스마트 무인기 추진시스템의 주요 구성품 손상 탐지에 관한 연구

A Study on Fault Detection of Main Component for Smart UAV Propulsion system

PW206C 터보 축 엔진을 위해 신경회로망을 이용한 지능형 성능 진단 프로그램이 제안되었다. 이 엔진은 항공우주연구원에서 개발 중에 있는 틸트 로터 타입 스마트 무인기의 추진시스템으로 선정되었다. 스마트 무인기 추진시스템에서 계측되는 성능변수는 가스발생기 회전속도, 동력터빈 회전속도, 배기가스 온도, 토크 등 4개이다. 그러나 이러한 4개 계측변수로는 각 구성품의 손상 진단이 어려운 관계로 압축기 출구 압력 및 압축기 터빈 출구 온도를 포함한 6개의 계측변수를 진단에 이용하였다. 구성품 성능저하량을 판단하는 성능파라미터는 압축기, 압축기 터빈, 동력 터빈의 유량함수 및 효율이다. 신경망을 훈련하고 테스트하기 위한 데이터베이스는 가스터빈 성능모사 프로그램을 이용하여 구성하였다. 훈련된 신경망을 PW206C 터보 축 엔진의 진단에 적용한 결과 제안된 진단 알고리즘이 압축기 오염과 압축기 터빈의 침식과 같은 단일 손상을 탐지하는데 유용함을 확인하였다.

An intelligent performance diagnostic program using the Neural Network was proposed for PW206C turboshaft engine. It was selected as a power plant for the tilt rotor type Smart UAV (Unmanned Aerial Vehicle) which has been developed by KARI (Korea Aerospace Research Institute). The measurement parameters of Smart UAV propulsion system are gas generator rotational speed, power turbine rotational speed, exhaust gas temperature and torque. But two measurement such as compressor exit pressure and compressor turbine exit temperature were added because they were difficult each component diagnostics using the default measurement parameter. The performance parameters for the estimate of component performance degradation degree are flow capacities and efficiencies for compressor, compressor turbine and power turbine. Database for network learning and test was constructed using a gas turbine performance simulation program. From application results for diagnostics of the PW206C turboshaft engine using the learned networks, it was confirmed that the proposed diagnostics could detect well the single fault types such as compressor fouling and compressor turbine erosion.