien de la Marine, pouvait dire, appliquant un bout de bois en guise de stéthoscope sur les culasses de son diesel Baudouin: je crois que la soupape d'échappement du cylindre n°5 a un peu trop de jeu . Je suis moi-même pilote, pour l'instant d'avions légers, et c'est toujours avec anxiété que je guette, de surcroît au cours d'une traversée maritime, toute modification du bruit de mon moteur... L'industrie applique scientifiquement ces méthodes intuitives dans le cadre de l' analyse vibratoire des machines tournantes . Je me suis interrogé sur l'information véhiculée par un signal sonore, et ai imaginé expérimentations et applications. Intuitivement, on perçoit que la quantité de cette information est considérable car fouie et la vue sont les sens les plus concernés par la vie de relation. L'analyse de l'information transmise par un son n'est pas intuitive, sauf s'il s'agit de parole ou de musique. Par contre, un spectre fréquentiel peut être représenté et comparé graphiquement. Ma recherche bibliographique m'a permis de me rendre compte que ces principes étaient déjà largement appliqués dans l'analyse et la surveillance vibratoire des machines tournantes, permettant en particulier la maintenance prévisionnelle. Je n'ai, par contre, trouvé que peu de références à la surveillance, en vol ou au sol, de moteurs d'avion, turbines ou à pistons. Mon idée est donc de doter de tels moteurs, de récepteurs de sons ou plus généralement de vibrations ou d'accéléromètres et d'analyser en temps réel les spectres sonores ainsi produits.
Le système informatique garderait en mémoire les spectres nominaux correspondant aux conditions d'utilisation. La simple soustraction du spectre de surveillance permettrait d'isoler l'anomalie spectrale et soit de déclencher une alarme, soit d'orienter vers un défaut répertoriée (bruit de roulement, variation de pression, balourd, anomalie d'une pale de turbine, problème d'alimentation, surchauffe). Je n'ai pas l'intention de réinventer l'analyse vibratoire. La puissance de mon concept réside dans sa généralité. Pas besoin d'étudier les phénomènes vibratoires dans le détail. Le principe est d'utiliser le spectre fréquentiel comme témoin global des défauts d'une machine tournante. Le principe est d'y corréler statistiquement, en temps réel ou en différé, tout défaut fonctionnel significatif constaté, par exemple une macro-panne, une pièce découverte endommagée lors de la révision, une alarme transmise par un capteur de surveillance. Ce concept permet, de plus, l'auto-apprentissage. Bien au-delà des machines tournantes, ce principe pourrait, d'ailleurs, être appliqué à la surveillance de tout phénomène périodique. Je l'ai appelé Surveillance Spectrale Systématique (S3). Le terme "systématique" pourrait être remplacé par "continue".
Il - OUTILS ET METHODE II-1 Caractéristiques d'un son Le son est une onde produite par la vibration mécanique d'un support fluide ou solide propagé grâce à l'élasticité du milieu environnant, sous forme d'ondes longitudinales. Dans l'air et par extension physiologique, le son désigne communément la sensation auditive à laquelle cette vibration donne naissance. Un son véhicule de l'information. Un bruit est un son qui ne contient pas de valeur informative. Un son est un signal qui est donc produit par un actionneur (cordes vocales, écouteurs, haut parleur, cristal d'une sonde d'échographie, sondeur, dispositif mécanique, turboréacteur, coeur, vent dans les branches ...). II est reçu par un capteur (microphone, accéléromètre, cristal d'une sonde d'échographie, interféromètre laser, oreille ...). I1-1-1 Son ou silence (1-0). Information binaire. (alarme par exemple) I1-1-2 Intensité En acoustique, l'intensité se mesure en décibels. C'est une grandeur sans dimension, logarithme du rapport entre grandeur caractéristique du son étudié et celle d'un son de référence. Cette échelle se rapproche de la sensation physiologique. Dans le système MKSA, l'intensité d'un son s'exprime en Wattlm2, mais c'est un piètre indicateur physiologique. 