Используя приведенное выше отображение, стандартный PCA может быть выполнен в этом новом пространстве признаков ℱ, которое неявно соответствует нелинейному главному компоненту в исходном пространстве. Следовательно, скалярные произведения ковариационной матрицы заменяются ядром RBF следующим образом:

Однако указанная выше матрица не может использоваться непосредственно для решения проблемы собственных значений, как в формуле. 6, из-за его большого размера. Следовательно, после некоторой алгебраической обработки собственные значения ℓ _d и собственные векторы ud могут быть вычислены для матрицы ядра 𝒦 (размера N × N ) вместо ковариационной матрицы (размера ℱ × ℱ). Следовательно, в KPCA вместо этого мы должны найти решение следующей проблемы собственных значений:

, где d = {1,…, N }, поскольку ℱ> N , количество ненулевых собственных значений не может превышать количество рабочих условий двигателя N (Bishop, 2006).Используя собственные векторы матрицы ядра, можно получить новые проекции Y = y1,…, yN отображенных точек данных вейвлет-коэффициентов ϕ ( c _i ) на нелинейной поверхности. размерности d , которая может варьироваться от 1 до N .

Обучающая модель для обнаружения новинок

Поддержка векторных машин в качестве инструмента для классификации предлагает гибкость искусственной нейронной сети, преодолевая при этом ее подводные камни.Использование функции ядра для расширения исходного входного пространства в пространство более высокой размерности для нахождения гиперплоскости линейного решения тесно связано с добавлением дополнительных слоев в искусственную нейронную сеть. Следовательно, алгоритм может быть адаптирован для лучшего соответствия характеристикам наших данных таким образом, чтобы повысить точность прогнозирования. Учитывая, что OCSVM формирует задачу квадратичной оптимизации, он гарантирует нахождение оптимального решения того места, где должна располагаться гиперплоскость линейного решения (Schölkopf et al., 2001; Шоу-Тейлор и Кристианини, 2004 г.). С другой стороны, можно получить локальный оптимум как решение для нахождения среднеквадратичной ошибки в искусственной нейронной сети с использованием алгоритма спуска градиента.

В качестве обучающих данных используется матрица, полученная из KPCA, т.е. 𝒴 . Принимая во внимание, что низкоразмерные представления данных тестирования (из матрицы Z ) получают с помощью того же преобразования признаков, выбора и т. Д.Методология OCSVM позволяет использовать функцию ядра RBF, которая отображает точки данных в 𝒴 таким же образом, как и в KPCA. Однако формулировка в наборе инструментов LIBSVM (Chang and Lin, 2011) немного отличается для ядра RBF. Учитывая две точки данных yn и ym, ядро ​​RBF, реализованное в OCSVM, определяется следующим образом:

После того, как обучающие данные отображаются через в ядре RBF, источник в этом новом пространстве функций рассматривается как единственный член данных класса 𝒜.Затем определяется гиперплоскость, так что отображаемые обучающие данные отделяются от исходной точки с максимальным запасом. Гиперплоскость в отображенном пространстве признаков расположена в точке ϕ (yi) −ρ = 0, где ρ — общая переменная поля. Чтобы отделить все отображенные точки данных от начала координат, необходимо решить следующую квадратичную программу:

, где w — вектор нормали к гиперплоскости, а ξ называются резервными переменными и используются для количественной оценки ошибки неправильной классификации каждой точки данных отдельно в соответствии с расстоянием от соответствующей границы.Значение ν, которое было упомянуто ранее, отвечает за штрафные санкции за неправильную классификацию и ограничено ν ∈ (0, 1]. Решение, которое определяет, принадлежит ли невидимая точка данных y ∗, т. Е. Из матрицы Z , к любому из два класса условий двигателя могут быть созданы с помощью следующей функции:

Для точки данных из класса 𝒜 gy ∗> 0, в противном случае gy ∗ ≤0. Обратите внимание, что из практических соображений проблема оптимизации в формуле. 12 решается введением множителей Лагранжа.Одна из основных причин этого заключается в том, что это позволяет записывать оптимизацию в терминах скалярных произведений. Это приводит к «уловке с ядром», которая позволяет обобщить проблему на нелинейный случай с помощью подходящих ядерных функций, таких как ядро ​​RBF, которое используется в этом исследовании.

Результаты и обсуждение

В этой работе ядро ​​RBF использовалось для отображения точек данных OCSVM в бесконечномерное пространство признаков, где может быть достигнуто линейное разделение двух классов.Применив OCSVM к нашей проблеме, мы получили широкий спектр формулировок функций ядра для использования. Ядро RBF — одно из самых популярных, поскольку оно подразумевает общие свойства гладкости для набора данных, предположение, которое обычно принимается во многих реальных приложениях, как более подробно обсуждается в Scholkopf and Smola (2001). Ядро RBF имеет два параметра, которые необходимо определить, чтобы адаптировать алгоритм OCSVM к характеристикам сигналов вибрации, ожидаемых в этом исследовании.Эти параметры называются шириной ядра γ и штрафом за оптимизацию ν. Наблюдая за изменением точности проверки α _ν OCSVM на мелкой сетке значений γ и ν, можно было определить комбинацию этих двух значений, которая максимизирует α _ν . Значения γ и ν были выбраны с шагом в 2, как это было предложено в практическом исследовании Hsu et al. (2016). Точность проверки рассчитывалась с использованием 10-кратной схемы перекрестной проверки для предотвращения переобучения данных.Как более подробно описано в Bishop (2006), схема перекрестной проверки используется, когда объем обучающих данных невелик. В таких случаях недостаточно данных, чтобы разделить их на наборы данных для обучения и проверки, чтобы исследовать надежность и точность модели. В нашем исследовании количество режимов работы двигателя относительно невелико по сравнению с количеством измерений в матрице характеристик. Таким образом, схема перекрестной проверки — возможное решение проблемы недостаточного количества обучающих данных.Более подробно, в этой схеме данные сначала делятся на 10 подмножеств одинакового размера. Каждое подмножество используется для последовательного тестирования эффективности классификации модели (которая была обучена на других девяти подмножествах). Каждая точка данных в наборе данных для обучения вибрации прогнозируется один раз. Следовательно, точность перекрестной проверки — это процент правильных классификаций в наборе данных виброобучения.

