Beschreibung

Die Erfindung betrifft ein Verfahren zum Erkennen einer Anomalie in Betriebsmesswerten einer Strömungsmaschine, insbesondere einer Flugzeugturbine gemäß den Merkmalen des Oberbegriffs des Anspruchs 1, eine Analysevorrichtung gemäß den Merkmalen des Oberbegriffs des Anspruchs 9 sowie eine Maschinenüberwachungsvorrichtung gemäß den Merkmalen des Oberbegriffs des Anspruchs 10.

Zur Überwachung eines Zustands einer Strömungsmaschine ist es verbreitet, dass durch Sensoren der Strömungsmaschine Betriebsmesswerte jeweiliger Betriebsparameter der Strömungsmaschine während einer Betriebszeit erfasst werden. Um einen graduellen Verschleiß sowie Schadensfälle der Strömungsmaschine feststellen zu können, ist es erforderlich, die Betriebsmesswerte zu beobachten. Hierbei ist es üblich, dass zu charakteristischen Zeitpunkten während einer Betriebszeit jeweilige Datenpunkte, welche die jeweiligen Betriebsmesswerte der jeweiligen Betriebsparameter zu einem bestimmten Zeitpunkt umfassen, aufgezeichnet und an ein Engine-Condition-Monitoring- System übergeben werden. Diese in mehreren Flügen erfassten Datenpunkte werden einer Zeitreihe hinzugefügt, durch welche das Engine-Condition-Monitoring-System auftretende Schäden in der Strömungsmaschine erfassen kann. Typischerweise werden die Datenpunkte während charakteristischer Phasen eines Fluges erfasst. Ein erster Datenpunkt wird in der Regel während der Startbeziehungsweise Steigflugphase eines Fluges erfasst, in welcher die Strömungsmaschine einer hohen Belastung ausgesetzt ist. Ein zweiter Datenpunkt wird in der Regel erfasst, wenn sich die Strömungsmaschine in einem stationären Zustand während des Flugs befindet.

Zur Erkennung von Schäden wird dabei in der Regel auf alle verfügbaren Datenpunkte der unterschiedlichen Missionsphasen zurückgegriffen während für das Monitoring von langfristigen Alterungseffekten insbesondere die während der stationären Phasen der Flüge aufgenommenen Datenpunkte verwendet werden. Durch dieses Vorgehen stehen in der Regel lediglich einige wenige Datenpunkte pro Flug für die Schadensdetektion zur Verfügung. Da die Datenpunkte Betriebsmesswerte umfassen, die zu einem bestimmten Zeitpunkt erfasst sind, können diese ein Rauschen aufweisen. Weichen zumindest einige Betriebsmesswerte jeweiliger Betriebsparameter von einer Norm ab, ist es somit aus einer einzelnen Messung nicht eindeutig ersichtlich, ob diese Abweichung auf ein Rauschen oder einen tatsächlichen Fehler zurückzuführen ist. Somit sind typischerweise mehrere Datenpunkte aus jeweiligen Flügen erforderlich, um eine Abweichung zuverlässig einstufen zu können.

Zusätzlich zu dieser bisherigen Art des Engine-Condition-Monitoring, welches auf den extrahierten Datenpunkten beruht, ist es möglich, spontan auftretende Fehler oder Abweichungen in der Strömungsmaschine bereits innerhalb eines Fluges unter Verwendung kontinuierlich aufgezeichneter Messdaten zu erfassen. Eine Nutzung sämtlicher dieser Datenpunkte der kontinuierlichen Flugdaten ist zur Ermittlung von Langzeitschäden nicht effizient.

In der Veröffentlichung Simon, D. L., & Litt, J. S. (2011). A data filter for identifying steady-state operating points in engine flight data for condition monitoring applications. Journal of Engineering for Gas Turbines and power, 133(7); ist ein Datenfilter zur Identifizierung von stationären Betriebspunkten in Triebwerkflugdaten für Zustandsüberwachungsanwendungen offenbart. Die Veröffentlichung beschreibt einen Algorithmus, der stationäre Triebwerkbetriebspunkte in kontinuierlichen Triebwerkflugdatenaufzeichnungen identifiziert und extrahiert. Der Algorithmus überwacht eine Standardabweichung vorbestimmter Daten, welche durch das Triebwerk bereitgestellt werden, und identifiziert einen Betriebszustand des Triebwerks als stationär, wenn die Standardabweichung der Messdaten unter eine vorbestimmte Grenze fällt. Die über einen bestimmten Zeitraum erfassten Messdaten werden gemittelt und zu einem stationären Datenpunkt zusammengefasst.

Die DE 69724 555 T2 offenbart eine diagnostische Tendenzanalyse für Flugzeugtriebwerke. In dem Verfahren ist es vorgesehen, dass Ausreiß erpunkte, die mit berechneten Trennparametern verbunden sind, eliminiert werden.

Die US 7,979,192 B2 offenbart ein Verfahren und System zur Trendüberwachung von Flugzeugtriebwerken. In dem Verfahren ist es vorgesehen, dass Ausgaben von Triebwerkzustandssensoren aufgezeichnet werden und eine Analyse von Ergebnissen zur Untersuchung von Leistungstrends bei Kolbenmotoren und zur Ermöglichung einer Vorhersage einer Notwendigkeit einer Triebwerkswartung erfolgt.

Es ist eine Aufgabe der Erfindung, eine Einbindung kontinuierlich aufgezeichneter Flugdaten in bestehende Engine-Condition-Monitoring- Systeme zu ermöglichen.

Die Aufgabe wird erfindungsgemäß durch ein Verfahren zum Erkennen einer Anomalie in Betriebsmesswerten einer Strömungsmaschine, insbesondere einer Flugzeugturbine gemäß den Merkmalen des Anspruchs 1, eine Analysevorrichtung gemäß den Merkmalen des Anspruchs 9 sowie eine Maschinenüberwachungsvorrichtung gemäß den Merkmalen des Anspruchs 10 gelöst. Vorteilhafte Ausgestaltungen mit zweckmäßigen Weiterbildungen der Erfindung sind in den jeweiligen Unteransprüchen angegeben, wobei vorteilhafte Ausgestaltungen jedes Erfindungsaspekts als vorteilhafte Ausgestaltungen der jeweils anderen Erfindungsaspekte anzusehen sind.

Ein erster Aspekt der Erfindung betrifft ein Verfahren zum Erkennen einer Anomalie in Betriebsmesswerten einer Strömungsmaschine, insbesondere einer Flugzeugturbine. Eine Anomalie kann beispielsweise eine Abweichung des Verhaltens der Strömungsmaschine von einem erwarteten Betrieb sverhalten umfassen. In dem Verfahren ist es vorgesehen, dass ein mehrmaliges Erfassen der Betriebsmesswerte jeweiliger Betriebsparameter einer Strömungsmaschine während einer Betriebszeit der Strömungsmaschine durch Sensoren der Strömungsmaschine erfolgt. Mit anderen Worten ist es vorgesehen, dass die jeweiligen Betriebsmesswerte jeweiliger Betriebsparameter, welche beispielsweise eine Umdrehungszahl, eine Betriebstemperatur oder andere Betriebsparameter umfassen können, erfasst werden. Die Erfassung erfolgt durch die Sensoren der Strömungsmaschine. Die Erfassung kann periodisch oder kontinuierlich während der Betriebszeit der Strömungsmaschine erfolgen. Unter einer Betriebszeit kann beispielsweise ein zeitlicher Abschnitt zwischen einem Aktivieren und einem Deaktivieren der Strömungsmaschine definiert sein oder ein bestimmter vorgegebener Zeitabschnitt, in welcher sich die Strömungsmaschine in einem bestimmten Betriebszustand befindet. Die Betriebszeit der Strömungsmaschine kann auch einen Zeitraum eines Fluges beschreiben.

