plantilla proyectos fin de...
Post on 02-Oct-2020
4 Views
Preview:
TRANSCRIPT
UNIVERSIDAD DE SEVILLA
ESCUELA SUPERIOR DE INGENIERÍA
Departamento De Ingeniería Energética
PROYECTO DE FIN DE CARRERA INGENIERÍA AERONÁUTICA
ANÁLISIS DE METODOLOGÍAS PARA LA IDENTIFICACIÓN DE LA DEGRADACIÓN EN
TURBINAS DE GAS APLICACIÓN EN EL MOTOR ROLLS-ROYCE
RB211
Autor: Luis Manuel Conti González
Tutor: Francisco José Jiménez-Espadafor Aguilar
Sevilla, Junio 2015
A mis padres Francisco y Adela,
por inspirarme, por alentarme, sin
vosotros no hubiera sido posible
Análisis de metodologías para la identificación de la
degradación en turbinas de gas: Aplicación en el motor
Rolls-Royce RB211
Autor: Luis Manuel Conti González
Tutor: Francisco Javier Jiménez-Espadafor Aguilar
Miembros del Tribunal:
Fecha de lectura:
Calificación:
ÍNDICE DE CONTENIDOS
1. INTRODUCCIÓN __________________________________________________________________ 1
2. ESTADO DEL ARTE _______________________________________________________________ 3
2.1. MANTENIMIENTO ____________________________________________________________ 3
2.1.1. Introducción ________________________________________________________________ 3
2.1.2. Tipos de mantenimiento ________________________________________________________ 5
2.1.2.1. Mantenimiento Correctivo ________________________________________________________ 5
2.1.2.2. Mantenimiento preventivo ________________________________________________________ 6
2.1.2.3. Mantenimiento predictivo _________________________________________________________ 7
2.2. MANTENIMIENTO PREDICTIVO ________________________________________________ 8
2.2.1. Introducción al mantenimiento predictivo __________________________________________ 8
2.2.2. Ventajas e inconvenientes del mantenimiento predictivo _____________________________ 11
2.2.3. Uso de técnicas predictivas frente al mantenimiento sistemático _______________________ 13
2.2.4. Técnicas aplicables y métodos de control usados en el mantenimiento predictivo __________ 20
2.2.4.1. Técnicas de control en operación __________________________________________________ 21
2.2.4.1.1. Inspección visual, acústica y al tacto de los componentes accesibles _____________________ 21
2.2.4.1.2. Medida y control de la presión __________________________________________________ 22
2.2.4.1.3. Medida y control de la temperatura _______________________________________________ 22
2.2.4.1.4. Medida y control de caudales ___________________________________________________ 23
2.2.4.1.5. Termografía Infrarroja _________________________________________________________ 23
2.2.4.1.6. Detección de pérdidas _________________________________________________________ 24
2.2.4.1.7. Análisis de vibraciones ________________________________________________________ 24
2.2.4.1.8. Control de ruidos _____________________________________________________________ 26
2.2.4.1.9. Control de corrosión __________________________________________________________ 26
2.2.4.1.10. Análisis de aceites y lubricantes ________________________________________________ 27
2.2.4.1.11. Análisis de ultrasonidos _______________________________________________________ 28
2.2.4.1.12. Análisis de gases de escape y monitoreo de contaminantes ___________________________ 29
2.2.4.1.13. Monitoreo en línea___________________________________________________________ 30
2.2.4.2. Técnicas de control en parada _____________________________________________________ 30
2.2.4.2.1. Inspección visual, acústica y al tacto de las partes móviles en situación de parada ___________ 30
2.2.4.2.2. Inspecciones boroscópicas ______________________________________________________ 30
2.2.4.2.3. Detección de fisuras y grietas ___________________________________________________ 32
2.2.4.2.4. Detección de fugas ___________________________________________________________ 34
2.2.4.2.5. Ensayo de vibraciones _________________________________________________________ 34
2.2.4.2.6. Control de corrosión __________________________________________________________ 34
2.3. DEGRADACIÓN EN TURBINAS DE GAS: TIPOLOGÍAS Y CARACTERIZACIÓN _______ 35
2.3.1. Tipos de degrdación _________________________________________________________ 35
2.3.1.1. Fouling (deposición) ____________________________________________________________ 35
2.3.1.2. Erosión ______________________________________________________________________ 36
2.3.1.3. Corrosión _____________________________________________________________________ 37
2.3.1.4. Desgaste por rozamiento _________________________________________________________ 38
2.3.1.5. Daño en sello laberíntico _________________________________________________________ 39
2.3.1.6. Daño por impacto (FOD & DOD) __________________________________________________ 39
2.3.1.7. Daño de componentes a elevada temperatura _________________________________________ 40
2.3.1.8. Degradación del sistema de combustión _____________________________________________ 40
2.3.2. Efectos de la degradación _____________________________________________________ 40
2.3.2.1. Compresor ____________________________________________________________________ 40
2.3.2.2. Turbina ______________________________________________________________________ 41
2.3.2.3. Cámara de combustión __________________________________________________________ 42
2.3.2.4. Degradación de otros componentes _________________________________________________ 42
2.4. METODOLOGÍA DE LOS MÉTODOS DE DIAGNÓSTICO ___________________________ 42
3. MODELO DE MOTOR ROLLS-ROYCE RB211 _______________________________________ 44
3.1. DESCRIPCIÓN DEL MOTOR ___________________________________________________ 44
3.2. DESCRIPCIÓN DEL MODELO __________________________________________________ 46
3.2.1. Modelo de gas ______________________________________________________________ 46
3.2.2. Modelo de atmósfera _________________________________________________________ 48
3.2.3. Descripción de los componentes del modelo de motor _______________________________ 49
3.2.3.1. Toma dinámica ________________________________________________________________ 49
3.2.3.2. Fan _________________________________________________________________________ 51
3.2.3.3. Compresor de presión intermedia (IP Compressor) ____________________________________ 52
3.2.3.4. Compresor de alta presión (HP Compressor) _________________________________________ 53
3.2.3.5. Cámara de combustión __________________________________________________________ 54
3.2.3.6. Turbina de alta presión (HP Turbine) _______________________________________________ 56
3.2.3.7. Turbina de presión intermedia (IP Turbine) __________________________________________ 57
3.2.3.8. Turbina de baja presión __________________________________________________________ 58
3.2.3.9. Tobera de salida de flujo caliente __________________________________________________ 59
3.2.3.10. Tobera de salida del flujo frío _____________________________________________________ 62
3.3. METODOLOGÍA DE RESOLUCIÓN _____________________________________________ 63
3.3.1. Resolución de ciclo termodinámico ______________________________________________ 63
3.3.2. Resolución de ciclo termodinámico con motor degradado ____________________________ 64
3.3.2.1. Definición de degradación _______________________________________________________ 64
3.3.2.2. Análisis estadístico de las mediciones _______________________________________________ 68
3.3.3. Metodología para la identificación de la degradación con presencia de ruido en los sensores 69
4. ANÁLISIS DE SENSIBILIDAD _____________________________________________________ 72
4.1. DESCRIPCIÓN DEL ANÁLISIS DE SENSIBILIDAD ________________________________ 72
4.2. RESULTADOS _______________________________________________________________ 76
4.2.1. Degradación de gasto másico adimensional del fan (Wcc, fan) ________________________ 77
4.2.2. Degradación de rendimiento isentrópico del fan (ηfan) ______________________________ 78
4.2.3. Degradación de relación de compresión del fan (πfan) ______________________________ 79
4.2.4. Degradación de gasto másico adimensional del compresor IPc (Wcc, IPc) _______________ 80
4.2.5. Degradación de rendimiento isentrópico del compresor IPc (ηIPc) _____________________ 81
4.2.6. Degradación de relación de compresión del compresor IPc (πIPc) _____________________ 82
4.2.7. Degradación de gasto másico adimensional del compresor HPc (Wcc, HPc) _____________ 83
4.2.8. Degradación de rendimiento isentrópico del compresor HPc (ηHPc) ___________________ 84
4.2.9. Degradación de relación de compresión del compresor HPc (πHPc) ___________________ 85
4.2.10. Degradación de gasto másico adimensional turbina HPt (Wcc, HPt) _________________ 86
4.2.11. Degradación de rendimiento isentrópico turbina HPt (ηHPt) ______________________ 87
4.2.12. Degradación de relación de expansión turbina HPt (πHPt) ________________________ 88
4.2.13. Degradación de gasto másico adimensional turbina IPt (Wcc, IPt) __________________ 89
4.2.14. Degradación de rendimiento isentrópico turbina IPt (ηIPt) ________________________ 90
4.2.15. Degradación de relación de expansión de turbina IPt (πIPt) _______________________ 91
4.2.16. Degradación de gasto másico adimensional turbina LPt (Wcc, LPt) _________________ 92
4.2.17. Degradación de rendimiento isentrópico turbina LPt (ηLPt) _______________________ 93
4.2.18. Degradación de relación de expansión turbina IPt (πIPt) _________________________ 94
4.3. OBSERVACIONES Y CONCLUSIONES DE ANÁLISIS DE SENSIBILIDAD _____________ 95
5. MÉTODOS DE IDENTIFICACIÓN __________________________________________________ 97
5.1. GAS PATH ANALYSIS (GPA) ___________________________________________________ 97
5.1.1. Descripción del método GPA __________________________________________________ 97
5.1.1.1. GPA lineal ____________________________________________________________________ 97
5.1.1.2. GPA no lineal ________________________________________________________________ 100
5.1.2. Aplicaciones de la metodología GPA ___________________________________________ 102
5.2. MÉTODOS DE OPTIMIZACIÓN ________________________________________________ 103
5.2.1. Descripción de los métodos de optimización ______________________________________ 103
5.3. TEST DE NORMALIDAD DE SHAPIRO-WILK ____________________________________ 104
5.4. PRECISIÓN DE LOS MÉTODOS DE DIAGNÓSTICO _______________________________ 105
5.5. ERROR DE LOS MÉTODOS DE DIAGNÓSTICO __________________________________ 108
5.6. ANÁLISIS COMPARATIVO DE LOS DISTINTOS MÉTODOS _______________________ 109
5.6.1. Degradación fan ___________________________________________________________ 110
5.6.1.1. Degradación severa del fan (degradación 7% Wcc, fan, degradación 3% ηfan) ______________ 110
5.6.1.1.1. Gráfica comparativa _________________________________________________________ 110
5.6.1.1.2. Tabla comparativa ___________________________________________________________ 110
5.6.1.1.3. Precisión método GPA _______________________________________________________ 111
5.6.1.1.4. Precisión método Optimización _________________________________________________ 111
5.6.1.2. Degradación leve del fan (degradación 3% Wcc, fan, degradación 1.5% ηfan) ______________ 112
5.6.1.2.1. Gráfica comparativa _________________________________________________________ 112
5.6.1.2.2. Tabla comparativa ___________________________________________________________ 112
5.6.1.2.3. Precisión método GPA _______________________________________________________ 113
5.6.1.2.4. Precisión método Optimización _________________________________________________ 113
5.6.2. Degradación compresor de presión intermedia (IPc) _______________________________ 114
5.6.2.1. Degradación severa de IPc (degradación 7% Wcc, IPc, degradación 3% ηIPc) _______________ 114
5.6.2.1.1. Gráfica comparativa _________________________________________________________ 114
5.6.2.1.2. Tabla comparativa ___________________________________________________________ 114
5.6.2.1.3. Precisión método GPA _______________________________________________________ 115
5.6.2.1.4. Precisión método Optimización _________________________________________________ 115
5.6.2.1.5. Gráfica comparativa _________________________________________________________ 116
5.6.2.2. Degradación leve de IPc (degradación 3% Wcc, IPc, degradación 1.5% ηIPc) _______________ 116
5.6.2.2.1. Tabla comparativa ___________________________________________________________ 116
5.6.2.2.2. Precisión método GPA _______________________________________________________ 117
5.6.2.2.3. Precisión método Optimización _________________________________________________ 117
5.6.3. Degradación de compresor de alta presión (HPc) _________________________________ 118
5.6.3.1. Degradación severa de HPc (degradación 7% Wcc, HPc, degradación 3% ηHPc) ____________ 118
5.6.3.1.1. Gráfica comparativa _________________________________________________________ 118
5.6.3.1.2. Tabla comparativa ___________________________________________________________ 118
5.6.3.1.3. Precisión método GPA _______________________________________________________ 119
5.6.3.1.4. Precisión método Optimización _________________________________________________ 119
5.6.3.2. Degradación leve de HPc (degradación 3% Wcc, HPc, degradación 1,5% ηHPc) _____________ 120
5.6.3.2.1. Gráfica comparativa _________________________________________________________ 120
5.6.3.2.2. Tabla comparativa ___________________________________________________________ 120
5.6.3.2.3. Precisión método GPA _______________________________________________________ 121
5.6.3.2.4. Precisión método Optimización _________________________________________________ 121
5.6.4. Degradación de turbina de alta presión (HPt) ____________________________________ 122
5.6.4.1. Degradación severa de HPt (degradación 7% Wcc, HPt, degradación 3% ηHPt) _____________ 122
5.6.4.1.1. Gráfica comparativa _________________________________________________________ 122
5.6.4.1.2. Tabla comparativa ___________________________________________________________ 122
5.6.4.1.3. Precisión método GPA _______________________________________________________ 123
5.6.4.1.4. Precisión método Optimización _________________________________________________ 123
5.6.4.2. Degradación leve de HPt (degradación 3% Wcc, HPt, degradación 1.5% ηHPt) _____________ 124
5.6.4.2.1. Gráfica comparativa _________________________________________________________ 124
5.6.4.2.2. Tabla comparativa ___________________________________________________________ 124
5.6.4.2.3. Precisión método GPA _______________________________________________________ 125
5.6.4.2.4. Precisión método Optimización _________________________________________________ 125
5.6.5. Degradaciones conjuntas de compresor de presión intermedia (IPc) y de turbina de alta presión
(HPt) 126
5.6.5.1. Degradación leve de IPc (degradación 3% Wcc, IPc, degradación 1.5% ηIPc) y de HPt (degradación
3% Wcc, HPt, degradación 1.5% ηHPt) _______________________________________________________ 126
5.6.5.1.1. Gráfica comparativa _________________________________________________________ 126
5.6.5.1.2. Tabla comparativa ___________________________________________________________ 126
5.6.5.1.3. Precisión método GPA _______________________________________________________ 127
5.6.5.1.4. Precisión método Optimización _________________________________________________ 128
5.6.6. Degradaciones conjuntas de compresor de alta presión (HPc) y de turbina de alta presión (HPt)
129
5.6.6.1.1. Gráfica comparativa _________________________________________________________ 129
5.6.6.2. Degradación leve de HPc (degradación 3% Wcc, HPc, degradación 1.5% ηHPc) y de HPt
(degradación 3% Wcc, HPt, degradación 1.5% ηHPt) ____________________________________________ 129
5.6.6.2.1. Tabla comparativa ___________________________________________________________ 129
5.6.6.2.2. Precisión método GPA _______________________________________________________ 130
5.6.6.2.3. Precisión método Optimización _________________________________________________ 131
6. CONCLUSIONES ________________________________________________________________ 132
7. OTROS MÉTODOS DE IDENTIFICACIÓN _________________________________________ 136
7.1. REDES NEURONALES ARTIFICIALES (ANN, ARTIFICIAL NEURAL NETWORKS) _______________ 136
7.2. FILTRO DE KALMAN (KALMAN FILTER) ____________________________________________ 137
7.3. REDES BAYESIANAS ___________________________________________________________ 138
7.4. LÓGICA DIFUSA (FUZZY LOGIC) ___________________________________________________ 139
8. BIBLIOGRAFÍA _________________________________________________________________ 140
ÍNDICE DE FIGURAS
ILUSTRACIÓN 1 ESQUEMA DE EJECUCIÓN DE MANTENIMIENTO TIPO CORRECTIVO ................................................. 6
ILUSTRACIÓN 2 ESQUEMA DE EJECUCIÓN DE MANTENIMIENTO TIPO PREVENTIVO ................................................. 7
ILUSTRACIÓN 3 ESQUEMA DE EJECUCIÓN DE MANTENIMIENTO TIPO PREDICTIVO................................................. 11
ILUSTRACIÓN 4 CURVA DE BAÑERA. PROBABILIDAD DE FALLO VS TIEMPO. ........................................................ 17
ILUSTRACIÓN 5 TIPOLOGÍAS DE MODOS DE FALLO ............................................................................................... 18
ILUSTRACIÓN 6 PROBABILIDAD DE FALLO TRAS REPARACIÓN O SUSTITUCIÓN DE PIEZAS .................................... 19
ILUSTRACIÓN 7 IMAGEN TOMADA MEDIANTE TERMOGRAFÍA (IZQUIERDA) FRENTE A IMAGEN REAL (DERECHA) . 23
ILUSTRACIÓN 8 TÉCNICO REALIZANDO INSPECCIÓN VISUAL MEDIANTE BOROSCOPIA A UN MOTOR DE AVIACIÓN 31
ILUSTRACIÓN 9 ÁLABES DE COMPRESOR DE TURBINA DE GAS AFECTADOS POR FOULING..................................... 36
ILUSTRACIÓN 10 ÁLABES DE TURBINA AFECTADOS POR UN ALTO GRADO DE EROSIÓN ........................................ 37
ILUSTRACIÓN 11 ÁLABES DE TURBINA AFECTADOS POR CORROSIÓN A ELEVADA TEMPERATURA ........................ 38
ILUSTRACIÓN 12 ÁLABE DE COMPRESOR AFECTADO POR FOD ............................................................................ 39
ILUSTRACIÓN 13 ESQUEMA DEL MOTOR TURBOFÁN ROLLS-ROYCE RB211-535E4 ............................................. 44
ILUSTRACIÓN 14 ESQUEMA DEL MOTOR RB211-535E4 Y SU DIVISIÓN EN LOS DISTINTOS COMPONENTES ........... 45
ILUSTRACIÓN 15 MAPA CARACTERÍSTICO DEL FAN .............................................................................................. 52
