Тема: Восстановление модели расчета параметра EGT Margin авиационных двигателей семейства GTF методами машинного обучения
Состояние современных турбовентиляторных авиационных двигателей (АД) анализируется специальным программным обеспечением, как правило разрабатываемым и поддерживаемым производителем. Этот класс программного обеспечения называется Engine Condition Monitoring (ECM) [1]. Системы ECM предназначены для расчета показателей жизнедеятельности и производительности АД на основе полетной информации (ПИ), диагностики и выявления потенциальных неисправностей, формирования рекомендаций по техническому обслуживанию и ремонтам. Физический смысл рассчитываемых ECM параметров известен, однако конкретные модели расчета скрыты производителями и содержат корректирующие коэффициенты, в частности, для каждой конфигурации произведенных двигателей. Последний факт порождает трудности явного самостоятельного расчета параметров жизнедеятельности и производительности. В результате введения санкций от марта 2022 года порталы ECM прекратили работу на территории Российской Федерации, авиакомпании потеряли возможность отслеживать состояние своего флота и получать рекомендации по обслуживанию.
Целью данной работы является восстановление модели расчета одного из важнейших параметров жизнедеятельности АД на основе исторических выгрузок данных порталов ECM с помощью методов машинного обучения.
Один из основных показателей состояния АД - запас температуры выхлопных газов Exhaust Gas Temperature Margin (EGTM), рассчитываемый в момент отрыва стойки шасси (take off) от ряда факторов. Чем он выше, тем лучше состояние силового агрегата, а при его резком снижении специалисты проводят срочную диагностику и профилактические работы, чтобы предотвратить возможные проблемы.
В данной работе мы строим регрессионную модель параметра EGTM методами машинного обучения. Входные данные - полётные отчёты, считанные бортовыми датчиками самолёта на взлёте. Выходные данные - значения EGTM c портала производителя. Выходные данные были сглажены экспоненциальным скользящим средним, что усложняет построение модели.
В полётном отчёте более 200 параметров, поэтому на первом этапе с помощью экспертов был произведён отбор потенциально значимых для модели параметров: это параметры газодинамики (обороты роторов, компрессоров, температуры газов и окружающего воздуха и т.д.) и режим работы двигателя в момент записи параметров (положение некоторых клапанов). Далее были проведены коррекции параметров газодинамики в соответствии с документацией производителя [2].
За базовую модель взяли линейную регрессию. Чтобы учесть эффект сглаживания EGTM на портале, были сгенерированы дополнительные признаки в виде N предыдущих полетных циклов (вставить формулу)
Дальнейшее улучшение качества модели было достигнуто путём разделения модели на ансамбль линейных моделей с L2-регуляризацией [3]. Датасет был разделён на несколько частей по значению высоты, чтобы учесть разные режимы работы двигателя на разных высотах.
В результате работы была получена модель достаточного качества для оценки состояния двигателей воздушных судов, например с её помощью можно оценивать эффект от профилактических работ, таких как промывка двигателя, замена форсунок и т.д.