Die erfassten Betriebsmesswerte der jeweiligen Betriebsparameter werden nach einem vorbestimmten Analyseverfahren durch eine Analysevorrichtung ausgewertet, um quasi-stationäre Zeit- abschnitte der Betriebszeit, die ein vorbestimmtes quasi-stationäres Kriterium erfüllen, zu ermitteln. Das vorbestimmte Analyseverfahren kann beispielsweise das Analyseverfahren sein, welches in der im Stand der Technik zitierten Veröffentlichung von Simon, D. L., & Litt, J. S. offenbart ist. Die quasi-stationären Zeitabschnitte der Betriebszeit können solche Zeitabschnitte beschreiben, in denen sich die Strömungsmaschine in einem quasi-stationären Betriebszustand befinden kann. Ein solcher quasi-stationärer Betriebszustand wird durch die ermittelten Betriebsmesswerte der jeweiligen Betriebsparameter identifiziert. In einem folgenden Schritt kann durch die Analysevorrichtung eine Generierung quasi-stationärer Betriebsdatenpunkte für die quasi-stationären Zeitabschnitte nach einem vorbestimmten Mittelungsverfahren erfolgen. Die quasi-stationären Betriebsdatenpunkte umfassen gemittelte Betriebsmesswerte der während der jeweiligen quasi-stationären Zeitabschnitte erfassten Betriebsmesswerte der jeweiligen Betriebsparameter. Mit anderen Worten ist es vorgesehen, dass für die jeweiligen quasi-stationären Zeitabschnitte jeweilige quasi-stationäre Betriebsdatenpunkte generiert werden, wobei es sich bei den Betriebsmesswerten der jeweiligen Betriebsparameter um gemittelte Betriebsmesswerte handelt, welche aus den während des quasi-stationären Zeitabschnitts erfassten Betriebsmesswerten generiert wurden. Als das vorbestimmte Mittelungsverfahren zur Generierung der quasi-stationären Betriebsdatenpunkte kann das in dem angegebenen Stand der Technik zitierte Verfahren von Simon, D. L., & Litt, J. S. verwendet werden.

Vorteilhaft an dem beschriebenen Vorgehen ist, dass eine Vielzahl quasi-stationärer Betriebsdatenpunkte generiert werden kann. Für die während eines Fluges identifizierten Betriebsdatenpunkte ist durch die näherungsweise gleichbleibenden Betriebsbedingungen eine geringere Streuung zu erwarten als bei einem Vergleich der Betriebsdatenpunkte mehrerer Flüge.

Es ist vorgesehen, dass durch die Analysevorrichtung jeweilige Erwartungsdatenpunkte für die quasi-stationären Betriebsdatenpunkte nach einem vorbestimmten Erwartungswertermittlungsverfahren ermittelt werden. Die Erwartungsdatenpunkte umfassen jeweilige Betriebserwartungswerte der jeweiligen Betriebsparameter. Die Erwartungsdatenpunkte können mittels Simulationen oder basierend auf Modellen der Strömungsmaschine generiert werden, wobei die Betriebserwartungswerte zu erwartende Betriebsmesswerte der jeweiligen Betriebsparameter beschreiben können. Durch die Analysevorrichtung können jeweilige Betriebsmesswertresiduen der jeweiligen Betriebsparameter, welche die Abweichungen zwischen den Betriebserwartungswerten und den gemittelten Betriebs- messwerten der jeweiligen Betriebsparameter beschreiben, ermittelt werden. Der Verfahrensschritt kann beispielsweise ebenfalls der Veröffentlichung von Simon, D. L., & Litt, J. S. entnommen sein.

In einem weiteren Schritt erfolgt ein Überprüfen der Betriebsmesswertresiduen der jeweiligen quasi-stationären Betriebsdatenpunkte auf eine Einhaltung vorbestimmter Kriterien in Bezug auf vorgegebene Nominalwerte der Betriebsmesswertresiduen. Mit anderen Worten werden die jeweiligen Betriebsmesswertresiduen, welche die Abweichung zwischen den Betriebserwartungswerten und den gemittelten Betriebsmesswerten der jeweiligen Betriebsparameter beschreiben, mit vorgegebenen Nominalwerten der Betriebsmesswertresiduen verglichen. Die Nominalwerte der Betriebsmesswertresiduen können beispielsweise Betriebsmesswertresiduen sein, welche auf Grundlage vorhergehender erfasster Betriebsmesswertresiduen ermittelt worden sein können. Die vorbestimmten Kriterien können vorgegebene Werteschablonen umfassen, welche zulässige Wertebereiche der jeweiligen Betriebsmesswertresiduen beschreiben können. Es ist vorgesehen, dass ein Anomalieindikator durch die Analysevorrichtung generiert und an eine Maschinenüberwachungs- vorrichtung übermittelt wird. Die Analysevorrichtung umfasst das verletzte Kriterium und einen Zeitpunkt der Verletzung des jeweiligen Kriteriums.

Durch das Verfahren ergibt sich der Vorteil, dass kontinuierliche Betriebsmesswerte zur Verwendung in bekannten Maschinenüberwachungsverfahren aufbereitet werden können. Dadurch ist es möglich, Langzeitüberwachungen von Strömungsmaschinen basierend auf gemittelten Betriebsmesswerten durchzuführen, welche ein geringeres Rauschverhalten aufweisen. Durch die Überwachung der Einhaltung der vorbestimmten Kriterien in Bezug auf vorgegebene Nominalwerte der Betriebsmesswertresiduen ist es zudem möglich, spontane beziehungsweise kurzfristig auftretende Abweichungen, welche nicht oder nur mit einer bestimmten Latenz in Maschinenüberwachungsverfahren gemäß dem aktuellen Stand der Technik erfasst werden können, zeitnah zu erfassen.

Die Erfindung umfasst auch Weiterbildungen, durch die sich weitere Vorteile ergeben.

Eine Weiterbildung der Erfindung sieht vor, dass das Verfahren einen Schritt einer Ermittlung der vorbestimmten Nominalwerte der Betriebsmesswertresiduen nach einem vorbestimmten Normermittlungsverfahren aus in der Analysevorrichtung gespeicherten Betriebsmesswertresiduen von quasi-stationären Betriebsdatenpunkten vorhergehender Betriebszeiten der Strömungsmaschine um- fasst. Mit anderen Worten ist es vorgesehen, dass die vorbestimmten Nominalwerte der Betriebsmesswertresiduen, welche zur Erkennung einer Anomalie verwendet werden, auf in der Analysevorrichtung gespeicherten Betriebsmesswertresiduen basieren, welche für quasi-stationäre Betriebsdatenpunkte vorhergehender Betriebszeiten ermittelt wurden. Durch die Weiterbildung ergibt sich der Vorteil, dass die Nominalwerte spezifisch auf das Verhalten der jeweiligen Strömungsmaschine abgestimmt sind.

