System und Verfahren zur Detektion einer fehlerhaften Brennkammer

• Main Authors: MATTHEW FRANCIS LEMMON, SUBRAT NANDA, ROMANO PATRICK MARIETTA, JONATHAN DAVID WHITE, ACHALESH KUMAR PANDEY
• Format: Patent
• Language: German
• Published: 15.06.2015
• Subjects: BLASTING; COMBUSTION APPARATUS; COMBUSTION PROCESSES; HEATING; LIGHTING; MECHANICAL ENGINEERING; REGULATING OR CONTROLLING COMBUSTION; WEAPONS

Ein System (100) zur Detektion einer fehlerhaften Brennkammer (104) enthält einen Sensor (106), der eingerichtet ist, um Verbrennungsdynamikdruckdaten (110) von der Brennkammer (104) zu erfassen, und eine Rechenvorrichtung (102), die mit dem Sensor (106) in elektronischer Verbindung steht und eingerichtet ist, um die Verbrennungsdynamikdruckdaten (110) von dem Sensor (106) zu empfangen. Die Rechenvorrichtung (102) ist programmiert, um die Verbrennungsdynamikdruckdaten (110) in ein Frequenzspektrum umzuwandeln, das Frequenzspektrum in mehrere Frequenzintervalle aufzuteilen, ein Merkmal aus dem Frequenzspektrum zu extrahieren, Merkmalswerte für das Merkmal innerhalb eines entsprechenden Frequenzintervalls über eine Zeitdauer zu generieren, und die Merkmalswerte zu speichern, um eine historische Datenbank zu generieren. Die Rechenvorrichtung (102) ist ferner programmiert, um einen maschinellen Lernalgorithmus unter Verwendung der historischen Datenbank der Merkmalswerte auszuführen, um die Rechenvorrichtung (102) zu trainieren, damit sie ein Merkmalsverhalten erkennt, das für eine fehlerhafte Brennkammer (104) kennzeichnend ist. A system for detecting an at-fault combustor includes a sensor that is configured to sense combustion dynamics pressure data from the combustor and a computing device that is in electronic communication with the sensor and configured to receive the combustion dynamics pressure data from the sensor. The computing device is programmed to convert the combustion dynamics pressure data into a frequency spectrum, segment the frequency spectrum into a plurality of frequency intervals, extract a feature from the frequency spectrum, generate feature values for the feature within a corresponding frequency interval over a period of time, and to store the feature values to generate a historical database. The computing device is further programmed to execute a machine learning algorithm using the historical database of the feature values to train the computing device to recognize feature behavior that is indicative of an at-fault combustor.