ILUSTRACIÓN 16 MAPA CARACTERÍSTICO DEL COMPRESOR DE PRESIÓN INTERMEDIA ......................................... 53
ILUSTRACIÓN 17 MAPA CARACTERÍSTICO DEL COMPRESOR DE ALTA PRESIÓN ..................................................... 54
ILUSTRACIÓN 18 MAPA CARACTERÍSTICO DE LA TURBINA DE ALTA PRESIÓN ....................................................... 57
ILUSTRACIÓN 19 MAPA CARACTERÍSTICO DE LA TURBINA DE PRESIÓN INTERMEDIA ........................................... 58
ILUSTRACIÓN 20 MAPA CARACTERÍSTICO DE LA TURBINA DE BAJA PRESIÓN ....................................................... 59
ILUSTRACIÓN 21 EFECTO DE LA DEGRADACIÓN EN COMPRESOR .......................................................................... 67
ILUSTRACIÓN 22 FUNCIÓN DENSIDAD DE PROBABILIDAD ..................................................................................... 69
ILUSTRACIÓN 23 TRATAMIENTO DEL RUIDO EN LAS MEDICIONES ........................................................................ 71
ILUSTRACIÓN 24 UBICACIÓN DE LOS DISTINTOS SENSORES COLOCADOS A LO LARGO DEL MOTOR ....................... 72
ILUSTRACIÓN 25 PARÁMETROS CARACTERÍSTICOS QUE DEFINEN EL RENDIMIENTO DEL MOTOR .......................... 74
ILUSTRACIÓN 26 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCFAN –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 77
ILUSTRACIÓN 27 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCFAN –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 77
ILUSTRACIÓN 28 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCFAN –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 77
ILUSTRACIÓN 29 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠFAN – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 78
ILUSTRACIÓN 30 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠFAN – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 78
ILUSTRACIÓN 31 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠFAN – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 78
ILUSTRACIÓN 32 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠFAN – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 79
ILUSTRACIÓN 33 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠFAN – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 79
ILUSTRACIÓN 34 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠFAN – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 79
ILUSTRACIÓN 35 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCIPC –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 80
ILUSTRACIÓN 36 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCIPC –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 80
ILUSTRACIÓN 37 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCIPC –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 80
ILUSTRACIÓN 38 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠIPC – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 81
ILUSTRACIÓN 39 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠIPC – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 81
ILUSTRACIÓN 40 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠIPC – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 81
ILUSTRACIÓN 41 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠIPC – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 82
ILUSTRACIÓN 42 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠIPC – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 82
ILUSTRACIÓN 43 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠIPC – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 82
ILUSTRACIÓN 44 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCHPC –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 83
ILUSTRACIÓN 45 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCHPC –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 83
ILUSTRACIÓN 46 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCHPC –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 83
ILUSTRACIÓN 47 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠHPC –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 84
ILUSTRACIÓN 48 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠHPC –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 84
ILUSTRACIÓN 49 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠHPC –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 84
ILUSTRACIÓN 50 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠHPC – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 85
ILUSTRACIÓN 51 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠHPC – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 85
ILUSTRACIÓN 52 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠHPC – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 85
ILUSTRACIÓN 53 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCHPT –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 86
ILUSTRACIÓN 54 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCHPT –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 86
ILUSTRACIÓN 55 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCHPT –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 86
ILUSTRACIÓN 56 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠHPT –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 87
ILUSTRACIÓN 57 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠHPT –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 87
ILUSTRACIÓN 58 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠHPT –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 87
ILUSTRACIÓN 59 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠHPT – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 88
ILUSTRACIÓN 60 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠHPT – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 88
ILUSTRACIÓN 61 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠHPT – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 88
ILUSTRACIÓN 62 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCIPT –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 89
ILUSTRACIÓN 63 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCIPT –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 89
ILUSTRACIÓN 64 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCIPT –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 89
ILUSTRACIÓN 65 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠIPT – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 90
ILUSTRACIÓN 66 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠIPT – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 90
ILUSTRACIÓN 67 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠIPT – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 90
ILUSTRACIÓN 68 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠIPT – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 91
ILUSTRACIÓN 69 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠIPT – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 91
ILUSTRACIÓN 70 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠIPT – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 91
ILUSTRACIÓN 71 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCLPT –
CONDICIÓN DE VUELO 1 ............................................................................................................................. 92
ILUSTRACIÓN 72 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCLPT –
CONDICIÓN DE VUELO 2 ............................................................................................................................. 92
ILUSTRACIÓN 73 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE WCCLPT –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 92
ILUSTRACIÓN 74 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠLPT – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 93
ILUSTRACIÓN 75 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠLPT – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 93
ILUSTRACIÓN 76 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ȠLPT – CONDICIÓN
DE VUELO 3 ................................................................................................................................................. 93
ILUSTRACIÓN 77 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠLPT – CONDICIÓN
DE VUELO 1 ................................................................................................................................................. 94
ILUSTRACIÓN 78 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠLPT – CONDICIÓN
DE VUELO 2 ................................................................................................................................................. 94
ILUSTRACIÓN 79 DESVIACIÓN EN MEDIDAS DE SENSORES EN FUNCIÓN DE LA DEGRADACIÓN DE ΠLPT –
CONDICIÓN DE VUELO 3 ............................................................................................................................. 94
ILUSTRACIÓN 80 PROCEDIMIENTO PARA DIAGNÓSTICO MEDIANTE ALGORITMOS DE OPTIMIZACIÓN .................. 104
ILUSTRACIÓN 81 NÚMERO DE EVENTOS FRENTE A TEMPERATURA – EJEMPLO PARA DETERMINACIÓN DE
CARACTERÍSTICA ROC ............................................................................................................................. 106
ILUSTRACIÓN 82 PROBABILIDAD DE FALSOS POSITIVOS Y FALSOS NEGATIVOS .................................................. 107
ILUSTRACIÓN 83 CURVAS ROC ......................................................................................................................... 107
ILUSTRACIÓN 84 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN SEVERA DEL FAN .... 110
ILUSTRACIÓN 85 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 7% WCC, FAN ....................... 111
ILUSTRACIÓN 86 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 3% ΗFAN ............................. 111
ILUSTRACIÓN 87 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA IDENTIFICACIÓN DEGRADACIÓN 7% WCC, FAN ...... 111
ILUSTRACIÓN 88 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA IDENTIFICACIÓN DEGRADACIÓN 3% ΗFAN .............. 111
ILUSTRACIÓN 89 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN LEVE DEL FAN ........ 112
ILUSTRACIÓN 90 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 3% WCC, FAN ....................... 113
ILUSTRACIÓN 91 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 1,5% ΗFAN .......................... 113
ILUSTRACIÓN 92 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA IDENTIFICACIÓN DEGRADACIÓN 3% WCC, FAN ....... 113
ILUSTRACIÓN 93 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA IDENTIFICACIÓN DEGRADACIÓN 1,5% ΗFAN ........... 113
ILUSTRACIÓN 94 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN SEVERA DE IPC ...... 114
ILUSTRACIÓN 95 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 7% WCC, IPC ....................... 115
ILUSTRACIÓN 96 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 3%ΗIPC............................... 115
ILUSTRACIÓN 97 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA IDENTIFICACIÓN DEGRADACIÓN 7% WCC, IPC ........ 115
ILUSTRACIÓN 98 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA IDENTIFICACIÓN DEGRADACIÓN 3%ΗIPC ............... 115
ILUSTRACIÓN 99 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN LEVE DEL IPC ......... 116
ILUSTRACIÓN 100 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 3% WCC, IPC ..................... 117
ILUSTRACIÓN 101 PRECISIÓN MÉTODO GPA PARA IDENTIFICACIÓN DEGRADACIÓN 1,5%ΗIPC.......................... 117
ILUSTRACIÓN 102 PRECISIÓN MÉTODO OPTIMIZACION PARA IDENTIFICACIÓN DEGRADACIÓN 3% WCC, IPC ...... 117
ILUSTRACIÓN 103 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA IDENTIFICACIÓN DEGRADACIÓN 1,5%ΗIPC .......... 117
ILUSTRACIÓN 104 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN SEVERA DE HPC ... 118
ILUSTRACIÓN 105 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 7% WCC, HPC .............................................. 119
ILUSTRACIÓN 106 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% ΗHPC ..................................................... 119
ILUSTRACIÓN 107 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 7% WCC, HPC ............................... 119
ILUSTRACIÓN 108 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% ΗHPC ..................................... 119
ILUSTRACIÓN 109 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN LEVE DE HPC ....... 120
ILUSTRACIÓN 110 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% WCC, HPC .............................................. 121
ILUSTRACIÓN 111 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 1,5% ΗHPC .................................................. 121
ILUSTRACIÓN 112 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% WCC, HPC ............................... 121
ILUSTRACIÓN 113 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 1,5% ΗHPC .................................................. 121
ILUSTRACIÓN 114 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN SEVERA DE HPT ... 122
ILUSTRACIÓN 115 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 7% WCC, HPT .............................................. 123
ILUSTRACIÓN 116 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% ΗHPT ..................................................... 123
ILUSTRACIÓN 117 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 7% WCC, HPT .............................. 123
ILUSTRACIÓN 118 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% ΗHPT ..................................... 123
ILUSTRACIÓN 119 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN LEVE DE HPT ....... 124
ILUSTRACIÓN 120 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% WCC, HPT .............................................. 125
ILUSTRACIÓN 121 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 1,5% ΗHPT .................................................. 125
ILUSTRACIÓN 122 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% WCC, HPT .............................. 125
ILUSTRACIÓN 123 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 1,5% ΗHPT .................................. 125
ILUSTRACIÓN 124 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN LEVE DE IPC Y HPT126
ILUSTRACIÓN 125 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% WCC, IPC ................................................ 127
ILUSTRACIÓN 126 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 1,5% ΗIPC ................................................... 127
ILUSTRACIÓN 127 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% WCC, HPT .............................................. 127
ILUSTRACIÓN 128 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 1,5% ΗHPT .................................................. 127
ILUSTRACIÓN 129 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% WCC, IPC ................................ 128
ILUSTRACIÓN 130 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 1,5% ΗIPC.................................... 128
ILUSTRACIÓN 131 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% WCC, HPT .............................. 128
ILUSTRACIÓN 132 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 1,5% ΗHPT .................................. 128
ILUSTRACIÓN 133 COMPARATIVA MÉTODO GPA – MÉTODO OPTIMIZACIÓN, DEGRADACIÓN LEVE DE HPC Y HPT
................................................................................................................................................................. 129
ILUSTRACIÓN 134 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% WCC, HPC .............................................. 130
ILUSTRACIÓN 135 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 1,5% ΗHPC .................................................. 130
ILUSTRACIÓN 136 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 3% WCC, HPT .............................................. 130
ILUSTRACIÓN 137 PRECISIÓN MÉTODO GPA PARA DEGRADACIÓN 1,5% ΗHPT .................................................. 130
ILUSTRACIÓN 138 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% WCC, HPC ............................... 131
ILUSTRACIÓN 139 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 1,5% ΗHPC .................................. 131
ILUSTRACIÓN 140 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 3% WCC, HPT .............................. 131
ILUSTRACIÓN 141 PRECISIÓN MÉTODO OPTIMIZACIÓN PARA DEGRADACIÓN 1,5% ΗHPT .................................. 131
ILUSTRACIÓN 142 TAMAÑO DE LA ZONA DE INCERTIDUMBRE PARA EL CASO DE DEGRADACIÓN LEVE Y SEVERA
................................................................................................................................................................. 133
ILUSTRACIÓN 143 DISTRIBUCIONES NORMALES CON IGUAL MEDIA Y DISTINTA DESVIACIÓN ESTÁNDAR ........... 134
ILUSTRACIÓN 144 TAMAÑO DE LA ZONA DE INCERTIDUMBRE PARA EL CASO DE DESVIACIONES ESTÁNDAR
PEQUEÑAS Y GRANDES .............................................................................................................................. 134
ILUSTRACIÓN 145 ESQUEMA BÁSICO DE UN SISTEMA DE REDES NEURONALES ................................................... 137
ÍNDICE DE TABLAS
TABLA 1 ERRORES TÍPICAS DE LOS SENSORES (DYSON AND DOEL, 1987) ............................................................. 69
TABLA 2 CONDICIONES DE VUELO CONSIDERADAS EN LOS ANÁLISIS PREVIOS AL ESTUDIO GPA ......................... 75
INTRODUCCIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
1
1. INTRODUCCIÓN
Las turbinas de gas han demostrado ser una herramienta indispensable y han
encontrado uso en aplicaciones en tierra, mar y aire como fuerza motriz, sistema de propulsión
y generador de electricidad. Los componentes de las turbians de gas se deterioran
inevitablemente con el uso a lo largo del tiempo, lo que conduce a un deterioro en su
rendimiento (potencia en el eje, empuje, etc.). El objetivo de los métodos de diagnóstico o de
identificación de la degradación en turbinas de gas es detectar, localizar, aislar y evaluar de
forma precisa la degradación en las prestaciones del motor como resultado del deterioro de
sus componentes, mal funcionamiento y problemas de instrumentación a partir de las lecturas
de los diferentes sensores ubicados a lo largo del propio motor.