Eine Weiterbildung der Erfindung sieht vor, dass die jeweiligen quasi-stationären Betriebsdatenpunkte einer Zeitreihe hinzugefügt werden. Mit anderen Worten ist es vorgesehen, dass in der Analysevorrichtung die Zeitreihe mit den jeweiligen quasi-stationären Betriebsdatenpunkten generiert wird oder die quasi- stationären Betriebsdatenpunkte der Betriebszeit einer Zeitreihe hinzugefügt werden, welche quasi-stationäre Betriebsdatenpunkte vorhergehender Betriebszeiten der Strömungsmaschine umfasst. Durch die Weiterbildung der Erfindung ergibt sich der Vorteil, dass aus dem erfassten quasi- stationären Datenpunkten ein Langzeitverhalten der Strömungsmaschine über mehrere Betriebszeiten der Strömungsmaschine ermittelt werden kann.

Eine Weiterbildung der Erfindung sieht vor, dass durch die Analysevorrichtung für die jeweiligen quasi-stationären Betriebsdatenpunkte jeweilige Qualitätsparameter ermittelt werden und nur solche der quasi- stationären Betriebsdatenpunkte einer Zeitreihe hinzugefügt werden, deren Qualitätsparameter ein vorbestimmtes Qualitätskriterium erfüllen. Mit anderen Worten ist es vorgesehen, dass die jeweiligen quasi-stationären Betriebsdatenpunkte durch die Analysevorrichtung bewertet werden. Die Bewertung erfolgt durch eine Ermittlung des jeweiligen Qualitätsparameters für die jeweiligen quasi-stationären Datenpunkte nach einem vorbestimmten Verfahren. Der Qualitätsparameter kann beispielsweise eine Varianz der gemittelten Betriebsmesswerte umfassen. Durch die Analysevorrichtung werden nur diejenigen quasi- stationären Betriebsdatenpunkte der Zeitreihe hinzuge- fügt, welche einen jeweiligen Qualitätsparameter aufweisen, der das vorbestimmte Qualitätskriterium erfüllt. Die quasi-stationären Betriebsdatenpunkte, deren jeweiliger Qualitätsparameter das vorbestimmte Qualitätskriterium nicht erfüllt, werden der Zeitreihe nicht hinzugefügt. Das vorbestimmte Qualitätskriterium kann beispielsweise vorgeben, dass nur solche quasi-stationären Betriebsdatenpunkte der Zeitreihe hinzugefügt werden, deren Betriebsmesswerte eine vorbestimmte Varianz nicht überschreiten. Durch die Weiterbildung ist es möglich, solche quasi-stationären Betriebsdatenpunkte zu identifizieren, welche besonders repräsentativ für ein quasi- stationäres Verhalten sind. Durch die Weiterbildung ergibt sich der Vorteil, dass die Zeitreihe nur auf stationären Betriebsdatenpunkten basiert, welche besonders repräsentativ sind.

Eine Weiterbildung der Erfindung sieht vor, dass die Zeitreihe durch die Analysevorrichtung an die Maschinenüberwachungsvorrichtung übermittelt wird. Mit anderen Worten ist es vorgesehen, dass die generierte Zeitreihe zur Auswertung an die Maschinenüberwachungsvorrichtung übertragen wird. Durch die Weiterbildung der Erfindung ergibt sich der Vorteil, dass die Zeitreihe zur Ermittlung von Langzeittendenzen durch die Maschinenüberwachungsvorrichtung ausgewertet werden kann.

Eine Weiterbildung der Erfindung sieht vor, dass durch die Maschinenüberwachungsvorrichtung der quasi-stationäre Betriebsdatenpunkt ermittelt wird, in dessen quasi-stationären Zeitabschnitt der Zeitpunkt des Anomalieindikators fällt, und der Anomalieindikator zumindest diesem quasi-stationäre Betriebsdatenpunkt zugewiesen wird. Mit anderen Worten ist es vorgesehen, dass durch die Ma- schinenüberwachungsvorrichtung ermittelt wird, in welchen quasi-stationären Zeitabschnitt der Zeitpunkt fällt, der in dem Anomalieindikator beschrieben ist. Der Anomalieindikator wird anschließend zumindest dem quasi-stationären Betriebsdatenpunkt zugewiesen, in dessen quasi-stationärem Zeitabschnitt der Anomalieindikator liegt.

Eine Weiterbildung der Erfindung sieht vor, dass durch die Maschinenüberwachungsvorrichtung zumindest den quasi-stationären Betriebsdatenpunkten, deren Zeitabschnitte nach dem Zeitpunkt liegen, der Anomalieindikator zugewiesen wird. Mit anderen Worten ist es vorgesehen, dass der Anomalieindikator den quasi-stationären Betriebsdatenpunkten zugewiesen wird, deren Zeitabschnitte nach dem Zeitpunkt liegen, welcher in dem Anomalieindikator angegeben ist.

Eine Weiterbildung der Erfindung sieht vor, dass durch die Maschinenüberwachungsvorrichtung zumindest die quasi-stationären Betriebsdatenpunkte der Zeitreihe, denen der Anomalieindikator zugewiesen ist, nach einem vorbestimmten Fehlerdiagnoseverfahren untersucht werden. Mit anderen Worten werden zumindest die quasi-stationären Betriebsdatenpunkte, welche den Anomalieindikator aufweisen, nach einem vorbestimmten Fehlerdiagnoseverfahren durch die Maschinenüberwa- chungsvorrichtung überprüft. Das Fehlerdiagnoseverfahren kann das bei bekannten Maschinen- überwachungsvorrichtungen nach dem Stand der Technik übliche Fehlerdiagnoseverfahren sein. Durch die Weiterbildung ergibt sich der Vorteil, dass explizit solche Betriebsdatenpunkte untersucht werden, welche einen Zeitpunkt eines Auftritts eines Fehlers beschreiben oder welche nach einem Auftritt eines Fehlers erfasst wurden.

Ein zweiter Aspekt der Erfindung betrifft eine Analysevorrichtung, wobei die Analysevorrichtung dazu eingerichtet ist, quasi-stationäre Zeitabschnitte einer Betriebszeit, die ein vorbestimmtes quasistationäres Kriterium erfüllen nach einem vorbestimmten Analyseverfahren zu ermitteln. Die Analysevorrichtung ist dazu eingerichtet, quasi- stationäre Betriebsdatenpunkte für die quasi-stationären Zeitabschnitte nach einem vorbestimmten Mittelungsverfahren zu generieren, wobei die quasistationären Betriebsdatenpunkte gemittelte Betriebsmesswerte der während der jeweiligen quasistationären Zeitabschnitte erfassten Betriebsmesswerte der jeweiligen Betriebsparameter umfassen. Die Analysevorrichtung ist dazu eingerichtet, jeweilige Erwartungsdatenpunkte für die quasistationären Betriebsdatenpunkte nach einem vorbestimmten Erwartungswertermittlungsverfahren zu ermitteln, wobei die Erwartungsdatenpunkte jeweilige Betriebserwartungswerte der jeweiligen Betriebsparameter umfassen. Die Analysevorrichtung ist dazu eingerichtet, jeweilige Betriebsmesswertresiduen der jeweiligen Betriebsparameter, die Abweichungen zwischen den Betriebserwartungswerten und den gemittelten Betriebsmesswerten der jeweiligen Betriebsparameter beschreiben, zu ermitteln und Betriebsmesswertresiduen der jeweiligen quasi-stationären Betriebsdatenpunkte auf eine Einhaltung vorbestimmter Kriterien in Bezug auf vorgegebene Nominalwerte der Betriebsmesswertresiduen zu überprüfen. Die Analysevorrichtung ist dazu eingerichtet, im Falle einer Erfassung einer Verletzung zumindest eines der vorbestimmten Kriterien, einen Anomalieindikator, umfassend das verletzte Kriterium und einen Zeitpunkt der Verletzung, an eine Maschinen- überwachungsvorrichtung zu übermitteln.

