퍼지와 역전파신경망 기법을 사용한 터보프롭 엔진의 진단에 관한 연구

Study on Fault Diagnostics of a Turboprop Engine Using Fuzzy Logic and BBNN

다양한 비행환경에서 장시간 체공하며 운용되는 UAV에서 추진시스템을 신뢰성 있게 운용하는 것은 매우 중요하다. 이런 UAV에 사용되는 터보프롭 엔진의 정확한 손상진단은 신뢰성과 이용률을 향상시킬 수 있다. 본 연구에서는 엔진 측정 파라미터들의 변화로부터 퍼지 이론을 적용하여 손상된 구성품을 식별한 후 훈련된 신경망 알고리즘을 식별된 손상 패턴에 적용하여 손상된 양을 정확히 진단할 수 있는 방법을 제안하였다. 이렇게 제안된 진단 방법은 단일손상과 다중손상 모두 진단할 수 있다.

The UAV(Unmanned Aerial Vehicle) which is remotely operating with long endurance in high altitude must have a very reliable propulsion system. The precise fault diagnostic system of the turboprop engine as a propulsion system of this type UAV can promote reliability and availability. This work proposes a diagnostic method which can identify the faulted components from engine measuring parameter changes using Fuzzy Logic and quantify its faults from the identified fault pattern using Neural Network Algorithms. It is found by evaluation examples that the proposed diagnostic method can detect well not only single type faults but also multiple type faults.