11.1.3 Fréquence et hauteur La bande passante d'un capteur et d'une chaine du son s'exprime en Hertz. Par exemple, l'oreille humaine peut percevoir et traiter des sons compris entre 16 Hertz et 20 kHz. Un microphone dynamique de qualité courante a globalement la même bande passante et est donc parfaitement adapté à l'acquisition physiologique. Ce n'est cependant qu'en laboratoire qu'un son traduit une fréquence pure, sinusoïdale. Dans la vraie vie, tous les sons sont complexes. Ils peuvent être périodiques ou non. Ainsi, le son d'une machine tournante est périodique, d'ordre 1 si l'évènement se reproduit à chaque tour, d'ordre n si c'est tous les n tours. L'analyse spectrale (ou harmonique) permet de tracer le spectre de fréquence F(f), obtenu en appliquant la transformée de Fourier TF à un signal fonction du temps S(t). De même, si on connaît le spectre de fréquence F(f), on peut retrouver le signal S(t) par la transformée de Fourier inverse TFI. Un spectre sonore contient donc toute l'information contenue dans un son puisqu'il permet de le reconstituer à l'identique. Le spectre d'un signal représente les différents sons purs (partiels) que contient un son. Dans le cas d'un signal stable comme une sirène, le spectre n'évolue pas au cours du temps. On peut considérer tout son comme la combinaison d'un ensemble de sons purs qui sont des sinusoïdes. Le timbre du son est une impression physiologique qui résulte de l'association des diverses harmoniques. Son appréciation nécessite une interprétation par le cerveau. 2 .2 L'interprétation d'un spectre sonore Je suis essentiellement taillé dans les neurones( !) Dans mon oreille interne, ma cochlée fonctionne comme un analyseur de spectres. Chaque cellule ciliée est spécifique d'une fréquence. Mon nerf acoustique, qui transmet l'information au cerveau fonctionne comme un bus multicanaux. Mon cerveau interprète les harmoniques décelées. II peut ainsi comprendre les phonèmes du langage vocal, apprécier le caractère douloureux ou agréable du son d'un instrument, s'éveiller lors d'un signal d'alarme, comme, par exemple, un changement inattendu dans le bruit du moteur de mon avion... C'est l'association des harmoniques qui entraine cette sensation physiologique. Un ordinateur, lui taillé dans le silicium, doit, tout d'abord, digitaliser ce signal, en respectant le théorème de Shannon, qui énonce que, pour ne pas perdre d'information, la fréquence d'échantillonnage doit être au moins égale au double de la fréquence maximale contenue dans ce signal. Pour tracer le spectre, il utilise habituellement une transformée de Fourier rapide (FFT) qui est un algorithme de calcul de la transformée de Fourier discrète (TFD). Le temps de calcul de l'algorithme rapide est bien plus court qu'avec la formule de définition. II est utilisé, par exemple en traitement numérique du signal, pour transformer des données discrètes du domaine temporel dans le domaine fréquentiel, en particulier dans les analyseurs de spectre
La TFD est définie par la formule suivante : 3 n-1 fi = xe k=O ta J ù 1. Evaluer ces sommes directement coute bien moins de calcul de sommes complexes avec la version rapide. La transformée de Fourrier inverse peut, de la même manière, être appliquée dans sa version rapide. Divers algorithmes, dont celui de Cooley-Tukey sont utilisés. III û LES ETAPES DE MON TRAVAIL III-1 L'acquisition L'acquisition des données sonores se fait par un transducteur, en l'occurrence en capteur. Ce capteur peut être : Soit un microphone : J'ai choisi d'utiliser un microphone électro-dynamique pour la transmission aérienne et un microphone à cristal (de guitare électrique...) pour la transmission solide. Ce transducteur transforme une variation de pression acoustique en variation de tension électrique. Ses caractéristiques le définissent :
o La bande passante : les fréquences limites entre lesquelles les valeurs de sensibilité ne s'éloignent pas de +/- 3dB. o La courbe de réponse en fréquence : variations, plus ou moins linéaires, de la sensibilité en fonction de la fréquence.
o La sensibilité : rapport entre la tension électrique de sortie et une pression incidente de 1 pascal, pour une fréquence de 1 kHz, le microphone étant chargé par une impédance de 1 kOhm. Elle s'exprime plus habituellement sous la forme d'un niveau en dB, par rapport à une référence de tension. Par exemple, si un pascal correspond à un niveau de 94 dB, une voix parlée à 1 mètre correspond à 74 dB, une pression 10 fois inférieure.
o Le niveau de bruit propre, conséquence de l'agitation thermique, de pré-amplification, de résistance de transformateur doit être le plus faible possible.
o Le niveau maximum de pression admissible, au-delà duquel le capteur sature et donne une information tronquée.
o Le rapport signal/bruit et la dynamique totale sont des facteurs de qualité essentiels d'un microphone. Un bruit trop important masque l'information.
o La directivité, omnidirectionnelle ou cardioïde, en transmission aérienne.
o L'impédance de charge minimale, afin d'adapter celle de sortie du capteur, avec celle d'entrée de la chaine d'amplification.
