FR2983528A1 - Methode de surveillance d'une chaine de mesure d'un turboreacteur - Google Patents
Methode de surveillance d'une chaine de mesure d'un turboreacteur Download PDFInfo
- Publication number
- FR2983528A1 FR2983528A1 FR1161170A FR1161170A FR2983528A1 FR 2983528 A1 FR2983528 A1 FR 2983528A1 FR 1161170 A FR1161170 A FR 1161170A FR 1161170 A FR1161170 A FR 1161170A FR 2983528 A1 FR2983528 A1 FR 2983528A1
- Authority
- FR
- France
- Prior art keywords
- degradation
- measurement
- turbojet
- turbojet engine
- indicator
- 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.)
- Granted
Links
- 230000015556 catabolic process Effects 0.000 title claims abstract description 141
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000446 fuel Substances 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims description 18
- 238000005259 measurement Methods 0.000 claims abstract description 121
- 230000005856 abnormality Effects 0.000 claims abstract description 40
- 238000010606 normalization Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 abstract 1
- 239000013598 vector Substances 0.000 description 22
- 230000006866 deterioration Effects 0.000 description 17
- 230000010006 flight Effects 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 10
- 239000007858 starting material Substances 0.000 description 7
- 230000007423 decrease Effects 0.000 description 5
- 230000006735 deficit Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000000528 statistical test Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 230000001594 aberrant effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Turbines (AREA)
Abstract
Une méthode de surveillance d'une chaîne de mesure d'un turboréacteur d'aéronef, la chaîne de mesure comportant au moins deux voies de mesure redondées d'une variable du turboréacteur, la méthode comprenant : - une étape de mesure par chacune des deux voies de mesure d'une variable du turboréacteur lors d'un vol de l'aéronef ; - une étape d'estimation de ladite variable par un modèle interne théorique moyen du turboréacteur ; - une étape de calcul d'un écart entre la mesure d'une des voies de mesure et l'estimation de ladite variable pour former un indicateur de dégradation de la chaîne de mesure ; - une étape de comparaison de l'indicateur de dégradation à une base de référence d'indicateurs avec dégradation de manière à en déduire le type de dégradation une étape de calcul d'un score d'anormalité pour l'indicateur de dégradation ; une étape de comparaison du score d'anormalité à un seuil de décision d'anormalité propre au type de dégradation ; - une étape de déclenchement d'une alarme en cas de dépassement du seuil de décision d'anormalité ; méthode comprenant une étape de mesure de la position d'un doseur carburant du turboréacteur lors du vol de l'aéronef et une étape normalisation de l'indicateur de dégradation en fonction de la position du doseur carburant.
Description
METHODE DE SURVEILLANCE D'UNE CHAÎNE DE MESURE D'UN TURBORÉACTEUR La présente invention concerne le domaine de surveillance d'une chaîne de mesure d'un turboréacteur et plus particulièrement, un procédé de prédiction d'une panne de la chaîne de mesure. En général, une chaîne de mesure d'un turboréacteur comporte deux voies redondées destinées à recueillir au cours du temps des mesures physiques relatives au turboréacteur d'un aéronef. Ces mesures peuvent être des mesures de température, de pression, de régime, de LVDT (Linear Variable Differential Transformer), etc. En pratique, chaque voie de mesure comporte une sonde reliée par l'intermédiaire de connecteurs et de harnais à un calculateur contrôlant le turboréacteur. Pour s'assurer que les mesures réalisées par la chaîne de mesure sont correctes, il est connu de surveiller les mesures de la chaîne de mesure. Une surveillance simple consiste à tester l'intégrité de la chaîne de mesure en détectant d'éventuels court-circuit ou circuit ouvert. En outre, il est connu de réaliser des tests dits « de zone » au cours desquels il est vérifié qu'une mesure est cohérente par comparaison de cette mesure avec la précision du capteur et/ou la limite physique du capteur de la chaîne de mesure.
De manière classique, il est connu d'effectuer une surveillance a posteriori des mesures effectuées par une chaîne de mesure redondée lors de l'apparition d'une panne. La surveillance de la chaîne de mesure permet d'identifier la nature de la panne lors de l'opération de maintenance. En pratique, une telle méthode de surveillance a posteriori permet de déterminer la voie de la chaîne de mesure à réparer ou à remplacer.