Weitere Merkmale und deren Vorteile sind den Beschreibungen des ersten Erfindungsaspekts zu entnehmen.

Ein dritter Aspekt der Erfindung betrifft eine Maschinenüberwachungsvorrichtung, wobei die Ma- schinenüberwachungsvorrichtung dazu eingerichtet ist, eine Zeitreihe, umfassend quasi- stationäre Betriebsdatenpunkte für jeweilige quasi-stationäre Zeitabschnitt einer Betriebszeit zu empfangen, wobei die quasi-stationären Betriebsdatenpunkte gemittelte Betriebsmesswerte während der jeweiligen quasi-stationären Zeitabschnitte erfassten Betriebsmesswerte jeweiliger Betriebsparameter umfassen. Die Maschinenüberwachungsvorrichtung ist dazu eingerichtet, einen Anomalieindikator, umfassend ein verletztes Kriterium und einen Zeitpunkt der Verletzung zu empfangen. Die Maschi- nenüberwachungsvorrichtung ist dazu eingerichtet, den quasi-stationären Betriebsdatenpunkt zu ermitteln, in dessen quasi-stationären Zeitabschnitt der Zeitpunkt des Anomalieindikators fällt und den Anomalieindikator zumindest diesem quasi- stationäre Betriebsdatenpunkt zuzuweisen. Die Maschi- nenüberwachungsvorrichtung ist dazu eingerichtet, zumindest die quasi-stationären Betriebsdatenpunkte der Zeitreihe, denen der Anomalieindikator zugewiesen ist, nach einem vorbestimmten Fehlerdiagnoseverfahren zu untersuchen.

Weitere Merkmale und deren Vorteile sind den Beschreibungen des ersten und zweiten Erfindungsaspekts zu entnehmen.

Die Analysevorrichtung und die Maschinenüberwachungsvorrichtung können einen oder mehrere Computer, einen oder mehrere Mikrocontroller und/oder einen oder mehrere integrierte Schaltkreise enthalten, beispielsweise eine oder mehrere anwendungsspezifische integrierte Schaltungen, ASIC (englisch: „application-specific integrated circuit“), eines oder mehrere feldprogrammierbare Gate- Arrays, FPGA, und/oder eines oder mehrere Einchipsysteme, SoC (englisch: „system on a chip“). Die Recheneinheit kann auch einen oder mehrere Prozessoren, beispielsweise einen oder mehrere Mikroprozessoren, eine oder mehrere zentrale Prozessoreinheiten, CPU (englisch: „central processing unit“), eine oder mehrere Grafikprozessoreinheiten, GPU (englisch: „graphics processing unit“) und/oder einen oder mehrere Signalprozessoren, insbesondere einen oder mehrere digitale Signalprozessoren, DSP, enthalten. Die Recheneinheit kann auch einen physischen oder einen virtuellen Verbund von Computern oder sonstigen der genannten Einheiten beinhalten.

Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen, sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch durch separierte Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten unabhängigen Anspruchs aufweisen. Es sind darüber hinaus Ausführungen und Merkmalskombinationen, insbesondere durch die oben dargelegten Ausführungen, als offenbart anzusehen, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen. Dabei zeigt:

FIG. 1 eine schematische Darstellung eines Ablaufs eines Verfahrens zum Erkennen einer Anomalie in Betriebsmesswerten einer Strömungsmaschine;

FIG. 2 zeigt eine schematische Darstellung einer möglichen Zeitreihe, welche quasi-stationäre Datenpunkte umfasst;

FIG. 3 eine schematische Darstellung eines Ablaufs der Verfahrensschritte des Verfahrens zur Erfassung der quasi- stationären Zeiträume und der Generierung der quasi-stationären Datenpunkte; und

FIG. 4 zeigt eine schematische Darstellung eines Ablaufs der Verfahrensschritte des Verfahrens zur Erfassung der Anomalien.

FIG. 1 zeigt eine schematische Darstellung eines Ablaufs eines Verfahrens zum Erkennen einer Anomalie in Betriebsmesswerten einer Strömungsmaschine. Eine Strömungsmaschine 1, welche beispielsweise eine Strömungsmaschine 1 eines Flugzeugs sein kann, kann über eine Betriebszeit betrieben werden, wobei während des Betriebs der Strömungsmaschine 1 durch Sensoren 2 der Strömungsmaschine 1 mehrmals Betriebsmesswerte 3 der Strömungsmaschine 1 erfasst werden können. Die Sensoren 2 können die Betriebsmesswerte 3 in vorbestimmten Zeitabständen oder kontinuierlich während der Betriebszeit erfassen. Die Betriebsmesswerte 3 können jeweiligen Be- triebsparametem 4 zugeordnet sein. Die Betriebsparameter 4 können beispielsweise eine Drehzahl der Strömungsmaschine 1 und/oder eine Temperatur der Strömungsmaschine 1 umfassen. Die erfassten Betriebsmesswerte 3 können einer Betriebsmesswertzeitreihe 5 hinzugefügt werden, welche der jeweiligen Betriebszeit der Strömungsmaschine 1 zugeordnet sein kann. Die Betriebsmess- wertzeitreihe 5 kann beispielsweise auf einen bestimmten Flug begrenzt sein. Durch die Betriebsmesswertzeitreihe 5 kann beispielsweise beschrieben sein, wie sich die Betriebsmesswerte 3 der Betriebsparameter 4 über die Betriebszeit verändern. Durch die Erfassung der Betriebsmesswerte 3 während der Betriebszeit kann es möglich sein, beispielsweise Fehlfunktionen der Strömungsmaschine 1 zu erkennen.

