Мониторинг работоспособности жидкостного ракетного двигателя

Размещено на http://www.allbest.ru/

МОНИТОРИНГ РАБОТОСПОСОБНОСТИ ЖИДКОСТНОГО РАКЕТНОГО ДВИГАТЕЛЯ

Палачев П.М., слесарь сборщик двигателей 4 разряда

Ефимов М.В., инженер-конструктор 3 категории сектора

оснастки для мехобработки, контрольно-измерительной оснастки

и инструмента отдела проектирования оснастки и инструмента

Аннотация

жидкостный ракетный двигатель технология

в данной научной статье авторы кратко описывают различные способы мониторинга работоспособности жидкостных ракетных двигателей, который является одной из ключевых технологий для повышения их безопасности и разработки надёжных двигателей нового поколения. В частности, помимо прочего, описаны системная архитектура, сенсорные технологии и алгоритмы обнаружения неисправностей и диагностики, технологии нейросети.

Ключевые слова: мониторинг, алгоритм обнаружения и диагностики неисправностей, жидкостный ракетный двигатель, аэрокосмическая промышленность, ракетостроение.

Annotation

this paper briefly describes various ways of monitoring the performance of liquid rocket engines representing one of the key technologies that could let us improve the safety properties of the engines and develop reliable newgeneration engines. In particular, system architecture, sensor technologies, fault detection and diagnostic algorithms, as well as neural network technologies are described.

Key words: monitoring, fault detection and diagnosis algorithm, liquid rocket engine, aerospace industry, rocket science.

Основная часть

За последние десятилетия, наряду с достижениями прогресса современной науки и техники, в связи с высокими требованиями к безопасности, надёжности и эксплуатационным возможностям космических аппаратов и систем их запуска, методы контроля состояния жидкостных ракетных двигателей (ЖРД), являющихся основным типом двигательных установок ракет-носителей и космических кораблей [1], претерпели значительные изменения.

ЖРД требует высокой безопасности и надёжности, поскольку он состоит из множества сложных подсистем, работающих в условиях высокой плотности энергии [2,3]. В частности, сбой, возникающий в турбонасосе, распространяющийся по всем системам ЖРД за несколько десятков секунд, приводит к крупным авариям. Это наносит катастрофический ущерб не только системе, но и испытательным установкам. Следовательно, для системы ракетного двигателя требуется алгоритм обнаружения и диагностики неисправностей.

Актуальность непрерывного роста требований к мониторингу работоспособности двигательных установок подтверждается тем, что наблюдается активное развитие и широкое применение передовых технологий, таких как автоматическое управление, обработка сигналов, идентификация систем, искусственный интеллект (нейросеть), а также разрабатываются специальные сенсорные технологии с целью изучения систем мониторинга ЖРД. Данные методы успешно применяются для обнаружения неисправностей и диагностики в различных областях, таких как ракето- и машиностроение, электронные системы, химическая промышленность, авиация и ядерная энергетика. Таким образом, имеется определённый опыт в разработке методов мониторинга состояния космических аппаратов и ЖРД. Усовершенствования методов мониторинга послужат продлению срока службы ЖРД, что является важным фактором их повторного использования [4].

Неисправности ЖРД можно разделить на приоритетные, которые могут привести к взрыву двигателя - к примеру, утечка топлива в насос окислителя, и неприоритетные, такие как износ шестерён и утечки топлива, которые могут привести к ухудшению характеристик двигателя. Технология мониторинга работоспособности ЖРД заключается в аварийной сигнализации о неисправностях или способности управления двигательными установками для обеспечения успеха миссии и предотвращения гибели экипажа. Системы мониторинга работоспособности ЖРД состоят из обнаружения, диагностики и контроля неисправностей, и принятия решений в соответствии с ситуацией.

Обнаружение неисправностей проводится посредством анализа показаний специальных датчиков и вычислительных алгоритмов, при этом требуется достичь повышения чувствительности обнаружения неисправностей при одновременном снижении вероятности ложных срабатываний. Функция алгоритмов диагностики неисправностей заключается в распознавании типа неисправности, определении местоположения и степени неисправности. Процессы обнаружения и диагностики неисправности могут быть объединены в одном алгоритме.

По результатам диагностики алгоритм принятия решения оценивает тенденцию развития и влияние отказа на условия работы двигателя. Затем вводится действие по устранению неисправности для выключения двигателя, снижения уровня тяги или переключения на резервные системы.

Алгоритмы обнаружения и диагностики должны быть разработаны таким образом, чтобы обеспечить надёжность, исключая случайные помехи, быть чувствительными к неисправностям с очень низкой вероятностью ложного срабатывания. Для поддержания надёжности, присущей ракетному двигателю, требуется, чтобы его система контроля работоспособности не была встроена в аппаратное обеспечение двигателя.