J'ai choisi d'utiliser un microphone dynamique à bobine mobile pour la transmission aérienne (Impédance 200 Ohms, bande passante de 100 à 16000 Hz). Le capteur de contact était un microphone piezo-électrique, utilisant une pastille de céramique, d'impédance propre plus élevée (2 000 Ohms).
-Soit des accéléromètres qui traduisent les accélérations dues aux déplacements de la structure du capteur, souvent également basés sur la piézo-électricité. Je me suis procuré une platine d'accélérométrie, pour une phase ultérieure de mon travail. S'agissant d'un avion, 2 seront nécessaires, pour soustraire les accélérations dues aux mouvements propres de la plate forme.
La chaîne du son :
La carte son d'un micro-ordinateur (en fait maintenant intégrée au chipset de la carte mère) permet soit de fournir l'information analogique à un logiciel, soit de reproduire le son au travers d'un étage amplificateur de sortie. Ce type de carte réalise une adaptation automatique de l'impédance d'entrée à celle du capteur. On peut l'attaquer directement avec un transducteur piézo. L'analyseur spectral : Le logiciel libre AUDACITY, développé sous LINUX, permet d'acquérir (de digitaliser), de traiter et de reproduire les sons. Sa fonction d'analyse spectrale utilise les transformés de Fourier rapides (FFT). Pour un son capté, il permet d'afficher l'enveloppe sonore estimée soit en décibels, soit en pression sonore, le spectre sonore, obtenu par FFT, soit sous forme linéaire, soit sous forme semi-logarithmique (option intéressante car elle augmente la définition pour l'analyse des fréquences basses). Il permet également de tracer le journal de spectre, affichant les spectres successivement échantillonnés. Chaque son correspond ainsi à un spectre de fréquence. Dans ce travail, l'interprétation se fait par comparaison visuelle au spectre nominal de référence. Une extension logicielle simple, par exemple basée sur une routine en C, permettrait, par simple soustraction, une comparaison automatique de ce spectre au spectre de référence. Le logiciel AUDACITY permet, outre le traitement, le stockage et la représentation des données sous forme de fichier.aup (audacity project). Les projets associés à mes expérimentations comportent une piste forme d'onde , une autre journal de spectre en coordonnées naturelles, une troisième journal de spectre en coordonnées semi-logarithmiques. En principe, l'échantillonnage se fait à 96500 Hz, bien au-delà des exigences de Shannon. Les spectres sont construits jusque 30000 Hz, bien au-delà de la bande passante des capteurs. Pour chaque situation, j'ai fait une acquisition solide, avec le micro contact et une autre aérienne, avec le micro standard. II s'avère que ce dernier mode est bien plus pauvre dans les hautes fréquences. III-2- L'utilisation. Mon postulat : Mon postulat de base est que toute modification mécanique significative d'une machine tournante, par exemple apparition d'un balourd, bruit de roulement, de palier, d'engrenage, rupture d'une aube de turbine, en modifiera le son. Sauf pour mon grand père, s'agissant de son diesel, l'oreille humaine est, le plus souvent, impuissante à détecter puis à interpréter cette variation. Par contre, l'analyse spectrale le permet, en comparant le son instantané au son nominal. Or, un spectre contient toute l'information contenue dans un son, puisqu'il permet de le reconstituer à l'identique. II est facile, par simple soustraction de comparer deux spectres, donc d'en isoler les variations et d'en tirer les conclusions. La sortie pourra se faire binairement, dans le cadre d'indicateurs de surveillance (en introduisant un seuil, un défaut déclenchera une alarme), ou sous forme d'indicateurs de diagnostic (recherchant des fréquences spécifiques de la cause du défaut). II sera, ici, nécessaire ici d'avoir recours à l'analyse statistique. Mon application Je n'ai pas l'intention de réinventer l'analyse vibratoire ni la surveillance spectrale. Je n'ai pas la prétention d'expliquer le pourquoi de telle variation fréquentielle lors de la survenue d'une anomalie fonctionnelle. Il me suffira de constater cette variation fréquentielle et de la corréler à une modification, constatée ou provoquée, des paramètres nominaux de fonctionnement ou à une anomalie structurelle de la machine tournante. Il s'agira, en fait, d'établir une corrélation entre une fréquence variable quantitative (ou, plus exactement, semi-quantitative), la fréquence modifiée et une autre qualitative, le défaut en cause. Le test de corrélation reste à choisir. La variable quantitative sera, par définition, une modification