Lorsqu'une panne survient sur la chaîne de mesure, il est nécessaire d'effectuer une opération de maintenance sur le turboréacteur ce qui peut entraîner une immobilisation de l'aéronef sur lequel est monté le turboréacteur. Afin d'augmenter la disponibilité d'un aéronef, un des objectifs est de surveiller une chaîne de mesure afin de prédire la prochaine panne avant que celle-ci ne survienne. Afin de prédire une panne, on surveille au cours du temps la dégradation d'une chaîne de mesure. De manière connue, on forme des indicateurs de dégradation en mesurant, d'une part, les écarts entre les voies de mesure redondées et d'autre part, entre une voie de mesure déterminée et un modèle théorique interne simulant une valeur thermodynamique du turboréacteur (pression, température, etc.). Pour obtenir un indicateur de dégradation, on applique par exemple des tests statistiques aux écarts, par exemple, des tests statistiques de Wald pour détecter un saut de moyenne et un saut de variance et des tests statistiques de Student pour détecter des sauts de dérive. Grâce à ces tests statistiques, on peut avantageusement former des indicateurs de dégradation de biais, de dérive, de bruit ou de contact intermittent. La formation de tels indicateurs standardisés est par exemple connue par la demande FR2939924. Après obtention des indicateurs de dégradation pour un turboréacteur donné, on réalise une comparaison desdits indicateurs de dégradation à des indicateurs de référence pour en déduire la le type de dégradation le plus probable. Une décision de dégradation est ensuite prise sur la base du calcul d'un score d'anormalité tel que présenté par la demande FR2939924. En fonction de l'évolution de ce score d'anormalité pour l'ensemble des indicateurs de dégradation, on peut en déduire l'élément de la chaîne de mesure qui va prochainement présenter une panne. Une étape de maintenance de la chaîne de mesure peut alors être anticipée de manière à limiter le temps d'immobilisation de l'aéronef sur lequel est monté le turboréacteur. En pratique, le modèle théorique interne simulant une valeur thermodynamique du turboréacteur, qui est utilisé pour former un indicateur de dégradation, est un modèle défini pour un turboréacteur moyen. Il en résulte que les indicateurs de dégradation ne sont pas définis avec précision et que la détection d'une panne de la chaîne de mesure est moins précoce. L'objectif de la présente invention vise à augmenter la précision de la prédiction en améliorant la précision des indicateurs de dégradation tout en permettant une obtention simple des indicateurs de dégradation. Afin d'éliminer au moins certains de ces inconvénients, l'invention concerne une méthode de surveillance d'une chaîne de mesure d'un turboréacteur d'aéronef, la chaîne de mesure comportant au moins deux voies de mesure redondées d'une variable du turboréacteur, la méthode comprenant : - une étape de mesure par chacune des deux voies de mesure d'une variable du turboréacteur lors d'un vol de l'aéronef ; - une étape d'estimation de ladite variable par un modèle interne théorique moyen du turboréacteur ; - une étape de calcul d'un écart entre la mesure d'une des voies de mesure et l'estimation de ladite variable pour former un indicateur de dégradation de la chaîne de mesure ; - une étape de comparaison de l'indicateur de dégradation à une base de référence d'indicateurs avec dégradation de manière à en déduire le type de dégradation - une étape de calcul d'un score d'anormalité pour l'indicateur de dégradation ; - une étape de comparaison du score d'anormalité à un seuil de décision d'anormalité propre au type de dégradation ; - une étape de déclenchement d'une alarme en cas de dépassement du seuil de décision d'anormalité ; méthode comprenant une étape de mesure de la position d'un doseur carburant du turboréacteur lors du vol de l'aéronef et une étape normalisation de l'indicateur de dégradation en fonction de la position du doseur de carburant.
Grâce à l'invention, on s'affranchit des imprécisions d'estimation du modèle théorique du turboréacteur. En effet, l'indicateur est normalisé en fonction du mode de fonctionnement du turboréacteur ce qui permet de corriger les imprécisions qui sont corrélées au mode de fonctionnement du turboréacteur. En améliorant la précision des indicateurs de dégradation, on détecte de manière précise et précoce toute panne de la chaîne de mesure. En outre, la normalisation de l'indicateur de dégradation est aisée étant donné qu'elle ne requiert la connaissance que d'une unique variable de fonctionnement du turboréacteur. Enfin, le choix de la position du doseur carburant est avantageux étant donné que cette position est caractéristique du fonctionnement du turboréacteur et que cette position est aisément mesurable sur un turboréacteur.
De manière préférée, l'indicateur de dégradation est normalisé uniquement en fonction de la position du doseur carburant comme caractéristique de fonctionnement du turboréacteur. Un indicateur de dégradation donné peut ainsi être normalisé avec d'autres indicateurs de dégradation en outre de la position du doseur carburant. Selon un autre aspect de l'invention, l'indicateur de dégradation est normalisé en fonction de plusieurs variables de fonctionnement du turboréacteur. De préférence, l'indicateur de dégradation est normalisé par un modèle de normalisation obtenu par apprentissage sur des données de vol sans dégradation, le modèle de normalisation étant fonction de la position du doseur de carburant. Ainsi, on caractérise de manière précise un indicateur de dégradation en réalisant un apprentissage du modèle de normalisation sur une pluralité de vols sans dégradation en tenant compte de la position du doseur carburant. De préférence encore, le modèle de normalisation est obtenu par régression de l'indicateur de dégradation représentant l'écart entre la voie de mesure et le modèle théorique moyen en fonction de la position du doseur de carburant.
De manière préférée, le turboréacteur comportant un corps basse pression et un corps haute pression, la variable du turboréacteur mesurée est la pression en sortie de compresseur haute pression.
De préférence, la méthode comprend une étape de calcul d'un écart moyen ou d'un écart quadratique moyen entre la mesure d'une des voies de mesure et l'estimation de ladite variable par le modèle théorique moyen pour former un indicateur de dégradation de la chaîne de mesure. Avantageusement, l'écart moyen entre voie et modèle est sensible à des dégradations de type biais ou dérive. L'écart quadratique moyen entre voie et modèle est sensible à des dégradations de type bruit Selon un aspect de l'invention, la méthode comprend une étape de calcul d'un écart moyen ou d'un écart quadratique moyen entre au moins une des deux voies de mesure de ladite chaîne de mesure de ladite variable donnée et au moins une des deux voies de mesure d'une chaîne de mesure de la pression ambiante du turboréacteur. De préférence, l'écart est calculé au sol, avant démarrage du turboréacteur. De préférence encore, les rotors du turboréacteur ne sont pas en rotation. En mesurant les écarts entre des mesures de deux chaînes de mesure, ici les pressions P23 et P0, on augmente le nombre d'indicateurs de dégradation et on améliore la détection d'une panne d'une voie de la chaîne de mesure. En effet, avant démarrage du turboréacteur, les pressions P23 et PO sont en principes égales. Tout écart est ainsi un indice de dégradation. Selon un autre aspect de l'invention, la méthode comprend une étape de calcul d'un écart entre au moins une des deux voies de mesure de ladite chaîne de mesure de ladite variable donnée et la mesure de la pression ambiante du turboréacteur fournie par l'aéronef sur lequel est monté le turboréacteur. De préférence, l'écart est calculé au sol, avant démarrage du turboréacteur. De préférence encore, les rotors du turboréacteur ne sont pas en rotation. De manière similaire, en mesurant les écarts entre les mesures de la chaîne de mesure, ici la pression P23 en sortie du compresseur haute pression et la pression ambiante Pamb du turboréacteur fournie par l'aéronef, on augmente le nombre d'indicateurs de dégradation et on améliore la détection d'une panne d'un composant de la chaîne de mesure. En effet, avant démarrage du turboréacteur, les pressions P23 et Pamb sont en principes égales. Tout écart est ainsi un indice de dégradation. De manière préférée, la méthode comprend une étape de comparaison de l'évolution de la pente du score d'anormalité à un seuil d'anormalité maximale avant panne. La distribution de la probabilité de dépassement, du seuil d'anormalité maximale avant panne par l'évolution de la pente du score d'anormalité, est caractéristique de la probabilité de défaillance d'une chaîne de mesure à une échéance donnée. On peut alors anticiper une étape de maintenance alors qu'aucune panne n'est encore effectivement survenue.
