Untersuchung einer speziesbasierten Abgasstrahlanalyse zur automatisierten Detektion von Brennkammerschäden in Flugtriebwerken

Research output: Thesis › Doctoral thesis

Authors

  • Henrik von der Haar

Research Organisations

View graph of relations

Details

Original languageGerman
QualificationDoctor of Engineering
Awarding Institution
Supervised by
  • Friedrich Dinkelacker, Supervisor
Place of PublicationGarbsen
Print ISBNs3959006438, 9783959006439
Publication statusPublished - 2021

Abstract

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.

Cite this

Untersuchung einer speziesbasierten Abgasstrahlanalyse zur automatisierten Detektion von Brennkammerschäden in Flugtriebwerken. / von der Haar, Henrik.
Garbsen, 2021. 148 p.

Research output: Thesis › Doctoral thesis

von der Haar, H 2021, 'Untersuchung einer speziesbasierten Abgasstrahlanalyse zur automatisierten Detektion von Brennkammerschäden in Flugtriebwerken', Doctor of Engineering, Leibniz University Hannover, Garbsen.
Download
@phdthesis{b336b97077314d96a1ae0270079ceee5,
title = "Untersuchung einer speziesbasierten Abgasstrahlanalyse zur automatisierten Detektion von Brennkammersch{\"a}den in Flugtriebwerken",
abstract = "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 k{\"o}nnen die Str{\"o}mungs- und Verbrennungsprozesse beeinflussen und ver{\"a}ndern somit die Abgaszusammensetzung. Diese {\"A}nderungen sind defektspezifisch und erm{\"o}glichen bei messtechnischer Erfassung den R{\"u}ckschluss auf den jeweiligen Defekt im Triebwerk. Die Methodik wird im Laborma{\ss}stab an einer Modellbrennkammer erprobt, an der reproduzierbare St{\"o}rungen generiert werden k{\"o}nnen. Die Zuordnung zwischen Konzentrationsfeld und Defekt erfolgt durch maschinelles Lernen mit Support Vector Machines bzw. k{\"u}nstlichen neuronalen Netzen. Die Erkenntnisse werden mittels CFD-Simulation auf die Ringbrennkammer eines Mantelstromtriebwerks {\"u}bertragen. Der Ansatz bietet die M{\"o}glichkeit, anf{\"a}ngliche Sch{\"a}digungen in der Brennkammer schon vor der Demontage erkennen, lokalisieren und bewerten zu k{\"o}nnen und Informationen zur optimierten Planung des Regenerationsprozesses bereitzustellen.",
author = "{von der Haar}, Henrik",
note = "Dissertation",
year = "2021",
language = "Deutsch",
isbn = "3959006438",
series = "Berichte aus dem ITV",
school = "Gottfried Wilhelm Leibniz Universit{\"a}t Hannover",

}

Download

TY - BOOK

T1 - Untersuchung einer speziesbasierten Abgasstrahlanalyse zur automatisierten Detektion von Brennkammerschäden in Flugtriebwerken

AU - von der Haar, Henrik

N1 - Dissertation

PY - 2021

Y1 - 2021

N2 - 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.

AB - 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.

M3 - Dissertation

SN - 3959006438

SN - 9783959006439

T3 - Berichte aus dem ITV

CY - Garbsen

ER -