DE60302990T2

DE60302990T2 - Diagnostisches Verfahren der Leistung einer Gasturbine

Info

Publication number: DE60302990T2
Application number: DE60302990T
Authority: DE
Inventors: Allan J. West Simsbury Volponi; Hans R. Bolton Depold
Original assignee: United Technologies Corp
Current assignee: RTX Corp
Priority date: 2002-10-31
Filing date: 2003-10-31
Publication date: 2006-07-27
Anticipated expiration: 2023-11-01
Also published as: JP2004150440A; EP1418481A1; DE60302990D1; EP1418481B1; US20040088100A1; US6909960B2; JP4149899B2

Description

HINTERGRUND DER ERFINDUNG
(1) Gebiet der Erfindung
Die vorliegende Erfindung betrifft ein Verfahren zum Durchführen einer Gasturbinen-Leistungsdiagnose. Insbesondere betrifft die vorliegende Erfindung ein Verfahren zum Diagnostizieren von Leistungsänderungen in Gasturbinenmaschinen.
(2) Beschreibung von Stand der Technik
Das Ziel von Gasturbinen-Leistungsdiagnose ist es, die Änderungen bei der Maschinenmodulleistung, Maschinensystemfehlfunktionen und Instrumentierungsprobleme aus der Kenntnis gemessener Parameter, die entlang des Gaswegs der Maschine genommen wurden, zu detektieren, isolieren und zu bewerten. Unterscheidbare Verschiebungen bei den Drehzahlen, den Temperaturen, den Drücken, der Brennstoffströmung etc. der Maschine liefern die erforderliche Information zum Detektieren der zugrunde liegenden Verschiebung des Maschinenbetriebs weg von einem angenommenen Referenzustand (Nominalzustand).
Maschinenleistungsänderungen manifizieren sich selbst auf einem von zwei Wegen: a) allmähliche (Langzeit-) Verschlechterung oder b) schnelle (Kurzzeit-) Verschlechterung oder Leistungswiederherstellung. Diese Beobachtung ergibt sich aus der Natur der Maschinenkonstruktion. Maschinen sind so ausgelegt, dass sie robust und dauerhaft sind. Deshalb zeigen Maschinen eine allmähliche Anhäufung von Bauteilbeschädigung. Jedoch können Passungsspiele und von Außen verursachte Beschädigung die Art der Beschädigung zu übermäßigem Verschleiß und Rissausbreitung ändern. Solche Effekte können Anfangs sehr klein sein, können jedoch zu Teileversagen führen.
Beispielsweise kann der Verschleiß einer Zapfluftverbindung anfangs Zapfluft-Stocken und -Ausbreiten in den Daten infolge von nicht richtigem Betrieb verursachen, aber das mögliche Verbindungsversagen führt zu einer stufenartigen Leistungsänderung. Ähnlich kann Rissausbreitung zu Kollateralschaden infolge von Laufschaufelspitzenversagen und schnellem rampenartigen Änderungen oder sogar stufenartigen Änderungen bei der Modulverschlechterung führen. Wartungs-Leistungswiederherstellung im Fluge und in der Werkstatt zeigen sich als eine abrupte Leistungsverbesserung. Ähnlich geht ein Teil der Leistung eines aus der Produktion kommenden Triebwerks abrupt bei seinem ersten Flug verloren, weil es dabei zu dem Einlaufen des Triebwerks kommt und die anfänglichen Laufspiele eingestellt werden.