Um Trends der Strömungsmaschine 1 erfassen zu können, die auf Schädigungen oder Verschleiß hindeuten, ist es üblich, die Betriebsmesswerte 3 während mehrerer Betriebszeiten der Strömungsmaschine 1 aufzuzeichnen. Dabei werden bestimmte Datenpunkte, welche Betriebsmesswerte 3 der Betriebsparameter 4 zu einem jeweiligen Zeitpunkt beschreiben, ermittelt und einer Zeitreihe 6 hinzugefügt, welche durch eine Maschinenüberwachungsvorrichtung 9 ausgewertet werden kann. Gewöhnlicherweise werden pro Betriebszeit beispielsweise ein oder zwei der Datenpunkte bereitgestellt und der Zeitreihe 6 hinzugefügt. Durch eine Analyse der Zeitreihe 6 durch die Maschinen- überwachungsvorrichtung 9 können sowohl langfristige Trends, welche sich über mehrere Betriebszeiten der Strömungsmaschine 1 erstrecken, identifiziert werden als auch Veränderungen im Betrieb sverhalten, welche sich innerhalb kürzester Zeit, gegebenenfalls sogar schlagartig, einstellen. Nachteilig daran ist, dass mehrere Betriebszeiten erforderlich sein können, um diese Veränderungen im Betriebsverhalten detektieren zu können. Dadurch dass lediglich einzelne Datenpunkte bereitgestellt werden, weisen diese ein relativ hohes Rauschen auf. Es lässt sich somit nicht immer eindeutig nachvollziehen, ob eine einzelne Abweichung einzelner Betriebsmesswerte 3 auf ein Rauschen oder eine Fehlfunktion zurückzuführen ist. Infolge dieser mangelnden Differenzierbarkeit zwischen Rauschen und Fehlfunktion können Fehler nach dem Stand der Technik oft nur mit einer gewissen Latenz von mehreren Flügen detektiert werden.

Um die Abweichungen in einzelnen Datenpunkten zu reduzieren und spontane Fehler erkennen zu können, ist es vorgesehen, dass die über die Betriebszeit erfassen Betriebsmesswerte 3 in einem vorbestimmten Analyseverfahren 8 durch eine Analysevorrichtung 7 ausgewertet werden. In dem vorbestimmten Analyseverfahren 8 werden die Betriebsmesswerte 3 daraufhin untersucht, ob diese ein quasi-stationäres Kriterium 24A erfüllen, welches einen quasi- stationären Betriebszustand der Strömungsmaschine 1 identifiziert. Zusammenhängende Zeitabschnitte, in denen das vorbestimmte quasi-stationäre Kriterium 24A für quasi-stationäre Zeitabschnitte erfüllt wird, können als quasistationäre Zeitabschnitte 10 durch ein Identifizierungsverfahren 11 identifiziert werden. Um Datenpunkte zur Auswertung durch die Maschinenüberwachungsvorrichtung 9 generieren zu können, ist es vorgesehen, dass durch die Analysevorrichtung 7 nach einem vorbestimmten Ausleseverfahren 12, die Betriebsmesswerte 3 der in dem Identifikationsverfahren 11 erfassten quasistationären Zeitabschnitte 10 ausgelesen werden. Die während des jeweiligen quasi-stationären Zeitabschnitts 10 erfassten Betriebsmesswerte 3 der jeweiligen Betriebsparameter 4 können nach einem vorbestimmten Mittelungsverfahren 13 zu gemittelten Betriebsmesswerten 14 gemittelt werden und die gemittelten Betriebsmesswerte 14 in einem quasi-stationären Datenpunkt 17 zusammengefasst werden. Die quasi- stationären Datenpunkte 17 weisen gegenüber den in dem Stand der Technik verwendeten Datenpunkte den Vorteil auf, dass deutlich mehr generiert werden können, wodurch eine statistisch relevante Datenbasis für die nachfolgenden Bearbeitungsschritte zur Verfügung steht.. Es kann vorgesehen sein, dass für die jeweiligen quasi-stationäre Datenpunkte 17 in einem vorbestimmten Qualitätsermittlungsverfahren 15 jeweilige Qualitätsparameter 16 der quasistationären Datenpunkte 17 ermittelt werden. Die Qualitätsparameter 16 können beispielsweise die jeweilige Varianz der Betriebsmesswerte 3, welche während des jeweiligen quasi-stationären Zeitabschnitts 10 erfasst wurden, beschreiben. Solche der quasi-stationären Datenpunkte 17, welche ein vorbestimmtes Qualitätskriterium 24C für quasi- stationäre Zeitabschnitte erfüllen, können als repräsentative quasi- stationäre Datenpunkte 17 identifiziert und durch die Analysevorrichtung 7 der Zeitreihe 6 hinzugefügt werden. Es kann auch vorgesehen sein, dass alle der quasi-stationären Datenpunkte 17 der Zeitreihe 6 hinzugefügt werden. Die Bereitstellung der quasi-stationären Datenpunkte 17 in der Zeitreihe 6 ermöglicht es der Maschinenüberwachungsvorrichtung 9, langfristige Trends und/oder Schädigungen in der Strömungsmaschine 1 zu erfassen. Um kurzfristige Änderungen oder spontan auftretende Fehler in dem Betrieb der Strömungsmaschine 1 erfassen zu können, kann es vorgesehen sein, dass durch die Analysevorrichtung 7 eine Überprüfung der quasi-stationären Datenpunkte 17 auf ein Auftreten von Anomalien in einem vorbestimmten Detektionsverfahren 18 durchgeführt wird. In dem Detektionsverfahren 18 kann es vorgesehen sein, dass in einem ersten Schritt nach einem vorbestimmten Erwartungswertermittlungsverfahren 19 jeweilige Erwartungsdatenpunkte 20 für die jeweiligen quasi-stationären Datenpunkte 17 ermittelt werden. Die Erwartungsdatenpunkte 20 können Betriebserwartungswerte 21 umfassen, welche den jeweiligen Be- triebsparametem 4 zugewiesen sein können. Die Betriebserwartungswerte 21 können Betriebsmesswerte 3 beschreiben, welche einen vorgesehenen Betrieb der Strömungsmaschine 1 beschreiben können. Diese können beispielsweise mittels eines Modells oder einer Simulation der Strömungsmaschine 1 ermittelt werden. In einem Betriebsmesswertresiduenermittlungsverfahren 22 kann es vorgesehen sein, dass zwischen den Betriebsmesswerten 3 der jeweiligen Betriebsparameter 4 und den Betriebserwartungswerten 21 der jeweiligen Betriebsparameter 4 die Betriebsmesswertresiduen 23 ermittelt werden können. Diese können beschreiben, wie weit die Betriebsmesswerte 3 von den Betriebserwartungswerten 21 abweichen. Um feststellen zu können, ob die Betriebsmesswertresiduen 23 in einem normalen Bereich liegen oder auf eine Anomalie des Verhaltens der Strömungsmaschine 1 hinweisen, kann es vorgesehen sein, dass die Betriebsmesswertresiduen 23 der jeweiligen quasi-stationären Datenpunkte auf eine Einhaltung vorbestimmter Anomaliekriterien 24B für die Anomalie Detektion in Bezug auf vorgegebene Nominalwerte 25 der Betriebsmesswertresiduen 23 überprüft werden.