Los costes relacionados con los motores constituyen una fracción significativa de los
costes operativos directos en aeronaves, debido al necesario mantenimiento que requieren las
turbinas de gas. Por tanto, el diagnóstico y monitorización de los motores es reconocido como
una de las medidas más importantes a la hora de tomar decisiones sobre el uso y mantenimiento
de los mismos, en especial los casos de reemplazo de componentes o paradas largas para
revisiones. Estos métodos de mantenimiento y monitorización son usados por tanto para
desarrollar una operación de la turbina de gas segura y fiable desde un punto de vista
económico. El reemplazo de una o varias piezas a tiempo puede evitar una eventual parada
técnica en el futuro, con el siguiente coste de penalización por tener el equipo fuera de uso
durante un tiempo que puede llegar a ser excesivo.
La creciente necesidad por una monitorización y evaluación del estado o condición de
las turbinas de gas con el objetivo de optimizar los recursos en su mantenimiento ha conducido
a un alto grado de avance de las técnicas de diagnóstico. En el pasado, una gran cantidad de
procedimientos para el diagnóstico habían sido diseñados, desarrollados y puestos en marcha,
con distinto grado de éxito. Muchos de ellos tenían la restricción de partir de modelos lineales,
cuando las relaciones entre las variables que entran en juego en una turbina de gas son
altamente no lineales.
Ninguna técnica o procedimiento de diagnóstico desarrollado hasta la fecha cumple
con todos los requerimientos deseados hasta la fecha.
INTRODUCCIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
2
Cambios en parámetros como temperaturas, presiones, velocidades de giro o flujo de
combustible proporcionan la información necesaria para determinar cambios en el rendimiento
del motor respecto a una condición nominal o “limpia”. Sin embargo, estas medidas están
siempre sujetas a ruido, provocando desviaciones en las lecturas cuya magnitud puede ser
comparable a las variaciones en las medidas provocadas por la degradación. Por tanto, este
ruido provoca una penalización importante en la precisión de los resultados del diagnóstico.
Por todas las razones tratadas anteriormente, los objetivos del presente proyecto son
los siguientes:
Realizar una revisión bibliográfica de los distintos tipos de deterioro que sufren
los componentes de las turbina sde gas en general y de los motores de aviación
en particular, así como de los métodos de diagnóstico desarrollados hasta la
fecha.
Desarrollo de un modelo matemático de un motor real, que refleje fielmente
las relaciones no lineales entre los distintos parámetros que entran en juego.
Aplicación de métodos de diagnóstico o de identificación de la degradación
sobre el citado modelo, considerando distintos tipos y grados de degradación
y comparando los resultados obtenidos teniendo en cuenta la presencia del
ruido con los que se obtendría en caso de no existir ruido.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
3
2. ESTADO DEL ARTE
2.1. MANTENIMIENTO
2.1.1. Introducción
El mantenimiento se puede definir como el control constante de las instalaciones (en
el caso de una planta) o de los componentes (en el caso de un producto), así como el conjunto
de trabajos de reparación y revisión necesarios para garantizar el funcionamiento regular y el
buen estado de conservación de un sistema en general. En este sentido se puede decir que el
mantenimiento es el conjunto de acciones necesarias para conservar o restablecer un sistema
en un estado que permita garantizar su correcto funcionamiento a un coste mínimo. De acuerdo
con esta definición, mantenimiento engloba distintas actividades: evaluar el estado de las
instalaciones, prevenir y/o corregir averías y, por lo tanto, el aspecto económico que viene
dado para salvaguardar un adecuado funcionamiento de instalaciones o componentes con una
minimización de costes, aumentando la rentabilidad.
Debido a la creencia de que los ingresos provenían de la venta de un producto o
servicio, visión primaria, las empresas centraron sus recursos y esfuerzos de mejora en la
función de producción. El mantenimiento fue un problema que surgió al querer producir
continuamente, de ahí que fuese visto como un mal necesario, una función subordinada a la
producción cuya finalidad era reparar desperfectos de forma rápida y barata. Sin embargo, la
participación del mantenimiento en el éxito o fracaso influye e incide en los costes de
producción, en la calidad del producto o servicio, en la seguridad e higiene industrial, en la
capacidad operacional, en la imagen y seguridad ambiental, en la capacidad operacional, en la
capacidad de respuesta de una empresa como un ente organizado e integrado, etc. Además, la
organización e información del mantenimiento debe estar encaminada a la optimización de la
disponibilidad del equipo productivo, a la disminución de los costes de mantenimiento, a la
optimización de los recursos humanos, a la maximización de la vida útil de las máquinas, etc.
Por lo tanto, el mantenimiento es un bien real, y puede resumirse en la capacidad de producir
con calidad, seguridad y rentabilidad.
En muchos casos se tiene entendido que los costes a los que hay que hacer frente en el
caso de una avería o fallo son únicamente los costes de reparación. Sin embargo, la mayor
parte de los costes son los relacionados con los problemas derivados de la reparación, como
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
4
los costes debidos a palabras no planificadas, los tiempos improductivos, costes debidos a
clientes perdidos o descontentos, costes producidos por paradas catastróficas, costes debidos
a indemnizaciones por entregas con retraso, costes debidos a horas extra, etc. Por tanto, los
costes de reparación son en muchos casos son bastante menores que la suma de los costes
derivados de la misma.
Todo ello nos lleva a la idea de que el mantenimiento comienza en el proyecto de la
máquina. Para poder llevar a cabo el mantenimiento de manera adecuada es imprescindible
empezar a actuar en la espeficicación técnica (normas, tolerancias, fallos y demás
documentación técnica a aportar por el suministrador) y seguir con su recepción, instalación
y puesta en marcha. Estas actividades cuando son realizadas con la participación del personal
de mantenimiento deben servir para establecer y documentar el estado de referencia. A ese
estado nos referimos durante la vida de la máquina cada vez que hagamos evaluaciones de su
rendimiento, funcionalidades y demás prestaciones.
Son misiones del mantenimiento:
La vigilancia permanente y/o periódica
Las acciones preventivas
Las acciones correctivas (reparaciones)
El reemplazo de maquinaria
El objetivo final del mantenimiento se puede sintetizar en los siguientes puntos:
Evitar, reducir y, en su caso, reparar los fallos sobre los bienes
Disminuir la gravedad de los fallos que no se logran evitar
Evitar paradas inútiles e improductivas de las máquinas o equipos
Evitar incidentes
Evitar accidentes y aumentar la seguridad para las personas
Conservar los bienes productivos en condiciones seguras y prestablecidas de
operación
Alcanzar o prolongar la vida útil de los bienes
En resumen, un mantenimiento adecuado tiende a prolongar la vida útil de los bienes
y maquinaria industrial en general, a obtener un rendimiento aceptable de los mismos durante
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
5
más tiempo y a reducir el número de fallos, aumentando su disponibilidad, su eficiencia y su
fiabilidad.
2.1.2. Tipos de mantenimiento
Actualmente existen varios procedimientos para acometer el servicio de
mantenimiento de los equipos en operación. Algunos de ellos no se centran únicamente en la
tarea de corregir los fallos, sino que también tratan de actuar antes de la aparición de los
mismos haciéndolo tanto sobre los bienes o productos una vez finalizados como en su etapa
de diseño, introduciendo en éstos las modalidades de simplicidad en el diseño, diseño robusto,
análisis de su mantenibilidad, diseño sin mantenimiento, etc. Para que los trabajos de
mantenimiento sean eficientes es necesarios el control, la planificaciónd el trabajo y la
distribución correcta de los recursos humanos, logrando así que se reduzcan costes y tiempo
de paro de los equipos de trabajo. Para ejecutar lo anterior, se puede hacer una división en tres
grandes tipos de mantenimiento: mantenimiento correctivo, el cuál se realiza cuando los fallos
ya han ocurrido; mantenimiento preventivo, que se realiza para prevenir los fallos en base a
parámetros de diseño y condiciones de trabajo supuestas; y mantenimiento predictivo, que
prevé los fallos con base en observaciones que indican tendencias. A estos tres tipos de
mantenimiento se podrían añadir otros tipos de mantenimiento que surgen como evolución de
los anteriores, como son el mantenimiento proactivo y el mantenimiento productivo total
(Total Productive Maintenance, TPM).
2.1.2.1. Mantenimiento Correctivo
El mantenimiento correctivo es aquél que se ocupa de la reparación una vez se ha
producido el fallo y el paro súbito de la máquina, equipo o instalación. En un principio, el
mantenimiento quedaba relegado a intervenciones como consecuencia de las averías y con los
consiguientes costes de reparación (mano de obra, piezas de repuesto,…) así como los
relativos a los costes por las paradas de producción. Este tipo de mantenimiento se conoce
como mantenimiento correctivo, y es el conjunto de tareas destinadas a corregir los defectos
que se van presentando en los distintos equipos y que son comunicados al departamento de
mantenimiento por los usuarios de los mismos. En la Ilustración 1 se representa un esquema
del procedimiento a seguir en la operación de mantenimiento correctivo.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
6
Detección del fallo
Localización del fallo
Desmontaje
Recuperación y sustitución
Montaje Pruebas Verificación
Ilustración 1 Esquema de ejecución de mantenimiento tipo correctivo
El mantenimiento correctivo fue prácticamente el único existente hasta la mitad del
siglo XX. También es denominado “mantenimiento reactivo”, y tal y como ya se ha explicado
tiene lugar una vez que ocurre un fallo o avería, es decir, solo actuará cuando se presenta un
error en el sistema. En la actualidad su utilización se limita a elementos de escasa importancia
cuya posible avería no afecte a la producción.
2.1.2.2. Mantenimiento preventivo
El mantenimiento preventivo es el conjunto de actividades programadas, tales como
inspecciones regulares, pruebas, revisiones, reparaciones, etc., encaminadas a reducir la
frecuencia y el impacto de los fallos de un sistema. Así, se basa en la ejecución periódica de
intervenciones programadas, con el objeto de disminuir la cantidad de fallos aleatorios que se
producen en un equipo o instalación. El sistema preventivo nace a comienzos del siglo XX,
concretamente en 1910 de la mano de la firma automovilística estadounidense “Ford”, si bien
su desarrollo completo no se alcanza hasta mediados de siglo, gracias a su implantación en
Europa y Japón.
Las necesidades de mejora de los costes derivados de las bajas disponibilidades de la
máquina y de las consiguientes paradas de producción llevaron a los técnicos de
mantenimiento a programar revisiones periódicas con el objeto de mantener las máquinas en
el mejor estado posible y reducir su probabilidad de fallo. Presenta la incertidumbre del coste
que genera. Este tipo de mantenimiento surge de la necesidad de rebajar el mantenimiento
correctivo y todo lo que representa. Pretende reducir la reparación mediante una rutina de
inspecciones periódicas y la renovación de los elementos dañados. Básicamente consiste en
programar revisiones de los equipos, apoyándose en el conocimiento de la máquina en base a
la experiencia y los datos históricos obtenidos de las mismas. Se confecciona un plan de
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
7
mantenimiento para cada máquina, donde se realizarán las acciones necesarias. El
mantenimiento preventivo se basa en la sustitución de componentes cuando se supone que se
ha agotado la vida de los mismos. El estudio teórico de sus vidas lo suele suministrar el
fabricante del equipo, quien normalmente incluye una guía de mantenimiento preventivo, con
indicación de sustitución de componentes y cambios en la lubricación. Representa un paso
más con respecto al mantenimiento correctivo. Este mantenimiento es denominado también
“mantenimiento planificado”. Tiene lugar antes de que ocurra un fallo o avería, y se efectúa
bajo condiciones controladas sin la existencia de algún error en el sistema. Se realiza a razón
de la experiencia y pericia del personal a cargo, los cuales son los encargados de llevar a cabo
dicho procedimiento. Normalmente, es el fabricante el que estipula el momento adecuado a
través de los manuales técnicos. Con el empleo del mantenimiento preventivo se reduce la
frecuencia y los fallos de los equipos, lo que supone una disminución del coste de las
reparaciones. Otra de las ventajas de este tipo de mantenimiento es la detección temprana de
los primeros síntomas de deterioro.
En la Ilustración 2 se puede observar un esquema que presenta los pasos que se deben
llevar a cabo al realizar un mantenimiento preventivo.
DesmontajeRecuperación y sustitución
Montaje Pruebas Verificación
Ilustración 2 Esquema de ejecución de mantenimiento tipo preventivo
2.1.2.3. Mantenimiento predictivo
El mantenimiento predictivo se puede definir como la supervisión periódica de los
equipos, centrada en el disgnóstico de sus posibles fallos, con el fin de establecer tendencias
y un mantenimiento planificado. Se basa por lo tanto en la condición de los equipos, ya que se
establecen intervalos de inspección mediante los cuales se determina la necesidad y el periodo
de reparación. En el mantenimiento predictivo se utilizan técnicas e instrumentos de
diagnóstico como los que se señalan a continuación: análisis de aceites lubricantes, análisis de
vibraciones, inspecciones boroscópicas, ultrasonidos, control de temperaturas, de presión y de
caudales, etc. Con el uso de este tipo de mantenimiento se pueden reducir las tareas de
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
8
mantenimiento preventivo a la vez que se mejora la disponibilidad y eficiencia de las máquinas
e instalaciones industriales.