Diese Arten von Beschädigungsanhäufung beeinflussen die Bauteil- oder Modul-Leistung und die Untersysteme des Triebwerks, beispielsweise Zapfluft, Kühlströme, Mechanismen für variable Geometrie, etc. auf Wegen, die hinsichtlich geschätzter Parameteränderungen klassifiziert werden können, beispielsweise Effizienzen, Strömungskapazitäten und effektive Düsenquerschnitte. Allmähliche Schadensanhäufung erfolgt in allen Bauteilen allmählich und erfordert Mehrfach-Fehler-Isolation (MFI – Multiple Fault Isolation). Rapide Leistungsverschlechterung wird normalerweise auf ein einziges Modul oder System zurückgeführt und manchmal ein zweites Modul, welches durch Kollateralschaden betroffen ist, und erfordert eine Einzel-Fehler-Isolation (SFI – Single Fault Isolation). Schnelle Leistungsverbesserungen infolge von Wartungsaktionen können auf individuelle Module und Systeme zurückgeführt werden, die geeignet repariert und isoliert wurden.
Es gibt eine Anzahl von verfügbaren Algorithmen zum Ansprechen des Problems des Abschätzens a) der Art von allmählicher Verschlechterung sowie b) der Art von schneller Verschlechterung bei der Gasturbinensystemleistung. Diese Verfahren generieren MFI (Mehrfach-Fehler-Isolation) und SFI (Einzel-Fehler-Isolation). Das vorherige impliziert, dass sich sämtliche Maschinenbauteile (deren Leistungsverschiebungen wird abschätzen) langsam verschlechtern, während letzteres einen Einbruch impliziert, d.h. dass eine schnelle Trendverschiebung sich sehr wahrscheinlich infolge einer einzigen Ursprungsursache ergibt (oder vielleicht zwei, wenn es eine Wechselwirkung oder Kollateralschädigung gibt).
Typischerweise wird jede Form von Verschlechterung separat diagnostiziert, wenn sie auftritt. Häufig wird ein einziger Fehler mit einem MFI-System analysiert, weil zuverlässige SFI-Systeme nicht verfügbar sind. Das Aufteilen in SFI- und MFI-Analyse ist erforderlich, weil es zu einem Fehler kommt, wenn einzelne Fehler mit MFI-Algorithmen analysiert werden, oder umgekehrt, wenn mehrere Fehler mit SFI-Verfahren analysiert werden. Im ersten Fall wird eine einzige zugrundeliegende Ursache über eine Mehrzahl von Fehlern, mit einer einhergehenden Abschwächung und möglicherweise fehlender Identifizierbarkeit verschmiert. Im letzteren Fall wird die allmähliche Verschlechterung bei mehreren Bauteilen irrtümlicherweise einer einzigen Ursache zugewiesen. Momentane Diagnosesysteme arbeiten ohne diese erforderliche Aufteilung und liefern in Konsequenz keinen zuverlässigen Abschluss der Triebwerksleistung in Testzellen und im Flug.
Benötigt wird ein Verfahren, welches einen Schluss zwischen der Produktionsleistung, der Flugleistung, der Wartungsaktionen und der Werkstattleistung bringt. Vorzugsweise separiert ein derartiges Verfahren die schnellen und die allmählichen Leistungsänderungen, die ein solches Triebwerk erfährt, und summiert sie unabhängig auf.
ZUSAMMENFASSUNG DER ERFINDUNG
Folglich ist es ein Ziel der vorliegenden Erfindung, ein Verfahren zum Diagnostizieren der Leistung von Gasturbinentriebwerken bereitzustellen.
Gemäß der vorliegenden Erfindung wird ein Verfahren zum Durchführen einer Gasturbinen-Leistungsdiagnose bereitgestellt, welches aufweist: Empfangen einer Mehrzahl von Messparametern, wobei jeder zu einem von einer Mehrzahl von Parametern zu einer Zeit k₁ korrespondiert, Bilden eines Abweichungsvektors von der Mehrzahl von Messparametern, Berechnen eines anfänglichen Abweichungsvektors aus einem Anfangsfehlervektor, Berechnen eines Mehrfach-Fehler-Isolations-Abweichungsvektors unter Verwendung des Anfangsabweichungsvektors und des Abweichungsvektors, Bestimmen, ob ein Ereignis fortschreitend ist, unter Verwendung des Mehrfach-Fehler-Isolations-Abweichungsvektors, und Durchführen einer Gasturbinenmodul-Leistungsanalyse.
