A Study on Compressor Map Identification using Artificial Intelligent Technique and Performance Deck Data

인공지능 및 성능덱 데이터를 이용한 압축기 성능도 식별에 관한 연구

In order to estimate the gas turbine engine performance precisely, the component maps containing their own performance characteristics should be needed. In this study a component map generation method which may identify compressor map conversely from a performance deck provided by engine manufacturer using genetic algorithms was newly proposed. As a demonstration example for this study, the PW 206C turbo shaft engine for the tilt rotor type Smart UAV(Unmanned Aerial Vehicle). In order to verify the proposed method, steady-state performance analysis results using the newly generated compressor map was compared with them performed by EEPP(Estimated Engine Performance Program) deck provided by engine manufacturer. And also the performance results using the identified maps were compared with them using the traditional scaling method. When the performance analysis is performed at far away operation conditions from the design point, in case of use of e component map by the traditional scaling method, the error of the performance analysis results is greatly increasing. In the other hand, if in case of use of the compressor map generated by the proposed GAs scheme, the performance analysis results are closely met with those by the performance deck, EEPP.

가스터번 엔진의 성능을 예측하기 위해서는 자신의 성능 특성을 포함한 구성품 성능도가 요구된다. 본 연구에서는 유전 알고리즘을 이용하여 압축기 성능도를 제작사에서 제공한 성능덱으로부터 역으로 식별하는 방법을 제안하였다. 알고리즘은 경사 로터 방식 스마트 UAV를 위한 PW206C 터보축 엔진에 적용하였다. 제안된 방법을 검증하기 위하여 새롭게 만들어진 압축기 성능도를 이용한 해석 결과와 제작사에서 제공한 EEPP(Estimated Engine Performance Program) 덱(deck)을 이용한 해석 결과를 비교하였다. 또한 기존의 스케일링 방법을 이용하여 얻어진 구성품 성능도를 이용한 해석결과와도 비교하였다. 그 결과 운용 영역이 설계점에서 멀어질수록 기존의 스케일링 방법을 이용한 구성품 성능도를 사용한 경우 오차가 크게 증가하였다. 반면 유전알고리즘을 이용하여 생성된 압축기 성능도를 사용한 경우 EEPP의 해석결과에 더 근접함을 확인할 수 있었다.