El presente Proyecto trata el mantenimiento preventivo, aplicado al modelo de motor
de aviación Rolls-Royce RB211-535E4. Dada la importancia de este tipo de mantenimiento,
se dedica un apartado exclusivamente al mantenimiento predictivo.
2.2. MANTENIMIENTO PREDICTIVO
2.2.1. Introducción al mantenimiento predictivo
El mantenimiento predictivo consiste en determinar en todo instante la condición
técnica (mecánica, eléctrica, etc.) real de la máquina o equipo a examinar, mientras éste se
encuentra en pleno funcionamiento. Para ello se hace uso de un programa sistemático de
mediciones de los parámetros de funcionamiento más importantes del equipo o maquinaria en
mantenimiento. Este tipo de mantenimiento apareció en la industria a principios de la década
de 1990, aunque todavía en la actualidad es algo no muy usado en muchos sectores. El sustento
tecnológico de este mantenimiento consiste en la aplicación de algoritmos matemáticos
agregados a las operaciones de diagnóstico, que juntos pueden ofrecer información referente
a las condiciones del equipo. Tiene como objetivo disminuir las paradas por mantenimientos
preventivos y, de esta manera, minimizar los costes por mantenimiento y no por producción,
es decir, disminuir los tiempos improductivos. La implementación de este tipo de métodos
requiere de inversión en equipos, en instrumentos y en contratación y formación del personal
cualificado. Las técnicas más características utilizadas para la estimación del mantenimiento
predictivo son, por ejemplo, los analizadores de Fourier (para análisis de vibraciones),
boroscopias (para poder ver lugares ocultos), ensayos no destructivos (a través de líquidos
penetrantes, ultrasonidos, radiografías, partículas magnéticas, etc.), análisis de los aceites de
lubricantes, termovisión (detección de condiciones a través del calor desplegado), medición
de parámetros de operación (viscosidad, voltaje, corriente, potencia, caudal, presión,
temperatura), etc.
Como consecuencia de las incertidumbres que presenta el mantenimiento preventivo y
con el apoyo del desarrollo tecnológico, se desarrolló un nuevo concepto de mantenimiento
basado en la condición o estado de la máquina. Este tipo de intervención se conoce como
mantenimiento predictivo, y viena a suponer toda una revolución dada su filosofía de
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
9
anticipación a la avería por medio del conocimiento del comportamiento de la máquina y de
cómo debería comportarse, conociendo de este modo previamente qué elemento puede fallar
y cuándo puede ocurrir dicho fallo o avería. Así se puede programar uan interención sin afectar
al proceso productivo, con las consiguientes optimizaciones en costes de producción, mano de
obra y repuestos. Se evitan de este modo grandes y costosas averías, agilizando las
intervenciones. Este tipo de mantenimiento se basa en predecir el fallo antes de que éste se
produzca. Se trata de conseguir adelantarse al fallo o al momento en que el equipo deja de
trabajar en condiciones óptimas. Para conseguir ésto, se utilizan herramientas y técnicas de
monitoreo de parámetros físicos y/o químicos. El mantenimiento predictivo consiste en la
realización de un análisis para determinar el número de equipos objetivo, estudiar sus
característivas fundamentales y sus modos potenciales de fallo. Posteriormente se debe
realizar una normalización con el objeto de traducir los modos de fallo a parámetros
predictivos de supervisión y asignarles los límites de aceptación o alarmas correspondientes.
Por último se lleva a cabo una sistematización para establecer las pautas de comportamiento
de la organización en la eventualidad de que un parámetro supere su valor de alarma:
confiramción del diagnóstico, evaluación y acción. Así, con todo esto, el mantenimiento
predictivo es el que persigue conocer e informar permanentemente del estado y operatividad
de las instalaciones mediante el conocimiento de los valores de determinadas variables,
representativas del estado y de la operatividad del equipo o instalación. Para aplicar este
mantenimiento, es necesario identificar variables físicas (temperatura, presión, vibraciones,
consumo de energía, etc.) y/o químicas, cuya variación sea indicativa de problemas que
pueden estar apareciendo en el equipo. El estudio de estos parámetros suministra información
del estado de sus componentes y algo también muy importante, del modo en que está
funcionando el equipo, permitiendo no solo detectar problemas de componentes, sino también
de diseño y de instalación. Es el tipo de mantenimiento más tecnológico, pues requiere de
medios técnicos avanzados y, en ocasiones, de fuertes conocimientos matemáticos, físicos y
técnicos.
La base del mantenimiento predictivo radica en la monitorización de los equipos, ya
que se debe evaluar los parámetros antes comentados con la instalación en funcionamiento
normal. No es, por tanto, necesario hacer una parada para poder evaluar la condición de los
mismos. Es decir, se conoce el estado de las máquinas e instalaciones mientras están
trabajando. En el mantenimiento predictivo o bajo condición, se evalúa el estado de los
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
10
componentes mecánicos o eléctricos mediante técnicas de seguimiento y análisis, permitiendo
programar las operaciones de mantenimiento solamente cuando son necesarias. Con las
diferentes técnicas disponibles se puede evaluar los fallos en los componentes y seguir su
evolución durante largos periodos de tiempo (en ocasiones meses) antes de decidir la
intervención, y de esta manera puede coordinar con producción el momento más adecuado
para la intervención de mantenimiento.
Para conseguir el éxito en la implantación de un sistema de mantenimiento predictivo
es necesario seguir una estrategia. Será necesario en primer lugar hacer una selección de los
equipos que se van a monitorizar, que vendrá condicionada por una serie de factores entre los
que se encuentra la criticidad o responsabilidad del equipo, la accesibilidad al mismo y la
información técnica de la que se pueda disponer sobre él. Es necesario centrarse en un pequeño
número de equipos, analizando qué técnica se podrá aplicar en un primer momento.
Posteriormemte se realizará un programa piloto con los mismos, localizando defectos,
analizando causas y retroalimentando el sistema una vez hayan sido erradicados los defectos.
Una vez se haya obtenido una valoración positiva de la experiencia piloto, se pasará a
realizar una extensión de la aplicación a un mayor número de equipos y así sucesivamente
hasta conseguir una implantación total con la integración de distintas tecnologías y una gestión
adecuada de los datos obtenidos. Si el proceso se realiza de forma progresiva y sin prisas los
resultados económicos no tardarán en ser evidentes y en muchas ocasiones sorprendentes.
Los elementos clave en un programa de mantenimiento predictivo son tres: detección,
diagnosis y documentación.
Detección: Identificación del fallo mediante el uso de tendencias y sistemas de
supervisión “on-line” que alertan de posibles desviaciones de un determinado
parámetro.
Diagnosis: Determinación del fallo mediante reconocimiento de patrones y
comparación con situaciones preestablecidas.
Documentación: Registro de los acontecimientos sucedidos y de sus posibles
recomendaciones, entre los que se incluyen los siguientes: condiciones de
ejecución de la prueba, descricpión de las pruebas, estado del equipo, resultado
de la prueba, etc.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
11
Las actividades de mantenimiento predictivo se realizan principalmente para
determinar la naturaleza de las anomalías y confirmar el estado en el que se encuentran los
componentes, siendo fundamental la designación de personal específicamente destinado a este
tipo de mantenimiento. Asímismo, en un programa de mantenimiento predictivo ideal muchas
de las órdenes generadas serán fruto del resultado obtenido en los distintos diagnósticos
realizados con anterioridad. Gracias a este tipo de mantenimiento se pueden reducir las tareas
de mantenimiento preventivo a la vez que se mejora la disponibilidad.
En la Ilustración 2 se presentan los pasos a seguir en un mantenimiento predictivo.
Evaluación de la condición
Interpretación de la condición
Toma de decisión
Ilustración 3 Esquema de ejecución de mantenimiento tipo predictivo
2.2.2. Ventajas e inconvenientes del mantenimiento predictivo
Las actuaciones que se realizan en la aplicación del mantenimiento de tipo predictivo
pasan por unos inconvenientes iniciales referidos a los elevados costes de inversión en
tecnología y en formación de los técnicos, analistas, etc., con una rentabilidad de la misma a
medio y largo plazo. Así, la implantación de un sistema de mantenimiento de este tipo requiere
una inversión inicial importante ya que los equipos y los analizadores de vibraciones, de
ultrasonidos, de termografías, etc., tienen un coste económico elevado. De la misma manera
se debe destinar un personal cualificado a realizar la lectura periódica de datos. Además se
deben tener analistas bien formados que sean capaces de interpretar los datos que generan los
equipos y que lleguen, en base a ellos, a conclusiones adecuadas. Y éste es un trabajo que
requiere un conocimiento técnico elevado sobre la aplicación. Así, se requiere personal mejor
formado en instrumentación y análisis más costosos que en otros tipos de mantenimiento. Es
necesario añadir que no es viable una monitorización de todos los parámetros funcionales
significativos, por lo que pueden presentarse averías no detectadas por el programa de
vigilancia. Otro inconveniente de este tipo de mantenimiento es que se pueden presentar
averías en el intervalo de tiempo comprendido entre dos medidas consecutivas. En conclusión,
existen algunos inconvenientes en el uso del mantenimiento predictivo (aunque no sean
muchos), pero el principal es el elevado coste inicial asociado a su puesta en marcha. Por todo
ello la implantación de un sistema de mantenimiento predictivo se justifica, sobre todo, en
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
12
máquinas o instalciones industriales donde las paradas intempestivas e imprevistas ocasionan
grandes pérdidas, y donde las paradas innecesarias ocasionan grandes costes.
Por otro lado se debe añadir que las ventajas del uso de este tipo de mantenimiento
predictivo son evidentes, y que entre otras son las siguientes:
Se consigue una máxima disponibilidad del equipo
Permite planificar el mantenimiento
La intervención es organizada
Se conoce el estado de la máquina en todo instante
Permite determinar el origen del fallo
Se eliminan prácticamente todas las averías
Sólo se para y se interviene en la máquina cuando realmente es necesario
Permiten detener la máquina antes de que sufra un daño severo
Se conoce el daño en los componentes desde una fase inicial del mismo,
permitiendo programar su sustitución en el momento más conveniente
Al intervenir en la máquina se conoce el problema, reduciendo el tiempo de la
reparación
Se pueden identificar los fallos ocultos, así como la causa de los fallos crónicos
Se reducen las piezas del almacén, adquiriéndose cuando se detecte el problema
en una fase primaria
Se consiguen bonificaciones en las primas de seguros
Algunas de las técnicas son económicas
Los repuestos pueden ser reparados
Se incrementa la seguridad de la planta
Existe una determinación óptima del tiempo para realizar el mantenimiento. La
ejecución del mantenimiento se da sin interrumpir el funcionamiento normal
de equipos e instalaciones
La producción puede modificarse para extender la vida del equipo
Minimización de costes y una maximización de beneficios a largo plazo
Mejora en el conocimiento y en el control del estado de los equipos
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
13
Resulta interesante una aplicación más de las técnicas predictivas y que no está
directamente relacionada con el mantenimiento y es su utilidad en la recepción de equipos,
como verificación del correcto funcionamiento de los mismos o de la bondad de las
reparaciones que se les hayan efectuado. En conclusión, en este tipo de mantenimiento, la
intervención en el equipo o en el cambio de un elemento obliga a dominar el proceso y a tener
unos dtos técnicos, que compremeterá a utilizar un método científico de trabajo riguroso y
objetivo, lo cual es uan gran ventaja.
Se puede decir también que este tipo de mantenimiento se utiliza en una gran multitud
de empresas e industrias que utilizan maquinaria industrial y elementos tales como, por
ejemplo, maquinaria rotativa, motores eléctricos, equipos estáticos, aparamenta eléctrica,
instrumentación etc.
2.2.3. Uso de técnicas predictivas frente al mantenimiento sistemático
Como ya se ha explicado, el mantenimiento predictivo es un tipo de mantenimiento
que relaciona una o varias variables físicas, químicas, etc., con el desgaste o estado de una
máquina, equipo o instalación. Así, el mantenimiento predictivo se basa en la medición,
seguimiento y monitoreo de parámetros y condiciones operativas de un equipo o instalación.
A tal efecto, se definen y gestionan valores de pre-alarma (valor de alarma) y de actuación
(límite máximo admisible) de todos aquellos parámetros que se considere necesario medir y
gestionar.
El uso del mantenimiento predictivo consiste en establecer, en primer lugar, una
perspectiva histórica de la relación entre la variable seleccionada y la vida del componente.
Esto se logra mediante la toma de lecturas en intervalos periódicos de tiempo (o de forma
constante o continua) hasta que el componente falle. La información más importante que arroja
este tipo de seguimiento de los equipos es la tendencia de los valores, ya que es la que permitirá
calcular o prever, con cierto margen de error, cuando un equipo fallará, motivo por el que se
denominan técnicas predictivas. De esta forma, observando la evolución de ciertos parámetros
físicos, químicos, etc., a lo largo del tiempo de funcionamiento que se han elegido como
característicos del elemento que se desea mantener, se puede comprobar la tendencia que se
da hacia un empeoramiento del funcionamiento del elemento o sistema industrial que se desea
controlar con el objeto de mantenerlo. Así, se va monitoreando el o los parámetros que se han
elegido como característicos del elemento o sistema de estudio, comprobando su valor en cada
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
14
medición que se realiza a lo largo del tiempo de funcionamiento de dicho componente o
sistema industrial en cuestión, y repararlo o sustituirlo adecuadamente.
Con todo esto se lleva a cabo un monitoreo de tendencias estudio de evolución de
tendencias) con los valores medidos periódicamente y/o constantemente de los parámetros de
funcionamiento que describe el estado del elemento, sistema o maquinaria industrial. Para
definir y gestionar la evolución y monitoreo de tendencias de dichos parámetros de
funcionamiento representativos se proponen y definen unos valores mínimos de pre-alarma
(valor de alarma) y máximos de actuación (límite máximo admisible) de todos aquellos
parámetros que se acuerda medir y gestionar. Estos valores definidos de alarma y de límite
máximo de funcionamiento o actuación se suelen establecer acordes con las normas de
funcionamiento, tanto nacionales como internacionales, y usando criterios y valores de
correcto funcionamiento dados por los fabricantes de los elementos, componentes o máquinas
industriales, aunque es importante saber que el cumplimiento de esta normativa no resulta
determinante, es decir, que su cumplimiento no implica que la máquina o equipo vaya a estar
libre de degradación o fallos. También son muy importantes los criterios aportados por los
técnicos especialistas y los analistas que se encargan de realizar el mantenimiento de forma
adecuada. De esta forma, con una serie de criterios se puede observar, hacer las mediciones
necesarias, evaluar la información, realizar un diagnóstico, poder determinar la condición de
estado de un equipo, y establecer las medidas correctoras que se deben ejecutar, tales como
realizar un monitoreo con más frecuencia, hacer revisiones, arreglos, reparaciones,
sustituciones, etc.