На рисунке 5 мы представляем два типичных результата изменения точности перекрестной проверки на сеточном пространстве параметров γ и ν.Эти результаты соответствуют точности перекрестной проверки, полученной при обучении OCSVM с помощью набора данных вейвлет-коэффициентов после «сжатия» с помощью PCA (правый график) и KPCA (левый график). Точность перекрестной проверки оценивалась с помощью ν. в диапазоне от 0,001 до 0,8 с шагом 0,002, тогда как γ находится в диапазоне 2 ⁻²⁵ и 2 ²⁵ с шагом 2. Выбор этого сеточного пространства для ν был сделан на том факте, что этот параметр ограничен, так как представляет собой верхнюю границу доли обучающих данных, которые лежат не по ту сторону гиперплоскости [см. более подробную информацию в Schölkopf et al.(2001)]. В случае γ не было верхнего и нижнего пределов, поэтому был выбран относительно более широкий диапазон. В обоих случаях шаги были определены таким образом, чтобы вычислительные затраты оставались на разумном уровне. Как правило, для определения подходящих границ и размера шага при выборе размера сетки использовалась процедура проб и ошибок для данного набора данных о вибрации. Как видно из контурных графиков, поиск по сетке позволяет нам получить высокую точность проверки, когда выбрана соответствующая комбинация γ и ν.Для нашего набора данных эту комбинацию можно найти в основном при относительно низких значениях γ. По мере уменьшения значения γ попарные расстояния между точками обучающих данных становятся менее важными. Следовательно, граница принятия решения OCSVM становится более ограниченной, а его форма менее гибкой из-за того, что он будет придавать меньшее значение этим расстояниям. Обратите внимание, что примеры на рисунке 5 были получены с d = 100 для 𝒴 и D = 100 для Y (см. Низкоразмерные характеристики), с уровнем декомпозиции WPT j = 4 и (только для KPCA) ширина ядра γ _KPCA = 1.Очевидно, что при использовании KPCA с ядром RBF максимальная точность перекрестной проверки составляет около 95%, в то время как со стандартным PCA точность классификации OCSVM относительно низка, то есть около 60%. Следовательно, есть преимущество использования KPCA перед стандартным PCA для конкретного набора данных, который используется в этом исследовании. Это ожидается, поскольку KPCA обнаруживает нелинейные отношения, существующие между элементами данных.

Рисунок 5 . Изменение точности перекрестной проверки с γ и ν для одноклассной опорной векторной машинной модели обучения с использованием функций анализа главных компонентов ядра (слева) и стандартного анализа главных компонент.

Метод поиска по сетке для поиска «подходящих» значений для γ и ν дает преимущество, когда другие параметры, например, ширина ядра KCPA σ _KPCA , не могут быть легко определены. Можно продемонстрировать, что α _ν можно значительно увеличить по сравнению с фиксированным набором значений по умолчанию. Набор инструментов LIBSVM предлагает значения по умолчанию: ν = d ^-1 и γ = 0,5. На рисунке 6 точность проверки показана для различных значений ширины ядра KPCA σ _KPCA и количества главных компонентов d для случаев, когда γ и ν были выбраны из поиска по сетке и когда им были заданы фиксированные значения по умолчанию. .Из этих двух графиков ясно, что параметры OCSVM γ и ν можно «настроить» так, чтобы точность проверки могла быть максимальной, независимо от выбора d и σ _KPCA . Это наблюдение демонстрирует силу методов на основе ядра в целом, поскольку ширина ядра может иметь большое влияние на описание обучающих данных. В большинстве случаев выбор этого параметра необходим только для получения подходящей адаптации наших алгоритмов (Shawe-Taylor and Cristianini, 2004).Как можно видеть, выбирая каждый раз разные комбинации ν и γ (в соответствии с процедурой поиска по сетке), максимально достижимая точность проверки всегда близка к 100%. Это значительное улучшение по сравнению с соответствующей точностью, которую можно получить с использованием фиксированного набора значений. Более того, это демонстрирует, что «настроить» машину опорных векторов не так сложно, поскольку необходимо найти только два параметра, и это можно сделать с помощью процедуры поиска по сетке. Напротив, искусственная нейронная сеть требует, чтобы ее архитектура, скорость обучения градиентного спуска, среди других параметров, были указаны заранее, что значительно усложняет проблему «настройки» алгоритма.Тем не менее, самой сильной стороной машины опорных векторов является ее способность получить глобальное оптимальное решение для любого выбранного значения γ и ν, которое мы указали, так что ее обобщающая способность всегда максимальна.

Рисунок 6 . Изменение точности перекрестной проверки для различных значений d и σ _KPCA для выбранных (слева) и фиксированных (справа) значений γ и ν.