Eine Anomalie kann beispielsweise daran erkannt werden, dass zumindest eines oder mehrere der vorbestimmten Anomaliekriterien 24B verletzt wird. Die Anomaliekriterien 24B können beispielsweise zulässige Wertebereiche der Betriebsmesswerte 3 oder zulässige Relationen zwischen Betrieb smesswerten 3 unterschiedlicher Betriebsparameter 4 vorgeben oder die Einhaltung eines Grenzwertes bezüglich einer Anzahl der Ausreißer betreffen. Für den Fall, dass die Anomalie erfasst wird, kann es vorgesehen sein, dass ein Anomalieindikator 26 generiert wird, welcher das verletzte Anomaliekriterium 27 der vorbestimmten Anomaliekriterien 24B und einen Zeitpunkt 28 der Verletzung umfasst. Dieser Anomalieindikator 26 kann durch die Analysevorrichtung 7 der Maschi- nenüberwachungsvorrichtung 9 übergeben werden. Die Maschinenüberwachungsvorrichtung 9 kann dazu vorgesehen sein, ein vorbestimmtes Überwachungsverfahren 29, welches auch als Trendmonitoring bezeichnet wird, durchzuführen. Dabei können Fehler in dem Betrieb der Strömungsmaschine 1 erfasst werden. Das Überwachungsverfahren 29 kann beispielsweise ein sogenanntes Long-Term-Trending 30 umfassen, welches dazu vorgesehen sein kann, langfristige Verschlechterungen der Strömungsmaschine 1 mittels einer Überwachung der Betriebsmesswerte 3 zu erfassen. Die Maschinenüberwachungsvorrichtung 9 kann dazu eingerichtet sein, die quasistationären Datenpunkte 17, welchen der Anomalieindikator 26 zugewiesen sein kann aufweisen, einem Fehleridentifikationsverfahren 31 zur Identifikation eines Fehlers, welcher die Anomalie verursacht zuzuführen und die quasi-stationären Datenpunkte 17 gegebenenfalls einem Quantifizierungsverfahren 32 zuzuleiten, um ein Ausmaß des Fehlers zu ermitteln.

Mit anderen Worten zeigt FIG. 1 zeigt eine mögliche Einbindung der kontinuierlich aufgezeichneten Flugdaten in bestehende Engine-Trend-Monitoring-Anwendungen ETM zur Durchführung von En- gine-Trend-Monitoring- Verfahren in der Maschinenüberwachungsvorrichtung 9. Die kontinuierlichen Daten der einzelnen Flüge werden im ersten Schritt von einem Analyseverfahren 8 verarbeitet. Das Analyseverfahren 8 besteht dabei aus einem Datenfilter zur Identifikation quasi-stationärer Datenpunkte 17 und einem Detektionsverfahren 18 zur Detektion von Einzelschäden. Bei der Suche nach quasi- stationären Datenpunkten 17 ist allgemein davon auszugehen, dass eine Vielzahl solcher quasi-stationärer Flugabschnitte pro Flug gefunden werden können. Aufgrund der langsamen Schadensentwicklung bei graduellem Verschleiß bietet eine große Menge an Datenpunkten in Bezug auf das Long-Term-Trending 30 jedoch keinen unmittelbaren Informationsgewinn. Aus diesem Grund erfolgt eine Beschränkung auf einige wenige besonders stabile quasi-stationäre Datenpunkte 17. Diese besonders stabilen quasi-stationären Zeitabschnitte 10 können anschließend zu einer neuen Zeitreihe 6 zusammengefasst werden. Dies entspricht einer Auftragung einiger weniger Datenpunkte pro Flugzyklus und damit dem heutigen Stand der Technik. Entsprechend kann diese Zeitreihe 6 direkt an bestehende ETM-Systeme weitergeleitet und von diesen verarbeitet werden. Innerhalb des Detektionsverfahrens 18 können die kontinuierlichen Flugdaten zusätzlich auf eventuell vorhandene Anomalien innerhalb des Datensatzes der Betriebsmesswerte 3 untersucht werden. Werden Anomalien gefunden, kann eine entsprechende Schadensindikation in Form eines auch als Anomaly-Flags bezeichneten Anomalieindikators 26 gesetzt und für eine spätere Weiterverarbeitung an das bestehende ETM-System übermittelt werden. Hierdurch besteht eine zusätzliche Fehlerindikation, durch die eventuell nötige weitere Schritte bestehend aus Fehleridentifikation und Feh- lerquantifikation direkt ohne Latenz eingeleitet werden können. Für die Fehleridentifikation und Feh- lerquantifikation können zunächst auf bestehende Algorithmen auf Basis einzelner Snapshots zurückgegriffen werden.

FIG. 2 zeigt eine schematische Darstellung einer möglichen Zeitreihe 6, welche quasi-stationäre Datenpunkte 17 umfasst. Dargestellt ist ein Parameterverlauf 33 über einen Zeitraum 34, der sich über mehrere der Betriebszeiten 34 erstrecken kann. In der Figur sind einzelne der Betriebsmesswertresiduen 23 eines bestimmten Betriebsparameters 4 über den Zeitraum 34 gezeigt. Ein Zeitpunkt 28 kann durch den Anomalieindikator 26 gekennzeichnet sein. Der Anomalieindikator 26 kann beispielsweise dem Betriebsmesswertresiduum 23 zugewiesen sein, welches dem quasi-stationären Datenpunkt 17 zugeordnet ist, dessen Zeitabschnitt 10 den Zeitpunkt 28 umfasst, zu dem die Anomalie erfasst wird. Im Rahmen des Trend-Monitorings kann eine Analyse der Daten auf Basis der Betriebsmesswertresiduen 23 zwischen den gemittelten Betriebsmesswerten 14 der ermittelten quasi-stationären Datenpunkte 17 und den Betriebserwartungswerten 21 aus Simulationen oder einem Modell der Strömungsmaschine 1 erfolgen. Die Betriebsmesswertresiduen 23 der einzelnen Flüge bilden dabei eine Zeitreihe 6 über die Flugzyklen. Aufgrund von Mess- und Modellunsicherheiten unterliegen die einzelnen Betriebsmesswertresiduen 23 dabei einer Streuung um einen unbekannten zugrundeliegenden wahren Parameterverlauf 33. Ein Einzelfehler äußert sich dabei in einer plötzlichen Änderung innerhalb dieses wahren Parameterverlaufs 33. Je nach Schwere des Fehlerfalls werden, gemäß des heutigen Standes der Technik, mehrere Flüge für eine sichere Differenzierung zwischen einem Fehlerfall und Messrauschen benötigt. Mithilfe des vorgestellten Verfahrens können zusätzlich die aus den kontinuierlichen Daten der Betriebsmesswertzeitreihe 5 gewonnenen Anomaly-Flags 26 genutzt und innerhalb des Trend Monitorings angezeigt werden.