El mantenimiento usando técnicas predictivas frente al mantenimiento sistemático
(mantenimiento preventivo) tiene la ventaja indudable de que en la mayoría de las ocasiones
no es necesario realizar grandes desmontajes, y en muchos casos ni siquiera es necesario parar
la maquinaria. Así, si tras la inspección se aprecia algo irregular se propone o se programa una
intervención. Además de prever el fallo catastrófico de una pieza y poder anticiparse al mismo,
las técnicas de mantenimiento predictivo ofrecen una ventaja adicional: la compra de repuestos
se realiza cuando se necesita, eliminando stocks (capital inmovilizado). Por todo esto se puede
decir que con el uso de un mantenimiento predictivo se produce un alto coste para la
implantación del sistema de mantenimiento debido a la inversión inicial en maquinaria e
inversión en formación de los técnicos especialistas. Sin embargo, a largo plazo se consigue
una gran disminución de costes. Así, existe una minimización de dichos costes en comparación
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
15
con otros tipos de mantenimiento, como por ejemplo el mantenimiento correctivo y el
mantenimiento sistemático o preventivo; y hay una maximización de benecifios debido a que
se reducen las paradas improductivas, ya que se eliminan los paros debidos a averías o fallos
catastróficos y además sólo se realizan las paradas para las revisiones, reparaciones,
sustituciones, etc. cuando es estrictamente preciso. Se debe añadir que las técnicas predictivas
que habitualmente se emplean en la industria y en el mantenimiento de edificios son, entre
otras: análisis de vibraciones, boroscopias, termografías, análisis de aceites, control de
espesores en equipos estáticos, inspeccioens visuales, lectura de indicadores, etc.
Con el uso del mantenimiento de tipo sistemático o preventivo, el tiempo improductivo
es más grande ya que se realizan más paradas de las estrictamente necesarias para
inspecciones, revisiones, sustituciones, arreglos, etc. Por ello el tiempo productivo de la
instalación industrial, en el caso del uso del mantenimiento sistemático o preventivo, es más
pequeño, lo que unido a que se deben tener más repuestos y stock para su uso en las paradas
planificadas, hace que a largo plazo este tipo de mantenimiento sistemático o preventivo sea
menos eficiente económicamente hablando que el mantenimiento predictivo. Por último, se
debe decir que en el mantenimiento correctivo sólo se realizan las reparaciones cuando se ha
estropeado el elemento, y esto es muy ineficiente porque lleva al equipo o instalación a que
ocurran en ella fallos o averías catastróficos, lo que elevaría enormemente los tiempos
improductivos, y también hará que los costes totales sean muy altos. Por ello, aunque la puesta
en marcha del mantenimiento correctivo sea muy barata, a largo plazo este tipo de
mantenimiento es muy ineficiente económicamente, por lo que se podrían producir enormes
pérdidas económicas.
Como resumen, se puede decir que una vez finalizada la factibilidad y conveniencia de
realizar un mantenimiento predictivo a una máquina o unidad, el paso siguiente es determinar
la/s variable/s físicas y/o químicas a controlar que sean indicativas de la condición de la
máquina. El objetivo de esta parte es revisar en forma detallada las técnicas más usadas en el
monitoreo de manera que sirvan de guía para su selección general. La finalidad del monitoreo
es obtener una indicación de la condición (mecánica) o estado de salud de la máquina, de
manera que pueda ser operada y mantenida con seguridad y economía. Por monitoreo, se
entendió en los inicios como la medición de una variable física y/o química que se considera
representativa de la condición del funcionamiento de la máquina y su comparación con valores
que indican si la máquina está en buen estado o deteriorada. Actualmente con la
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
16
automatización de estas técnicas, esta acción se extiende también a la adquisición,
procesamiento y almacenamiento de datos.
Cuando se monitoriza una varaible física relacionada con el estado de la máquina, es
decir, con el monitoreo de la condición del equipo o instalación, se busca cumplir los
siguientes objetivos: vigilancia, protección, diagnóstico y pronóstico.
Vigilancia. Cuando se mide una variable física con este objetivo se busca que
la técnica predictiva empleada indique la existencia de un problema. Debe
distinguir entre condición buena o mala para funcionar, e incluso, si es mala,
indicar cuán mala es. Es el caso de la monitorización en continuo de las
vibraciones de una turbina de gas, por ejemplo. Así, su objetivo es indicar
cuándo existe un problema, y debe distinguir entre que la máquina o equipo se
eucuentre en buen funcionamiento o si existe algún fallo, además de
diagnosticar la magnitud del mismo en caso de su existencia.
Protección. Su objetivo es evitar roturas, desperfectos de gran magnitud, o
fallos catastróficos. Una máquina está protegida si, cuando los valores que
indican su condición alcanzan valores considerados peligrosos, la máquina o
equipo se detiene automáticamente.
Diagnóstico de fallos. Su objetivo es identificar y definir cuál es el problema
específico que presenta el equipo, no sólo si existe un problema o no.
Pronóstico. El objetivo es estimar cuánto tiempo más podría funcionar la
máquina sin riesgo de un fallo catastrófico, es decir, estimar el tiempo de vida
útil remanente o restante de la máquina o de la instalación industrial. Lo que se
intenta conseguir es obtener un pronóstico de la esperanza de vida de un
componente o de la maquinaria.
La razón fundamental por la que el mantenimiento predictivo ha tenido un notable
desarrollo en los últimos tiempos hay que buscarla en un error cometido tradicionalmente por
los ingenieros de mantenimiento para programar la realización de las tareas de mantenimiento
de carácter preventivo: las “curvas de bañera”, que representan la probabilidad de fallo frente
al tiempo de uso de la máquina, han resultado no corresponder con la mayoría de los elementos
que componen un equipo. En estas curvas se reconocen tres zonas: la zona inicial, de baja
fiabilidad debido a averías infantiles donde existe un elevado número de fallos al inicio de la
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
17
operación del equipo denominadoo “mortandad infantil”; la zona de fiabilidad estable o zona
de madurez del equipo, el cuál es el periodo con probabilidad de fallo constante; y la zona
final o zona de envejecimiento, en la que existe un incremento de fallos debido al desgaste de
los elementos y a la llegada del fin de su vida útil. La curva de bañera se presenta de forma
gráfica en la Ilustración 4.
Como se daba por correcta esta curva para cualquier tipo de equipo, se suponía que
transcurrido un tiempo, éste alcanzaría su etapa de envejecimiento, en el que la fiabilidad
disminuiría mucho y, por tanto, la probabilidad de fallo aumentaría en igual proporción. De
esta manera, para alargar la vida útil del equipo y mantener controlada su probabilidad de fallo
era conveniente realizar una serie de tareas en la zona de envejecimiento para que la fiabilidad
aumentara.
TIEMPO
TASA
DE
FALL
OS
ZONA DE FALLOS
INFANTILES
ZONA DE FALLOS
CONSTANTES
ZONA DE FALLOS
POR DESGASTE
Ilustración 4 Curva de bañera. Probabilidad de fallo vs Tiempo.
Sin embargo, la estadística demostró que, tras estudiar el comportamiento de los
equipos en una planta industrial, el ciclo de vida de la mayoría de los equipos no se
corresponde únicamente con la curva de bañera, sino que se diferencian seis tipos de curvas.
Stanley Nowlan y Howard Heap encabezaron un proyecto de investigación que reveló dicha
existencia de seis modos de fallos, los cuales aparecen representados en la Ilustración 5.
Además se descubrió que únicamente un 11% de los fallos está relacionado con la edad. El
89% restante no tiene relación con la edad del equipo o instalación.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
18
El mantenimiento preventivo tradicional o sistemático, basado en el tiempo de
funcionamiento o de operación (horas, ciclos, rpm, etc.) de la maquinaria, y el cuál es la base
de los programas de mantenimiento de casi la mayoría de las plantas tiene la gran desventaja
de que inicamente es aplicable, por tanto, al aproximadamente 11% del total de modos o tipos
de fallo que se presentan en la maquinaria de la industria actual y que tienen una edad de
envejecimiento predecible. Aproximadamente el 89% de los modos de fallo (patrones de tasa
de fallos) restantes no tienen una edad predecible (no se puede conocer, a priori, su vida útil
total ni remanente) y por lo tanto no funciona aplicar tareas de mantenimiento preventivo para
prevenir fallos o averías en el funcionamiento.
En algunos casos la curva de bañera se podría utilizar como criterio para la ejecución
de una acción o intervención de mantenimiento cuando un equipo debido a la vejez se
comportan de tal manera que afecta a la producción debido a una baja disponibilidad. Sin
embargo, tal y como se ha explicado, diversas investigaciones revelan que los equipos se
comportan de tal manera que la forma o patrón de la tasa de fallo no obedece únicamente a la
curva de bañera.
CURVA DE BAÑERA
4%
SIN ETAPA INFANTIL
2%
PROBABILIDAD DE FALLO CRECIENTE
5%
PROBABILIDAD DE FALLO INICIAL BAJA,
DESPUES ESTABLE7%
PROBABILIDAD DE FALLO
CONSTANTE14%
SIN ETAPA DE FALLOS POR DESGASTE
68%
TIEMPO
A
B
C
D
E
F
Ilustración 5 Tipologías de modos de fallo
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
19
Es preciso resaltar que la mayor parte de los equipos no se comportan siguiendo la
curva de bañera. Así, según estudios realizados en aviación civil, la probabilidad de fallo del
68% de las piezas de un avión responde a la curva F, y las del 14% de las mismas se
corresponde con la curva E. Tan sólo el 4% de las piezas se corresponde con la curva de
bañera. Los equipos complejos suelen seguir el comportamiento de las curvas E o F, por lo
que es difícilmente identificable un momento óptimo en el que realizar una revisión
sistemática del equipo, con la sustitución de determinadas piezas, ante la imposibilidad de
determinar cuál es el momento ideal, pues la probabilidad de fallo permanece constante. De
hecho, puede llegar a ser contraproducente si la curva de probabilidad sigue el modelo F pues
estaría introduciendo una mayor probabilidad de fallo infantil al sustituir un determinado
número de piezas. El fenómeno descrito se representa de forma gráfica en la Ilustración 6.
INSTANTE DE REPARACIÓN O SUSTITUCIÓN CREA NUEVA ZONA DE FALLOS INFANTILES
TIEMPO
TASA
DE
FALL
O
Ilustración 6 Probabilidad de fallo tras reparación o sustitución de piezas
De forma resumida, se puede decir que las ventajas más importantes del mantenimiento
predictivo son los fallos que se detectan en sus etapas iniciales, por lo que se cuenta con
suficiente tiempo para hacer la planificación y la programación de las acciones correctivas en
paradas programadas y bajo condiciones controladas que minimicen los tiempos muertos y el
efecto negativo sobre la producción y que además garanticen una mejor calidad en las
reparaciones. Además, las técnicas de detección del mantenimiento predictivo son en su mayor
parte técnicas “on-condition”, es decir, que las inspecciones se pueden realizar con la
maquinaria en operación y a su máxima velocidad. Se debe añadir que el mantenimiento
predictivo es un mantenimiento proactivo ya que permite administrar los fallos antes de que
ocurran en operación y no después, como lo hace el mantenimiento reactivo.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
20
La clave del mantenimiento predictivo es que el fin último de él no es reparar los
sistemas o maquinaria industrial, sino controlar sus ciclos de vida. Así, de una óptima gestión
de mantenimiento dependerá el funcionamiento eficiente de las instalaciones, pues sólo si se
lleva de manera rigurosa se podrán conseguir objetivos tales como el control del ciclo de vida
de las instalaciones, sin elevar mucho los costos destinados a mantenerlas. Ya no sirve la
técnica empleada en el pasado por las empresas de reparar equipos cuando estos se estropeen,
pues esto conlleva unos costes demasiado elevados como son los debidos a la pérdida de
producción (paradas imprevistas) y una calidad deficiente. Ahora las únicas técnicas de
mantenimiento que sirven son aquellas destinadas a aumentar la disponibilidad y eficiencia de
los equipos productivos así como a disminuir los costes de mantnimiento. Es imperante que
las organizaciones realicen procesos de prevención de fallos y averías mediante un adecuado
programa de gestión de mantenimiento predictivo y mantenimiento preventivo integrados.
2.2.4. Técnicas aplicables y métodos de control usados en el mantenimiento predictivo
El mantenimiento realizado en base al deterioro significativo de un equipo, señalado
por la variación de un parámetro controlado e indicativo del funcionamiento o rendimiento de
dicho equipo se denomina “Mantenimiento según condición o estado”, también denominado
“Mantenimiento Predictivo”. El mantenimiento según condición difiere del mantenimiento
por avería (correctivo) y del realizado a plazo fijo (preventivo) en que requiere el control de
algún parámetro indicativo del funcionamiento del equipo a mantener. Como ya se ha
explicado, este tipo de mantenimiento se basa en predecir los fallos antes de que se produzcan,
es decir, adelantarse a los fallos o al momento en que el equipo, elemento o instalación deja
de operar en sus condiciones óptimas. Así, para conseguir esto se utilizan herramientas u
técnicas de monitorización de parámetros físicos. Los síntomas de un posible fallo o
degradación son monitoreados y las reparaciones son efectuadas antes del fallo del equipo.
Las acciones recomendadas son en función de la importancia del equipo, de los límites de
deterioro del equipo, del impacto del deterio en el equipo, del análisis de la tendencia, etc.
La mayoría de las técnicas de control de condición o estado suponen la aplicación
sistemática de los métodos comúnmente aceptados de diagnosis de fallos. El número de
métodos aplicados es muy amplio. Ciertos métodos tienden a ser asociados con determindas
plantas o industrias en particular. Así, son muchas y muy variables las tecnologías que se
pueden aplicar al campo del mantenimiento bajo condición o mantenimiento predictivo. Cada
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
21
una de ellas tiene un campo de aplicación más o menos concreto, existiendo
complementariedad, prácticamente entre todas.