du spectre fréquentiel, caractérisée par une ou plusieurs fréquences discrètes dont on recherchera la corrélation à un événement donné. La variation de l'intensité sonore sera comparée à un seuil. Dans une autre vie, on pourra étudier non plus le spectre fréquentiel, mais le spectre d'ordres. Le principe de l'analyse d'ordre est que certaines émissions de bruit, générées selon l'angle de rotation, se répètent aprés chaque tour. Les fréquences, correspondant au régime du moteur ou à ses multiples, entiers ou fractionnaires, sont appelées ordres . Le spectre d'ordres véhicule donc une information différente, qui méritera d'être étudiée. Les variables qualitatives peuvent être multiples, par exemple : - Lors d'un démontage pour maintenance, constatation du balourd d'un rotor; rupture d'une ailette de turbine, déformation structurelle du réacteur, friction ou jeu dans un roulement, phénomènes de résonnance. - En vol, en temps réel, informations provenant des multiples capteurs dont sont bardés les turbines d'aviation : pression, débits d'air ou de carburant, températures, déformations... Les utilisations potentielles sont multiples : - Maintenance prévisionnelle des turbomachines. - Intégration aux FADECS pour vérifier l'absence d'anomalie lors des essais moteurs pré-vol. - Surveillance en vol et en temps réel. - Actionnement d'alarmes de nature différente des alarmes conventionnelles et potentiellement plus précoces, offrant ainsi la possibilité d'une action préventive. - Optimisation des paramètres de consommation et de nuisances sonores. - Grâce à l'évolution asymptotique des capacités des mémoires de masse, collationnement et enregistrement permanent de tous les spectres sonores ("boîte noire" du moteur). Les critiques entendues : - La principale est que le son d'une machine tournante se modifie au cours de sa vie, même en l'absence de défaut ponctuel. Usure, survenue inéluctable de petits déséquilibres, déformations progressives sont le lot de tous les systèmes mécaniques. Dans ces conditions, à quel spectre nominal se comparer? La solution est, en surveillance, de ne pas utiliser comme étalon le spectre obtenu lors de l'inauguration de la machine, mais une moyenne de tous ceux enregistrés durant toute sa vie, en l'absence de macro-événement. De cette manière, les variations ponctuelles non caractéristiques seront lissées ainsi que les modifications progressives liées à l'âge... Rien n'empêche, d'ailleurs, d'effectuer périodiquement, par exemple lors des visites, des comparaisons aux spectres nominaux initiaux. Ce serait ainsi un témoin, évolutif, de l'usure. - Les turbines d'aviation sont déjà pourvues de multiples capteurs et alarmes, et en ajouter d'autres serait une redondance sans intérêt. Sauf que le principe est ici original et qu'on peut espérer des avertissements différents et potentiellement plus précoces. De plus, l'installation matérielle est remarquablement simple et économique : quelques micros ou accéléromètres, un microprocesseur, une mémoire de masse, un logiciel d'analyse spectrale et un autre d'analyse statistique. - Toute anomalie d'un réacteur, par exemple d'un roulement, entraine systématiquement une macro-panne dont on est forcément prévenu, parfois violemment. Mais le pararnétrage possible du seuil d'alarme permet d'en augmenter la finesse, jusqu'à approcher la maintenance préventive. - Tous les spectres présentés se ressemblent, certes. En effet la machine fonctionnant, on peut s'attendre à ce que leur allure générale soit proche. La détection se fait à un niveau plus fin, pic ou à un creux de fréquence bien pointu. IV û MES EXPERIMENTATIONS. J'ai acquis et analysé divers types de son provenant de machines tournantes, transmis par voie aérienne, puis par voie solide. J'ai constaté que les spectres obtenus par voie solide intégraient dans une bande passante plus large, probablement en raison de l'amortissement dû à la transmission aérienne.
IV -1 Le son du moteur de ma motocyclette Yamaha Virago. 4 cyl, 535 cc, 32 cv à 4700 rpm. Pour adapter le micro contact, j'ai fixé une patte au moteur, entre les deux cylindres.
IV û 2 Le son d'un moteur diesel 4 cylindres d'une automobile Xantia. 1,91. de cylindrée, turbocompressé, 77cv. à 5200 rpm, 400 000 km ! Intéressant car la mise en route de la pompe hydraulique permet de simuler une panne. On constate que le spectre se modifie surtout vers les hautes fréquences.
IV û 3 Le son du turbo-réacteur d'un Boeing 737.
Dans un but documentaire, car il s'est avéré difficile d'accéder au réacteur d'un liner tournant.... Téléchargé dans une banque de sons Internet.