Vorzugsweise weist das Verfahren auf: Durchführen eines statistischen Datengültigkeitstests, um eine momentane Verbotsflagge (present inhibit flag) und eine frühere Verbotsflagge (past inhibit flag) zu setzen, und führt eine Modulleistungsanalyse gemäß der momentanen Verbotsflagge und der früheren Verbotsflagge durch.
Die Diagnose wird vorzugsweise verwendet, um Wartungsentscheidungen bei einem Gasturbinentriebwerk zu leiten.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 – Ein Logikdiagramm der Parameterdatennormierung der vorliegenden Erfindung.
2 – Eine Darstellung der Zusammensetzung des Gesamtabweichungsvektors der vorliegenden Erfindung.
3 – Eine Darstellung der Zusammensetzung des Gesamtabweichungsvektors der vorliegenden Erfindung mit grafischen Anmerkungen mit der Herleitung zusätzlicher Importvariablen.
4 – Ein Logikdiagramm der Vor-Modulleistungsanalyse(MPA – Module Performance Analysis)-Schritte der vorliegenden Erfindung.
5 – Ein Logikdiagramm der Modulleistungsanalyseschritte der vorliegenden Erfindung.
DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORM(EN)
Die Methode der vorliegenden Erfindung erlaubt das Arbeiten sowohl von MFI- als auch SFI-Prozessen gemeinsam miteinander, automatisch und ohne negative Wechselwirkung. Die Ursache einer Verschlechterung der schnellen Art wird schnell isoliert, um so eine größere Auswirkung auf den Flottenbetrieb zu vermeiden.
Leistungsdiagnosen bestimmen, wie Maschinensystem- und Sensorsystem-Leistung sich von einem gewählten Referenzzustand unterscheiden. Obwohl dieser Referenzzustand irgendein nutzerspezifiziertes Niveau sein kann, ist es üblich, die Leistung relativ zu einem Produktionsniveau des Triebwerks, des Ausgangszustands des Triebwerks oder eines gemittelten Anfangswerts der Flotte des Betreibers zu verfolgen. Welcher Referenzwert auch immer gewählt wird, gilt, dass die Hauptdaten, welche das System unterstützen, die Form von Messdifferenzwerten oder Messdeltas (von diesem Referenzwert) haben. Beispielsweise normiert ein Vorprozess zum Berechnen von grundlegenden Messwerten Δs Rohgaswegparameterdaten, erzeugt einen äquivalenten Referenzparameterwert und berechnet die prozentuale Abweichung oder das prozentuale Delta zwischen diesen, wie in 1 gezeigt. Wie gezeigt, werden die gemessenen Parameterdaten in einem Datennormierungsschritt 11 vorverarbeitet, um korrigierte Parameterwerte, P_Corr, zu erzeugen. Der Datennormierungsschritt 11 empfängt vorzugsweise als eine Eingabe Umweltvariablen. Die Umweltvariablen werden ähnlich Eingabewerte zu dem Referenztriebwerksmodell 13. Das Referenztriebwerksmodell 13 gibt die erwarteten Ausgangsparametermesswerte, P_Base, für ein unter ähnlichen Bedingungen wie das überwachte Triebwerk arbeitendes Referenztriebwerk aus. P_Corr und P_Base werden kombiniert, um ein Δ_Basic zu erzeugen.
Das Vorverarbeiten dient zwei Zielen. Zum Ersten werden durch das Korrigieren der Daten für die Flugzeugflugbedingungen die Unbekannten um Drei in dem vorliegenden Beispiel verringert, da die Auswirkungen der Höhe, der Machzahl und von TAT entfernt werden. Als Nächstes werden durch das Vergleichen der korrigierten Daten mit dem nicht-linearen Modell des Triebwerks zum Einen die Biaswerte der Zapfsysteme, der Leitelemente und der Kühlvorgaben und aller anderen modellierten Systeme entfernt und zum Anderen werden die sich ergebenden Parameterdaten linearisiert, indem die Auswirkungen der Triebwerksleistung entfernt werden.