El control de condición o estado utilizado en las técnicas empleadas en el
mantenimiento predictivo puede ser de dos tipos diferentes:
Control que puede llevarse a cabo sin interrupción de la operación del equipo
o maquinaria; es decir, utilizando técnicas de control en marcha o en operación
de funcionamiento normal.
Control que requiere la parada del equipo o maquinaria, o al menos alejarse de
sus condiciones normales de funcionamiento, utilizando técnicas de control en
parada.
A continuación se describen las técnicas predictivas más comunes en ambos tipos de
control descritos.
2.2.4.1. Técnicas de control en operación
2.2.4.1.1. Inspección visual, acústica y al tacto de los componentes accesibles
Las inspecciones visuales consisten en la observación del equipo, tratando de
identificar posibles problemas detectables a simple vista. Los problemas habituales suelen ser:
ruidos anormales, vibraciones extrañas, fugas de aire, agua o aceite, comprobación del estado
de pintura y observación de signos de corrosión.
Abarca desde la simple inspección visual directa de la máquina hasta la utilización de
complicados sistemas de observación como pueden ser microscopios, endoscopios y lámparas
estroboscópicas. Se pueden detectar fallos que se manifiestan físicamente mediante grietas,
fisuras, desgaste, soltura de elementos de fijación, cambios de color, etc. Se aplica a zonas que
se pueden observar directamente y, cada vez más, se diseñan las máquines de forma que
puedan observarse componentes inaccesibles sin necesidad de desmontar el equipo, como por
ejemplo en la revisión de turbinas de gas mediante el uso de endoscopios.
Por otro lado, se puede añadir que también se pueden hacer una serie de lecturas de
indicadores, que consiste en la anotación de los diferentes parámetros que se miden en
continuo en los equipos, para compararlos con su rango normal. Fuera de ese rango normal,
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
22
se considera que el equipo tiene un fallo. Estas inspecciones y lecturas, por su sencillez y
economía, es conveniente que sean realizadas a diario, incluso varias veces al día, y que
abarquen al mayor número de equipos posible. Suele llevarlas a cabo el personal de operación,
lo que además les permite conocer de forma continua el estado de la planta. Estas inspecciones
son además la base de la implantación del Mantenimiento Productivo Total (TPM, Total
Productive Maintenance).
2.2.4.1.2. Medida y control de la presión
Dependiendo del tipo de máquina puede ser interesante confirmar o descartar ciertos
defectos, utilizada conjuntamente con otras técnicas predictivas. Se suele utilizar la presión
del proceso para aportar información útil ante defectos como la cavitación, condensación de
vapores o existencia de golpes de ariete. En otros casos es la presión de lubricación para
detectar deficiencias funcionales en los cojinetes o problemas en los cierres por una presión
insuficiente o poco estable.
2.2.4.1.3. Medida y control de la temperatura
Las variaciones frecuentes de la temperatura de un equipo se pueden monitorizar
fácilmente. Los sensores de temperatura son los termómetros, termopares, termistores,
pinturas y polvos térmicos y cámaras de infrarrojos. Dos ejemplos donde el monitorizado de
temperatura nos alerta de problemas mecánicos son la temperatura del lubricante de salida de
cojinetes y la temperatura del agua de refrigeración de la máquina. El control de la temperatura
se usa muy eficazmente en diferentes elementos de máquinas cuya variación siempre está
asociada a un comportamiento anómalo. Así se utiliza la temperatura del lubricante, de la cual
depende su viscosidad y, por tanto, su poder lubricante. Un aumento excesivo de temperatura
hace descender la viscosidad de modo que puede llegar a romperse la película de lubricante.
En ese caso se produce un contacto directo entre las superficies en movimiento con el
consiguiente aumento del rozamiento y del calor generado por fricción, pudiendo provocar
dilataciones y fusiones muy importantes. En los rodamientos y cojinetes de deslizamiento se
produce un aumento importante de temperatura de las pistas cuando aparece algún deterioro.
Asímismo se eleva la temperatura cuando existe exceso o falta de lubricante. También
aumenta la temperatura ante la presencia de sobrecargas. Por todo ello se utiliza
frecuentemente la medida de temperatura en rodamientos y cojinetes, junto con otras técnicas,
para la detección temprana de defectos y su diagnóstico. La temperatura en bobinados de
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
23
grandes motores se mide para predecir la presencia de fallos como sobrecargas, defectos de
aislamiento y problemas en el sistema de refrigeración. Por último, también puede aportar
información valiosa la temperatura del sistema de refrigeración, ya que una temperatura
excesiva del mismo denota la presencia de una anomalía en la máquina (roces, holguras
inadecuadas, mala combustión) o en el propio sistema de refrigeración.
2.2.4.1.4. Medida y control de caudales
En algunas máquinas es muy útil la medida y el control de caudales de gases o líquidos
a través de ellas. Con su control es posible comprobar si hay obstrucciones en los conductos
debido a ensuciamiento, o si hay erosión, corrosión, etc.
2.2.4.1.5. Termografía Infrarroja
La termografía es una técnica que permite medir temperaturas a distancia y sin
necesidad de contacto físico con el objeto a estudiar. Mediante la captación de la radiación
imfrarroja del espectro electromagnético, utilizando máquinas termográficas, se puede
convertir la energía radiada en información sobre temperatura del objeto que resulta de interés,
y ayuda a detectar puntos calientes o fríos que en un futuro pudiese dar problemas, como por
ejemplo en cables, donde un punto caliente nos podría indicar una posible sobreintensidad de
corriente. Así, la termografía infrarroja es la técnica de producir una imagen visible a partir de
la radiación infrarroja invisible para el ojo humano emitada por objetos según su temperatura
superficial. La cámara termográfica o cámara de infrarrojos es la herramienta que realiza esta
transformación. Estas cámaras miden la temperatura de cualquier objeto o superficie, y
producen una imagen con colores que refleja la distribución de temperaturas. La imagen
producida por una cámara infrarroja es llamada Termografía o Termograma.
Ilustración 7 Imagen tomada mediante termografía (izquierda) frente a imagen real (derecha)
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
24
Es importante indicar que en la termografía, como en casi todas las técnicas predictivas,
tan importante como el valor puntual es la evolución del valor. Una única medición no tiene
por qué ser indicativa de la existencia de un problema y, en cambio, el aumento de temperatura
sobre lo que se midió en otras ocasiones en las mismas condiciones es lo que indica que se
está gestando un problema que requerirá de solución. Por tanto, para poder determinar por la
termografía la existencia de un problema en la mayor parte de las ocasioens tiene que haber
constancia de una evolución hacia valores inadecuados o inaceptables de una temperatura
media anteriormente en condiciones similares, es decir, se debe comprobar la historia del valor
de temperatura controlado, y su posterior evolución, proceso también denominado como
monitoreo de tendencias.
2.2.4.1.6. Detección de pérdidas
Se dispone de varias técnicas para la detección de fugas, que incluyen desde los
métodos de agua jabonosa hasta métodos más sofisticados como los ensayos con líquidos
penetrantes, capaces de detectar grietas minúsculas que pueden ser el origen de una fuga.
2.2.4.1.7. Análisis de vibraciones
Esta técnica de mantenimiento predictivo se basa en la detección de fallos en equipos
rotativos principalmente, a través del estudio de los niveles de vibración. El objetivo final es
obtener la representación del espectro de las vibraciones de un equipo en funcionamiento para
su posterior análisis. Las vibraciones en una maquinaria están directamente relacionadas con
la vida útil de la misma de dos maneras. Por un lado, un bajo nivel de vibraciones es una
indicación de que la máquina funcionará correctamente durante un largo periodo de tiempo,
mientras que un aumento continuo en el nivel de vibraciones es una indicación de que la
máquina se encamina hacia algún tipo de fallo o avería, aunque no todos los tipos de
vibraciones son evitables, ya que algunas son incoherentes a la operación de la máquina en sí
misma, por lo que una de las tareas del analista es identificar aquellas que deben ser corregidas
para determinar un nivel de vibraciones como consecuencia de holguras, pequeños
desequilibrios, rozamientos, etc. El nivel vibratorio se incrementa si, además, existe algún
defecto como desalineación, desequilibrio mecánico, holguras inadecudaas, cojinetes
defectuosos, etc. Por tal motivo el nivel vibratorio puede ser usado como parámetro de control
funcional para el mantenimiento predictivo de máquinas, estableciendo un nivel de alerta y
otro inadmisible a partir del cuál la fatiga generada por los esfuerzos alternantes provoca el
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
25
fallo inminente de los componentes afectados. Así, se usa la medida del nivel vibratorio como
indicador de la severidad del fallo y el análisis espectral para el diagnóstico del tipo de fallo.
Cada máquina rotativa presenta una vibración característica que la diferencia de forma
única, y se conoce comúnmente como firma de vibración. Esta señal está totalmente
condicionada por su diseño, fabricación, uso y desgaste de cada uno de sus componentes. Si
el mecánico o ingeniero de mantenimiento al cargo de un equipo industrial invierte su tiempo
y esfuerzo en conocer la naturaleza de la vibración que ésta presenta, no tardará mucho tiempo
en lograr un importante ahorro de costes de operación y mantenimiento.
Dos de las técnicas de análisis de vibraciones más utilizadas son:
Medición de la amplitud de la vibración: Proporciona un valor global del
desplazamiento o velocidad de la vibración. Cuando la vibración sobrepasa el
valor prestablecido, el equipo debe ser revisado. Únicamente informa de que
hay un problema en el equipo, sin poderse determinar por esta técnica donde se
localiza el problema.
Analizador del espectro de vibración: La vibración se descompone según su
frecuencia. Analizando el nivel de vibración en cada una de las frecuencias se
puede determinar la causa de la anomalía.
Además de estos dos tipos de técnicas para la detección de fallos o desequilibrios que
se consiguen con un análisis de vibraciones, es necesario añadir que es muy útil realizar un
gráfico de tendencias de vibraciones en un nivel global o bien en un rango frecuencial dado
que es una herramienta de un valor muy alto para el control de los equipos y de la maquinaria
en general. Asímismo destacar la importancia de la creación de los niveles de alerta y de
alarma en los mismos para optimizar los análisis.
Los métodos de análisis de vibraciones y monitorizado por vibraciones pueden
utilizarse para detectar una amplia gama de fallos en la maquinaria, teniendo una aplicación
más amplia de control que cualquier otra técnica. Por ejemplo, la medida de vibraciones de la
máquina puede detectar y diferenciar entre desequilibrio, eje curvado, desalineamiento del eje,
problemas de sujeción a bancada, fallo de cojinetes, fallo en engranajes u otro elemento de
transmisión, holguras excesivas, desgaste, cavitación, etc. Aunque los métodos básicos de
monitorización son simples, en muchos casos se puede extraer una gran cantidad de
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
26
información procediente de las medidas si se aplican las técnicas de procesado de señal. Así,
se puede decir que de las distintas tecnologías aplicables al mantenimiento predictivo, el
análisis de vibraciones es la más popular.
El análisis de vibraciones es una herramienta que consiste en representar de forma
gráfica la magnitud frente al tiempo para las mediciones realizadas con el fin de determinar
un rango admisible fuera del cual generalmente se indicará un problema en la máquina. Este
límite se debe determinar a partir de las espeficicaciones del fabricante, de normas y de la
experiencia de los técnicos y analistas encargados del manteimiento predictivo.
Determinados fabricantes de equipos de análisis han desarrollado programas
informáticos capaces de interpretar automáticamente los espectros de vibración, y estos son
los llamados sistemas expertos o software experto. Están basados en la experiencia de los
técnicos y programadores y resulta de gran ayuda. Permiten, por ejemplo, que técnicos con un
nivel de formación medio o bajo puedan enfrentarse a la tarea del análisis de vibraciones en
poco tiempo. No obstante, siempre es conveniente contrastar el resultado obtenido por el
equipo con el de un buen analista.
2.2.4.1.8. Control de ruidos
Además de en la detección de sonidos espaciales, como los generados por las fugas, el
control de ruidos se puede aplicar de la misma forma que la monitorización de vibraciones.
Sin embargo, aunque un ruido es indicador del estado de un equipo, éste se origina a partir de
la vibración de alguna parte o componente del equipo, por lo que normalmente es más efectivo
monitorizar la vibración original.
2.2.4.1.9. Control de corrosión
Algunos dispositivos eléctricos cambian su resistencia a medida que progresa la
corrosión. Usando probetas especiales se puede medir la velocidad de corrosión a partir de la
resistencia de polarización de la probeta, ya que la simple medida del potencial eléctrico entre
el electrodo de referencia y el sistema indicará si existe corrosión.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
27
2.2.4.1.10. Análisis de aceites y lubricantes
El aceite que circula a través de una máquina muestra las condiciones en que se hallan
las partes de la misma con las que se encuentra durante su recorrido. El análisis del aceite y
alguna de las partículas que arrastra permite controlar el estado del equipo en carga o parada.
Para ello se utilizan varias técnicas, algunas de ellas muy simples y otras que requieren ensayos
laboriosos y equipos caros.
El análisis de aceites de lubricación es una técnica aplicable a trafos y a equipos y
máquinas rotativas, y suministra numerosa información utilizable para diagnosticar el desgaste
interno del equipo o el estado del lubricante. El aceite lubricante juega un papel determinante
en el buen funcionamiento de cualquier máquina. Al disminuir o desaparecer la lubricación se
produce una disminución de la película de lubricante interpuesto entre los elementos
mecánicos dotados de movimiento relativo entre sí, lo que provoca un desgaste, aumento de
las fuerzas de rozamiento, aumento de temperatura, provocando dilataciones e incluso fusión
de materiales y bloqueos de piezas móviles. Por tanto, el propio nivel de lubricante puede ser
un parámetro de control funcional. Pero incluso manteniendo un nivel correcto, el aceite en
servicio está sujeto a una degradación de sus propiedades lubricantes y a contaminación, tanto
externa (polvo, agua, etc.) como interna (partículas de desgaste, formación de lodos, gomas y
lacas). El control de estado mediante análisis físico-químicos de muestras de aceite en servicio
y el análisis de partículas de desgaste contenidas en el aceite (ferrografía) pueden alertar de
fallos incipientes en los componentes lubricados. Se pueden detectar defectos con una
antelación mucho mayor que con otras técnicas, como podría ser el análisis de vibraciones,
aunque la dificultad estriba en el alto costo de la tecnología implicada en ello. En casos de alta
responsabilidad podría emplearse como técnica complementaria para verificar un diagnóstico
realizado, por ejemplo, con un análisis vibracional. En resumen, se puede decir que las
principales técnicas que se utilizan actualmente para identificar y cuantificar el contenido de
partículas de desgaste son principalmente al espectrometría de emisión, la espectrometría de
absorción y la ferrografía, aunque también existen una serie de técnicas complementarias,
como son el contaje de partículas y la inspección microscópica. Además, en los aceites y
lubricantes se lleva a cabo análisis de la presencia en ellos de otros contaminantes ajenos al
desgaste; y en general los contaminantes que se suelen analizar son el contenido en agua y la
presencia de sustancias insolubles.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
28
En general, en una planta industrial se aplica el análisis de aceites y lubricantes a los
siguientes equipos: motores alternativos, turbinas de gas, turbinas de vapor, motores de
combustión interna, grupos electrógenos, motogeneradores, motores de gasoil, bombas de
gran tamaño, ventiladores de torres de refrigeración, aerocondensadores, etc.
