Нейросетевой регулятор малоэмиссионной камеры сгорания газотурбинной установки


Цитировать

Полный текст

Аннотация

Одним из важнейших узлов газотурбинного двигателя является камера сгорания, которая является основным источником вредных выбросов. Проведенное исследование посвящено разработке и апробации системы автоматического управления эмиссией вредных веществ и пульсациями давления в газовых трубах для газотурбинной установки мощностью 16 МВт на основе ПИ-регулятора со встроенной нейросетевой математической моделью малоэмиссионной камеры сгорания. Разработаны алгоритмы нейросетевого регулятора эмиссии оксидов азота и оксида углерода в атмосферу, а также пульсаций давления в жаровых трубах малоэмиссионной камеры сгорания. Алгоритмы реализованы в графической среде программирования и интегрированы в систему автоматического управления газотурбинной установкой, реализованной на программно-аппаратной платформе PXI NI. Произведена проверка работоспособности регулятора эмиссии при стендовых испытаниях на имитаторе газотурбинной установки с нейросетевой моделью малоэмиссионной камеры сгорания, выполняющей функции виртуального датчика эмиссии. Определены погрешности прогноза эмиссии оксидов азота и углерода, пульсаций давления в жаровых трубах малоэмиссионной камеры сгорания. Доказана нормальность распределения ошибки разработанной модели эмиссии оксидов азота. Сделан вывод о перспективности применения нейронных сетей для разработки адаптивной системы управления эмиссией и пульсациями давления в жаровых трубах малоэмиссионной камеры сгорания газотурбинной установки.

Об авторах

В. Г. Августинович

Пермский национальный исследовательский политехнический университет

Автор, ответственный за переписку.
Email: kanc@pstu.ru

доктор технических наук, профессор

Россия

Т. А. Кузнецова

Пермский национальный исследовательский политехнический университет

Email: tatianaakuznetsova@gmail.com
ORCID iD: 0009-0003-9967-6798

кандидат технических наук, доцент

Россия

А. А. Сухарев

Пермский национальный исследовательский политехнический университет;
АО «ОДК-Авиадвигатель»

Email: aasukharev95@yandex.ru

аспирант;
инженер отдела расчётно-экспериментальных работ и проектирования САУ

Россия

Список литературы

  1. Августинович В.Г., Кузнецова Т.А., Нугуманов А.Д. Разработка нейронных систем мониторинга и управления эмиссией вредных веществ для газотурбинных газоперекачивающих агрегатов и электростанций // Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330, № 8. С. 7-17. doi: 10.18799/24131830/2019/8/2207
  2. Malloy D.J., Webb A.T., Kidman D.S. F-22/F119 propulsion system ground and flight test analysis using modeling and simulation techniques // Proceedings of the ASME Turbo Expo 2002: Power for Land, Sea, and Air (June, 3-6, 2002, Amsterdam, Netherlands). V. 1. doi: 10.1115/GT2002-30001
  3. Lauer M., Farber J., Reib F., Masalme J.E. Model based prediction of off-design operation condition NOx emission from dle gas turbine combustors // Proceedings of the ASME Turbo Expo 2017: Turbomachinery Technical Conference and Exposition (June, 26-30, 2017, Charlotte, North Carolina, USA). V. 4A. doi: 10.1115/GT2017-63063
  4. Lamont W.G., Roa M., Lucht R. Application of artificial neural networks for the prediction of pollutant emissions and outlet temperature in fuel staged gas turbine combustion rig // Proceedings of the ASME Turbo Expo 2014: Turbine Technical Conference and Exposition (June, 16-20, 2014, Düsseldorf, Germany). V. 4A. doi: 10.1115/GT2014-25030
  5. Бесекерский В.А., Попов Е.П. Теория систем автоматического управления. СПб: Профессия, 2003. 752 с.
  6. Ang K.H., Chong G., Li Y. PID control system analysis, design, and technology // IEEE Transactions on Control Systems Technology. 2005. V. 13, Iss. 4. P. 559-576. doi: 10.1109/TCST.2005.847331
  7. Kuznetsova T.A., Naborshchikov A.A. Optimal automatic control of NOx emissions from combustion chambers of gas turbine aeroengine based on the Bellman method // AIP Conference Proceedings. 2023. V. 2700. doi: 10.1063/5.0137228
  8. Теория автоматического регулирования. Кн. 1. Математическое описание, анализ устойчивости и качества систем автоматического регулирования / под ред. В.В. Солодовникова. М.: Машиностроение, 1967. 770 с.
  9. Кузнецова Т.А., Репп П.В. Гибридная нейросетевая модель вредных выбросов в атмосферу из промышленной газотурбинной установки // Сборник трудов по материалам VII Международной конференции и молодёжной школы «Информационные технологии и нанотехнологии (ИТНТ-2021)» (20-24 сентября 2021 г., Самара). Т. 3. Самара: Издательство Самарского университета, 2021.
  10. Лутц М. Программирование на Python. Т. II. СПб.: Символ-Плюс, 2011. 992 с.
  11. Бендат Дж., Пирсол А. Применения корреляционного и спектрального анализа. М.: Мир, 1983. 312 с.
  12. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 2004. 479 с.
  13. Kuznetsova T.A. Some features of quality improvement of a neural network identifying a aeroengine low-emission combustion chamber // Proceedings of the 3rd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency, SUMMA 2021 (November, 10-12, 2021, Lipetsk, Russian Federation). V. 3. P. 44-50. doi: 10.1109/SUMMA53307.2021.9632262
  14. Ясницкий Л.Н. Интеллектуальные системы. М.: Лаборатория знаний, 2016. 221 с.
  15. Kuznetsova T.A., Repp P.V., Fofanov V.O. Aeroengine NOx-emissions automatic control based on neural network model // Proceedings of ITNT 2022 - 8th IEEE International Conference on Information Technology and Nanotechnology (May, 23-27, 2022, Samara, Russian Federation). doi: 10.1109/ITNT55410.2022.9848526
  16. Рабинович С.Г. Погрешности измерений. Л.: Энергия, 1978. 262 с.
  17. Сиберт У.М. Цепи, сигналы, системы. Ч. 1. М.: Мир, 1988. 336 с.
  18. Теория автоматического управления / под ред. А.В. Нетушила. М.: Высшая школа, 1976. 400 с.
  19. Сиберт У.М. Цепи, сигналы, системы. Ч. 2. М.: Мир, 1988. 358 с.
  20. Kuznetsova T.A., Sukharev A.A. The neural network controller for the dry low emission combustor of gas-turbine power plants // Proceedings of 2023 IEEE International Russian Smart Industry Conference (SmartIndustryCon) (March, 27-31, 2023, Sochi, Russia) doi: 10.1109/SmartIndustryCon57312.2023.10110733

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».