Diese Δ_Basic-Berechnung wird für jeden gemessenen Gaswegparameter P von Interesse wiederholt (beispielsweise Rotordrehzahlen, Zwischenbauteiltemperaturen und -drücke, etc.), um einen Abweichungsvektor in Prozent von Punkt abweichungen, Z_k ^Basic, bei der diskreten Zeit k zu bilden. Diese Messwertabweichung (vom Referenzzustand) beinhaltet die Effekte einer Mehrzahl von möglichen Triebwerks/Sensorsystem-Fehlerereignissen sowie zufälliges Messwertgeräusch (Nichtwiederholbarkeit). Der Erfolg eines praktischen Diagnosesystems hängt stark von seiner Fähigkeit ab, diese Gesamtabweichung in Bestandteile aufzuteilen, die die verschiedenen Fehlerszenarien repräsentieren, um eine korrekte Fehlerisolierung zu erlauben.
Wie angemerkt, gibt es generell zwei unterschiedliche zu berücksichtigende Fehlermechanismen, nämlich die allmähliche Verschlechterung und die schnelle Verschlechterung. Die Erstere betrifft den normalen Prozess der Bauteilverschlechterung über die Zeit und führt zu langsam ansteigenden und/oder abnehmenden (durchschnittlichen) Änderungen in den Messwertabweichungen, während Letztere das Ergebnis eines Systemversagensereignisses ist, welches eine schnelle (zeitliche) Trendverschiebung in den Messwertabweichungen ist. Mit Bezugnahme auf die 2 ist dieses Konzept für eine willkürliche Messwertabweichung gezeigt.
Schnelle Verschlechterungsperioden 23 sind zwischen allmählichen Verschlechterungsperioden 21 zwischengeschaltet. Schnelle Verschlechterungsperioden 23 fallen mit Einzel- oder Doppelbauteilversagen in einem Triebwerk zusammen. Man beachte, dass die Zerlegung der Gesamtabweichung Z_k ^Basic zu einer speziellen Zeit k von der Fehlerhistorie abhängt, beginnend mit der Triebwerksinstallation und fortgesetzt über die schnellen Verschlechterungsperioden 23 zu Zeiten i und j und allmähliche Verschlechterungsperioden 21.
Es ist diese Fehlerhistorie, die bewertet wird. Um eine solche Bewertung durchzuführen, werden die zwei folgenden generellen Annahmen getroffen. Erstens, es gibt für alle betrachteten Bauteile eine allmähliche Verschlechterung, von der generell angenommen wird, dass sie durch langsame Leistungsänderungen in allen der Hauptmodule der Gasturbine (beispielsweise Bläser, Niederdruckverdichter (LPC – Low Pressure Compressor), Hochdruckverdichter (HPC – High Pressure Compressor), Hochdruckturbine (HPT – High Pressure Turbine), Niederdruckturbine (LPT – Low Pressure Turbine)) sowie den Sensoren für jeden der Messwerte gekennzeichnet ist. Die Analysemethode für diese Art von Fehler-Isolation ist die Mehrfach-Fehler-Isolation (MFI – Multiple Fault Isolation). Zweitens, schnelle Verschlechterung tritt als Ergebnis eines Versagens von einem einzigen (oder vielleicht höchstens zwei) Bauteilen (vollständig oder teilweise) auf. Die Analysemethode für diese Art von Fehlerisolation eines zeitlichen Ereignisses ist die Einzel-Fehler-Isolation (SFI – Single Fault Isolation).