Как было показано ранее на Рисунке 5, выбранное значение γ (из поиска по сетке) было очень маленьким.Это верно для каждого исследованного случая, например, для разных значений d . По этой причине можно сказать, что алгоритм лучше обобщается с менее сложной границей решения. Однако «настройка» OCSVM оказывается сложной задачей, поскольку точность прогнозирования (с использованием набора тестовых данных) ниже ожидаемой, то есть менее 50%. Большинство ошибок произошло для точек данных, ошибочно принятых как происходящие из класса 𝒜, тогда как в действительности они принадлежали классу. Вероятные причины неудовлетворительной работы OCSVM на наборе тестовых данных обсуждаются ниже:

• На этапе проверки OCSVM оцениваются только ошибки ошибочного отклонения данных из класса 𝒩.Можно предположить, что причина такой неправильной классификации может быть связана с ошибками в вычислении параметров γ и ν, оцененных с помощью сеточного поиска. Что касается выбора γ и ν, было несколько попыток решить эту проблему другими способами, чем поиск по сетке. Например, в Xiao et al. (2015) авторы представили методы выбора ширины ядра γ OCSVM с помощью того, что они называют «геометрическими» вычислениями.

• Из-за характера данных существует много различий между условиями двигателя, а также внутри каждого условия.Следовательно, сложно разработать модель с использованием данных класса 𝒩, если характеристики каждого условия в пределах одного класса различны. Выбор подходящих обучающих данных является важным фактором для применяемых подходов, основанных на данных. В этом случае следует выбрать представление данных в областях с соответствующим временным разрешением, а выбранные алгоритмы распознавания образов должны потенциально не зависеть от обучения, а работать в адаптивной структуре.

Заключение

В этом исследовании мы использовали схему обнаружения новинок для мониторинга состояния двигателей с использованием передовых методов машинного обучения, выбранных в соответствии с типом анализируемых данных.Это привело к лучшему описанию основных проблем, с которыми можно столкнуться при следовании стратегии на основе данных для мониторинга данных о вибрации двигателя. Схема обнаружения новизны была выбрана вместо классификационного подхода из-за отсутствия обучающих данных для различных состояний работы двигателя, с которыми обычно сталкиваются в реальных приложениях. Следующие шаги были рассмотрены как фундаментальные, оптимальные методы анализа данных. Модель нормальности, основанная на OCSVM, которая была обучена распознавать сценарии нормальных и новых условий двигателя, была разработана с использованием данных двигателя, работающего в условиях, в которых двигатель испытывал низкие амплитуды вибрации.Выбор этого метода машинного обучения для обнаружения новизны был обусловлен тем фактом, что проблема распознавания образов основана на создании ядра, которое предлагает универсальность, которая может поддерживать анализ более сложных данных. В этом случае, согласно анализу, представленному в исследовании, сильное влияние штрафного параметра ν и ширины ядра γ OCSVM может повлиять на точность проверки. Используя поиск по мелкой сетке для выбора параметров ν и γ, можно достичь точности проверки, близкой к 100%, как показано в результатах.Это значительное преимущество, когда нет методологии выбора других параметров, таких как количество основных компонентов, используемых в KPCA. Это также подчеркивает одну из сильных сторон основанных на ядре методов, которая заключается в возможности адаптации к заданному набору данных. В частности, было доказано, что ядро ​​RBF очень эффективно описывает данные из механизма, выбирая соответствующее значение ширины ядра γ.

Ограничения подходов к обнаружению новизны в целом и того, что обсуждается, в частности, в этом исследовании, включают следующие моменты: обучающие данные о вибрации, которые могут быть получены от двигателей, и ограничения конкретных рассмотренных алгоритмов.Для последнего обсуждался выбор ν и γ, и для расчета точности классификации с использованием выбранных ν и γ из поиска по сетке использовался независимый набор данных испытаний, который включал 25% условий из нового поведения двигателя. Несмотря на то, что результаты валидации были исключительно хорошими, и модель, казалось, не превышала данные, поскольку граница решения была гладкой, а количество опорных векторов относительно невелико, точность классификации с использованием набора тестовых данных была неудовлетворительной.Наибольшие ошибки возникали при неправильном прогнозировании точек данных на основе условий исправного двигателя как новизны. Несколько возможных причин того, почему это может произойти, были упомянуты в предыдущей части исследования.

Для улучшения схемы обнаружения новизны, представленной в этом исследовании, требуется дальнейшая работа по обучению OCSVM соответствующим образом. Например, вместо выбора ν и γ с использованием подхода поиска по сетке можно использовать методы, которые вычисляют эти параметры более принципиальным способом с использованием простой геометрии.Кроме того, особенности вейвлет-преобразования, извлеченные из данных, могли привести к большому разбросу точек данных в пространстве признаков из-за того, что существует высокая изменчивость сигналов от каждого состояния двигателя. Один из способов решения этой проблемы — изучить новый набор потребностей в функциях, которые могут обеспечить лучшую кластеризацию точек данных из условий исправного двигателя, чтобы в пространстве функций можно было сформировать меньшую и более жесткую границу принятия решения. Другим предложением может быть разработка новых алгоритмов машинного обучения, которые не зависят от качества обучающих данных, а могут скорее адаптивно классифицировать различные состояния / условия работы исследуемого двигателя.

Авторские взносы

IM провел анализ машинного обучения и является первым автором исследования. ИА курировал работу (замысел и обзор). Б.К. способствовал проведению экспериментов и сбору проанализированных данных. Все авторы несут ответственность за содержание работы.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Авторы хотели бы поблагодарить сотрудников Центра низкоуглеродного сжигания при Университете Шеффилда за проведение экспериментов с газотурбинным двигателем и за любезно предоставленные данные о вибрации двигателя, использованные в этом исследовании.

Финансирование

IM — аспирант, получивший стипендию от факультета машиностроения Университета Шеффилда. Все авторы выражают признательность за финансирование, полученное от гранта Совета по инженерным и физическим наукам (EPSRC) EP / N018427 / 1.

