신경회로망을 이용한 스마트 무인기용 가스터빈 엔진의 성능진단에 관한 연구

A Study on Performance Diagnostic of Smart UAV Gas Turbine Engine using Neural Network

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. 1개의 은닉층, 입력층, 출력층을 가지는 BPN(Back Propagation Network)이 신경회로망을 훈련시키기 위해 이용되었다. 입력층은 7개의 뉴런을 가지는데 SHP, MF, P2, T2, P4, T4 및 T5와 같은 측정파라미터이며 출력층은 6개의 뉴런으로 구성되어 있으며 각각은 압축기, 압축기 터빈, 동력 터빈의 유량 함수 및 효율이다. 신경망을 훈련하고 테스트하기 위한 데이터 베이스는 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). For teaming the NN, a BPN with one hidden, one input and one output layer was used. The input layer had seven neurons of variations of measurement parameters such as SHP, MF, P2, T2, P4, T4 and T5, and the output layer used 6 neurons of degradation ratios of flow capacities and efficiencies for compressor, compressor turbine and power turbine. Database for network teaming 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 algorithm could detect well the single fault types such as compressor fouling and compressor turbine erosion.