Системы мониторинга в основном включают системную архитектуру, сенсорную технологию и алгоритмы обнаружения неисправностей и диагностики. К примеру, системная архитектура HMS, разработанная с целью повышения эффективности мониторинга ЖРД, состоит из пяти функциональных подсистем: мониторинга работоспособности, записи тестовых данных, автономного анализа данных, базы данных и системной коммуникации. Система посттестовой диагностики PTDS производит общую автоматическую послеполётную обработку данных системы ракетных двигателей. Системный мониторинг ICS заключается в обнаружении неисправностей, диагностики и многовариантного контроля для управления ЖРД [2]. При этом параметры работы двигателя, такие как тяга, соотношение компонентов смеси, частота вращения турбонасоса и температура турбины высокого давления, являются контролируемыми переменными. Обнаружение неисправности двигателя и результаты диагностики приводят в действие многопараметрическую систему управления с целью контроля уровня тяги или реконструкции двигательной установки.

Сенсорные технологии являются основой мониторинга работоспособности ЖРД, так как все результаты обнаружения и диагностики алгоритмов зависят от данных с датчиков, а датчики могут использоваться для прямой оценки работоспособности компонентов двигателя. Потенциальное использование получили: спектроскопия шлейфа, акустическая эмиссия, оптический пирометр, твердотельный датчик утечки, датчик поливинилиденфторида, электрическая диагностика шлейфа, измеритель оптического отклонения и лазерный датчик вибрации.

Для надёжного обнаружения и диагностики неисправностей требуются данные, предоставляемые датчиками, однако вероятность выхода датчика из строя иногда намного выше, чем вероятность неисправности компонентов двигателя, в связи с чем обнаружение неисправностей датчиков и их своевременная диагностика имеют немаловажное значение.

Алгоритмы обнаружения неисправностей и диагностики обрабатывают сигнальные данные и оценивают состояние работоспособности системы двигателя. Построение этих алгоритмов может быть основано на математической модели системы двигателя или на опыте экспертов.

Математические модели системы двигателя могут быть разработаны на основе принципа динамического процесса в системе двигателя. Разница между выходным сигналом модели и выходным сигналом датчика двигателя принимается в качестве остаточного значения. Решения по обнаружению неисправностей и диагностики принимаются посредством статистической или логической обработки остаточного значения.

Основная задача обнаружения неисправности состоит в том, чтобы различать номинальные и нештатные ситуации, с целью создания систем диагностики, основанных на распознавании того или иного сценария [5].

Искусственные нейронные сети обладают преимуществами ассоциативной памяти, самообучения, адаптивной способности, самоорганизации, высокой надёжности и параллельной обработки нескольких массивов данных. Следовательно, они могут играть важную роль в алгоритмах мониторинга ЖРД [5]. К примеру, нейронные сети используются для прогнозирования температуры сгорания в спектре шлейфа [4].

Алгоритмы экспертной системы используют опыт человеческих экспертов к обнаружению и диагностике ракетных двигателей. К примеру, экспертная система мониторинга работоспособности THAES для автоматической посттестовой оценки двигателей устроена по принципу «если - то», и содержит 42 правила для обнаружения неисправностей и 48 правил для их диагностики [2].

Таким образом, за последние несколько десятилетий методы мониторинга работоспособности ЖРД совершили стремительный прорыв в разработке алгоритмов обнаружения, диагностики и контроля неисправностей, использовании новейших сенсорных технологий и нейросети. Однако, несмотря на то, что в теоретических и практических исследованиях были достигнуты определённые успехи, для обеспечения эффективного применения алгоритмов обнаружения отказов и диагностики их недостаточно, и требуется приложить ещё немало усилий для достижения должного результата.

Отметим также, что ЖРД представляют собой сверхсложную конструкторскую задачу для инженеров [6], поэтому следует учитывать основные факторы, влияющие на несоответствия при сборке двигателя, а также применять современные методы проектирования, производства и контроля, основанные на использовании модельно-ориентированного подхода.

Использованные источники

1. Гришин А.Н. Устройство и принцип работы жидкостного ракетного двигателя // Аллея науки. 2021. № 12 (63). С. 4.

2. Lee K. et al. Fault detection and diagnosis algorithms for an open-cycle liquid propellant rocket engine using the kalman filter and fault factor methods // Acta Astronautica. 2018. Т. 150. С. 15-27.

3. Cha J. et al. A survey on health monitoring and management technology for liquid rocket engines // Journal of the Korean Society of Propulsion Engineers. 2014. Т. 18. № 6. С. 50-58.

4. Perez-Roca S. et al. A survey of automatic control methods for liquid-propellant rocket engines // Progress in Aerospace Sciences. 2019. Т. 107. С. 63.

5. Wang Z. et al. Self-organizing control for satellite clusters using artificial potential function in terms of relative orbital elements // Aerospace Science and Technology. 2019. Т. 84. С. 799-811.

6. Гришин А.Н. Функционально-градиентные материалы для ракетных двигателей // Аллея науки. 2021. № 12 (63). С. 2.

Размещено на Allbest.ru