Список литературы

Антониаду, И., Мэнсон, Г., Сташевски, В. Дж., Барщ, Т., Ворден, К. (2015). Подход частотно-временного анализа для мониторинга состояния редуктора ветряной турбины в условиях изменяющейся нагрузки. мех. Syst. Сигнальный процесс. 64, 188–216. DOI: 10.1016 / j.ymssp.2015.03.003

CrossRef Полный текст | Google Scholar

Бишоп, К. (2006). Распознавание образов и машинное обучение (информатика и статистика) .Нью-Йорк: Спрингер.

Google Scholar

Блейки, С., Рай, Л., и Уилсон, В. (2011). Альтернативные виды топлива для авиационных газовых турбин: обзор. Proc. Комбас. Inst. 33, 2863–2885. DOI: 10.1016 / j.proci.2010.09.011

CrossRef Полный текст | Google Scholar

Чанг, К., Линь, К. (2011). LIBSVM: библиотека для поддержки векторных машин. ACM Trans. Intell. Syst. Technol. 2, 1–27. DOI: 10.1145 / 1961189.1961199

CrossRef Полный текст | Google Scholar

Клифтон, Д.А., Баннистер П. Р., Тарассенко Л. (2006). «Применение интуитивно понятной метрики новизны для мониторинга состояния реактивного двигателя», в Advances in Applied Artificial Intelligence , ред. М. Али и Р. Дапуаньи (Берлин, Гейдельберг: Springer), 1149–1158.

Google Scholar

Клифтон, Л., Клифтон, Д. А., Чжан, Ю., Уоткинсон, П., Тарассенко, Л., Инь, Х. (2014). Вероятностное обнаружение новизны с машинами опорных векторов. IEEE Trans. Надежный. 455–467. DOI: 10.1109 / TR.2014.2315911

CrossRef Полный текст | Google Scholar

Клифтон, Л., Инь, Х., Клифтон, Д., и Чжан, Ю. (2007). «Обнаружение новизны комбинированного вектора поддержки для данных о многоканальном сгорании», на Международной конференции IEEE по сетям, зондированию и управлению , Лондон.

Google Scholar

Фан, X., и Цзо, М. (2006). Обнаружение неисправностей коробки передач с использованием преобразования Гильберта и вейвлет-пакетов. мех. Syst. Сигнальный процесс. 20, 966–982.DOI: 10.1016 / j.ymssp.2005.08.032

CrossRef Полный текст | Google Scholar

Фаррар, К., Уорден, К. (2012). Структурный мониторинг работоспособности: перспектива машинного обучения . Чичестер: Джон Уайли и сыновья.

Google Scholar

Hayton, P., Schölkopf, B., Tarassenko, L., and Anuzis, P. (2000). «Обнаружение новизны опорных векторов применительно к спектрам вибрации реактивного двигателя», на ежегодной конференции по системам обработки нейронной информации (NIPS) , Денвер.

Google Scholar

Хе, К., Ян, Р., Конг, Ф., и Ду, Р. (2009). Мониторинг состояния машин с использованием представления главных компонентов. мех. Syst. Сигнальный процесс. 23, 446–466. DOI: 10.1016 / j.ymssp.2008.03.010

CrossRef Полный текст | Google Scholar

Сюй, К., Чанг, К., Линь, К. (2016). Практическое руководство по классификации опорных векторов . Тайбэй: Департамент компьютерных наук, Национальный университет Тайваня.

Google Scholar

Ющак, П., Tax, D., и Duin, R.P.W. (2002). «Масштабирование функций в описании векторных данных поддержки», в Proc. ASCI , Lochem.

Google Scholar

Кинг, С., Баннистер, П. Р., Клифтон, Д. А., и Тарассенко, Л. (2009). Вероятностный подход к мониторингу состояния авиакосмических двигателей. Proc. Inst. Мех. Англ. G J. Aerosp. Англ. 223, 533–541. DOI: 10.1243 / 09544100JAERO414

CrossRef Полный текст | Google Scholar

Маллат, С. (1989). Теория разложения сигнала с разным разрешением: вейвлет-представление. IEEE Trans. Pattern Anal. Мах. Intell. 11, 674–693. DOI: 10.1109 / 34.192463

CrossRef Полный текст | Google Scholar

Маллат, С. (1999). Вейвлет-тур по обработке сигналов (вейвлет-анализ и его приложения) . Нью-Йорк: Academic Press.

Google Scholar

Пиментел, М., Клифтон, Д., Клифтон, Л., и Тарассенко, Л. (2014). Обзор обнаружения новинок. Обработка сигналов 99, 215–249. DOI: 10.1016 / j.sigpro.2013.12.026

CrossRef Полный текст | Google Scholar

Шёлкопф Б., Платт Дж. К., Шоу-Тейлор Дж., Смола А. Дж. И Уильямсон Р. К. (2001). Оценка поддержки многомерного распределения. Neural Comput. 10, 1443–1471. DOI: 10.1162 / 089976601750264965

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Scholkopf, B., and Smola, A. (2001). Обучение с использованием ядер: поддержка векторных машин, регуляризация, оптимизация и не только .Кембридж: MIT Press.

Google Scholar

Шёлкопф Б., Смола А. и Мюллер К. (1998). Нелинейный компонентный анализ как проблема собственных значений ядра. Neural Comput. 10, 1299–1319. DOI: 10.1162 / 089976698300017467

CrossRef Полный текст | Google Scholar

Шоу-Тейлор, Дж., И Кристианини, Н. (2004). Методы ядра для анализа паттернов . Нью-Йорк: Издательство Кембриджского университета.

Google Scholar

Тарасенко, Л., Клифтон, Д. А., Баннистер, П. Р., Кинг, С., Кинг, Д. (2009). «Глава 35 — Обнаружение новизны» в Энциклопедии структурного мониторинга здоровья , , ред. К. Боллер, Ф. Чанг и Ю. Фуджино (Барселона: John Wiley & Sons).