De préférence encore, la valeur du seuil d'anormalité maximale avant panne est définie par apprentissage au cours de plusieurs cycles de vol d'un aéronef sans dégradation. De manière préférée, la valeur du seuil d'anormalité maximale avant panne est obtenue par simulation de l'impact d'une dégradation sur l'ensemble des indicateurs. Ainsi, on garantit la robustesse et la qualité de la détection d'une dégradation.
L'invention sera mieux comprise à la lecture de la description qui va suivre, donnée uniquement à titre d'exemple, et se référant aux dessins annexés sur lesquels : la figure 1 est un diagramme schématique de la méthode de surveillance d'une chaîne de mesure d'un turboréacteur selon l'invention ; la figure 2 est une représentation schématique de la comparaison géodésique d'un vecteur de dégradation courant avec des vecteurs de référence avec dégradation qui sont caractéristiques de dégradations prédéterminées ; et la figure 3 est une représentation d'un afficheur de décision pour analyser les dégradations d'une chaîne de mesure d'un turboréacteur. Par la suite, la méthode de surveillance va être présentée en relation avec un turboréacteur à double corps comportant un corps basse pression BP et un corps haute pression HP. Un tel turboréacteur est connu de l'homme du métier. La méthode de surveillance d'une chaîne de mesure va être présentée en référence à la figure 1 illustrant : une étape (A) d'acquisition de mesures ; une étape (B) de traitement de mesures ; une étape (C) de classification de dégradations ; une étape (D) de décision de dégradation ; et une étape (E) de pronostic d'une panne. A. Acquisition de mesures Une première étape de la méthode de surveillance consiste à acquérir des mesures de variables du turboréacteur. A titre d'exemple, en référence à la figure 1, le turboréacteur est équipé de capteurs pour mesurer les variables suivantes : la pression ambiante PO du turboréacteur ; la pression P23 en sortie de compresseur HP ; la pression ambiante Pamb fournie par l'aéronef sur lequel est monté le turboréacteur ; la vitesse de rotation Xn25 du corps HP ; la position du doseur de carburant FMV ; et une variable « état du moteur » permettant de fournir l'instant d'ouverture de la vanne de démarrage (voir ci-après) ainsi que la phase du cycle de vol du turboréacteur (voir ci-après).
Dans cet exemple, la pression ambiante PO du turboréacteur et la pression P23 en sortie de compresseur HP sont toutes les deux mesurées par une chaîne de mesure comportant deux voies de mesure redondées (A et B). Ainsi, la pression ambiante PO du turboréacteur est mesurée selon deux voies de mesure référencées PO-A et PO-B tandis que la pression P23 en sortie de compresseur HP est mesurée selon deux voies de mesure référencées P23-A et P23-B. Afin de bénéficier de mesures fiables pour la prédiction de panne, les mesures brutes acquises par les capteurs subissent un prétraitement qui consiste, de manière classique, à supprimer les mesures aberrantes en les comparant avec la précision du capteur ou la limite physique du capteur ayant réalisé la mesure.
De préférence, les mesures sont réalisées sur des plages stationnaires de fonctionnement du turboréacteur afin d'augmenter la fiabilité des mesures. Dans cet exemple, des mesures sont réalisées, d'une part, lorsque le turboréacteur est éteint (aéronef au sol) et, d'autre part, lorsque l'aéronef est en vol. - Mesures au sol Pour les mesures au sol avec turboréacteur éteint, l'acquisition démarre lors de l'ouverture de la vanne de démarrage, connue de l'homme du métier sous son acronyme anglais SAV pour « Starter Air Valve ». Dans cet exemple, l'ouverture de la vanne de démarrage est fournie par la variable « état moteur ». L'ouverture de la vanne de démarrage se produit préalablement au démarrage du turboréacteur et permet de s'assurer que le turboréacteur est éteint. De préférence, on détecte le nombre d'ouverture de la vanne de démarrage et on ne démarre l'acquisition des mesures que pour la première ouverture de la vanne de démarrage. De manière préférée, avant de débuter l'acquisition des mesures, on vérifie l'absence de giration de la soufflante du turboréacteur, connu de l'homme du métier sous la désignation « Windmilling ». - Mesures en vol Pour les mesures en vol, l'acquisition démarre lorsque la vitesse de rotation Xn25 du corps HP est stationnaire. Pour améliorer la fiabilité des mesures en vol, l'acquisition est réalisée sur une pluralité de segments temporels de fonctionnement stabilisé, de préférence, lorsque le turboréacteur est en phase de croisière. Ensuite, les mesures acquises sur l'ensemble des segments temporels stabilisés sont consolidés pour être représentatif d'une phase de fonctionnement stabilisée du turboréacteur lorsque l'aéronef est en vol. B. Traitement des mesures Comme expliqué précédemment, l'étape de