2.2.4.1.11. Análisis de ultrasonidos
Existen numerosos fenómenos que van acompañados de emisión acústica por encima
de las frecuencias del rango audible. Las características de estos fenómenos ultrasónicos hacen
posible la utilización de detectores de ultrasonidos en infinidad de aplicaciones industriales
dentro del mantenimiento: detección de grietas y medición de espesores (método de impulso-
eco); detección de fugas en conducciones y válvulas, verificación de purgadores de vapor,
inspección de rodamientos, control de descargas eléctricas, etc. Éstas son algunas de las
aplicaciones no habituales de los ultrasonidos, además de las normalmente usadas como
ensayo no destructivo para la determinación de defectos internos en piezas, en cuyo caso es el
técnico el que realiza la emisión acústica para poder detectar el defecto.
El ultrasonido es una onda acústica cuya frecuencia está por encima del límite
perceptible por el oído humano (aproximadamente 20000 Hz), por lo que con el analizador de
ultrasonidos se consigue detectar dichos sonidos y analizarlos para poder detectar las causas
que los provocan, localizando gracias a ellos componentes de la maquinaria analizada (como
por ejemplo una turbina de gas) que no estén funcionando de forma correcta y en un futuro
puedan provocar una avería.
El análisis y la detección de estos sonidos de alta frecuencia permiten, entre otras cosas,
detección de fricción en máquinas rotativas, detección de fallas y/o fugas en válvulas,
comportamiento anormal de rodamientos, detección de fugas de fluidos, detección de pérdidas
de vacío, detección de “arco eléctrico”, verificación de la integridad de juntas de recintos
estancos, etc.
Esta tecnología se basa en el fundamento físico de que casi todas las fricciones
mecánicas, arcos eléctricos y fugas de presión o vacío producen ultrasonido en frecuencias
cercanas a los 40000 Hz, y de unas características que lo hacen muy interesante para su
aplicación en mantenimiento predictivo: las ondas sonoras son de corta longitud, atenuándose
rápidamente sin producir rebotes. Por esta razón, el ruido ambiental no interfiere en la
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
29
detección del ultrasonido, por intenso que sea dicho ruido. Además, la alta direccionalidad del
ultrasonido en 40 kHz permite con rapidez y precisión la ubicación del fallo. La aplicación del
análisis por ultrasonido se hace indispensable especialmente en la detección de fallos
existentes en equipos rotativos que giran a velocidades inferiores a las 300 rpm, donde la
técnica de medición de vibraciones es un procedimiento poco eficiente.
2.2.4.1.12. Análisis de gases de escape y monitoreo de contaminantes
Con el análisis de gases de escape lo que se consigue es comprobar a través de la
medición de la composición de los mismos posibles fallos en máquinas o motores térmicos de
combustión interna, tales como motores alternativos o turbinas de gas, observando fallos en
las cámaras de combustión o en las mezclas de combustible y comburente. Asímismo se puede
medir la composición de los gases de escapes de otros elementos como calderas.
El analizador de gases es el instrumento que se utiliza para determinar la composición
de los gases de escape en calderas y en motores térmicos de combustión interna. Consta
básicamente de un elemento sensor que puede llevar integrada la medición de varios gases o
uno sólo, y un módulo de análisis de resultado, donde el instrumento interpreta y muestra los
resultados de la medición. El equipo es capaz de medir la concentración en los gases de escape
de un número determinado de compuestos gaseosos. Los compuestos gaseosos que se miden
habitualmente y los parámetros a controlar son los siguientes: CH4, O2, N2, NO, NO2, CO2,
SO2, SO3, H2O, temperatura de gases de escape, opacidad de los humos, partículas sólidas, etc.
La concentración de estas sustancias en los gases de escape se mide con dos
finalidades, igualmente importantes. En primer lugar, se intenta asegurar el cumplimiento de
los condicionantes ambientales del motor, en base a los permisos y normativas legales que
deba cumplir el equipo o planta industrial. En segundo lugar, se debe asegurar el buen
funcionamiento del motor, caldera o turbina, ya que la composición de los gases puede arrojar
información referida a la calidad del combustible, el estado de funcionamiento del motor
térmico o caldera y el correcto ajuste de determinados parámetros, como la regulación de la
mezcla de admisión, la relación de compresión y la eficiencia de la combustión. Es
recomendable que el plan de mantenimiento de un equipo de combustión o de un motor
térmico contemple análisis periódicos de los gases de escape, siendo aconsejable que se
realicen con una frecuencia inferior a los tres meses, incluso es conveniente llevar a cabo un
análisis con los valores históricos de los componentes de los gases de escape.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
30
2.2.4.1.13. Monitoreo en línea
Esta técnica consiste en mediciones de carácter periódico o constante, que se realiza
por medio de instrumentos de medición instalados en equipos críticos que merecen especial
atención en el comportamiento de los diferentes parámetros de operación. Estas señales son
enviadas al control central donde son analizadas. Estas mediciones pueden ser:
Análisis químicos
Mediciones eléctricas (resistencia)
Partículas (ferrografías)
Temperaturas (termografía, fibra óptica, infrarrojos)
Dinámica (par mecánico, vibraciones, caudales, acústicos)
2.2.4.2. Técnicas de control en parada
2.2.4.2.1. Inspección visual, acústica y al tacto de las partes móviles en situación de parada
El estado de la mayoría de los componentes de las transmisiones puede examinarse
visualmente de una forma rápida, así por ejemplo el estado superficial de los dientes de los
engranajes nos ofrece mucha información. Los problemas de sobrecarga, fatiga, desgaste y
pobre lubricación de los engranajes pueden diferenciarse a partir del aspecto de sus dientes.
2.2.4.2.2. Inspecciones boroscópicas
Las inspecciones boroscópicas son inspecciones visuales en lugares inaccesibles para
el ojo humano con la ayuda de un equipo óptico, el boroscopio. Se desarrolló en el área
industrial a raíz del éxito de las endoscopias en humanos y animales. El boroscopio, también
llamado videoscopio o videoboroscopio, es un dispositivo largo y delgado en forma de varilla
flexible. En el interior de este tubo hay un sistema telescópico con numerosas lentes, que
aportan una gran definición a la imagen. Además, está equipado con una poderosa fuente de
luz. La imagen resultante puede verse en la lente principal del aparato, en un monitor, o ser
registrada en un videograbador o una impresora para su análisis posterior.
La boroscopia o motoscopia no es una especialidad médica, pero a raíz del éxito de la
endoscopia en humanos y animales se determinó que se podrían aplicar los mismos principios
en el área industrial para analizar el interior de las máquinas una vez estén montadas. Así, el
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
31
boroscopio es sin duda una de las herramientas imprescindibles para acometer trabajos de
inspección en las partes internas de determinadas máquinas sin realizar grandes desmontajes.
Así, se utiliza ampliamente para la observación de las partes internas de motores térmicos y
para observar determinadas partes de calderas, como haces tubulares o domos. Entre las
ventajas de este tipo de inspecciones están la facilidad para llevarla a cabo sin apenas tener
que desmontar nada y la posibilidad de guardar las imágenes para su posterior consulta.
Las boroscopias se utilizan para realizar inspecciones en motores alternativos, turbinas
de gas, turbinas de vapor, calderas y, en general, cualquier equipo de difícil acceso cuyos fallos
puedan ser observados a simple vista, pero lo que se pretende observar no está accesible con
facilidad para el ojo humano, pues implica dificultad de acceso o grandes desmontajes. Así,
en los motores alternativos se utilizan para conocer el estado de elementos internos como el
tren alternativo, la culata, el cigüeñal y sus cojinetes, corrosiones en el circuito de
refrigeración, etc. En las turbinas de gas se utiliza para conocer el estado de la cámara de
combustión, de los quemadores y de los álabes. En las calderas, se emplea para detectar fallos
y fugas en haces tubulares y en zonas de difícil acceso.
No solo se usa en tareas de mantenimiento predictivo rutinario, sino también en
auditorías técnicas, para determinar el estado interno del equipo ante una operación de compra,
de evaluación de una empresa contratista o del estado de una instalación para acometer una
ampliación o renovar equipos.
Ilustración 8 Técnico realizando inspección visual mediante boroscopia a un motor de aviación
Si se analiza un poco más en profundidad el uso de las inspecciones boroscópicas en
el funcionamiento de las turbinas de gas, se puede reseñar que las boroscopias en las mismas
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
32
se realizan en cada una de las partes de la turbina: compresor, cámara de combustión y turbina
de expansión. Además, añadir que es necesario que la turbina esté fría, y esa es la parte que
más tiempo consume. También es necesario disponer de un buen equipo y herramientas de
diagnóstico, pero es mucho más importante el técnico que tiene que saber diferenciar entre
simples anomalías y defectos importantes. Esta técnica permite confirmar otras observaciones
que se han hecho en la turbina a través de procedimientos como análisis de vibraciones o Gas
Path Analysis.
Los defectos que se pueden identificar en las inspecciones boroscópicas son, entre
otras:
Erosión
Corrosión
Pérdida de material cerámico en álabes o en placas aislantes
Roces entre álabes fijos y móviles
Decoloraciones en álabes del compresor debido a la alta temperatura
Pérdidas de material de los álabes de compresor que se depositan en los álabes
de turbina o en la cámara
Deformaciones
Fracturas y agrietamiento en álabes, sobre todo en la parte inferior que los fija
al rotor
Marcas de sobretemperatura en álabes
Obstrucción de orificios de refrigeración
Daños por impactos provocados por objetos extraños (FOD, “Foreign Object
Damage”)
2.2.4.2.3. Detección de fisuras y grietas
La mayoría de los fallos importantes están precedidos por el crecimiento de una grietra
a partir de un punto de concentración de tensiones o de un defecto del material en la superficie
del componente. Los fallos por fatiga generalmente aparecen sin aviso. Sin embargo, lo que
ocurre es que los inicios de las fisuras no son normalmente visibles en una inspección somera.
Para superar estas dificultades se han desarrollado varias técnicas de detección de fisuras:
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
33
Ensayo de líquidos penetrantes en la superficie de las fisuras: Las fisuras, hasta
un tamaño muy pequeño, pueden observarse a simple vista. Se trata de una
inspección no destructiva que se usa para encontrar fisuras superficiales o fallos
internos del materal que presenta alguna apertura en la superficie. Se utilizan,
en muchos casos, pinturas fluorescentes que se aprecian con el uso de una luz
ultravioleta, como por ejemplo en el análisis e inspección de álabes de turbina.
Ensayo de pulverizado de partículas magnéticas: Se trata de otro ensayo no
destructivo que permite igualmente descubrir fisuras tanto superficiales como
no superficiales. Se basa en la magnetización de un material ferromagnético al
ser sometido a un campo magnético. Los defectos se ponen de manifiesto por
las discontinuidades que crean en la distribución de las partículas.
Ensayo de resistencia eléctrica: La presencia de una fisura aumentará la
resistencia medida entre dos probetas en contacto con la superficie. A pesar de
las dificultades con la superficie de contacto, este método puede usarse para
detectar y medir las profundidades de las grietas.
Ensayo de corrientes inducidas: Una bobina por la que circula una corriente
situada cerca de la superficie induce corrientes de Foucoult en el material. Estas
corrientes se detectan o por un cambio en la inductancia de la bobina
generadora o en la de otra bobina. Aunque no es estrictamente necesario
disponer de una superficie suave y limpia, pueden aparecer problemas de
interpretación de resultados.
Ensayo de ultrasonidos: Es el método más común para detectar grietas y otras
discontinuidades (fisuras por fatiga, corrosión o defectos de fabricación del
material) en materiales gruesos, donde la inspección por rayos X se muestra
insuficiente al ser absorbidos, en parte, con el material. El ultrasonido se genera
y detecta mediante fenómenos de piezoelectricidad y magnetostricción.
Midiendo el tiempo que transcurre entre la emisión de la señal y la recepción
de su eco se puede determinar la distancia del defecto, ya que la velocidad de
propagación del ultrasonido en el material es conocida. Tiene la ventaja
adicional de que además de indicar la existencia de grietas en el material,
permite estimar su tamaño, lo que facilita llevar un seguimiento del estado y
evolución del defecto. También se está utilizando esta técnica paa identificar
fugas localizadas en procesos tales como sistemas de vapor, aire o gas por
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
34
detección de los componentes ultrasónicos presentes en el flujo altamente
turbulento que se genera en fugas (válvulas de corte, válvulas de seguridad,
purgadores de vapor, etc.).
Examen o inspección radiográfica: Técnica usada para la detección de defectos
internos del material como grietas, burbujas o impurezas interiores.
Especialmente indicadas en el control de calidad de uniones soldadas. Como es
bien conocido, consiste en intercalar el elemento a radiografiar entre una fuente
radioactiva y una pantalla fotosensible a dicha radiación. Las imperfecciones
pueden fotografiarse utilizando rayos X o gamma con una fuente radioactiva y
material fotográfica especial. El método puede requerir desmantelar la unidad
a examinar y plantea problemas asociados con la protección del personal a las
radiaciones.
2.2.4.2.4. Detección de fugas
La detección de fugas por ultrasonidos puede aplicarse a las unidades fuera de servicio
colocando un generador ultrasónico en el interior del equipo que se examina.
2.2.4.2.5. Ensayo de vibraciones
La respuesta de un sistema a una vibración puede revelar mucha información. Uno de
los ensayos más comunes para máquinas rotativas es el de “run-down” que se realiza cuando
se está procediendo a la reducción de la velocidad que antecede a la parada total y que aplica
el efecto de amplificación de las vibraciones cuando el sistema entra en resonancia.
2.2.4.2.6. Control de corrosión
Además de los métodos descritos en servicio, el avance de la corrosión se puede
determinar instalando probetas en el equipo y retirándolas periódicamente para su posterior
medida y pesada. Las medidas de espesor por ultrasonidos detectarán el cambio en las
dimensiones debidas a la corrosión.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
35
2.3. DEGRADACIÓN EN TURBINAS DE GAS: TIPOLOGÍAS Y CARACTERIZACIÓN
2.3.1. Tipos de degrdación
El deterioro en motores de turbinas de gas es inevitable. Estos motores operan en un
amplio rango de temperaturas, velocidades, potencias y condiciones de operación, lo que
provoca que sus componentes se deterioren con el tiempo y el rendimiento del motor
disminuya.