Google Scholar

Двигатели

Что такое аэронавтика? | Динамика полета | Самолеты | Двигатели | История полета | Какие такое UEET?
Словарь | Веселье и игры | Образовательные ссылки | Урок ланы | Индекс сайта | Дом

Как работает реактивный двигатель?

Реактивные двигатели перемещают самолет вперед с большой силой, создаваемой огромная тяга и заставляет самолет лететь очень быстро.

Все реактивные двигатели, которые также называются газовые турбины, работают по тому же принципу. Двигатель всасывает воздух спереди с помощью вентилятора. Компрессор повышает давление воздуха. Компрессор сделан с множеством лезвий, прикрепленных к валу. Лезвия вращаются на высокой скорости и сжимают или сжимают воздух. Сжатый затем воздух распыляется с топливом, и электрическая искра зажигает смесь. В горящие газы расширяются и выбрасываются через сопло в задней части двигателя.Когда струи газа летят назад, двигатель и самолет движутся вперед. Когда горячий воздух попадает в сопло, он проходит через другую группу лопастей. называется турбина. Турбина прикреплена к тому же валу, что и компрессор. Вращение турбины вызывает вращение компрессора.

На изображении ниже показано, как воздух проходит через двигатель. Воздух проходит ядро двигателя, а также вокруг ядра.Это вызывает некоторую часть воздуха чтобы было очень жарко, а некоторым было прохладнее. Затем более холодный воздух смешивается с горячим воздух на выходе из двигателя.

Это изображение того, как воздух проходит через двигатель

Что такое тяга?

Тяга это передовая сила, которая толкает двигатель и, следовательно, самолет вперед. Сэр Исаак Ньютон обнаружил, что «каждому действию соответствует и противоположная реакция. «Двигатель использует этот принцип. Двигатель принимает в большом объеме воздуха. Воздух нагревается, сжимается и замедляется. Воздух проходит через множество вращающихся лопастей. Смешивая этот воздух со струей топлива, температура воздуха может достигать трех тысяч градусов. В сила воздуха используется для вращения турбины. Наконец, когда воздух уходит, он выталкивает назад из двигателя.Это заставляет самолет двигаться вперед.

Детали реактивного двигателя

Поклонник — Вентилятор — это первый компонент в ТРДД. Большой вращающийся вентилятор всасывает большое количество воздуха. Большинство лезвий Вентиляторы изготовлены из титана. Затем он ускоряет этот воздух и разбивает его на две части. Одна часть продолжается через «ядро» или центр двигателя, где на него действуют другие компоненты двигателя.

Вторая часть «обходит» ядро ​​двигателя. Проходит через воздуховод который окружает ядро ​​к задней части двигателя, где он производит большую часть сила, которая толкает самолет вперед. Этот более прохладный воздух помогает успокоить двигатель, а также добавление тяги к двигателю.

Компрессор — Компрессор первый компонент в ядре двигателя. Компрессор состоит из вентиляторов с множеством лопастей. и прикреплен к валу.Компрессор сжимает попадающий в него воздух в постепенно уменьшаются площади, что приводит к увеличению давления воздуха. Этот приводит к увеличению энергетического потенциала воздуха. Сдавленный воздух попадает в камеру сгорания.

Камера сгорания — В камере сгорания воздух перемешивается с топливом, а затем воспламеняется. Имеется до 20 форсунок для впрыска топлива. воздушный поток. Смесь воздуха и топлива загорается.Это обеспечивает высокую температура, высокоэнергетический воздушный поток. Топливо горит вместе с кислородом в сжатом состоянии. воздух, производящий горячие расширяющиеся газы. Внутри камеры сгорания часто делают из керамических материалов для создания термостойкой камеры. Жара может достигать 2700 °.

Турбина — Приближается высокоэнергетический воздушный поток из камеры сгорания попадает в турбину, в результате чего лопатки турбины вращаются. Турбины соединены валом для вращения лопаток в компрессоре и для вращения впускного вентилятора спереди.Это вращение забирает некоторую энергию из поток высокой энергии, который используется для привода вентилятора и компрессора. Газы вырабатываемые в камере сгорания движутся через турбину и раскручивают ее лопатки. Турбины реактивного самолета вращаются тысячи раз. Они закреплены на валах между которыми установлено несколько комплектов шарикоподшипников.

Сопло — Форсунка — вытяжной канал двигатель. Это часть двигателя, которая на самом деле создает тягу для самолет.Поток воздуха с пониженным энергопотреблением, который проходил через турбину, в дополнение к более холодный воздух, проходящий мимо сердечника двигателя, создает силу при выходе из сопло, которое толкает двигатель и, следовательно, самолет вперед. Комбинация горячего и холодного воздуха выбрасывается и производит выхлоп, который вызывает прямую тягу. Соплу может предшествовать смеситель , который сочетает в себе высокотемпературный воздух, поступающий из сердечника двигателя, с более низкая температура воздуха, обводимого вентилятором.Миксер помогает сделать двигатель тише.

Сэр Исаак Ньютон в 18 веке был первым предположил, что взрыв, направленный назад, может привести в движение машину вперед с большой скоростью. Эта теория была основана на его третьем законе движение. Когда горячий воздух проходит через сопло назад, самолет движется вперед.

Анри Жиффар построил дирижабль, который приводился в движение первым авиадвигателем — паровым двигателем мощностью три лошадиные силы. Это было очень тяжелый, слишком тяжелый, чтобы летать.

В 1874 году Феликс де Темпл, , построил моноплан. который пролетел всего лишь короткий прыжок с холма с помощью угольного парового двигателя.

Отто Даймлер , в конце 1800-х изобрел первый бензиновый двигатель.

В 1894 году американец Хирам Максим пытался привести свой трехместный биплан в движение двумя угольными паровыми двигателями.Это только пролетел несколько секунд.

