선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- EHM 소프트웨어의 최근의 발전 동향에 대해 살펴보았다. 과거 GPA에 근간을 둔 정상상태의 성능을 기반으로 결함을 추정하는 기법을 이용하였고, 동적 모델을 이용하여 추정하는 기법과 이를 통합하여 결함과 성능저하를 구분해 내는 강화된 방법으로 발전하고 있다.
- 이러한 이유로 엔진 건전성 관리의 대상 범위와 위험 등급의 구분이 단순하며 그 대응 또한 적절한 결과를 기대할 수 없다. 따라서 보다 높은 수준의 결함 및 성능저하에 식별 능력을 확보하기 위하여, 실시간으로 모델 기반의 관측 능력을 확보하고자 하였다. 결국 이러한 요구에 의하여 강화된 알고리즘에서는 지상이나 탑재형의 기능이 어느 정도 유사한 구조를 가지면서, Fig.
- 이해를 돕기 위하여 과거의 전형적인 소프트웨어 구조에 대해서 먼저 소개하였고, 여기에 추가된 모델의 구조와 적응형 모델의 유용성에 대해 설명하였다. 마지막으로 소개된 소프트웨어 알고리즘을 실용화하기 위해 필요한 것과 현재 우리에게 필요한 연구방향에 대해 제시하였다.
- EHM(Engine Health Management) 분야는 연료공급 및 윤활분야, 구조 진동 및 수명분야, 유동경로 기반의 성능 건전성 평가분야로 크게 나눌 수 있다[8]. 본 논문에서는 유동경로의 엔진 성능을 모델로 하는 건전성 평가 분야의 소프트웨어 알고리즘에 국한하였는데, 이는 참고문헌 7의 EHM 기술 동향조사에서 제시한 동적 모델 기반의 진보된 알고리즘의 분야에 해당한다. 먼 저 논문에서는 참고문헌 8을 통해 제시된 탑재 및 지상 소프트웨어 체계를 기본 구조로 하여, 각각의 EHM에 관한 소프트웨어 아키텍처와 이를 융합한 구조를 동적 모델기반을 통해 구현된 사례를 중심으로 소개하였다.
- 분석 방법은 경험 기반, 데이터 기반 그리고 모델 기반의 방법으로 크게 나눌 수 있는데 경험 기반의 건전성 관리 방법은 축적된 많은 고장 데이터를 기반으로 현재의 고장 데이터를 적용하여 적절한 확률적 분포에 기반을 두어 수명을 추정하는 방식이다. 이는 비 실시간 특성을 가지고 있어 진정한 건전성 관리라고 보지 않는 관점도 있어 여기서는 데이터와 모델 기반의 방법에 대해서만 살펴보았다.
- 과거 GPA에 근간을 둔 정상상태의 성능을 기반으로 결함을 추정하는 기법을 이용하였고, 동적 모델을 이용하여 추정하는 기법과 이를 통합하여 결함과 성능저하를 구분해 내는 강화된 방법으로 발전하고 있다. 이러한 높은 수준의 발전 추세에 비해 국내의 연구는 매우 부족한 현실이며, 이를 극복하기 위한 단계적 연구 방향에 대해 제시하였다.
- 비행을 통해 획득한 데이터는 지상 장비로 전달되어 대부분의 성능저하 원인인 오염, 삭마, 부식 누설에 기인하여 발생한 문제를 식별하는 데 사용되어 유지보수 및 전반적인 엔진에 관한 의사결정을 하는데 사용한다. 탑재장비에서의 건전성 관리 알고리즘은 매우 큰 성능 변화특성을 발생시키는 원인과 빠른 실시간 대응 요소를 탐지하는데 목적을 가지고 있고, 지상의 알고리즘은 노화와 같은 특성으로 나타나는 작은 성능 변화와 비행을 하면서 점점 누적되어 가는 수명 감소의 경향성을 파악하려는데 주된 목적이 있다. 지상에서의 데이터 처리 절차는 Fig.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.