Resumen

Los métodos modernos basados en la monitorización de la condición se utilizan para reducir los costes de mantenimiento, aumentar la seguridad de las aeronaves y reducir el consumo de combustible. En la literatura, se utilizan parámetros como las velocidades de los ventiladores del motor, la vibración, la presión del aceite, la temperatura del aceite, la temperatura de los gases de escape (EGT) y el flujo de combustible para determinar el deterioro del rendimiento en los motores de turbina de gas. En este estudio, se desarrolló un nuevo modelo para obtener información sobre el estado del motor de turbina de gas. Para este modelo, se llevó a cabo un análisis de regresión múltiple para determinar el efecto de los parámetros de vuelo sobre el parámetro EGT y se utilizó el método de la red neuronal artificial (RNA) en la identificación del parámetro EGT. Al final del estudio, se ha desarrollado una red que predice el parámetro EGT con el menor margen de error. Se ha diseñado una interfaz para la supervisión instantánea del estado del motor de la aeronave en MATLAB Simulink. Cualquier degradación del rendimiento que pueda producirse en el motor de turbina de gas de la aeronave puede detectarse fácilmente de forma gráfica o mediante el valor de deterioro del rendimiento del motor. Además, se ha indicado que podría ser un nuevo indicador que informara a los pilotos en caso de fallo en el sensor del parámetro EGT que monitorizan durante el vuelo.

• Materias:Reacciones químicas Minería de datos Aerodinámica Ingeniería aeroespacial Ingeniería Aeronáutica
• Subjects:Chemical reactions Data mining Aerodynamics Aerospace engineering Aeronautical Engineering
• Palabras claves:motor de turbina de gas, parámetros egt, análisis de regresión múltiple, velocidad del ventilador del motor, identificación de egt, margen de error, red neuronal artificial, valor de deterioro del rendimiento, monitorización de condiciones modernas, temperatura del aceite
• Keywords:gas turbine engine, egt parameters, multiple regression analysis, engine fan speed, identification of egt, margin of error, artificial neural network, performance deterioration value, modern conditions monitoring, oil temperature