IV û 4 Le son du moteur à explosions Lycoming 0235 de 120cv du DR400 F-GSUR. Avion de mon aéro-club. Quatre cylindres à plat, atmosphérique, à carburateur et double allumage, tournant nominalement à 2500 rpm. Le micro-pince piezo était placé sur une patte de fixation du groupe, le micro dynamique en avant de l'hélice. J'ai ainsi comparé les spectres en transmission solide et en transmission aérienne, et constaté qu'ils étaient, dans ce dernier cas, largement amortis vers les hautes fréquences. J'ai réalisé la séquence des actions vitales, en particulier la sélection des magnétos et l'essai de la réchauffe carburateur.
V- 5 Le son du moteur diesel Thielert TAE-125-01, d'un DR 400 EcoFlyer .. 4 temps, 4 cylindres en ligne, à refroidissement liquide, common-rail atmosphérique, il développe 135cv. à 4300 rpm. Il entraine l'hélice, à pas variable automatique MT Propeller, à travers un réducteur. Il dispose d'un FADEC, acronyme anglais de Full Authority Digital Engine Control, qui désigne un régulateur numérique de moteur à pleine autorité pour moteur d'aéronef. Ce système repose sur un calculateur s'interfaçant entre le cockpit et le moteur d'aéronef. Il réalise de manière autonome les actions vitales, y compris les régulations de l'hélice. Curieusement, j'observe un trou en deçà de 1000Hz. Peut-être l'amortissement du à la cabine car il s'agit d'une prise de son d'ambiance. IV û 6 Le son de la turbine Arriel-1B de 641cv. d'un hélicoptère Ecureuil AS.35OBA. Grâce à l'encadrement et au personnel de l'escadron héliporté de Gendarmerie de l'aéroport d'AMIENS, j'ai pu accéder à cette machine (d'ailleurs lors de son premier run-in après un changement de turbine) et adapter mon micro piezo à une patte de fixation. Les essais ont été menés jusqu'au régime nominal de 43000 rpm.
IV-7- Le son du pulsoréacteur valveless de Charles . Mon frère Charles, qui a intégré SUPAERO, a, aux concours 2008, présenté un TIPE expérimentant un pulsoréacteur sans valve. C'est le plus bruyant de tous les moteurs, de surcroît au rendement déplorable. Mais il prépare la transition vers le moteur à détonations pulsées, dans lequel les explosions subsoniques seront remplacées par des détonations supersoniques. Ce concept, développé à l'ESMA, semble prometteur pour la phase atmosphérique des lanceurs spatiaux. J'ai exploité, bien qu'il ne s'agisse pas d'une machine tournante, au plan spectral, les séquences sonores qu'il avait enregistrées. Le pulso fonctionne à 240 Hz et fait le bruit d'un moteur de moto tournant à 14400rpm.
V- MON PROJET EXPERIMENTAL. La prochaine étape sera d'équiper la turbine d'un aéronef de deux ou trois micros et d'une platine d'accélérométrie. S'agissant d'une intervention extérieure au moteur, je pense obtenir l'autorisation d'équiper la Pratt et Withney de 680 cv. du Pilatus Turbo-Porter du club de parachutisme voisin (utilisation idéale car les conditions d'utilisation et les contraintes thermiques varient constamment). Mon PC portable traitera en TFT, en temps réel et en parallèle ces divers canaux, archivera les spectres, les moyennera et comparera l'actuel au moyen. Le logiciel sera, à priori, développé sous LINUX et comportera des routines C++. Je sais pouvoir compter sur mes amis LINUXIENS de I'EPPLUG (les Eleveurs de Pingouins Picards...) pour m'aider dans la programmation. Je me suis procuré un DAQ (Digital Acquisition Hardware) USB-6009 de National Instruments, qui comporte 10 voies analogiques et 12 voies digitales et se connecte au port USB d'un PC portable. Des amplificateurs seront probablement nécessaires pour connecter des capteurs piezo.
LABVIEW 8.6 (student edition), associé à SignalExpress, dont je dispose également, permet de tracer, par FFT, des spectres fréquentiels en utilisant les instruments virtuels FFT Power Spectrum.vi" et "FFT spectrum (Mag-phase).vi . II permet également de réaliser additions, soustractions ou moyennes de spectres, donc d'en isoler ou d'en lisser les anomalies.
J'ai acquis, auprès de Sure-Electronics (Nanjin, Chine), une platine d'accélèromètrie 3-Axes MMA7260, réalisant ses acquisitions selon x, y ou z. L'expérience dira si la différenciation de ces 3 axes présente l'intérêt qu'intuitivement on subodore.