traitement des mesures vise à former des indicateurs de dégradation représentatifs des écarts entre les mesures des variables du turboréacteur comme présenté dans la demande FR2939924. Après obtention de mesures au sol et en vol, on procède à une étape de mise en concordance des unités des mesures afin de pouvoir réaliser des opérations mathématiques sur lesdites mesures aussi bien lorsqu'elles ont été mesurées au sol qu'en vol. De préférence, les mesures acquises, en vol ou au sol, sont consolidées sur plusieurs cycles de fonctionnement du turboréacteur, par exemple, sur quelques vols. - Définition des indicateurs de dégradation Pour surveiller la santé d'une chaîne de mesure, on définit tout d'abord des indicateurs de dégradation qui sont sensibles à des dégradations de type : biais ou dérive positifs ou négatifs, accroissement ou diminution de bruit. Dans cet exemple, on définit plusieurs indicateurs de dégradation qui sont fonction de la mesure de pression ambiante PO selon la première voie de mesure PO-A, la mesure de pression ambiante PO selon le deuxième voie de mesure PO-B, la mesure de la pression en sortie de compresseur HP P23 selon la première voie de mesure P23-A et la mesure de la pression en sortie de compresseur HP P23 selon la deuxième voie de mesure P23-B. La pression Pamb fournie par l'aéronef sur lequel est monté le turboréacteur est également utilisée pour former des indicateurs de dégradation étant donné qu'elle correspond à la même variable que PO-A et PO-B lorsque l'aéronef est à l'arrêt au sol et en l'absence de giration de la soufflante. De même, les variables P23-A et P23-B correspondent également à la pression Pamb fournie par l'aéronef lorsque l'aéronef est à l'arrêt au sol, en l'absence de giration de la soufflante. Au sol, on définit les 10 indicateurs de dégradation suivants : o 1D1 (écart entre PO-A et PO-B) o 1D2 (écart entre PO-A et Pamb) o 1D3 (écart entre PO-B et Pamb) o 1D4 (écart entre PO-A et P23-A) o 1D5 (écart entre PO-A et P23-B) o 1D6 (écart entre PO-B et P23-A) o 1D7 (écart entre PO-B et P23-B) o 1D8 (écart entre P23-A et P23-B) o 1D9 (écart entre P23-A et Pamb) o 1D10 (écart entre P23-B et Pamb) En vol, sur une plage stabilisée de fonctionnement, pour former des indicateurs de dégradation, on utilise également le modèle théorique P23Model du turboréacteur qui estime la pression P23 en sortie de compresseur HP pour des conditions de fonctionnement données du turboréacteur. En d'autres termes, le modèle théorique P23Model permet de fournir en sortie une pression estimée P23s en sortie de compresseur HP pour des valeurs d'entrée données. Le modèle théorique P23model est un modèle théorique thermodynamique du turboréacteur. Les données d'entrée du modèle théorique P23model sont caractéristiques du mode de fonctionnement du turboréacteur. Ce modèle théorique est identique pour tous les turboréacteurs de même type et ne tient pas compte des spécificités propres à chaque turboréacteur. Il en résulte qu'un tel modèle théorique peut fournir une estimation imprécise de la pression P23s en sortie de compresseur HP.
Pour former des indicateurs de dégradation en vol, on compare avantageusement la pression estimée P23s aux pressions P23-A, P23-B. En vol, on définit les 6 indicateurs de dégradation suivants : o ID11 (écart moyen entre P23-A et P23-B) o 1D12 (écart moyen entre P23-A et P23s) o 1D13 (écart moyen entre P23-B et P23s) o 1D14 (écart quadratique moyen entre P23-A et P23-B) o 1D15 (écart quadratique moyen entre P23-A et P23s) o 1D16 (écart quadratique moyen entre P23-B et P23s) Pour déterminer les indicateurs de dégradation au sol ID1-1D10, on calcule dix écarts moyens (dérive ou biais positif ou négatif) deux à deux entre les cinq mesures des variables PAmb, PO-A, PO-B, P23-A et P23-B.
Pour déterminer les indicateurs de dégradation en vol ID11-1D16, on calcule les trois écarts moyens (dérive ou biais positif ou négatif) et les trois écarts quadratiques moyens (accroissement ou diminution du bruit) deux à deux entre les trois mesures des variables P23-A, P23B et P23s.
Comme présenté précédemment, les indicateurs de dégradation sont sensibles à des types de dégradation donnés. Dans cet exemple, on analyse 12 dégradations différentes présentées dans le tableau ci-dessous. Chaque dégradation est associée à une référence qui est reportée sur la figure 3 représentant un afficheur de décision comme cela sera présenté par la suite. PO -A PO-B P23 -A P23 -B Biais ou dérive positif #1 #2 #3 #4 Biais ou dérive négatif #5 #6 #7 #8 Accroissement de bruit #9 #10 Diminution de bruit #11 #12 Une diminution du bruit ne correspond pas en tant que tel à une dégradation du turboréacteur mais, au contraire, à une amélioration. Une diminution du bruit est particulièrement utile pour surveiller les effets d'une étape de maintenance survenue sur le turboréacteur.