Die Gesamtisolationsstrategie zum Zeitpunkt k erfordert, dass man 1) erkennt, welcher Fehlermechanismus (langsam oder schnell) auftritt, 2) die vergangene Geschichte von Fehlermechanismen für Zeiten vor k kennt, 3) eine kumulative Aufzeichnung der beurteilten Fehlerisolationen für Zeiten vor k hat, 4) die momentane Gesamtmesswertabweichung in ihre passenden Bestandteile aufteilt, und 5) die passende Analysemethode zum Isolieren des Fehlers bzw. der Fehler zum Zeitpunkt k anwendet.
Ein grundlegendes Erfordernis zum Bewirken dieser Strategie ist es, den Basic-Messwert-Δ-Vektor (Basic Measurement Δ Vector), Z_k ^Basic in mehrere Komponenten wie folgt aufzuteilen: ZBasick = ZINIT0 + ZMFIk + ΣkΔΔ wobei gilt:

Z₀ ^INIT: = Bestandteil infolge des Unterschieds zwischen dem Triebwerk und der Referenz bei der Installation
Z_k ^MFI: = Anteil infolge der allmählichen Verschlechterung
Σ_kΔΔ: = Anteil infolge des kumulativen Effekts der (schnellen) Verschlechterungsereignisse bis zur aktuellen Zeit k,

d.h. ΣkΔΔ = ΔΔi + ΔΔj

Es wird auf die 3 Bezug genommen. Dort ist grafisch die Zuordnung der vorangegangenen Größen auf die 2 gezeigt. Generell gilt, wenn es ein schnelles Verschlechterungsereignis zur diskreten Zeit i gibt, dann repräsentiert Δ Δ_i die Änderung des Messwert-Δ-Vektors seit Beginn des Ereignisses.
Jeder dieser (Z) Vektoren ist eine Anordnung von m × 1 Messwertdeltas. Beispielsweise kann der Gesamtmesswertvektor beinhalten
Zu jedem der Messwert-Δ-Vektorkomponenten korrespondieren Vektoren des Maschinensystem- und Sensorfehlers wie folgt: xINIT0 ⇔. ZINIT0 XMFIk ⇔. ZMFIk ΔxSFIk ⇔. ΔΔk ΣkΔxSFI ⇔. ΣkΔΔ xk ⇔. ZBasick
Jeder dieser (x) Vektoren ist eine Anordnung von n × 1 Messwertdeltas, beispielsweise
So wie der Gesamtmesswert-Δ-Vektor die Summe seiner Komponenten ist, d.h. Zk Basic = Z0 INIT + Zk MFI + ΣkΔΔist der Gesamtfehlervektor die Summe seiner Bestandteile, d.h. x0 INIT + xk INIT +ΣkxΔSFI
Jeder dieser Bestandteile muss auf der Basis der Messwert-Δ und anderer verfügbarer Information abgeschätzt werden. Es gibt viele Techniken, die verwendet wurden, um bei der Abschätzung dieser Größen beizutragen, und diese Verfahren wurden auf die spezielle vorliegende Fehlerabschätzaufgabe spezialisiert. Beispiele solcher Methoden beinhalten statistische Tests und angewandte neurale Netzwerke, sind jedoch nicht darauf beschränkt. Ohne Bezugnahme auf irgendeine spezielle Methode verweisen wir generisch auf diese Prozesse wie in der Tabelle 1 angezeigt.
Tabelle 1: Primäre Fehler-Isolations-Module
Zusammen mit den primären Abschätzroutinen besteht ein Bedürfnis, ein Module zum Durchführen von Datengültigkeitschecks und zur Trenddetektierung bei dem Gesamtmesswert-Δ-Eingabewert bereitzustellen. Wieder gilt, es gibt eine Vielzahl von Methoden zum Durchführen dieser Aufgaben und ohne eine Bezugnahme auf irgendeinen speziellen Ansatz verweisen wir generisch auf diese Prozesse, wie in der Tabelle 2 gezeigt.
Tabelle 2: Hilfs-Fehlermodule
Der Gesamtprozess wird als eine Modulleistungsanaylse (MPA – Module Performance Analysis) bezeichnet und ist mit Bezugnahme auf die 4 und 5 beschrieben.