Первые паровые машины приводились в действие нагретым углем и, как правило, слишком тяжелый для полета.

Американец Сэмюэл Лэнгли изготовил модель самолетов которые приводились в действие паровыми двигателями. В 1896 году он успешно пилотировал беспилотный самолет с паровым двигателем, получивший название Aerodrome . Он пролетел около 1 мили, прежде чем выдохся. Затем он попытался построить полную размерный самолет Aerodrome A, с газовым двигателем.В 1903 г. разбился сразу после спуска с плавучего дома.

В 1903 году Братья Райт летал, Flyer , с бензиновым двигателем мощностью 12 лошадиных сил. двигатель.

С 1903 года, года первого полета братьев Райт, до конца 1930-х гг. газовый поршневой двигатель внутреннего сгорания с воздушным винтом был единственное средство, используемое для приведения в движение самолетов.

Это был Фрэнк Уиттл , британский пилот, который разработал и запатентовал первый турбореактивный двигатель в 1930 году.Двигатель Уиттла впервые успешно полетел в мае 1941 года. Этот двигатель имел многоступенчатый компрессор и систему внутреннего сгорания. камера, одноступенчатая турбина и сопло.

В то время, когда Уиттл работал в Англии, Ганс фон Охайн работал над подобным дизайном в Германии. Первый самолет, который успешно использовать газотурбинный двигатель был немецкий Heinkel He 178, август 1939 года. Это был первый в мире турбореактивный двигатель. полет.

General Electric построила первый американский реактивный двигатель для ВВС США Реактивный самолет . Опытный самолет XP-59A впервые поднялся в воздух в октябре 1942 года.

Типы реактивных двигателей

Основная идея турбореактивный двигатель это просто.Воздух забирается из отверстия в передней части двигателя сжимается в 3-12 раз по сравнению с исходным давлением в компрессоре. Топливо добавляется в воздух и сжигается в камере сгорания, чтобы повысить температуру жидкой смеси примерно до 1100-1300 ° F. Образующийся горячий воздух проходит через турбину, которая приводит в действие компрессор. Если турбина и компрессор эффективны, давление на выходе из турбины будет почти вдвое выше атмосферного давления, и это избыточное давление отправляется к соплу для создания высокоскоростного потока газа, создающего тягу.Существенного увеличения тяги можно добиться, используя форсаж. Это вторая камера сгорания, расположенная после турбины и перед сопло. Форсажная камера увеличивает температуру газа перед соплом. Результатом этого повышения температуры является повышение температуры примерно на 40 процентов. по тяге на взлете и гораздо больший процент на высоких скоростях, когда самолет в воздухе.

Турбореактивный двигатель является реактивным.В реактивном двигателе расширяющиеся газы сильно надавите на переднюю часть двигателя. Турбореактивный двигатель всасывает воздух и сжимает или сжимает его. Газы проходят через турбину и заставляют ее вращаться. Эти газы отскочить назад и выстрелить из задней части выхлопной трубы, толкая самолет вперед.

Изображение турбореактивного двигателя

А турбовинтовой двигатель это реактивный двигатель, прикрепленный к пропеллеру.Турбина на спина поворачивается горячими газами, и это вращает вал, который приводит в движение пропеллер. Некоторые небольшие авиалайнеры и транспортные самолеты оснащены турбовинтовыми двигателями.

Турбореактивный двигатель, как и турбореактивный, состоит из компрессора, камеры и турбины, давление воздуха и газа используется для запуска турбины, которая затем создает мощность для привода компрессора. По сравнению с турбореактивным двигателем, турбовинтовой двигатель имеет лучшую тяговую эффективность на скоростях полета ниже примерно 500 миль в час.Современные турбовинтовые двигатели оснащены гребными винтами, которые иметь меньший диаметр, но большее количество лопастей для эффективной работы на гораздо более высоких скоростях полета. Чтобы приспособиться к более высоким скоростям полета, лопасти имеют форму ятагана со стреловидными передними кромками на концах лопастей. Двигатели с такими гребными винтами называются пропеллеры .

Изображение турбовинтового двигателя

А турбовентиляторный двигатель имеет большой вентилятор спереди, который всасывает воздух.Большая часть воздуха обтекает двигатель снаружи, что делает его тише. и дает больше тяги на низких скоростях. Большинство современных авиалайнеров оснащены двигателями турбовентиляторными двигателями. В турбореактивном двигателе весь воздух, поступающий во впускное отверстие, проходит через газогенератор, состоящий из компрессора, камеры сгорания и турбина. В турбовентиляторном двигателе только часть поступающего воздуха попадает в камера сгорания. Остальное проходит через вентилятор или компрессор низкого давления, и выбрасывается непосредственно в виде «холодной» струи или смешивается с выхлопом газогенератора. для получения «горячей» струи.Целью такой системы байпаса является увеличение тяга без увеличения расхода топлива. Это достигается за счет увеличения общий массовый расход воздуха и снижение скорости при той же общей подаче энергии.

Изображение турбовентиляторного двигателя

Это еще один вид газотурбинного двигателя, который работает как турбовинтовой. система.Он не управляет пропеллером. Вместо этого он обеспечивает питание вертолета. ротор. Турбовальный двигатель устроен так, чтобы скорость вертолета ротор не зависит от скорости вращения газогенератора. Это позволяет скорость ротора должна оставаться постоянной, даже если скорость генератора варьируется, чтобы регулировать количество производимой мощности.

Изображение турбовального двигателя

ПВРД — это Самый простой реактивный двигатель и не имеет движущихся частей.Скорость реактивного «тарана» или нагнетает воздух в двигатель. По сути, это турбореактивный двигатель, в котором вращающийся оборудование было опущено. Его применение ограничено тем, что его степень сжатия полностью зависит от скорости движения. ПВРД не развивает статического электричества. тяга и тяга вообще очень маленькая ниже скорости звука. Как следствие, ПВРД требует некоторой формы вспомогательного взлета, например другого самолета. Он использовался в основном в ракетных комплексах.Космические аппараты используют это тип струи.

