Resumen de Gas Turbine Diagnostic Algorithm Testing Using the Software ProDiMES

Salvador Felipe Altamirano, Igor Loboda, Felipe de Jesús Cisneros Azuara, Juan Luis Pérez Ruiz

• español

  Debido a que las turbinas de gas son máquinas muy complejas y potencialmente no fiables, el mejoramiento de sus sistemas de monitoreo se vuelve una parte esencial. Considerando esta necesidad, el presente trabajo realiza una prueba de algoritmo de diagnóstico de turbinas de gas. La metodología propuesta se forma por tres etapas. En la primera, el Software comercial ProDiMES (Propulsion Diagnostic Method Evaluation Strategy) se emplea para simular una flota de motores y generar datos con condiciones de falla y sin falla. En la segunda etapa, se implementa una prueba de modelos de referencia para mejorar la aproximación de rendimiento de motor sano. Finalmente, una etapa de reconocimiento de fallas basada en una técnica de reconocimiento de patrones (Perceptrón Multicapa) que diagnostica y calcula la probabilidad de decisiones diagnósticas correctas. Los resultados obtenidos muestran que: a) el software ProDiMES es una herramienta fácil y conveniente para evaluar métodos de diagnóstico de turbinas de gas, b) la prueba de modelos de referencia es un paso clave porque permite reducir los errores que influyen negativamente al proceso de diagnóstico y c) el algoritmo realiza correctamente la tarea de reconocimiento de fallas.

• English

  Since gas turbines are very complex and potentially unreliable machines, the improvement of their monitoring systems becomes an essential part. Considering this necessity, the present paper performs a gas turbine diagnostic algorithm testing. The methodology proposed is formed by three stages. In the first stage, the commercial software ProDiMES (Propulsion Diagnostic Method Evaluation Strategy) is used to simulate an engine fleet and generate data with fault and no-fault conditions. In the second stage, a baseline model testing is implemented to improve the healthy engine performance approximation. Finally, a fault recognition stage based on a pattern recognition technique (Multi-Layer Perceptron) performs the diagnosis and calculates the probability of correct diagnostic decisions. The results obtained show that: a) the software ProDiMES is an easy and convenient tool to evaluate gas turbine diagnostic methods, b) the baseline model testing is a key step because it allows reducing the errors that can negatively influence the diagnostic process and c) the algorithm correctly performs the fault recognition task.