Browsing by Author "Lipowsky, Holger"

Now showing 1 - 1 of 1

Open Access
Entwicklung und Demonstration eines integrierten Systems zur Zustandsüberwachung von Gasturbinen
(2010) Lipowsky, Holger; Staudacher, Stephan (Prof. Dr.-Ing.)
Die Leistungsfähigkeit von Gasturbinen nimmt im Laufe der Betriebsdauer aufgrund von Alterungsmechanismen und in Folge von Einzelereignissen ab. Das Ziel der Zustandsüberwachung ist es, die Leistungsfähigkeit der Gasturbine zu jedem Zeitpunkt möglichst exakt zu bestimmen und eine Prognose für den zukünftigen Zustandsverlauf zu erstellen. Dabei müssen auftretende Ereignisse zeitnah erkannt (Detektion), die betroffenen Komponenten der Gasturbine bestimmt (Identifikation) und die Leistungsparameter der jeweiligen Komponente berechnet werden (Diagnose). Während sich Alterungsmechanismen in gradueller Weise auf alle Komponenten der Gasturbine auswirken, sind Einzelereignisse dadurch charakterisiert, zeitlich diskret aufzutreten und nur einige wenige Komponenten der Gasturbine zu betreffen. Da die Charakteristiken dieser beiden Mechanismen sehr unterschiedlich sind, gestaltet sich die Durchführung der Zustandsüberwachung mit einem einzelnen Algorithmus sehr schwierig. In der vorliegenden Arbeit wurde daher ein Konzept zur Zustandsüberwachung von Gasturbinen entwickelt, welches mehrere Algorithmen miteinander verbindet, um die Anforderungen der verschiedenen Aspekte der Zustandsüberwachung zu erfüllen. Der entscheidende Vorteil dieses integrierten Konzeptes gegenüber bisher in der Literatur dokumentierten Systemen besteht in der funktionalen Trennung von Alterungs- und Einzelereignisdiagnose. Durch die anschließende Zusammenführung der Ergebnisse ist es möglich, Einzelereignisse und alterungsbedingte Verschlechterungen auch dann zu analysieren, wenn sie in überlagerter Form auftreten. Für die automatisierte Erkennung von Einzelereignissen wurde ein neuartiger Detektionsalgorithmus entwickelt, der durch die Anwendung einer speziellen Logik die gegensätzlichen Anforderungen einer schnellen Reaktion und eines hohen Glättungsgrades gleichzeitig erfüllt. Aufgrund der Kombination verschiedener Elemente zur Detektion (Bayes Faktoren, kumulative Bayes Faktoren, Lauflängen) ermöglicht der entwickelte Algorithmus die Detektion von Ereignissen, deren Auswirkungen auf die Messwerte kleiner als das Dreifache ihrer Standardabweichungen sind. Das entwickelte Verfahren zur Diagnose von Einzelereignissen basiert auf kombinatorischen Least-Squares-Lösungen, die mit Hilfe von Fuzzy-Logik-Regeln ausgewertet werden. Durch die spezielle Auswertelogik bedarf es keiner a-priori Informationen über die betroffenen Leistungsparameter, weder über ihre Anzahl noch über ihre Kombination. Darüber hinaus werden keinerlei Annahmen über die Beziehungen zwischen den Leistungsparametern getroffen. Es können beliebige Kombinationen an betroffenen Leistungsparametern diagnostiziert werden, wobei die maximal diagnostizierbare Anzahl an Leistungsparametern der Anzahl der vorhandenen Messwerte entspricht. Die Diagnose ist auf der Basis einzelner Messzeitpunkte durchführbar, d.h. es ist keine zeitliche Beobachtung der Messwerte notwendig. Das Diagnoseergebnis der Methode besteht nicht nur in der Berechnung der Abweichungen der Leistungsparameter, sondern auch aus der Berechnung des Fuzzy Index jedes Parameters. Der Fuzzy Index kann als Wahrscheinlichkeit interpretiert werden, mit der der entsprechende Leistungsparameter vom Fehler betroffen ist. Die Diagnose gradueller Verschlechterungen wurde mit bereits bekannten Verfahren der Nichtlinearen Optimierung durchgeführt. Dabei wurden verschiedene Definitionen von Nebenbedingungen und eine Startwertsuche mittels eines Genetischen Algorithmus untersucht. Es konnte gezeigt werden, dass beide Maßnahmen insbesondere für schlecht beobachtbare Leistungsparameter zu deutlichen Verbesserungen des Optimierungsergebnisses führen. Das entwickelte Konzept wurde mit Hilfe von 31680 generischen Testzyklen statistisch bewertet. Dabei wurden Detektionsraten von bis zu 99%, Identifikationsraten von bis zu 96% und Diagnoseraten von bis zu 99% erreicht. Abschließend wurde das Konzept im Rahmen der Entwicklung einer Diagnosesoftware mit dem Namen HealthGT umgesetzt. Durch die Verwendung einer grafischen Benutzeroberfläche verfügt HealthGT über eine einfache Bedienbarkeit. Darüber hinaus gestattet die modulare Programmierweise von HealthGT eine einfache Erweiterung um zukünftige Funktionalitäten.