Mon ordinateur portable Intel core2 duo , 4Go de RAM, 250Go de disque, associé à un disque externe de 1To s'avère largement assez puissant pour l'analyse spectrale en temps réel et le stockage de la masse de données générées.
Cette installation devrait me permettre de valider le concept original de Surveillance Spectrale Systématique . (S3).
LA 3S DANS LA VRAIE VIE.
L'application industrielle 3S sera intégrée au FADEC (Full Authority Digital Engine Control) de l'aéronef. La banque de données suivra le moteur depuis son bum-in initial et s'enrichira au fur et à mesure. Les informations sonores ou inertielles seront digitalisées avec un échantillonnage adéquat, à priori de l'ordre de la seconde. Ces informations devront être recueillies et indexées en fonction des conditions de l'instant : régime de rotation, température, pression atmosphérique, charge de la turbine... La plate-forme informatique, probablement en technologie RISC, élaborera, en temps réel, les spectres, fréquentiels et d'ordre, et les moyennera, afin d'intégrer l'usure. Le logiciel pratiquera l'auto-apprentissage et s'enrichira au fil du temps.
Ce spectre moyen sera soustrait du spectre instantané, fournissant ainsi directement les pics ou gaps fréquentiels. L'étape suivante sera de déterminer si ces variations sont significatives et méritent d'être retenues. Cela passera par la définition d'un seuil de significativité, à la fois par l'expérience et par l'analyse statistique. Ces événements significatifs pourront déclencher une alarme, dont l'origine et l'opportunité seront appréciées par l'équipage (un seuil bien défini évitera les avertissements itératifs intempestifs). Surtout, ils seront enregistrés et comparés, d'une part, en temps réel avec les incidents notés et, les informations des capteurs classiques, d'autre part, en différé avec les anomalies constatées lors de opérations de maintenance ultérieures. Ces informations, spécifiques au moteur en cause, pourront être éventuellement étendues à ses frères jumeaux, voire aux autres membres de sa famille. Les essais moteurs avant décollage sont également monitorés par le FADEC. Dans la mesure où ils sont stéréotypés et reproductibles, on pourra comparer non plus le spectre mais le journal de spectre au nominal. Ce journal de spectre, tracé par Audacity, est l'enregistrement, sur un temps donné, des spectres successifs, avec un échantillonnage qui reste à définir. On jugera ainsi, automatiquement, juste avant le lâcher des freins, de l'état de santé global du réacteur. A côté de ce moyennage, on conservera tel quels un certain nombre de spectres, obtenus à la mise en service du moteur, puis au cours des grands événements de sa vie (révisions par exemple). On aura ainsi, pour la maintenance, un indicateur comparant sa situation actuelle à celle de sa naissance, puis à ses divers âges... Ce concept de Surveillance Spectrale Systématique, s'il est validé, aura pour principales qualité de ne pas être redondant avec les techniques de surveillance classiques et d'apporter une information originale. L'expérience dira si, comme je le pense, il peut contribuer à améliorer la sécurité et à simplifier la maintenance. L'investissement matériel sera, en tous cas, très faible. Il pourra être étendu à la surveillance d'autres machines tournantes, moteurs divers, machines-outils, éoliennes, voire à celle d'autres phénomènes périodiques, cours de bourse ou bruits du coeur par exemple. V- Conclusions et perspectives. Bien plus que sur un système physique figé, mon idée repose sur la détection et la surveillance attentive d'une anomalie quelconque, indépendante, non caractéristique, même sans conséquence apparente.
Le principe fondamental est donc d'objectiver une variation, instantanée, s'agissant de surveillance ou progressive, s'agissant de maintenance, dans le spectre vibratoire ou modal d'un phénomène périodique.
L'informatique recherchera ensuite, systématiquement, en temps réel ou différé, une corrélation statistique entre cette variation et un défaut constaté ou une alarme actionnée.
Au-delà des applications aéronautiques considérées, ce concept est applicable à toutes les machines tournantes, qui sont bruyantes (plus ou moins) et vibrantes par principe.
Au-delà des phénomènes mécaniques, ce concept est, bien plus largement, applicable à tous les phénomènes périodiques : surveillance d'une bande hertzienne, phénomènes géophysiques ou météorologiques, rythmes économiques et cours de bourse, bruits ou activité électrique du coeur, rythmes spécifiques en électroencéphalographie, reconnaissance vocale au profit des malentendants, activité solaire, ...