Anfangs wird eine Entscheidung bei dem Initialisierungsschritt 31 vorgenommen, ob eine Initialisierung erforderlich ist oder nicht. Wenn eine Initialisierung erforderlich ist, wird der Initialisierungsschritt 32 durchgeführt, um einen Anfangsfehlerzustand x₀ ^INIT zu berechnen, der in der Datenbank 33 gespeichert wird. Wenn keine Initialisierung erforderlich ist, wird der Schritt 34, Berechne anfängliches Z, durchgeführt, wobei Z_o ^INIT berechnet wird und unter Verwendung als x₀ ^INIT als ein von der Datenbank 33 empfangener Eingabewert ausgegeben wird. Als Nächstes wird der Schritt 35, Berechne MFI Z durchgeführt, wobei Z_k ^MFI berechnet wird und der Eingabewert von der Datenbank 33 und der Ausgabewert von dem Schritt 34, Berechne anfängliches Z, empfangen werden. Eine Bestimmung wird dann bei dem Ereignisentscheidungsschritt 37 vorgenommen, ob ein Ereignis auftritt oder nicht. Wenn bestimmt wird, dass ein Ereignis auftritt, wird MPA durchgeführt, wie nachfolgend mit Bezugnahme auf 4 beschrieben.
Wenn bestimmt wird, dass gerade kein Ereignis abläuft, wird der SDV-Schritt 36 durchgeführt. Statistische Datengültigkeit wird durchgeführt, um zu bestimmen, ob der momentane Messwert ein Ausreisser ist und um momentane und vergangene Verbotsflaggen gemäß dem folgenden Logikablauf zu setzen:
Bestimme Parameter Ausreisserstatus
IF Ausreisser vermutet wird
Setze Verbotsflagge zur momentanen Zeit Inhibit_present = 1
ELSE
Setze Inhibit-Flagge zur momentanen Zeit Inhibit_present = 0
IF Ausreisser wird bestätigt
Ersetze Z_k–1 ^MFI mit durchschnittliches Niveau bei k – 1
Dann wird MPA durchgeführt, wie in dem Verbots-MPA-Schritt 38 gezeigt, wobei MPA entweder ausgeführt wird oder verboten wird, basierend auf den in dem SDV-Schritt 36 gesetzten Flaggen.
Mit Bezugnahme auf die 5 wird im Detail der Logikablauf des MPA der vorliegenden Erfindung gezeigt. Unter Empfangen von Z_k ^MFI als Eingabewert, wobei k gemäß dem Ausgabewert des Verbots-MPA-Schritts 38 gewählt ist, wird der Trenddetektier-Schritt 41 mit dem folgenden Logikablauf durchgeführt:
Führe Trenddetektierung durch: TD
Bestimme (schnellen) Trendstatus
IF Trendereignis wird bei diesem Zeitschritt detektiert
Setze Detektierzeit k_detect = k
Bestimme Startzeit k_start
IF Trendereignis hält an (k ≥ k_detect)
Berechne ΔΔ_k
Modifiziere Σ_kΔΔ = Σ_kstart-1ΔΔ + ΔΔ_k
IF Trendereignis endet bei diesem Zeitschritt
Setze Zeit des Endes k_end= k
Modifiziere Σ_kΔΔ = Σ_kstart-1ΔΔ + ΔΔ_k
IF Kein Trendereignis wird zu diesem Zeitschritt detektiert
Modifiziere Σ_kΔΔ = Σ_k–1ΔΔ
Wenn ein Trend oder ein Fehler detektiert wird oder gerade abläuft, wird ein Einzel-Fehler-Isolations-Schritt 42 durchgeführt, wobei Δx_k ^SFI berechnet wird und Σ_k Δ_x ^SFI und x_k ^MFI modifiziert werden, bevor sie mit x₀ ^INIT bei der abschließenden Abschätzkonstruktion 43 kombiniert werden. Wenn kein Fehler oder kein Trend detektiert wird, wird der Mehrfach-Fehler-Isolations-Schritt 44 durchgeführt, wobei x_k ^MFI berechnet wird und Σ_k Δ_x ^SFI modifiziert wird, bevor es mit x₀ ^INIT in dem abschließenden Abschätzungskonstruktions-Schritt 43 kombiniert wird, um einen Gesamtfehlervektor zu bilden.