FIG. 3 zeigt eine schematische Darstellung eines Ablaufs der Verfahrensschritte des Analyseverfahrens 8 zur Erfassung der quasi-stationären Zeitabschnitte 10 und der Generierung der quasistationären Datenpunkte 17. Die grundlegende Funktionsweise eines als Steady-State-Detector ausgebildeten Identifizierungsverfahrens 11 des Analyseverfahrens 8 basiert auf einer Veröffentlichung von Simon, D. L. & Litt, J. S. Das ursprüngliche Verfahren wurde für die Identifikation von quasi-stationären Datenpunkten 17 bei Helikoptertriebwerken hergeleitet und wurde für den vorliegenden Anwendungsfall auf Turboflugtriebwerke angepasst. Der Steady-State-Detector ist ein Verfahren und besteht aus mehreren Modulen und ist in FIG. 3 dargestellt. Die Messunsicherheit innerhalb der Daten kann die Anzahl an identifizierten quasi-stationären Datenpunkten 17 negativ beeinflussen. Durch den Einsatz eines Tiefpassfilters 35 kann die Varianz innerhalb der Betriebsmesswertzeitreihe 5 reduziert und die Konsistenz an detektierten stationären Daten erhöht werden. Als Tiefpass wird ein Filter zweiter Ordnung vorgeschlagen

Für die Ermittlung quasi- stationärer Betriebspunkte muss sichergestellt werden, dass sich alle Triebwerkskomponenten in einem annähernd thermisch ausgeglichenen Zustand befinden. Aufgrund von fehlenden Betriebsmesswerten 3 bezüglich der Materialtemperaturen innerhalb des Triebwerks kann der thermische Zustand des Triebwerks jedoch nicht direkt überwacht werden. Innerhalb des Thermal-Transient-Filters 36 wird das thermische Verhalten des Triebwerks durch ein Ersatzmodell beschrieben. Das thermische Verhalten der Triebwerkskomponenten lässt sich allgemein über ein Verzögerungsglied erster Ordnung modellieren. In diesem Fall lässt sich die Materialtemperatur über eine Filterung der Exhaust-Gas-Temperatur EGT approximieren. Genauere Details sind Joachim Kurzke and Ian Halliwell. Propulsion and Power. September. Cham: Springer International Publishing, 18, pp.{39}. zu entnehmen.

Hierbei entspricht ^G' ^r der gefilterten EGT und r beschreibt die Zeitkonstante des Filters. Die Zeitkonstante charakterisiert dabei das thermische Verhalten der einzelnen Komponenten. Innerhalb des Thermal Transient Filters 36 wird davon ausgegangen, dass sich das Triebwerk in einem thermisch ausgeglichenen Zustand befindet, sobald sich die Temperatur der Vergleichsmasse an die EGT angenähert haben.

Innerhalb der Regime Recognition 37 kann der zu betrachtende Betriebsbereich eingeschränkt werden. Im späteren Einsatz können beispielsweise die generierten stationären Datenpunkte auf Betrieb sbereiche begrenzt werden, für die die Simulationen oder das Modell der Strömungsmaschine zur Berechnung der Betriebserwartungswerte 21 kalibriert wurde. Hierdurch kann die Modellunsicherheit und damit die Streuung innerhalb der Residuen minimiert und die Anzahl an Fehlalarmen reduziert werden.

Innerhalb der State -Transition-Logic 38 werden die Informationen aus dem Tiefpassfilter 35, dem Thermal-Transient-Filter 36 und der Regime Recognition 37 zusammengefasst und die stationären Datenpunkte berechnet. Für die Definition eines stabilen Betriebsbereichs werden die Daten zunächst über ein Moving Window abgetastet. Eine Betrachtung der Stabilität der Betriebsmesswerte 3 erfolgt, wenn sich alle Daten innerhalb des Moving Windows in einem thermisch ausgeglichenen Zustand und innerhalb des validen Betriebsbereichs befinden. Anschließend kann für die über das Moving Window erfassten Betriebsmesswerte 3 die maximale Variation der Betriebsmesswerte 3 oder beispielsweise auch über die Varianz der Betriebsmesswerte bestimmt. Am Beispiel der Fan- Drehzahl Ni ergibt sich die maximale Variation zu:

ZFy i — ma (Ni) ~ min(Ni)

Liegen die maximalen Variationen der einzelnen Betriebsmesswerte 3 unterhalb eines vordefinierten Grenzwertes, wird von einem stabilen Flugzustand ausgegangen und die Daten innerhalb des Moving Windows werden gemittelt und somit zu einem quasi- stationären Datenpunkt 17 zusammengefasst. Für eine Quantifizierung der Stabilität der einzelnen Datenpunkte kann zusätzlich der Qualitätsparameter 16 für die einzelnen quasi-stationären Zeitabschnitt 10 definiert werden. Da aufgrund der unterschiedlichen physikalischen Einheiten und Größenordnungen die einzelnen Betrieb smesswerte 3 nicht direkt miteinander verglichen werden können, kann sich der Qualitätsparameter 16, QA aus der mit W gewichteten Summe der mit den maximalen Variationen D _max entdi- mensionalisierten Varianzen der einzelnen Betriebsmesswerte 3 c ergeben.

Die einzelnen stabilen Datenpunkte können anschließend auf Basis ihres Qualitätsparameters 16 geordnet und einige wenige besonders stabile quasi-stationäre Zeitabschnitte 10 herausgefiltert werden.

FIG. 4 zeigt eine schematische Darstellung eines Ablaufs der Verfahrensschritte des Verfahrens zur Erfassung der Anomalien. FIG. 4 zeigt ein Beispiel für ein Verfahren zur Detektion von Einzelschäden innerhalb kontinuierlicher Datensätze. Im Rahmen des Long-Term-Trendings 30 werden nur einige wenige besonders stabile quasi-stationäre Datenpunkte 17 für eine Analyse des graduellen Verschleißes benötigt. Jeder der identifizierten quasi- stationären Datenpunkte 17 enthält jedoch wichtige Informationen bezüglich des aktuellen Triebwerkszustands, sodass diese Informationen für eine Detektion von Einzelschäden herangezogen werden können. Eine Detektion von Anomalien in- nerhalb der kontinuierlichen Betriebsmesswerte 3 die auf eventuelle Fehlerfälle hinweisen können, erfolgt daher auf Basis der Gesamtheit an identifizierten quasi-stationären Datenpunkten 17. Hierfür werden zunächst über eine Simulation oder ein Modell der Strömungsmaschine 44, wie beispielsweise ein Leistungsrechnungsprogramm, durch die Analysevorrichtung 7 für die einzelnen quasistationären Datenpunkte 17 die jeweiligen Erwartungsdatenpunkte 20 für das Nominalverhalten des Triebwerks generiert. Diese Erwartungsdatenpunkte 20 werden anschließend mit den tatsächlichen quasi-stationären Datenpunkten 17 verglichen und die Betriebsmesswertresiduen 23 ermittelt. Die Betriebsmesswertresiduen 23 mehrerer direkter Vorgängerflüge 40 können in einer Datenbank 39 gespeichert werden und können im Rahmen der Anomalie-Detektion als Nominalwerte 25 der Betriebsmesswertresiduen 23 für das Nominalverhalten des Triebwerks dienen. Im Rahmen der Ano- maly-Detektion 18 können schließlich die Betriebsmesswertresiduen 42 des aktuellen Flugs mit den gespeicherten Nominalwerten der Betriebsmesswertresiduen 25, generiert aus Betriebsmesswertresiduen 43 der vorangegangenen Flügen 40 verglichen und auf Ausreißer vom Nominalverhalten untersucht werden. Ein Anomaliekriterium für die Anomalie detektion 24B kann eine Einhaltung eines Grenzwertes bezüglich der Anzahl der Ausreißer betreffen. Übersteigt die Anzahl der gefundenen Ausreiser vom Nominalverhalten einen gegebenen Grenzwert, erfolgt die Initiierung eines Anomalieindikators 26.