Mon projet est utile à plusieurs titres :
- innovation (je pense que le concept de 3S est nouveau,...), - respect de l'environnement (optimisation des pollutions sonore et aérienne, ...), - performances (optimisation de la propulsion,..), - économie d'énergie (définition des conditions optimales de fonctionement , ...), - sécurité (anticipation et nature différente des alarmes,...) - applications industrielles (multiples, pour toutes les machines tournantes,...) - réduction des coûts (entretien, exploitation, fabrication, maintenance préventive, ...).
Claims (10)
- REVENDICATIONS1. û Recherche statistique systématique, en temps réel, d'une corrélation entre une anomalie fonctionnelle et une anomalie du spectre fréquentiel d'un phénomène périodique quelconque. L'analyse vibratoire classique s'intéresse, elle, aux explications physiques des modifications spectrales. Mon concept est beaucoup plus puissant.
- 2. - Extension aux spectres de mode. Les spectres fréquentiels viennent les premiers à l'esprit. Je n'ai pas encore expérimenté l'analyse modale, mais, par nature, elle apportera des résultats complémentaires.
- 3. - Acquisition par microphones ou accéléromètres. On pourra ainsi analyser d'une part les vibrations du milieu, d'autre part celles de la machine.
- 4. û Application à la Surveillance Spectrale Systématique (S3) d'une machine tournante : Outre son application aéronautique, mon idée s'applique à toutes les machines tournantes et, plus généralement, à tous les phénomènes périodiques.
- 5. û En particulier, application à la Surveillance Spectrale Systématique (S3) d'un moteur d'avion. Mon application permettra de juger, en permanence, de la santé du moteur et, le cas échéant, d'actionner une alarme.
- 6. - Application à la maintenance préventive. En dehors du temps réel, le fait d'être informé sur les anomalies fonctionnelles de la machine permettra de déclencher, à la demande, des opérations de maintenance préventive.
- 7. - Application à l'actionnement d'alarmes fonctionnelles. La survenue d'une anomalie spectrale entrainera, après définition d'un seuil, une larme qui permettra, en temps réel, à l'équipage de conduite, de faire le point de la situation et de prendre les mesures d'urgence.
- 8. - Concept de moyennage des spectres, pour définir un spectre de référence. On annulera, ainsi, l'effet de l'usure normale et les incidents ponctuels accidentels.
- 9. - Mise en évidence d'une anomalie spectrale par soustraction du spectre instantané au spectre de référence.
- 10. - Intégration au FADEC des turbines d'aviation, qui en assurent la gestion informatique
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0903140A FR2947335A1 (fr) | 2009-06-25 | 2009-06-25 | Surveillance spectrale systematique (s3) d'un moteur d'avion |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0903140A FR2947335A1 (fr) | 2009-06-25 | 2009-06-25 | Surveillance spectrale systematique (s3) d'un moteur d'avion |
Publications (1)
Publication Number | Publication Date |
---|---|
FR2947335A1 true FR2947335A1 (fr) | 2010-12-31 |
Family
ID=43334420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR0903140A Withdrawn FR2947335A1 (fr) | 2009-06-25 | 2009-06-25 | Surveillance spectrale systematique (s3) d'un moteur d'avion |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR2947335A1 (fr) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016120566A1 (fr) * | 2015-01-30 | 2016-08-04 | Snecma | Procédé, système et programme d'ordinateur pour phase d'apprentissage d'une analyse acoustique ou vibratoire d'une machine |
WO2016177971A1 (fr) * | 2015-05-05 | 2016-11-10 | Snecma | Procédé de surveillance d'un moteur d'aéronef en fonctionnement pendant un vol |
US20220412793A1 (en) * | 2019-11-05 | 2022-12-29 | Safran | Method, device and computer program for monitoring a rotating machine of an aircraft |
-
2009
- 2009-06-25 FR FR0903140A patent/FR2947335A1/fr not_active Withdrawn
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2704073C2 (ru) * | 2015-01-30 | 2019-10-23 | Сафран Эркрафт Энджинз | Способ и система для стадии обучения акустического или вибрационного анализа машины |
FR3032273A1 (fr) * | 2015-01-30 | 2016-08-05 | Snecma | Procede, systeme et programme d'ordinateur pour phase d'apprentissage d'une analyse acoustique ou vibratoire d'une machine |
US10551830B2 (en) | 2015-01-30 | 2020-02-04 | Safran Aircraft Engines | Method, system and computer program for learning phase of an acoustic or vibratory analysis of a machine |
