TU Darmstadt / ULB / TUprints

Hybride Fehlerprognose zur Unterstützung prädiktiver Instandhaltungskonzepte in der Luftfahrt

Mikat, Heiko (2015)
Hybride Fehlerprognose zur Unterstützung prädiktiver Instandhaltungskonzepte in der Luftfahrt.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication

[img]
Preview
Druckversion der Dissertation - Text (Standard pdf)
Hybride Fehlerprognose_Heiko Mikat_2015_10_11.pdf - Accepted Version
Copyright Information: CC BY-NC-ND 3.0 Unported - Creative Commons, Attribution, NonCommercial, NoDerivs.

Download (3MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Hybride Fehlerprognose zur Unterstützung prädiktiver Instandhaltungskonzepte in der Luftfahrt
Language: German
Referees: Klingauf, Prof. Uwe ; Abele, Prof. Eberhard
Date: 2015
Place of Publication: Darmstadt
Collation: 210 Seiten
Date of oral examination: 24 February 2015
Abstract:

Die vorliegende Arbeit beschäftigt sich mit der Analyse der Möglichkeiten und Herausforderungen zur Steigerung der operationellen Leistungsfähigkeit von Luftfahrtsystemen durch zustandsbasierte Wartungskonzepte. Hierfür wird zunächst der Einfluss von Diagnose- und Prognosefunktionen auf die Verfügbarkeit und den Wartungsaufwand des operativen Systems dargestellt. Das Hauptziel der Arbeit ist nachfolgend die Analyse und Verifikation eines neuen Konzeptes zur Fehlerprognose.

Die erste Zielsetzung ist hierbei die Nachweisführung, dass prädiktive Instandhaltungskonzepte die operationelle Leistungsfähigkeit von Luftfahrtsystemen steigern können. Hierfür wurde eine speziell für diesen Zweck ausgelegte Simulationsumgebung aufgesetzt und validiert. Ein hierarchischer Modellierungsansatz ermöglicht eine ganzheitliche Bewertung von Auslegungskriterien hinsichtlich Genauigkeit und Präzision von Diagnose- und Prognosefunktionen. Durch die Modellierung der ersten beiden statistischen Momente ausgewählter Modellanteile wird weiterführend eine Risikoanalyse für leistungsorientierte Vertragskonzepte ermöglicht.

Motiviert durch die Ergebnisse dieser Analyse wird als Hauptziel der Arbeit ein hybrides Prognosekonzept mit daten- und modellbasierten Anteilen untersucht. Hierzu wird die „Genetische Programmierung“ (GP) als datenbasiertes Verfahren zur Systemidentifikation durch das „Unscented Kalman Filter“ (UKF) um einen modellbasierten Anteil erweitert (GP-UKF). Es wird gezeigt, dass der GP-UKF durch die Bereitstellung von geeigneten Trainingsdaten, ohne Vorwissen über den zu prognostizierenden Prozess eine robuste und zuverlässige Fehlerprognose ermöglicht. Die Motivation hierfür resultiert aus den komplexen und kostenintensiven Maßnahmen zur Neuentwicklung von Prognosefähigkeiten, die durch den hiermit verbundenen hohen Aufwand in der Entwicklungsphase und die begrenzte Qualität der Prognose in der Nutzungsphase bisher in fliegenden Systemen nur für einen sehr begrenzten Anwendungsbereich eine erfolgreiche Nutzung zugelassen haben.

Für die Verifikation des GP-UKF werden Modelle zur Simulation von Degradierungsverläufen unter Berücksichtigung von messbaren und nicht messbaren Einflussgrößen aufgestellt und zusätzlich ein speziell instrumentierter Prüfstand genutzt. Die Simulationsmodelle ermöglichen die Analyse eines breiten Spektrums an Anwendungsfällen zur Bewertung der Prognosefähigkeiten des GP-UKF. Für den experimentellen Anteil der Verifikation wird das Degradierungsverhalten von Wälzlagern eines luftfahrttauglichen Lüfters analysiert und prognostiziert. Der Vergleich mit einem etablierten Verfahren aus dem Bereich der hybriden Fehlerprognose ermöglicht schließlich eine objektive Bewertung des untersuchten Prognoseansatzes. Abschließend werden die Ergebnisse der quantitativen Bewertung verwendet, um mittels der validierten Simulationsumgebung für Potentialanalysen von Prognosefunktionen eine Analyse des operationellen Nutzens des GP-UKF-Ansatzes vorzunehmen.

Alternative Abstract:
Alternative AbstractLanguage

This thesis deals with the analysis of the opportunities and challenges for improving the operational performance of aviation systems by the implementation of a condition-based maintenance concept. The first step is to illustrate how the implementation of diagnostic and prognostic functions affects availability and maintainability of the operating system. The main scope of this work is the evaluation and verification of a novel concept for failure prognosis.

Therefore the first aim of the work is to provide the evidence that the operational performance of aviation systems can be improved through predictive maintenance. A dedicated simulation environment has been built up and validated to support this task. By following a hierarchical modelling approach, it is possible to perform a holistic assessment of design requirements regarding accuracy and precision of diagnostic and prognostic functions. Furthermore modelling of the first two statistical moments of selected model properties enables a risk analysis for service-based contracts.

Motivated by the results of this analysis, the main scope of the work is the evaluation of a novel hybrid prognostic concept with data- and model-based parts. Therefore „Genetic Programming“ (GP) for system identification is extended by the „Unscented Kalman Filter“ (UKF) to integrate a model-based part into the data-based approach (GP-UKF). It is further verified that if appropriate training data is provided, the GP-UKF enables a robust and reliable failure prognosis without the need for any prior knowledge about the underlying process. The motivation to provide such capabilities results from the need to reduce the effort and costs for newly developed prognostic capabilities. The high development effort of such capabilities during the design phase of new systems and the limited quality of existing prognostics for flying systems in service did allow only very few areas of successful application.

Simulation models for generation of degradation paths under consideration of measurable and non-measurable effects are developed to support the verification of the GP-UKF. In addition an appropriately instrumented test rig has been used to generate experimental data. The assessment of the prognostic capabilities of the GP-UKF is mainly facilitated by the simulated data, which provide a wide spectrum of different types of degradation. The experimental part of the GP-UKF verification is based on test runs with seeded bearing degradation for an airworthy fan. An objective assessment of the GP-UKF is achieved by comparison with an established concept for hybrid failure prognosis. In conclusion the operational potential of the GP-UKF is evaluated by applying the results from the quantitative assessment as input to the validated simulation environment for potential analysis of prognostic functions.

English
Uncontrolled Keywords: Luftfahrt, Instandhaltung, Fehlerdiagnose, Fehlerprognose, Systemidentifikation, Genetische Programmierung, Zustandsschätzung, Kalman Filter
URN: urn:nbn:de:tuda-tuprints-49626
Classification DDC: 500 Science and mathematics > 510 Mathematics
600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 16 Department of Mechanical Engineering
16 Department of Mechanical Engineering > Institute of Flight Systems and Automatic Control (FSR)
Date Deposited: 26 Oct 2015 08:50
Last Modified: 09 Jul 2020 01:06
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/4962
PPN: 386810877
Export:
Actions (login required)
View Item View Item