Изображение ПВРД

К началу

Что такое аэронавтика? | Динамика полета | Самолеты | Двигатели | История полета | Что такое UEET?
Словарь | Веселье и игры | Образовательные ссылки | Урок Планы | Индекс сайта | Дом

Газовая турбина

Тяга — это сила, которая перемещает любой самолет по воздуху. Тяга создается силовая установка самолета. Различные двигательные установки развивают тягу в разными способами, но вся тяга создается за счет некоторых применение третьего закона Ньютона движение.На каждое действие есть равная и противоположная реакция. В любой двигательной установке рабочая жидкость ускоряется системой и реакция на это ускорение создает силу в системе. А общий вывод уравнения тяги показывает, что величина создаваемой тяги зависит от массовый поток через двигатель и скорость на выходе газа.

Во время Второй мировой войны был разработан двигатель нового типа. самостоятельно в Германии и в Англии.Этот двигатель назывался . газотурбинный двигатель . Мы иногда называем этот двигатель реактивным двигателем . двигатель . Ранние газотурбинные двигатели работали во многом как ракетный двигатель создавая горячий выхлопной газ, который проходил через сопло производить тягу. Но в отличие от ракетного двигателя, который должен нести кислород для сгорания, газотурбинный двигатель получает кислород из окружающего воздуха. Не работает газотурбинный двигатель в космосе, потому что нет окружающего воздуха.Для газа газотурбинный двигатель, ускоренный газ, или рабочее тело , это струйный выхлоп. Большинство Масса выхлопных газов струи исходит из окружающей атмосферы. Самый современный, высокоскоростной пассажир и военный самолет работают на газе газотурбинные двигатели. Потому что газотурбинные двигатели так важны для современных жизни, мы будем предоставлять много информации о газотурбинных двигателях и их работа.

выпускаются в широком ассортименте формы и размеры из-за множества различных миссий самолетов.Все газотурбинные двигатели имеют некоторые части в однако обычное дело. На слайде мы видим изображения четырех разных самолет, оснащенный газотурбинными двигателями. Каждый самолет имеет уникальная миссия и, следовательно, уникальные требования к двигательной установке. На вверху слева — авиалайнер DC-8. Его задача — перевозить большие грузы. пассажиров или груза на дальние расстояния на большой скорости. Тратит большую часть своей жизни на высокой скорости морское путешествие. Внизу слева — F-14. истребитель.Его задача — сбивать другие самолеты в бой воздух-воздух. Большую часть жизни он проводит в круизах, но ему необходимо высокое ускорение в бою. Справа внизу — грузовой С-130. самолет. Как и DC-8, он перевозит грузы на большие расстояния, но не имеет требований к высокой скорости DC-8. На верхнем справа — учебно-тренировочный Т-38. Используется для обучения пилотов летать на реактивном самолете. самолет и не имеет требований к ускорению F-14. DC-8 приводится в действие четырьмя двухконтурными ТРДД. двигателей Ф-14 на двух форсажных ТРДД с малым байпасом, С-130 с четырьмя турбовинтовыми двигателями двигателей, а Т-38 — двумя ТРД. двигатели.

EngineSim это интерактивный Java-апплет, позволяющий изучать различные типы реактивных двигателей. Вы можете изучить основы газотурбинного двигателя. двигательная установка с симулятором EngineSim. RangeGames это интерактивный Java-апплет, который позволяет изучить, как разные типы самолетов используют различные типы двигателей для выполнения своей миссии.

Навигация..

Руководство для начинающих Домашняя страница

Газотурбинные двигатели — обзор

VI Турбовинтовые и турбовентиляторные самолеты

Турбовинтовые и турбовентиляторные двигатели являются газотурбинными двигателями, как и турбореактивный двигатель, и предназначены для сведения к минимуму недостатков и использования преимуществ, присущих поршневым и турбореактивным двигателям. . Основное различие между этими тремя двигателями заключается в том, как они создают тягу. Турбореактивный двигатель делает это за счет расширения горячих газов через сопло, в турбовинтовом двигателе используется пропеллер, а в турбореактивном двигателе используется многолопастной вентилятор, который во многом связан с пропеллером.Основным элементом газотурбинного двигателя является газогенератор, состоящий из компрессора (ов), горелок и турбин, приводящих в действие компрессор. Смесь воздуха и топлива, проходящая через газогенератор, является основным потоком. Газогенератор и первичный поток являются общими для всех трех двигателей и служат базой для сравнительной оценки.

В турбореактивном двигателе выхлопные газы из газогенератора расширяются через сопло, и единственным выходом является тяга. Это однопоточный двигатель, отличительными характеристиками которого являются легкий вес, небольшая площадь лобовой части, тяговая эффективность, увеличивающаяся с увеличением воздушной скорости, высокий удельный расход топлива (самый высокий из трех) и малая тяга на низких скоростях.