En pratique, comme la pression estimée P23s en sortie de compresseur HP est déduite à partir du modèle théorique P23Model qui est défini pour un turboréacteur moyen, il en résulte une imprécision de la pression estimée P23s et donc une imprécision des indicateurs de dégradation en vol qui dépendent de cette estimation. Afin d'éliminer cet inconvénient, les indicateurs de dégradation formés à partir de la pression estimée P23s sont normalisés en tenant compte du mode de fonctionnement du turboréacteur afin d'améliorer leur précision. En pratique, seuls les indicateurs calculant les écarts moyens et les écarts quadratiques moyens entre P23s et P23-A ou P23-B sont normalisés en tenant compte du mode de fonctionnement du turboréacteur (indicateurs de dégradation 1D2, 1D3, 1D15 et 1D16). - Normalisation d'un indicateur De manière connue, on forme des modèles de normalisation des indicateurs de dégradation comme présenté dans la demande FR2939924 A1. En pratique, on procède par régression en analysant les différences entre les indicateurs observés et les indicateurs estimés par régression afin de normaliser les indicateurs de dégradation. De manière générale, le modèle de régression permet d'estimer un indicateur brut en fonction de des autres indicateurs (voir cas des indicateurs 1D2, 1D3, 1D15, 1D16 par la suite). L'indicateur normalisé est égal à la différence entre l'indicateur brut et l'estimation par régression de l'indicateur brut. De préférence, lors de la normalisation, les indicateurs de dégradation sont centrés et réduits. La moyenne pour le centrage est estimée par la moyenne des écarts, sur les vols d'apprentissage, entre un indicateur et un indicateur estimé par régression. L'écart type pour la réduction est estimé par l'écart type des écarts, sur les vols d'apprentissage, entre un indicateur et un indicateur estimé par régression. Afin d'augmenter la précision des indicateurs de dégradation normalisés en vol, les écarts moyens et les écarts quadratiques moyens entre PS3-A et P23s, P23B et P23s, sont estimés par une relation de régression incluant une variable caractéristique du fonctionnement du turboréacteur. Autrement dit, on normalise les indicateurs de dégradation en fonction d'une variable de fonctionnement propre au turboréacteur afin de corriger l'imprécision des indicateurs de dégradation en vol relative à la corrélation des écarts avec les variables de fonctionnement du turboréacteur (régime de rotation du corps BP, régime de rotation du corps HP, température en sortie du compresseur HP, etc.). Selon l'invention, une normalisation des écarts par rapport à une seule variable de fonctionnement suffit pour améliorer la fiabilité des indicateurs de dégradation en vol étant donné que les variables de fonctionnement d'un turboréacteur sont corrélées entre elles. De manière préférée, les écarts sont paramétrés en fonction de la position du doseur carburant, connu sous son acronyme anglais FMV pour « Fuel Metering Valve ». La position du doseur carburant FMV est caractéristique du mode de fonctionnement du turboréacteur et est mesurable de manière simple et précise. Grâce à la position du doseur carburant FMV, on peut obtenir des modèles de normalisation pertinents par apprentissage et normaliser les indicateurs de dégradation formés à partir de la pression estimée P23s et ainsi améliorer la précision des indicateurs de dégradation. Avec uniquement une seule mesure supplémentaire, dans cet exemple la position du doseur carburant FMV, on corrige l'imprécision des indicateurs de dégradation liée à la corrélation des écarts « mesure - modèle théorique moyen » avec le mode de fonctionnement du turboréacteur. Grâce à un indicateur de dégradation normalisé, on peut avantageusement caractériser la dégradation par comparaison géodésique comme cela sera présenté par la suite. A titre d'exemple, si l'on considère un indicateur de dégradation 1D15, égal à l'écart moyen entre P23-A et P23s, l'indicateur de dégradation normalisé 1D15norm est défini de la manière suivante : (1) ID15norm = OEID15courant - ID15 prédit(FMV ,u) o- Dans la formule précédente, 1D15courant correspond à l'indicateur de dégradation 1D15 courant obtenu lors de la phase de surveillance ; 1D15prédit correspond à l'indicateur de dégradation 1D15 prédit par régression au cours dudit vol en fonction de la position du doseur de carburant FMV ainsi que de la valeur des autres indicateurs de dégradation (15 autres indicateurs de dégradation dans le cas présent) ; JI est la moyenne des différences entre l'indicateur de dégradation courant 1D15courant et un indicateur de dégradation estimé 1D15estimé obtenu par régression sur des vols d'apprentissage sans dégradation ; et u est l'écart type des différences entre l'indicateur de dégradation courant 1D15courant et un indicateur de dégradation estimé 1D15estimé obtenu par régression sur des vols d'apprentissage sans dégradation.
La relation de régression est de la forme suivante : ID15 prédit = f (FMV ,ID1,ID2,...,ID14,ID16) Cette relation de régression est en général apprise sur les mêmes vols d'apprentissage que ji et o- . En ce qui concerne la position du doseur de carburant FMV, on prend en compte la moyenne de la position du doseur de carburant FMV pendant une phase stationnaire du turboréacteur.
C. Classification des indicateurs de dégradation Pour classifier une dégradation, on forme pour chaque vol un vecteur de dégradation qui comporte dans cet exemple 16 dimensions correspondant aux 16 indicateurs de dégradation ID1normID1 6norm précédemment présentés.
Pour classifier le vecteur de dégradation, on le compare à une base de vecteurs de référence définis pour des dégradations de chaque type #1 à #12.
Chaque vecteur de référence est typique d'un type de dégradation donné. De manière similaire à un vecteur de dégradation, un vecteur de référence comporte 16 dimensions, une pour chaque indicateur de dégradation. Autrement dit, chaque vecteur de référence est formé de 16 indicateurs de référence qui sont caractéristiques d'un type de dégradation.
Les turboréacteurs sains présentent des indicateurs de dégradation qui sont sains (sans biais, dérive ou bruit) contrairement à des turboréacteurs ayant une dégradation dont les indicateurs de dégradation sont caractéristiques de la dégradation dudit turboréacteur. Pour former les indicateurs de référence avec dégradation, on utilise des modèles d'impact qui modifient des indicateurs sains obtenus pour un turboréacteur sain en fonction de l'intensité de l'impact, c'est-à-dire, en fonction de l'intensité de dégradation de biais ou de bruit. Ainsi, les indicateurs de référence avec dégradation sont obtenus par modification d'indicateurs sains. Le tableau ci dessous représente la relation entre les indicateurs de dégradation ID1-1D16 et les dégradations #1-#12 utilisés pour la modification d'indicateurs sains. Autrement dit, le tableau indique les dégradations qui sont simulées pour chaque indicateur de dégradation. Dans ce tableau, les signes « + » correspondent à des augmentations des indicateurs de dégradation tandis que les signes « - » correspondent à des diminutions. ID1 ID ID3 ID4 ID5 ID6 ID7 ID8 ID9 ID1 0 ID11 ID12 ID13 ID14 ID15 ID16 2 #1 + + + + #2 + + + #3 _ _ + + + + + #4 _ _ - + - + #5 #6 + - - - #7 + + - - _ _ #8 + + + - + _ #9 + + #10 +- #11 #12 + _ La formation de la base de vecteurs de référence est obtenue par apprentissage, en mettant en oeuvre les étapes précédentes A-C, pour permettre la classification des vecteurs de dégradation obtenus en cours d'un vol lors d'une phase de surveillance comme cela est connu de la demande de brevet FR 2 939 924. Chaque vecteur de dégradation obtenu lors de la surveillance est comparé aux vecteurs de référence afin de déterminer la dégradation la plus probable. Chaque vecteur de dégradation est alors associé à un type de dégradation donné. De manière connue, on réalise une comparaison basée sur les distances géodésiques entre les vecteurs de dégradation et les vecteurs de référence de la base de référence. A titre d'exemple, il est illustré à la figure 2 un vecteur de dégradation donné VDx et deux vecteurs de référence VD1, VD2. D. Décision de dégradation Pour détecter une dégradation d'une chaîne de mesure pour un turboréacteur déterminé, on calcule le score d'anormalité pour chaque vecteur de dégradation, par exemple, au moyen de la norme de Mahalanobis comme présenté dans la demande de brevet FR2939924. Chaque score d'anormalité d'un vecteur de dégradation donné est ensuite comparé à un seuil de décision d'anormalité qui est propre au type de dégradation déterminé lors de l'étape de classification. Autrement dit, le seuil de décision dépend de la classe du vecteur de dégradation. En cas de dépassement dudit seuil de décision d'anormalité, il est considéré que la dégradation observée est avérée. De manière préférée, un seuil de décision d'anormalité est obtenu par apprentissage sur une pluralité de vols pour chaque type de dégradation (dérive, biais, bruit, etc.). E. Pronostic de panne Cette étape permet avantageusement de pronostiquer à partir de quel moment une dégradation de la chaîne de mesure résultera en une panne effective de ladite chaîne de mesure. Pour ce faire, on réalise un apprentissage des indicateurs de dégradation d'intensité maximale pour lesquels la dégradation est maximale. Autrement dit, on forme une base d'indicateurs de dégradation qui représente l'état de la chaîne de mesure juste avant la déclaration de la panne.
