Akıllı Durum İzleme Stratejilerini Kullanarak Uçak Motor Bakım Etkinliği Ve Güvenilirliğinin İyileştirirlmesi

Abstract

Minimum bakım maliyeti ile uçakların kullanılabilirliğini artırmak için, Motor durumunu izleme (MDİ) çok rağbet görür hale gelmiştir. Bu çalışma, uçak bakım etkinliği ve güvenilirliğini artırmak için, arızaların olmadan önce saptanmasına imkan sağlayacak, uçuş sırasında MDİ için bir metod geliştirmeyi amaçlamaktadır. Yaklaşan motor arızaları, yakıt akışı (FF), egzoz gaz sıcaklığı (EGT), motor fan devri (N1), motor kompressör devri (N2) vs. parametrelerinin değişmesine sebep olduğundan, motor kötüleşmeleri veya bozulmaları, bunların izlenmesi ile tespit edilebilir. Bu çalışmada, motor durumunu uçuşta izlemek için, bulanık mantık ve sinir ağları kullanılarak, hava yolları tarafından yapılan mevcut manüel MDİ’nin otomasyonu geliştirilmiştir. Daha sonra, MDİ otomasyonu için, çok kullanışlı bir metod olan bulanık mantık seçilmiştir. Farklı motor arızaları için, Türk Hava Yolları’ndaki gerçek veriler ve uzman bilgilerine dayanarak bulanık mantık kural tabanı oluşturulmuştur. MDİ’nin tüm çevrimi MATLAB’teki bulanık mantık modülü ve Visual Basic’te yazılan bir program kullanılarak otomatikleştirilmiştir. Sonuçta, bu metod Türk Hava Yollarındaki motorların izlenmesi için çalıştırılmıştır. Sonuçlar, bu metodun, MDİ’nin kolaylaştırılması ve ekstra adam-saat, insan hatası ve mühendislik uzmanlığı gerekliliği gibi dezavantajları minimuma indirmek için, hava yolları tarafından kullanılabileceği göstermiştir. Bu metot, uçak motorları dışında, uçaklardaki yardımcı güç üniteleri, yapısal elemanlar vb. komponetlere uygulanabilir. Her motor tipi farklı karakterlere sahip olabileceği için, farklı motor tiplerinde bu metot kullanırken kural tabanının revize edilmesi gerekir.

Engine Health monitoring (EHM) has been a very popular subject to increase aircraft availability with minimum maintenance cost. The study is aimed at providing a method to monitor the aircraft engine health during the flight with the aim of providing an opportunity for early fault detection to improve airline maintenance effectiveness and reliability. Since the impending engine failures may cause to change the engine parameters such as Fuel Flow (FF), Exhaust Gas Temperature (EGT), engine fan speed (N1), engine compressor speed (N2), etc., engine deteriorations or faults may be identified before they occur by monitoring them. So as to monitor engine health in flight, the automation of current work for EHM which is done manually by airlines is developed by using fuzzy logic (FL) and neural network (NN) models. FL is selected to develop an Automated EHM system (AEHMS), since it is very useful method for automation health monitoring. The fuzzy rule inference system for different engine faults is based on the expert knowledge and real life data in Turkish Airlines fleet. The complete loop of EHM is automatically performed by visual basic programs and Fuzzy Logic Toolbox in MATLAB. Finally, the method is utilized to run for monitoring the engines in Turkish Airlines fleet. This study has shown that AEHMS can be used by airlines or engine manufacturers efficiently to simplify the EHM system and minimize the drawbacks of it, such as extra labor hour, human error and requirement for engineering expertise. This method may also be applicable other than aircraft engines such as auxiliary power unit, structures. Since every engine type has different characters, it is required to revise the fuzzy rules for the concerning engine types.