В турбовинтовом двигателе есть два потока: первичный поток, который развивает реактивную тягу, и вторичный (намного больший) поток через винт, который создает тяговое усилие. Турбовинтовой двигатель является в первую очередь производителем энергии и описывается так же, как и поршневой винт. Турбовинтовой двигатель является в первую очередь заменой поршневого винта, поскольку он способен развивать более высокие воздушные скорости и больший диапазон для данного веса самолета из-за гораздо меньшего веса двигателя и меньшего веса C _D0 .Хотя он тяжелее ТРД или ТРДД из-за пропеллера и коробки передач, он примерно в четыре раза легче поршневого двигателя той же мощности. Кроме того, хотя лобовая часть несколько больше, чем у турбореактивного двигателя, она меньше, чем у поршневого винта, и когда двигатель работает, C _D0 имеет порядок площади турбореактивного двигателя, что означает более высокие E _м , чем поршневой винт. Наличие реактивной тяги, которая, хотя и относительно мала, но по существу постоянна, имеет тенденцию сглаживать кривые тяги на более высоких скоростях и снижать скорость снижения эффективности движителя.Турбовинтовой двигатель имеет низкий удельный расход топлива, порядка, но несколько выше, чем у поршневого винта. Еще одно важное преимущество перед поршневой опорой — это гораздо более низкие затраты на техническое обслуживание. Хотя его первоначальная стоимость выше, это более простой двигатель с большей надежностью, особенно с учетом недавних улучшений в коробке передач.

Турбореактивный двухконтурный двигатель — это многопоточный двигатель, во многих отношениях похожий на турбовинтовой, за исключением того, что дополнительные турбины напрямую приводят в действие вентилятор, который напоминает компрессор с осевым потоком.Несмотря на то, что при очень высоких коэффициентах двухконтурности турбовентиляторный двигатель может производить больше мощности, чем тягу, и работать больше как турбовинтовой, чем трубореактивный, его принято описывать как турбореактивный двигатель.

Турбореактивный двухконтурный двигатель сочетает в себе хорошую тяговую эффективность и высокую тягу на более низких скоростях движения поршень-винт с постоянной тягой и повышением тягового качества на более высоких скоростях движения турбореактивного двигателя. Поскольку сложность и вес редуктора и системы регулятора воздушного винта турбовинтового двигателя устранены, турбовентилятор стал еще проще и легче.Кроме того, воздушный поток, проходящий через канальный вентилятор, не сильно зависит от скорости полета, так что снижение пропульсивной эффективности на высоких скоростях не так значительно, как снижение, связанное с эффективностью пропеллера турбовинтового двигателя. Следовательно, ТРДД может использоваться на воздушных скоростях до низких сверхзвуковых скоростей включительно. Хотя лобовая часть больше, чем у турбореактивного двигателя, ТРДД значительно короче, и общее сопротивление не обязательно больше. Удельный расход топлива намного меньше, чем у турбореактивного двигателя, и, хотя он больше, чем у турбовинтового, он приближается к сопоставимым значениям.Турбореактивный двигатель также тише, чем турбореактивный, и намного тише, чем турбовинтовой, что является преимуществом в наши дни, когда все больше внимания уделяется шумовому загрязнению.

Поскольку и турбовинтовой, и двухконтурный двухконтурные двигатели являются многопоточными двигателями, эквивалентный удельный расход топлива представляет собой комбинацию значений hpsfc и tsfc и, таким образом, будет варьироваться в зависимости от скорости полета. Любое значение, указанное в литературе, относится к конкретной воздушной скорости, которая не всегда указывается. Разница в удельном расходе топлива в зависимости от скорости полета у турбовентиляторного двигателя больше, чем у турбовинтового.

Поскольку турбовинтовые и турбовентиляторные двигатели представляют собой разные комбинации поршневой винт и турбореактивный двигатель, их характеристики должны находиться где-то между характеристиками поршневого винта и чисто турбореактивного двигателя. Сравнивая турбовинтовые, двухконтурные и турбореактивные двигатели сопоставимой мощности (сопоставимые газогенераторы), можно сделать вывод, что турбовинтовой двигатель обеспечивает наибольшую тягу на более низких скоростях полета, включая самолет, стоящий неподвижно в начале разбега. Однако тяга будет уменьшаться с самой высокой скоростью из трех по мере увеличения воздушной скорости и при взлете, вероятно, будет меньше, чем у двух других.Турбореактивный двухконтурный двигатель будет производить меньшую тягу, чем турбовинтовой, на более низких скоростях, но больше, чем турбореактивный двигатель, что не только улучшает взлетные характеристики и характеристики на ранних этапах набора высоты, но также обеспечивает более высокий общий вес для взлета, чем турбореактивный двигатель. Тяга уменьшается с увеличением воздушной скорости, но медленнее, чем у турбовинтового двигателя, из-за различий между вентилятором и гребным винтом и из-за большей составляющей реактивной тяги. По мере увеличения степени двухконтурности характеристики турбовинтового двигателя приближаются к характеристикам турбовинтового двигателя на более низких скоростях, но сохраняются некоторые характеристики турбореактивного двигателя на более высоких скоростях.Турбореактивный двигатель имеет самую низкую начальную тягу из трех, но тяга по существу остается постоянной в зависимости от скорости полета.

Что касается других характеристик характеристик, турбовинтовой двигатель в достаточной степени похож на поршневой винт, что является разумным приближением, просто используя уравнения поршень-винт без изменений. Однако турбовентилятор не обязательно так прост или прямолинеен. Если коэффициент двухконтурности низкий, уравнения турбореактивного двигателя можно использовать без изменений. По мере увеличения степени двухконтурности и соотношения мощности к тяге турбовентиляторный двигатель приобретает все больше характеристик турбовинтового и поршневого двигателя, особенно на более низких скоростях полета.По-прежнему можно использовать уравнения турбореактивного двигателя с осознанием того, что фактические значения для низких скоростей могут несколько отличаться. На более высоких скоростях турбовентилятор будет работать больше как турбореактивный, но с меньшим удельным расходом топлива.

Из-за своей превосходной топливной экономичности турбовентиляторный двигатель быстро заменил турбореактивный двигатель для дозвуковых самолетов, а турбовинтовой двигатель заменил поршневой двигатель во многих приложениях (например, в пригородных самолетах) из-за его меньшего веса и более высокой скорости полета.