Untersuchung einer speziesbasierten Abgasstrahlanalyse zur automatisierten Detektion von Brennkammerschäden in Flugtriebwerken

Autor: Henrik von der Haar

ISBN: 978-3-95900-643-9

Dissertation, Leibniz Universität Hannover, 2022

Herausgeber der Reihe: Friedrich Dinkelacker

Band-Nr.: ITV 06/2021

Umfang: 148 Seiten, 68 Abbildungen

Schlagworte: Brennkammerdefekte, Abgasstrahlanalyse, Maschinelles Lernen

Kurzfassung: Die Instandhaltung ziviler Flugtriebwerke steht im Spannungsfeld zwischen der Betriebssicherheit des Flugzeugs und der Wirtschaftlichkeit des Flugunternehmens. Dazu befasst sich diese Arbeit mit der Beurteilung des Triebwerkszustands anhand einer automatisierten Abgasstrahlanalyse auf Basis einer Messung der chemischen Zusammensetzung. Defekte in der Brennkammer können die Strömungs- und Verbrennungsprozesse beeinflussen und verändern somit die Abgaszusammensetzung. Diese Änderungen sind defektspezifisch und ermöglichen bei messtechnischer Erfassung den Rückschluss auf den jeweiligen Defekt im Triebwerk. Die Methodik wird im Labormaßstab an einer Modellbrennkammer erprobt, an der reproduzierbare Störungen generiert werden können. Die Zuordnung zwischen Konzentrationsfeld und Defekt erfolgt durch maschinelles Lernen mit Support Vector Machines bzw. künstlichen neuronalen Netzen. Die Erkenntnisse werden mittels CFD-Simulation auf die Ringbrennkammer eines Mantelstromtriebwerks übertragen. Der Ansatz bietet die Möglichkeit, anfängliche Schädigungen in der Brennkammer schon vor der Demontage erkennen, lokalisieren und bewerten zu können und Informationen zur optimierten Planung des Regenerationsprozesses bereitzustellen.