Claims

Verfahren zum Durchführen einer Gasturbinen-Leistungsdiagnose, aufweisend: Empfangen einer Mehrzahl von Messwertparametern, wobei jeder zu einem aus einer Mehrzahl von Parametern zu einer Zeit k korrespondiert; Bilden eines Abweichungsvektor aus der Mehrzahl von Messwertparametern; Berechnen eines Anfangsabweichungsvektors aus einem Anfangsfehlervektor; Berechnen eines Mehrfach-Fehler-Isolations-Abweichungsvektors unter Verwendung des Anfangsabweichungsvektors und des Abweichungsvektors; Bestimmen, ob ein gerade Ereignis abläuft unter Verwendung des Mehrfach-Fehler-Isolations-Abweichungsvektors; und Durchführen einer Gasturbinen-Modulleistungsanalyse.
Verfahren nach Anspruch 1, ferner aufweisend: Durchführen einer statistischen Datengültigkeitsprüfung, um eine momentane Verbotsflagge und eine frühere Verbotsflagge zu setzen; und Durchführen der Modulleistungsanalyse gemäß der momentanen Verbotsflagge und der früheren Verbotsflagge.
Verfahren nach Anspruch 1 oder 2, wobei das Durchführen der Modulleistung die zusätzlichen folgenden Schritte aufweist: Empfang des Mehrfach-Fehler-Isolations-Abweichungsvektors; Durchführen einer Trenddetektierung unter Verwendung des Mehrfach-Fehler-Isolations-Abweichungsvektors; Durchführen einer Isolationsabschätzung; Bilden eines Gesamtfehlervektors; und Verwenden des Gesamtfehlervektors, um Wartungsentscheidungen zu lenken.
Verfahren nach Anspruch 3, wobei die Isolationsabschätzung den Schritt des Durchführens einer Ereignis-Isolationsabschätzung aufweist.
Verfahren nach Anspruch 3, wobei die Isolationsabschätzung den Schritt des Durchführens einer Mehrfach-Fehler-Isolationsabschätzung aufweist.
Verfahren nach einem der vorangehenden Ansprüche, wobei das Empfang der Mehrzahl von Messwertparametern das Empfangen einer Prozent-Abweichung aufweist.
Verfahren nach Anspruch 6, aufweisend den zusätzlichen Schritt des Verarbeitens der Mehrzahl von Messwertparametern, um für eine Mehrzahl von Bedingungen zu korrigieren.
Verfahren nach Anspruch 7, wobei das Verarbeiten der Mehrzahl von Messwertparametern zum Korrigieren für eine Mehrzahl von Bedingungen das Verarbeiten der Mehrzahl von Messwertparametern zum Korrigieren für eine Mehrzahl von Bedingungen aufweist, die aus der Gruppe ausgewählt sind, die aus Machzahl, Höhe und Leistungsniveau besteht.
Verfahren nach einem der vorangehenden Ansprüche, wobei das Empfangen der Mehrzahl von Messwertparametern aufweist das Empfangen einer Mehrzahl von Triebwerksparametern.
Verfahren nach Anspruch 9, wobei das Empfangen der Mehrzahl von Messwertparametern aufweist das Empfangen einer Mehrzahl von Strömungsparametern.
Verfahren zum Warten eines Gasturbinentriebwerks aufweisend das Durchführen einer Diagnose des Triebwerks durch ein Verfahren gemäß einem der vorangehenden Ansprüche und das Durchführen der Wartung des Triebwerks, wenn die Diagnose angibt, dass eine Wartung erforderlich ist.