Исследование направлений повышения точности классификации степени эрозионного износа компрессорных лопаток

Аннотация

Эрозионный износ лопаточного аппарата осевых компрессоров снижает эффективность работы газотурбинных установок и может приводить к выводу их из эксплуатации. Одним из методов оценки и прогнозирования эрозионного износа в условиях эксплуатации газотурбинных установок является применение моделей машинного обучения. Используя в качестве признаков параметры работы компрессора, можно определить вероятную степень дефекта лопаточного аппарата. Например, ранее установлено, что точность классификации степени эрозионного износа лопаток осевого компрессора методами машинного обучения с использованием в качестве исходных данных результатов численных экспериментов трансзвуковой модельной ступени NASA Stage 37 достигает 80 %. В рамках исследования такой ступени приведены пути повышения точности решения задачи классификации степени эрозионного износа компрессорных лопаток. Выделено четыре направления повышения точности прогнозирования эрозионного износа методами машинного обучения: уменьшение категорий классификации за счет расширения диапазона значений степени эрозионного износа для каждой категории, добавление искусственных данных для обучения за счет интерполяции результатов численных экспериментов, решение задачи классификации эрозионного износа методами регрессии, создание ансамбля из лучших моделей. В результате комбинации предложенных методов удалось повысить до 87...97 % точность прогнозирования эрозионного износа лопаток

Работа поддержана грантом РНФ (проект № 22-79-00169)

Просьба ссылаться на эту статью следующим образом:

Блинов В.Л., Дерябин Г.А., Зубков И.С. Исследование направлений повышения точности классификации степени эрозионного износа компрессорных лопаток. Вестник МГТУ им. Н.Э. Баумана. Сер. Машиностроение, 2024, № 4 (151), c. 129--142. EDN: YTDSCQ

Литература

[1] Kurz R., Brun K. Degradation of gas turbine performance in natural gas service. J. Nat. Gas Sc. Eng., 2009, vol. 1, no. 3, pp. 95--102. DOI: https://doi.org/10.1016/j.jngse.2009.03.007

[2] Кривошеев И.А., Камаева Р.Ф., Струговец С.А. Особенности движения частиц пыли в проточной части и изменения геометрии лопаток компрессоров в процессе эксплуатации газотурбинных установок. Вестник УГАТУ, 2011, № 3, с. 18--24. EDN: PWTNPZ

[3] De Pratti G.M. Aerodynamical performance decay due to fouling and erosion in axial compressor for GT aeroengines. E3S Web Conf., 2020, vol. 197, art. 11002. DOI: https://doi.org/10.1051/e3sconf/202019711002

[4] Tabakoff W., Lakshminarasimha A.N., Pasin M. Simulation of compressor performance deterioration due to erosion. J. Turbomach., 1990, vol. 112, no. 1, pp. 78--83. DOI: https://doi.org/10.1115/1.2927424

[5] Cumpsty N.A. Compressor aerodynamics. Malabar, Krieger, 2004.

[6] Гумеров А.В., Акмалетдинов Р.Г. Моделирование эрозионного износа лопатки компрессора. Вестник СГАУ им. академика С.П. Королёва, 2011, т. 2, № 3-2, с. 233--239. EDN: OWQPXT

[7] Двирник Я.В., Павленко Д.В. Оценка предельного состояния лопаток компрессора вертолетных ГТД по частоте собственных колебаний. Авиационно-космическая техника и технология, 2016, № 7, с. 79--83.

[8] Блинов В.Л., Зубков И.С. Оценка влияния эрозионного износа на рабочие характеристики осевого компрессора газотурбинной установки. Полет, 2023, № 1-2, с. 51--60. EDN: CAKVBS

[9] Блинов В.Л., Зубков И.С., Богданец С.В. и др. Исследования эрозионного износа лопаточного аппарата осевых турбокомпрессоров. Теплоэнергетика, 2023, № 6, с. 41--55. DOI: https://doi.org/10.56304/S0040363623060024

[10] Cavarzere A., Venturini M. Application of forecasting methodologies to predict gas turbine behavior over time. J. Eng. Gas Turbines Power, 2012, vol. 134, no. 1, art. 012401. DOI: https://doi.org/10.1115/1.4004184

[11] Rajendran R. Gas turbine coatings --- an overview. Eng. Fail. Anal., 2012, vol. 26, pp. 355--369. DOI: https://doi.org/10.1016/j.engfailanal.2012.07.007

[12] Liu Y., Ravichandran R., Chen K., et. al. Application of machine learning to solid particle erosion of APS-TBC and EB-PVD TBC at elevated temperatures. Coatings, 2021, vol. 11, no. 7, art. 845. DOI: https://doi.org/10.3390/coatings11070845

[13] Zahedi P., Parvandeh S., Asgharpour A., et al. Random forest regression prediction of solid particle erosion in elbows. Powder Technol., 2018, vol. 338, pp. 983--992. DOI: https://doi.org/10.1016/j.powtec.2018.07.055

[14] Zarate J.E., Lopez M.A.G., Troyo J.A.C. Analysis and detection of erosion in wind turbine blades. Math. Comput. Appl., 2022, vol. 27, no. 1, art. 5. DOI: https://doi.org/10.3390/mca27010005

[15] Cao Q., Chen S., Zheng Y., et al. Classification and prediction of gas turbine gas path degradation based on deep neural networks. Int. J. Energy Res., 2021, vol. 45, no. 7, pp. 10513--10526. DOI: https://doi.org/10.1002/er.6539

[16] Блинов В.Л., Дерябин Г.А., Зубков И.С. Применение машинного обучения для классификации степени эрозионного износа лопаточного аппарата компрессорной ступени. Вестник МГТУ им. Н.Э. Баумана. Сер. Машиностроение, 2023, № 4 (147), c. 88--105. EDN: MDWUNM

[17] Joshuva A., Sugumaran V. A machine learning approach for condition monitoring of wind turbine blade using autoregressive moving average (ARMA) features through vibration signals: a comparative study. Prog. Ind. Ecol., 2018, vol. 12, no. 1-2, pp. 14--34. DOI: https://doi.org/10.1504/PIE.2018.095867

[18] Reid L., Moore R.D. Design and overall performance of four highly loaded, high speed inlet stages for an advanced high-pressure-ratio core compressor. Report NASA-TP-1337. Cleveland, NASA Lewis Research Center, 1978.

[19] Блинов В.Л., Зубков И.С. Верификация расчетной модели трансзвуковой ступени для решения задач учета влияния эрозионного износа на работу осевого компрессора. Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение, 2023, т. 22, № 1, с. 51--62. DOI: https://doi.org/10.18287/2541-7533-2023-22-1-51-62

[20] Pedregosa F., Varoquaux G., Gramfort A., et al. Scikit-learn: machine learning in Python. J. Mach. Learn. Res., 2011, vol. 12, pp. 2825--2830. DOI: https://doi.org/10.48550/arXiv.1201.0490