De manière similaire à l'étape précédente, on calcule un score d'anormalité global pour l'ensemble des indicateurs de dégradation, par exemple, au moyen de la norme de Mahalanobis comme présenté dans la demande de brevet FR2939924. Le score d'anormalité global pour la base d'indicateurs de dégradation d'intensité maximale est désigné par la suite seuil d'anormalité maximale avant panne.
On calcule ensuite le score d'anormalité global pour les indicateurs de dégradation obtenus lors de la surveillance et on analyse son évolution pour déterminer à partir de quelle échéance ce dernier va dépasser le seuil d'anormalité maximale avant panne, c'est-à-dire, à quel moment une dégradation va se transformer en une panne. Selon l'invention, la décision sur l'existence ou non d'une anormalité maximale avant panne est basée sur l'évolution du score d'anormalité, l'évolution de sa moyenne ou l'évolution de sa variation (mesure de la pente du score d'anormalité). Selon un aspect de l'invention, on souhaite obtenir la probabilité de panne à une échéance donnée. Pour ce faire, on analyse la distribution de la probabilité de dépassement du seuil d'anormalité maximale avant panne au cours du temps, par exemple, sur un certain nombre de vols. Dans cet exemple, on analyse la distribution de la probabilité de dépassement du seuil d'anormalité maximale avant panne par l'évolution de la pente du score global d'anormalité pour une dégradation donnée. La pente peut être considérée en fonction des vols ou en fonction des heures de vol, selon que le phénomène de dégradation dépend de l'une ou l'autre variable. 20 A titre d'exemple, en référence à l'afficheur de décision de la figure 3, on obtient une représentation visuelle de la probabilité de dégradation (couleur du tableau) pour chaque type de dégradation (une dégradation par ligne du tableau) en fonction du nombre de vols (nombre de vols étant indiqués par les colonnes du tableau). 25 Ainsi, dans cet exemple, on détecte une dérive positive de la mesure de la pression P23 en sortie de compresseur HP sur la voie de mesure B (dégradation #4). Sa probabilité d'apparition augmente de manière importante à partir du vol n°220 pour être presque certaine à partir du vol N°270. Ainsi, avant même que la mesure P23-B ne devienne incorrecte et requiert une opération 30 de maintenance, on peut prédire la dégradation de la mesure P23-B grâce à la méthode précédemment présentée. De manière avantageuse, si une opération de maintenance est déjà prévue pour le turboréacteur pour le vol N° 250, on peut remplacer la voie de mesure P23-B lors de cette opération de 35 maintenance. En regroupant les opérations de maintenance, on augmente la disponibilité de l'aéronef ce qui est très avantageux. Il a été précédemment présenté plusieurs phases d'apprentissage pour obtenir, par exemple, des modèles de normalisation des indicateurs de dégradation, des indicateurs sains pour former une 40 base de vecteurs de référence, des seuils de décision d'anormalité et des seuils d'anormalité 15 maximale avant panne. De préférence, les phases d'apprentissage sont propres à chaque turboréacteur et sont renouvelées après chaque étape de maintenance afin de suivre de manière précise l'évolution de l'état du turboréacteur et de ses chaînes de mesure. Les étapes de la méthode comportant une phase d'apprentissage sont repérées par une étoile sur la figure 1.
Lors de la phase d'apprentissage, les mesures sont réalisées pour une pluralité de vols sans dégradation s'étalant sur une période allant de un ou plusieurs mois afin de permettre l'apprentissage des modèles de régression, par exemple, pour la normalisation des indicateurs de dégradation. Lors de la phase de surveillance, les mesures sont réalisées pour une pluralité de vols s'étalant sur une période de l'ordre d'une journée afin de disposer de mesures consolidées.
Claims (9)
- REVENDICATIONS1. Méthode de surveillance d'une chaîne de mesure d'un turboréacteur d'aéronef, la chaîne de mesure comportant au moins deux voies de mesure redondées d'une variable du turboréacteur, la méthode comprenant : - une étape de mesure par chacune des deux voies de mesure d'une variable du turboréacteur lors d'un vol de l'aéronef ; - une étape d'estimation de ladite variable par un modèle interne théorique moyen du turboréacteur ; - une étape de calcul d'un écart entre la mesure d'une des voies de mesure et l'estimation de ladite variable pour former un indicateur de dégradation de la chaîne de mesure ; - une étape de comparaison de l'indicateur de dégradation à une base de référence d'indicateurs avec dégradation de manière à en déduire le type de dégradation - une étape de calcul d'un score d'anormalité pour l'indicateur de dégradation ; - une étape de comparaison du score d'anormalité à un seuil de décision d'anormalité propre au type de dégradation ; - une étape de déclenchement d'une alarme en cas de dépassement du seuil de décision d'anormalité ; méthode comprenant une étape de mesure de la position d'un doseur carburant du turboréacteur lors du vol de l'aéronef et une étape normalisation de l'indicateur de dégradation en fonction de la position du doseur carburant.
