Wyniki wyszukiwania - BazTech

1

Predictive modelling of turbofan engine components condition using machine and deep learning methods

Matuszczak Michał, Żbikowski Mateusz, Teodorczyk Andrzej

Eksploatacja i Niezawodność

|

2021

|

Vol. 23, no. 2

359--370

EN

The article proposes an approach based on deep and machine learning models to predict a component failure as an enhancement of condition based maintenance scheme of a turbofan engine and reviews currently used prognostics approaches in the aviation industry. Component degradation scale representing its life consumption is proposed and such collected condition data are combined with engines sensors and environmental data. With use of data manipulation techniques, a framework for models training is created and models' hyperparameters obtained through Bayesian optimization. Models predict the continuous variable representing condition based on the input. Best performed model is identified by detemining its score on the holdout set. Deep learning models achieved 0.71 MSE score (ensemble meta-model of neural networks) and outperformed significantly machine learning models with their best score at 1.75. The deep learning models shown their feasibility to predict the component condition within less than 1 unit of the error in the rank scale.

2

Ma Biao, Yan Shufa, Wang Xu, Chen Jianhua, Zheng Changsong

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 3

520--529

EN

An accurate determination of the system failure threshold is an essential requirement in achieving an appropriate system residual life prediction and a reasonable planned maintenance strategy optimization afterward for degradation systems. This paper proposes a failure threshold determination method based on quantitative measurement of the similarity between the operating system and the historical systems. The similarity is formulated by a weighted average function and then calculated by a convex quadratic formulation to minimizing the variance between the operating system and the historical systems. With an accurate determination of the system failure threshold in real-time, a better prediction of the residual life for the operating system is achieved. Finally, a real case study for several power-shift steering transmission systems monitored using oil spectral analysis is adopted to illustrate and numerically compare the improved performance of the proposed method.

PL

W przypadku systemów podlegających degradacji, dokładne określenie progu awarii systemu stanowi niezbędny warunek dokonania trafnej prognozy jego trwałości resztkowej oraz późniejszej optymalizacji strategii konserwacji rutynowych. W artykule zaproponowano metodę wyznaczania progu awarii opartą na ilościowym pomiarze podobieństwa między systemem użytkowanym obecnie a systemami użytkowanymi uprzednio. Podobieństwo formułuje się na podstawie funkcji średniej ważonej, a następnie oblicza na podstawie wypukłej formy kwadratowej w celu zminimalizowania wariancji między obecnie użytkowanym systemem a uprzednimi systemami. Dzięki dokładnemu określeniu progu awarii systemu w czasie rzeczywistym uzyskuje się lepszą prognostykę trwałości resztkowej obecnie użytkowanego systemu. W końcowej części pracy, w celu zilustrowania i numerycznego porównania ulepszonej wydajności proponowanej metody, zaprezentowano studium przypadku obejmujące kilka układów przeniesienia napędu monitorowanych przy użyciu analizy spektralnej oleju.

3

Health index synthetization and remaining useful life estimation for turbofan engines based on run-to-failure datasets

Shi J., Li Y., Wang G., Li X.

Eksploatacja i Niezawodność

|

2016

|

Vol. 18, no. 4

621--631

EN

Turbofan engines will gradually degrade until failure occurs or life ends if without maintenance. Reliable degradation assessment and remaining useful life (RUL) estimation make sense on both aviation safety and rational maintenance decisions. This paper proposes a data-driven prognostic method on the premise of run-to-failure (RtF) data which are multivariate sensory data collected from the engines operating from normal to failure. After necessary pre-processing to the data, clustering analysis is executed to generate the clusters which represent the multi-states of the degradation process. The failure state cluster is extracted, and then the distance between the pre-processed data and the cluster is calculated. Therefore, one-dimensional time series are generated and defined as the health indices. Afterwards the degradation models are built based on the health indices. Finally, the RUL of a testing unit can be estimated by similarity analysis with the models. Hierarchical clustering (HC) and relevance vector machine (RVM) are the main algorithms employed in this paper. To validate the proposition, a case study is performed on turbofan engines data from Prognostics Center of Excellence (PCoE) at NASA Ames Research Center, and sufficient comparisons were given.

PL

Silniki turbowentylatorowe niepoddane konserwacji ulegają stopniowej degradacji aż do czasu wystąpienia uszkodzenia lub zakończenia cyklu życia. Rzetelna ocena degradacji oraz pozostałego okresu użytkowania (RUL) mają wpływ zarówno na bezpieczeństwo maszyn lotniczych jak i racjonalne podejmowanie decyzji dotyczących utrzymania ruchu. W artykule zaproponowano sterowaną danymi metodę prognostyczną opartą na danych o pracy do czasu uszkodzenia (run-to failure, RTF), które są wielowymiarowymi danymi sensorycznymi zbieranymi podczas normalnej pracy silnika aż do jego uszkodzenia. Po niezbędnej wstępnej obróbce danych, przeprowadzono analizę skupień w celu wygenerowania skupień reprezentujących multi-stany procesu degradacji. Wyodrębniono klaster stanów uszkodzenia, a następnie obliczono odległość między wstępnie przetworzonymi danymi a wyodrębnionym klastrem. Następnie wygenerowano jednowymiarowe szeregi czasowe, które zdefiniowano jako wskaźniki stanu technicznego. Na podstawie tych wskaźników zbudowano modele degradacji. Wreszcie, w oparciu o analizę podobieństwa do opracowanych modeli oceniono RUL jednostki testowej. Główne algorytmy zastosowane w niniejszym opracowaniu to algorytmy grupowania hierarchicznego (HC) oraz maszyny wektorów istotnych (RVM). Aby zweryfikować zaproponowaną w pracy metodę, przeprowadzono studium przypadku z wykorzystaniem danych dot. silników turbowentylatorowych pochodzące z Prognostic Center of Excellence (PCoE) przy NASA Ames Research Center oraz przedstawiono odpowiednie porównania.

4

ISO Standards for qualification and assessment of personnel involved with condition monitoring

Culverson K.

Journal of KONBiN

|

2011

|

No. 1 (17)

59--66

EN

This paper will touch on the current status of ISO standards development for condition monitoring and diagnostics of machines, but will focus on the ISO standards for qualification and assessment for personnel involved with condition monitoring. In particular it will discuss the desirability of tailored training for personnel and the avenues for certification, particularly in the areas of Tribology and lubricant analysis.

PL

Tematem publikacji jest aktualny stan norm ISO dotyczących monitorowania stanu i diagnostyki maszyn, ale skupia się na normach ISO dla kwalifikacji i oceny personelu zaangażowanego w monitorowanie stanu. W szczególności przedyskutowano celowość dostosowania szkoleń dla personelu i drogi certyfikacji, szczególnie w obszarach tribologii i analizy oleju.