WO2016120566A1 (fr) * | 2015-01-30 | 2016-08-04 | Snecma | Procédé, système et programme d'ordinateur pour phase d'apprentissage d'une analyse acoustique ou vibratoire d'une machine |
CN107209512A (zh) * | 2015-01-30 | 2017-09-26 | 赛峰飞机发动机公司 | 用于机器的声学或振动分析的学习阶段的方法、***及计算机程序 |
CN107209512B (zh) * | 2015-01-30 | 2019-11-22 | 赛峰飞机发动机公司 | 用于机器的声学或振动分析的学习阶段的方法、***及计算机程序 |
FR3035982A1 (fr) * | 2015-05-05 | 2016-11-11 | Snecma | Procede de surveillance d'un moteur d'aeronef en fonctionnement pendant un vol |
CN107667281B (zh) * | 2015-05-05 | 2019-08-06 | 赛峰飞机发动机公司 | 用于对飞行期间工作的飞行器发动机进行监测的方法 |
US10288518B2 (en) | 2015-05-05 | 2019-05-14 | Safran Aircraft Engines | Method for monitoring an aircraft engine in operation during a flight |
CN107667281A (zh) * | 2015-05-05 | 2018-02-06 | 赛峰飞机发动机公司 | 用于对飞行期间工作的飞行器发动机进行监测的方法 |
WO2016177971A1 (fr) * | 2015-05-05 | 2016-11-10 | Snecma | Procédé de surveillance d'un moteur d'aéronef en fonctionnement pendant un vol |
US20220412793A1 (en) * | 2019-11-05 | 2022-12-29 | Safran | Method, device and computer program for monitoring a rotating machine of an aircraft |
US11754435B2 (en) * | 2019-11-05 | 2023-09-12 | Safran | Method, device and computer program for monitoring a rotating machine of an aircraft |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zawodny et al. | Investigation of rotor–airframe interaction noise associated with small-scale rotary-wing unmanned aircraft systems | |
US7591183B2 (en) | Gas turbine engine with a plurality of bleed valves | |
EP2496921B1 (fr) | Procédé de détection d'un endommagement d'au moins un roulement de palier d'un moteur | |
CA2749214C (fr) | Procede et systeme de surveillance de phenomenes vibratoires survenant dans un moteur a turbine a gaz d'aeronef en fonctionnement | |
García Márquez et al. | Acoustic inspection system with unmanned aerial vehicles for wind turbines structure health monitoring | |
Broatch et al. | Simulations and measurements of automotive turbocharger compressor whoosh noise | |
Rezaei et al. | Development of a turbojet engine gearbox test rig for prognostics and health management | |
Singh et al. | An improved method of detecting engine misfire by sound quality metrics of radiated sound | |
FR2947335A1 (fr) | Surveillance spectrale systematique (s3) d'un moteur d'avion | |
Arshad et al. | Effects of inlet radial distortion on the type of stall precursor in low-speed axial compressor | |
Li et al. | Vibration characteristic analysis of spur gear systems under tooth crack or fracture | |
Ravikumar et al. | Fault diagnosis of internal combustion engine gearbox using vibration signals based on signal processing techniques | |
Elamin et al. | Diesel engine valve clearance detection using acoustic emission | |
Zawodny et al. | Experimental Validation of an Acoustically and Aerodynamically Optimized UAM Proprotor Part 1: Test Setup and Results | |
Ahmadian et al. | Evaluation of the combustion-induced noise and vibration using coherence and wavelet coherence estimates in a diesel engine | |
Rezazadeh et al. | Identification of shallow cracks in rotating systems by utilizing convolutional neural networks and persistence spectrum under constant speed condition | |
Wangjian et al. | Interaction tonal noise generated by contra-rotating open rotors | |
Chen | Characteristics analysis of blade-casing rubbing based on casing vibration acceleration | |
Yao et al. | Radiation Noise Separation of Internal Combustion Engine Based on Gammatone‐RobustICA Method | |
WO2023203304A1 (fr) | Méthode de surveillance d'une machine tournante pour la détection d'un défaut d'un roulement d'aéronefs | |
Periyasamy et al. | Combined effects of inertia and pressure on engine vibration | |
Yao et al. | Noise Source Separation of an Internal Combustion Engine Based on a Single‐Channel Algorithm | |
Kramti et al. | Toward an online strategy for mechanical failures diagnostics inside the wind turbine generators based on spectral analysis | |
Faustmann et al. | On the acoustics of a turning mid turbine frame with embedded design in a two-stage test-turbine | |
Rezazadeh et al. | Classification of a cracked-rotor system during start-up using Deep learning based on convolutional neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
ST | Notification of lapse |
Effective date: 20130228 |