Innerhalb bisheriger Engine Condition Monitoring Anwendungen basiert die Detektion von Triebwerksschäden auf wenigen diskret aufgezeichneten Datenpunkten. Diese Datenpunkte werden typischerweise innerhalb der hochbelasteten Start- sowie Steigflugphase und während des stationären Reiseflugs aufgenommen. Aufgrund der stabilen Umgebungsbedingungen und des stationären Betrieb szustands eignet sich besonders der während des Reiseflugs aufgenommene Datenpunkt für eine Analyse des Triebwerkszustands über mehrere Flüge hinweg. Effektiv steht damit im ungünstigsten Fall lediglich ein einziger Datenpunkt pro Flug für die Schadensdetektion zur Verfügung. Hierdurch entstehen oft Schwierigkeiten bei der Differenzierung zwischen einem Fehlerfall und statistischem Rauschen. Daher werden meist mehrere Flüge benötigt, um einen Fehler sicher zu detek- tieren. Moderne Triebwerke sind heute in der Lage, kontinuierliche Betriebsmesswerte 3 bereitzustellen. Diese kontinuierlichen Zeitsignale ermöglichen es erstmals, die Ereignisse zwischen den diskreten Datenpunkten zu analysieren und Schadensfälle potenziell schneller zu detektieren. Die kontinuierlichen Flugdaten bieten vor allem Vorteile bei der Detektion von Einzelfehlem. Durch die Verwendung von kontinuierlich abgetasteten Datensätzen kann eine statistisch relevante Datenbasis für eine latenzfreie Detektion der Fehlerfälle bereitgestellt werden. Im Gegensatz dazu verläuft der graduelle Verschleiß nur sehr langsam und kann daher nicht innerhalb eines Fluges detektiert werden. Die kontinuierlichen Daten bieten hier keinen zusätzlichen Informationsgehalt. Für eine Analyse des graduellen Verschleißes müssen die Triebwerksparameter über mehrere Flugzyklen hinweg betrachtet werden. Hierfür werden bestehende Long-Term-Trending 30 Anwendungen auf Basis einiger weniger stationärer Datenpunkte pro Flug als geeignet angesehen. Für die Einbindung von kontinuierlichen Flugdaten in bestehende Engine Condition Monitoring Anwendungen werden neue Algorithmen benötigt um die unterschiedlichen Anforderungen bei der Detektion von Einzelfehlern und der Analyse des graduellen Verschleißes zu berücksichtigen. Für eine Analyse des graduellen Verschleißes müssen zunächst quasi-stationäre Datenpunkte 17 aus besonders stabilen Flugabschnitten innerhalb der kontinuierlichen Messdaten identifiziert werden, die Algorithmen zum Long- Term-Trending 30 zur Weiterverarbeitung zur Verfügung gestellt werden können. Geichzeitig werden Detektionsverfahren 18 benötigt, die in der Lage sind die kontinuierlichen Datensätze zu verarbeiten und auf Abweichungen vom Nominalverhalten, die auf Schädigungen hinweisen, zu untersuchen.

Für eine Detektion von Triebwerksschäden stehen momentan lediglich einzelne diskret aufgezeichnete Datenpunkte (sog. Snapshots) zur Verfügung. Aufgrund der wenigen verfügbaren Datenpunkte pro Flug können Fehlerfälle meist nicht unmittelbar von statistischem Rauschen unterschieden werden. Aus diesem Grund ist die Detektion von Schäden an statischen oder rotierenden Bauteilen innerhalb des Gaspfades eines Triebwerks zum heutigen Zeitpunkt meistens erst nach mehreren Flügen möglich.

Verschiedene Analyseverfahren zur Detektion von Anomalien auf Basis diskreter im Flug aufgezeichneter Datenpunkte mit dem Nachteil einer Latenz bei der Schadensdetektion sind in dem Stand der Technik bekannt. Diese umfassen verschiedene Datenfilter zur Identifikation quasi-stationärer Datenpunkte oder Verfahren zur Detektion von Triebwerksschäden auf Basis kontinuierlicher Daten. Diese beinhalten jedoch keine Anbindung an bestehende Engine Trend Monitoring (ETM) Systeme. Die Erfindung betrifft eine Einführung eines ganzheitlichen Verfahrens zur Detektion von Fehlern / Schäden auf Basis von Daten des gesamten Fluges sowie Einbindung des Verfahrens in ein Snapshot basiertes Monitoring System mit folgenden Elementen:

1) Detektion von quasi- stationären Flugabschnitten innerhalb der kontinuierlichen Flugdaten. 2) Schadensdetektion auf Basis der zur Verfügung stehenden kontinuierlichen Flugdaten.

3) Lokalisation des Schadens (Schadensdiagnose).

4) Übergabe der Schadensdetektion und -diagnose sowie repräsentativer quasi-stationärer Datenpunkte an das Long-Term-Trending. Durch die Verwendung der kontinuierlichen Daten für die Schadensdetektion steht eine statistisch relevante Datenbasis zur Verfügung. Hierdurch können Datenanalyse -Methoden angewandt werden, welche eine Detektion von Schäden binnen eines Fluges ermöglichen. Dies führt zu einer Erhöhung der Zuverlässigkeit der Schadensdetektion durch Verringerung von False-Positives. Durch die Reduktion der kontinuierlichen Daten auf quasi- stationäre Datenpunkte können zudem beste- hende, auf der Verwendung von Snapshots basierende Algorithmen für das Long-Term-Trending sowie zur Detektion von Schadensfällen weiterverwendet werden.

Bezugszeichenliste :

1 Strömungsmaschine

2 Sensoren

3 Betriebsmesswert

4 Betriebsparameter

5 Betriebsmesswertzeitreihe

6 Zeitreihe

7 Analysevorrichtung

8 Analyseverfahren

9 Maschinenüberwachungsvorrichtung

10 Quasi-stationärer Zeitabschnitt

11 Identifikationsverfahren

12 Ausleseverfahren

13 Mittelungsverfahren

14 Gemittelter B etrieb sme s s wert

15 Qualitätsermittlungsverfahren

16 Qualitätsparameter

17 quasi-stationärer Datenpunkt

18 Detektionsverfahren

19 Erwartungswertermittlungsverfahren

20 Erwartungsdatenpunkt

21 Betriebserwartungswert

22 Betriebsmesswertresiduenermittlungsverfahren

23 Betriebsmesswertresiduum

24A Kriterium für quasi-stationäre Zeitabschnitte

24B Anomaliekriterium für eine Anomalie de tektion

24C Qualitätskriterium

25 Nominalwert des Betriebsmesswertresiduums

26 Anomalieindikator

27 Verletztes Anomaliekriterium

28 Zeitpunkt der Verletzung des Kriteriums für eine Anomaliedetektion 29 Überwachungsverfahren

30 Long-Term-T rending

31 F ehleridentifikationsverfahren

32 Quantifizierungsverfahren 33 P arameterverlauf

34 Zeitraum über mehrere Betriebszeiten

35 Tiefpassfilter

36 Thermal Transient Filter

37 Regime Recognition 38 State-Transition-Logic

39 Datenbank

40 Vorgängerflüge

42 Betriebsmesswertresiduen eines aktuellen Flugs

43 Betriebsmesswertresiduen vorangegangener Flüge 44 Simulation oder Modell der Strömungsmaschine