Investigation of Measurement Uncertainty Effects on Aircraft Engine Health Monitoring

Abstract

Zuverlässige Triebwerkszustandsüberwachung hängt von einer möglichst genauen Interpretation von Gaspfadmessungen ab. Messunsicherheiten können jedoch solche Monitoringergebnisse verfälschen und zu fehlerhaften Schätzungen von Komponentengesundheitsparametern führen. Diese Arbeit untersucht den Einfluss von Messunsicherheiten, in Form der zufälligen Messunsicherheit (Random Error), auf die modellbasierte Schätzung von Gesundheitsparametern und bewertet die Eignung des Measurement Analysis Calculator (MAC). Der MAC ist ein nichtlineares Gaspfadanalyse (GPA) Tool, welches auf dem Newton-Raphson Verfahren basiert und soll im Rahmen dieser Analyse als geeignetes Werkzeug für die Schätzung von Gesundheitsparametern untersucht werden. Hierzu wurden synthetische Messdaten generiert, die die zufällige Messunsicherheit widerspiegeln. Dies erfolgte mithilfe der Simulationsumgebung GTlab, die am Deutschen Zentrum für Luft- und Raumfahrt (DLR) entwickelt wurde. Die Messdaten bilden ein realistisches Triebwerksverhalten im Reiseflug ab und werden dem MAC zur Schätzung der Komponentengesundheitsparameter zur Verfügung gestellt. Obwohl Messunsicherheit keine Ursache für eine Komponentenverschlechterung darstellt, überträgt sie sich dennoch auf die geschätzten Gesundheitsparameter. Dies wurde mithilfe von Monte Carlo Simulationen analysiert, wodurch eine statistische Auswertung über den Mittelwert, die Standardabweichung und dem RMSE ermöglicht werden konnte. Hierbei wurden Messdaten jeweiliger Sensoren individuell mit Messunsicherheiten versehen, um die Sensitivität der Schätzungen dem gegenüber zu untersuchen. Anschließend folgte eine Einbringung und Untersuchung der Messunsicherheiten in den vollständigen Messdatensatz. Die resultierenden Einflussmuster wurden mittels des Trends der Standardabweichung sowie Sankey Diagrammen visualisiert. Diese stellen Zusammenhänge zwischen den gegebenen Sensoren, die individuell mit Messunsicherheit versehen wurden, und den Schätzungen der Komponentengesundheitssparametern dar, die aus der Wirkungsgradänderung sowie der Massenstromkapazität der jeweiligen Komponenten bestehen. Basierend auf diesen Ergebnissen wurde der Median Plus Rational Filter als Denoising Filter im Datenvorverarbeitungsprozess angewendet. Dessen Wirksamkeit wurde durch den Vergleich der Konfidenzintervalle der Schätzungen mit und ohne der Anwendung der Filterung bewertet. Der Denoising-Ansatz reduzierte die Schätzbandbreiten deutlich und verbesserte damit die Genauigkeit der Ergebnisse, ohne dass die Notwendigkeit darin bestand, eine Änderung an der MAC-Konfiguration durchzuführen. Die Übereinstimmung zwischen der Messunsicherheitsanalyse und den Denoising-Ergebnissen bestätigt die Plausibilität der abgeleiteten Einflussmuster der erstgenannten Analyse. Diese Arbeit zeigt, dass der MAC für die modellbasierte Schätzung von Gesundheitssparametern geeignet ist und unterstreicht die Bedeutung des Verständnisses, die über eine solche Messunsicherheitsanalyse gewonnen werden kann, um einen geeigneten Denoising Filter anzuwenden. Die Ergebnisse bilden eine Grundlage für zukünftige Studien, die alternative Schätzverfahren und weitere Arten von Messfehlern einbeziehen.