- 2. Méthode selon la revendication 1, dans laquelle, l'indicateur de dégradation est normalisé par un modèle de normalisation obtenu par apprentissage sur des données de vol sans dégradation, le modèle de normalisation étant fonction de la position du doseur de carburant.
- 3. Méthode selon la revendication 2, dans laquelle, le modèle de normalisation est obtenu par régression de l'indicateur de dégradation représentant l'écart entre la voie de mesure et le modèle théorique moyen en fonction de la position du doseur de carburant.
- 4. Méthode selon l'une des revendications 1 à 3, dans laquelle, le turboréacteur comportant un corps basse pression et un corps haute pression, la variable du turboréacteur mesurée est la pression P23 en sortie de compresseur haute pression.
- 5. Méthode selon l'une des revendications 1 à 4, comprenant une étape de calcul d'un écart moyen ou d'un écart quadratique entre la mesure d'une des voies de mesure et l'estimation de ladite variable par le modèle interne théorique moyen pour former un indicateur de dégradation de la chaîne de mesure.
- 6. Méthode selon l'une des revendications 1 à 5, comprenant une étape de calcul d'un écart moyen ou d'un écart quadratique moyen entre au moins une des deux voies de mesure de ladite chaîne de mesure de ladite variable donnée et au moins une des deux voies de mesure d'une chaîne de mesure de la pression ambiante PO du turboréacteur.
- 7. Méthode selon l'une des revendications 1 à 6, comprenant une étape de calcul d'un écart moyen ou d'un écart quadratique moyen entre au moins une des deux voies de mesure de ladite chaîne de mesure de ladite variable donnée et la mesure de la pression ambiante Pamb du turboréacteur fournie par l'aéronef sur lequel est monté le turboréacteur.
- 8. Méthode selon l'une des revendications 1 à 7, comprenant une étape de comparaison de l'évolution de la pente du score d'anormalité à un seuil d'anormalité maximale avant panne.
- 9. Méthode selon la revendication 8, dans lequel la valeur du seuil d'anormalité maximale avant panne est définie par apprentissage au cours de plusieurs cycles de vol d'un aéronef sans dégradation.20
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1161170A FR2983528B1 (fr) | 2011-12-05 | 2011-12-05 | Methode de surveillance d'une chaine de mesure d'un turboreacteur |
US13/692,730 US20130179097A1 (en) | 2011-12-05 | 2012-12-03 | Method for monitoring a measuring chain of a turbojet engine |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1161170A FR2983528B1 (fr) | 2011-12-05 | 2011-12-05 | Methode de surveillance d'une chaine de mesure d'un turboreacteur |
Publications (2)
Publication Number | Publication Date |
---|---|
FR2983528A1 true FR2983528A1 (fr) | 2013-06-07 |
FR2983528B1 FR2983528B1 (fr) | 2014-01-17 |
Family
ID=45757632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1161170A Active FR2983528B1 (fr) | 2011-12-05 | 2011-12-05 | Methode de surveillance d'une chaine de mesure d'un turboreacteur |
Country Status (2)
Country | Link |
---|---|
US (1) | US20130179097A1 (fr) |
FR (1) | FR2983528B1 (fr) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3010448A1 (fr) * | 2013-09-06 | 2015-03-13 | Snecma | Procede de surveillance d’une degradation d’un dispositif embarque d’un aeronef avec determination automatique d’un seuil de decision |
WO2015145085A1 (fr) * | 2014-03-27 | 2015-10-01 | Snecma | Procédé d'estimation du caractère normal ou non d'une valeur mesurée d'un paramètre physique d'un moteur d'aéronef |
FR3098942A1 (fr) * | 2019-07-17 | 2021-01-22 | Safran Aircraft Engines | Procédé, dispositif, programme d’ordinateur de prédiction de panne/ anomalie de démarrage d’aéronef |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2983529B1 (fr) * | 2011-12-05 | 2014-01-17 | Snecma | Methode de surveillance d’un dispositif de commande d’un doseur de carburant d’un turboreacteur |
FR2987483B1 (fr) * | 2012-02-29 | 2014-03-07 | Sagem Defense Securite | Procede d'analyse de donnees de vol |
FR3022997B1 (fr) * | 2014-06-25 | 2016-06-10 | Snecma | Procede de surveillance d'une degradation d'un dispositif embarque d'un aeronef incluant la determination d'un seuil de comptage |
JP6610987B2 (ja) * | 2015-02-18 | 2019-11-27 | 株式会社Ihi | 異常診断方法及び異常診断システム |
US11943236B2 (en) * | 2018-04-26 | 2024-03-26 | Hitachi Energy Ltd | Technologies for detecting cyber-attacks against electrical distribution devices |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1288644A2 (fr) * | 2001-08-31 | 2003-03-05 | General Electric Company | Procédé et système de diagnose de moteurs à turbines |
US20050222747A1 (en) * | 2004-03-30 | 2005-10-06 | Vhora Mohamad H | Model-based detection, diagnosis of turbine engine faults |
US20070124113A1 (en) * | 2005-11-28 | 2007-05-31 | Honeywell International, Inc. | Fault detection system and method using multiway principal component analysis |
FR2939924A1 (fr) * | 2008-12-15 | 2010-06-18 | Snecma | Identification de defaillances dans un moteur d'aeronef |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6898554B2 (en) * | 2000-06-12 | 2005-05-24 | Scientific Monitoring, Inc. | Fault detection in a physical system |
US7415328B2 (en) * | 2004-10-04 | 2008-08-19 | United Technologies Corporation | Hybrid model based fault detection and isolation system |
