過修と不修を避け、ガスタービン機の信頼性と利用可能性を向上させるために、本文ではモデルとデータに基づくガスタービン機ガスパス故障診断方法を提案する。まず、適応的な熱モデリング戦略を使用して、診断対象のガスタービン機の熱力モデルを構築し、さまざまな部品の健康パラメータと入口境界条件を設定し、部品の健康パラメータベクトルと入口境界条件パラメータおよびガスパス測定パラメータが一対一に対応するデータセットをシミュレートする。次に、ディープラーニングを使用して回帰モデリングを行い、ガスタービン機ガスパス故障診断モデルを訓練する。最後に、実際のガスタービン機の入口境界条件パラメータとガスパス測定パラメータを使用して、訓練された診断モデルを使用して各ガスパス部品の健康パラメータベクトルをリアルタイムに診断する。シミュレーション実験結果は、本文で提案された方法を使用することで、各通過部品の定量的な健康パラメータを正確に得ることができ、総合的なRMSEが0.033%を超えず、最大相対誤差が0.36%を超えないことを示し、この方法が大きな応用潜在能力を持つことを示している。

ガスタービン;熱モデル;部品の健康パラメータ;ガスパス診断;ディープラーニング