US8862433B2 (en) * | 2010-05-18 | 2014-10-14 | United Technologies Corporation | Partitioning of turbomachine faults |
FR2983529B1 (fr) * | 2011-12-05 | 2014-01-17 | Snecma | Methode de surveillance d’un dispositif de commande d’un doseur de carburant d’un turboreacteur |
-
2011
- 2011-12-05 FR FR1161170A patent/FR2983528B1/fr active Active
-
2012
- 2012-12-03 US US13/692,730 patent/US20130179097A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1288644A2 (fr) * | 2001-08-31 | 2003-03-05 | General Electric Company | Procédé et système de diagnose de moteurs à turbines |
US20050222747A1 (en) * | 2004-03-30 | 2005-10-06 | Vhora Mohamad H | Model-based detection, diagnosis of turbine engine faults |
US20070124113A1 (en) * | 2005-11-28 | 2007-05-31 | Honeywell International, Inc. | Fault detection system and method using multiway principal component analysis |
FR2939924A1 (fr) * | 2008-12-15 | 2010-06-18 | Snecma | Identification de defaillances dans un moteur d'aeronef |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3010448A1 (fr) * | 2013-09-06 | 2015-03-13 | Snecma | Procede de surveillance d’une degradation d’un dispositif embarque d’un aeronef avec determination automatique d’un seuil de decision |
US9598178B2 (en) | 2013-09-06 | 2017-03-21 | Snecma | Method for monitoring a degradation in an on-board device of an aircraft with automatic determination of a decision threshold |
WO2015145085A1 (fr) * | 2014-03-27 | 2015-10-01 | Snecma | Procédé d'estimation du caractère normal ou non d'une valeur mesurée d'un paramètre physique d'un moteur d'aéronef |
FR3019295A1 (fr) * | 2014-03-27 | 2015-10-02 | Snecma | Procede d'estimation du caractere normal ou non d'une valeur mesuree d'un parametre physique d'un moteur d'aeronef |
US10060831B2 (en) | 2014-03-27 | 2018-08-28 | Safran Aircraft Engines | Method for assessing whether or not a measured value of a physical parameter of an aircraft engine is normal |
FR3098942A1 (fr) * | 2019-07-17 | 2021-01-22 | Safran Aircraft Engines | Procédé, dispositif, programme d’ordinateur de prédiction de panne/ anomalie de démarrage d’aéronef |
Also Published As
Publication number | Publication date |
---|---|
FR2983528B1 (fr) | 2014-01-17 |
US20130179097A1 (en) | 2013-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FR2983528A1 (fr) | Methode de surveillance d'une chaine de mesure d'un turboreacteur | |
EP2458161B1 (fr) | Méthode de monitoring du système d'huile d'une turbomachine | |
EP2368161B1 (fr) | Detection d'anomalie dans un moteur d'aeronef | |
EP2591212B1 (fr) | Procédé et dispositif de détection d'un décollement tournant affectant un compresseur de turbomachine | |
US7506517B2 (en) | System and method for turbine engine startup profile characterization | |
CA2813556C (fr) | Systeme de surveillance d'un banc d'essai de moteur | |
FR2919661A1 (fr) | Systeme et procede de detection d'un decalage de l'excentricite de base d'un rotor | |
CA2848138C (fr) | Systeme de surveillance d'une chaine de mesure d'un turboreacteur | |
CA2966306C (fr) | Outil de validation d'un systeme de surveillance d'un moteur d'aeronef | |
FR3066844A1 (fr) | Procede de prevision de la survenue d'une defaillance sur un appareil dans le temps | |
EP2872956B1 (fr) | Méthode de détection d'une dégradation d'une turbomachine par surveillance des performances de ladite turbomachine | |
WO2020217004A1 (fr) | Système et procédé de surveillance d'un moteur d'aéronef | |
US20170146976A1 (en) | Fault detection methods and systems | |
JP2004156616A (ja) | 高温計信号と関連させてニューラルネットワーク利用診断技法を使用してタービンブレード(バケット)の健康状態を監視し、予後を診断する方法 | |
FR3035232A1 (fr) | Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe | |
FR2971870A1 (fr) | Methode de detection de pannes d'une turbomachine au moyen d'un modele theorique du cycle thermodynamique de ladite turbomachine | |
EP3812736B1 (fr) | Procédé et système pour estimer l'usure d'une machine tournante comportant un roulement | |
FR2957170A1 (fr) | Outil de conception d'un systeme de surveillance d'un moteur d'aeronef | |
FR2966928A1 (fr) | Procede et dispositif de surveillance d'une chaine de mesure redondee | |
EP3938910B1 (fr) | Localisation de panne dans un système d'acquisition redondant | |
EP3729003B1 (fr) | Detection et accomodation de circuits ouverts intermittents sur un capteur moteur d'une turbomachine d'aeronef | |
EP4264205B1 (fr) | Procédé et système de détermination d'un ou plusieurs défauts d'une machine tournante d'aéronef | |
WO2023209111A1 (fr) | Procede et systeme de detection d'anomalie(s) dans une structure | |
FR3100064A1 (fr) | Méthode de surveillance d’au moins un roulement d’une machine électrique tournante d’un aéronef | |
FR2966878A1 (fr) | Systeme de surveillance d'une chaine de mesure de temperature d'un turboreacteur |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 5 |
|
PLFP | Fee payment |
Year of fee payment: 6 |
|
PLFP | Fee payment |
Year of fee payment: 7 |
|
CD | Change of name or company name |
Owner name: SAFRAN AIRCRAFT ENGINES, FR Effective date: 20170719 |
|
PLFP | Fee payment |
Year of fee payment: 9 |
|
PLFP | Fee payment |
Year of fee payment: 10 |
|
PLFP | Fee payment |
Year of fee payment: 11 |
|
PLFP | Fee payment |
Year of fee payment: 12 |
|
PLFP | Fee payment |
Year of fee payment: 13 |