En un motor de turbina de gas pueden darse distintos tipos de degradación, los cuales
corresponden a fenómenos físicos que ocurren en distintos componentes del motor y que
provocan que su rendimiento disminuya, afectando a su vez al rendimiento global del
aerorreactor.
2.3.1.1. Fouling (deposición)
El fouling se define como la adhesión de partículas contaminantes en las superficies
internas del motor (álabes, superficies de rotor/estator, etc). Los motores de aviación basados
en turbinas de gas son muy susceptibles a sufrir fouling debido a la gran cantidad de aire que
circula a través de ellos. El fouling generalmente se elimina fácilmente mediante lavado.
Aunque prácticamente todos los componentes del motor sufren problemas de fouling,
el compresor es el elemento más susceptible de sufrir problemas de fouling. Incluso con
sistemas de filtrado avanzados, suciedad, sales y otras partículas son capaces de atravesar este
sistema de protección y depositarse en los álabes del compresor. Este fouling en el compresor
conduce a una reducción de su eficiencia en torno a un 1% y de su capacidad de ingesta de
aire de hasta un 3-8%, dependiendo del grado de fouling.
El fouling en la turbina es menos común, y depende de forma importante del tipo de
combustible y del proceso de combustión. En caso de que se desprendan una cantidad
importante de partículas producto de una mala combustión pueden llevar a un alto nivel de
fouling en los álabes de turbina, pudiendo provocar una reducción en su eficiencia de un 1%.
El tipo de combustible y el proceso de combustión también pueden inducir a la
aparición de fouling en la tobera de salida, reduciendo su eficiencia.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
36
Ilustración 9 Álabes de compresor de turbina de gas afectados por fouling
2.3.1.2. Erosión
Se define erosión como la pérdida de material debido al impacto de partículas sólidas
que son absorbidas por el motor y que impacta en las superficies internas del mismo. Este
fenómeno se produce principalmente en operaciones cercanas a tierra, por lo que es muy
dependiente del número de despegues/aterrizajes y de las condiciones de los aeropuertos.
También puede deberse a agentes contaminantes en forma de sales o pequeñas partículas
sólidas que puedan estar en suspensión en la atmósfera.
La erosión provoca rugosidad, perfiles dañados y otros cambios en la geometría de las
superficies internas del motor. La erosión ataca principalmente a los álabes del rotor y a las
cubiertas exteriores. En los compresores, la erosión provoca un aumento en las pérdidas de
presión y una reducción del rendimiento y de la capacidad de ingesta de aire. En la turbina, la
erosión produce un aumento del área de paso en hasta un 2% y una reducción en su eficiencia
en un 1%.
A diferencia del fouling, la erosión no puede ser eliminada con lavado, sino que la
única forma de corregirla es mediante la reparación de los componentes dañados por otros
nuevos.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
37
Ilustración 10 Álabes de turbina afectados por un alto grado de erosión
2.3.1.3. Corrosión
La corrosión se define com la perdida de material de los componentes internos del
motor causada por reacción química entre dichos componentes y agentes contaminantes que
son absorbidos por el motor o que se encuentran en el combustible. Sales, minerales ácidos y
gases reactivos como los óxidos de cloro y azufre, en combinación con agua, pueden producir
corrosión húmeda, especialmente en las superficies del compresor, provocando rugosidad.
Elementos como sodio, vanadio y plomo pueden causar corrosión a alta
temperatura, la cual provoca una reducción gradual en la eficiencia. La corrosión a alta
temperatura es un fenómeno más serio y generalmente está asociado a la turbina. Este tipo de
corrosión ocurre cuando se usan combustibles residuales y/o cuando la protección de los
álabes de turbina ha sufrido daño previamente.
La corrosión en el compresor conlleva una reducción en su eficiencia y en su
capacidad de ingesta de aire, mientras que en la turbina produce una reducción en su eficiencia
y un aumento del área de paso. Además, la corrosión disminuye la vida de servicio de los
componentes afectados, de ahí la importancia de proteger las superficies de compresor y
turbina con barreras anticorrosión.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
38
Ilustración 11 Álabes de turbina afectados por corrosión a elevada temperatura
2.3.1.4. Desgaste por rozamiento
El fenómeno de desgaste por rozamiento ocurre tanto en compresores como en
turbinas. Supone una pérdida de material de las puntas de los álabes debido al contacto entre
los componentes estáticos (estator) y las partes móviles (rótor).
Muchos motores usan superficies abrasibles, donde un cierto grado de desgaste está
permitido durante las pruebas del motor con el fin de establecer unas holguras adecuadas.
El rozamiento puede estar provocado por distintos factores:
Dilataciones térmicas relativas entre componentes fijos y móviles
Crecimiento por acción centrífuga
Vibraciones
Distorsiones producidas por cargas externas importantes, por ejemplo
turbulencias en vuelo
La mayor parte de este tipo de desgaste se produce en las primeras etapas de la vida
del motor.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
39
La holgura entre los álabes del rotor y la carcasa debe mantenerse pequeña para reducir
las pérdidas secundarias, ya que un incremento de esta holgura reduce la capacidad de ingesta
de aire y la eficiencia del compresor.
2.3.1.5. Daño en sello laberíntico
El sello laberíntico es un sello mecánico que se utiliza en torno a un eje para prevenir
la pérdida de aceite y otros fluidos. Un daño en estos sellos aumenta las fugas internas y
conduce a una reducción del rendimiento de compresores y turbinas. Este tipo de daño reduce
la eficiencia de dichos componentes y, en menor medida, reduce la capacidad de ingesta de
aire de los mismos.
2.3.1.6. Daño por impacto (FOD & DOD)
“Foreing Object Damage” (FOD) y “Domestic Object Damage” (DOD) pueden
definirse como el impacto de un cuerpo de unas dimensiones considerables en alguno de los
components del motor. El daño por impacto puede producir rugosidad superficial, con la
consiguiente reducción en la eficiencia de los componentes, así como alterar la capacidad de
ingesta de aire. Un objeto extraño en el fluido en el seno del fluido reduce la capacidad de
ingesta de aire, mientras que la pérdida de un álabe la aumenta.
Ilustración 12 Álabe de compresor afectado por FOD
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
40
2.3.1.7. Daño de componentes a elevada temperatura
Las elevadas temperaturas que se producen en las primeras etapas de la turbina
requieren sistemas de refrigeración en el rotor y en los álabes guía. Estas elevadas temperaturas
pueden producir daños y distorsión en el borde de salida de los álabes del rótor y en los álabes
guía, ya que estos componentes son muy delgados y difíciles de refrigerar. Este tipo de daño
resulta en un incremento gradual del flujo de aire y reduce la eficiencia.
2.3.1.8. Degradación del sistema de combustión
La degradación en la cámara de combustión se debe generalmente a fallos en el sistema
de inyección de combustible, lo que conlleva una distribución no uniforme del combustible.
La pérdida de eficiencia de la combustión y pérdida de presión en la cámara afecta
directamente al rendimiento global del motor.
Un cambio en el perfil de temperaturas a la salida de la cámara de combstión produce
una deformación temporal o permanente en componentes aguas abajo como los álabes de la
turbina, pudiendo aumentar las fugas y la dilatación térmica relativa entre el rótor y el estator,
con la consiguiente reducción en su eficiencia.
2.3.2. Efectos de la degradación
Estos tipos de degradación descritos conllevan unos cambios en los parámetros que
describen el compartamiento del motor.
A continuación se muestran los efectos que la degradación produce en cada uno de los
componentes del motor.
2.3.2.1. Compresor
La degradación produce tres efectos en el compresor, principalmente: cambios en los
perfiles aerodinámicos de los álabes, aumento de las holguras en la punta de los álabes, y
rugosidad superficial.
La rugosidad superficial producida por efecto del fouling, erosión o corrosión provoca
un aumento de las pérdidas por fricción y adelantan la formación de régimen turbulento en la
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
41
capa límite. La pérdida de material en las puntas de los álabes o en el borde de ataque debido
a erosión o corrosión provocan una alteración en los ángulos y en las velocidades de salida del
fluido en cada etapa, cambiando a un estado que no es el de diseño. El aumento de holgura
en las puntas de álabe reduce la capacidad de ingesta de aire, que se traduce en un menor
incremento de presión y en una reducción del gasto.
La degradación de una etapa tiene efectos negativos en la siguiente, ya que el fluido
pasará de una a otra con un ángulo de ataque diferente, a menor presión y a mayor temperatura.
Por tanto, el motor trabajará en su conjunto en un punto de diseño diferente al óptimo,
reduciendo su eficiencia.
Además, la degradación del compresor disminuye el margen de bombeo, por lo que la
línea de funcionamiento del compresor podría ubicarse demasiada cerca de la línea de bombeo.
2.3.2.2. Turbina
Los efectos de la degradación en la turbina son similares a los que se dan en el
compresor: aumento de holgura en puta de álabe, cambios en su perfil aerodinámico y
rugosidad.
La rugosidad superficial tiene los mismos efectos negativos en términos de pérdidas
por fricción y adelanto del régimen turbulento en la capa límite que se producen en el
compresor.
Debido a los elevados gradientes de temperatura en la turbina, las holguras en la punta
de álabe varían de forma muy acusada. En caso de que esta holgura sea excesiva, el área de
paso efectiva sería demasiado elevada, disminuyendo la velocidad de paso y, por tanto, la
relación de expansión, con la consiguiente reducción en la potencia extraída en la turbina.
Una modificación de los perfiles en los bordes de salida también conduce a una
disminución de la potencia que es capaz de generar la turbina.
Al igual que ocurre en el compresor, la degradación en una de las etapas de la turbina
altera el punto de funcionamiento de las etapas siguientes, resultando en una reducción global
del rendimiento de la turbina.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
42
2.3.2.3. Cámara de combustión
Los posibles problemas que pueden ocurrir en la cámara de combustión no suelen tener
como causa directa los tipos de degradación definidos en 2.3.1, sino que son de otra índole:
fallos en el sistema de ignición, fallos en los sensores detectores de llama, apagado de llama
(“flameout”), o temperatura excesiva debido a deficiencias en el control de temperatura o de
longitud de llama.
El cambio en las condiciones de entrada y salida de la cámara de combustión debido
a la degradación de los componentes aguas arriba (compresor) y aguas abajo (turbina) provoca
una variación de las condiciones operativas de la cámara y, por consiguiente, la potencia
suministrada por el motor en su conjunto.
2.3.2.4. Degradación de otros componentes
La degradación no afecta únicamente a elementos del generador de gas propiamente
dicho (compresor, cámara de combustión, turbina) sino que elementos tales como la toma
dinámica y la tobera de salida también se ven afectados por la degradación.
La degradación más común en estos elementos es la producida por fouling y por
erosión superficial, las cuales implican una reducción de la eficiencia y un adelanto en la
formación de la capa límite tanto en la toma dinámica como en la tobera.
2.4. METODOLOGÍA DE LOS MÉTODOS DE DIAGNÓSTICO
En el apartado 2.3 se ha explicado cómo la turbina de gas disminuye su rendimiento
general debido a la degradación de sus componentes. La interacción entre los distintos
componentes provoca que la degradación en los mismos se traduzca en cambios de ciertos
parámetros medibles del motor, A su vez, los cambios en estos parámetros medibles permiten
el aislamiento de los componentes del motor degradados y, por lo tanto, permite la corrección
de la degradación.
ESTADO DEL ARTE
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
43
Tipos de degradación
-Fouling
-Erosión-Corrosión-Impactos-Desgaste por
abrasión
Parámetros afectados
-Capacidad ingesta aire-Eficiencia compresión-Perfil de temperaturas
-Eficiencia expansión-Áreas efectivas turbina
-Áreas efectivas tobera
Cambio en mediciones
-Presiones -Temperaturas
-Velocidad de giro-Gasto combustible
-Potencia
Resulta en Produce
Permite identificación
de
Permite corrección de
Los métodos de diagnóstico reducen la frecuencia de las inspecciones físicas de los
motores, con las consiguientes ventajas en términos de optimización de intervalos de
mantenimiento, ahorro de costes y ampliación de la vida operativa del motor.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
44
3. MODELO DE MOTOR ROLLS-ROYCE RB211
3.1. DESCRIPCIÓN DEL MOTOR
El motor de aviación Rolls-Royce RB211 es un turbofán de alta relación de derivación,
desarrollado por la multinacional británica Rolls-Royce e introducido en servicio en 1972. Se
trata del primer motor de aviación que disponía de tres ejes, por lo que su entrada en servicio
supuso un hito en la historia de la industria aeronáutica.
Originalmente fue desarrollado para la aeronave Lockheed L-1011 TriStar, de la
compañía estadounidense Lockeed Martin. En los años 90, el desarrollo de la familia RB211
fue sustituido por el de su sucesor, la familia Rolls-Royce Trent.
Ilustración 13 Esquema del motor turbofán Rolls-Royce RB211-535E4
De las múltiples variantes de la familia RB211, en el presente proyecto se ha tomado
el modelo 535E4, el cual fue introducido en octubre de 1984 y actualmente permanece en
servicio como planta propulsiva de más de 500 aeronaves Boeing 757.
El fan, de una sola etapa y con una relación de derivación de 4.3 – 4.4, fue uno de los
primeros modelos en incorporar álabes huecos de titanio y con una mayor cuerda que los de
sus competidores, dentro del contexto de una tecnología denominada “hollow wide-chord
blades”, la cual ofrecía una mejora en eficiencia aerodinámica y mayor protección frente a
FOD (foireing object damage).
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
45
Tanto el compresor de presión intermedia (IP compressor) como el compresor de alta
presión (HP compressor) están compuestos por 6 etapas. La cámara de combustión es de tipo
anular, con 24 quemadores. Tanto la turbina de alta presión (HP turbine) como la de media
presión (IP turbine) están constituidas por una sola etapa, mientras que la turbina de baja
presión está constituida por un total de tres etapas.
Un esquema del motor RB211-535E4 mostrando sus componentes principales se
muestra en la Ilustración 14.
Ilustración 14 Esquema del motor RB211-535E4 y su división en los distintos componentes
Donde cada cifra hace referencia a cada uno de los componentes del motor:
Etapa 2: Toma dinámica
Etapa 21: Fan
Etapa 3: Compresor de presión intermedia (IPC, Intermediate Pressure
Compressor)
Etapa 31: Compresor de alta presión (HPC, High Pressure Compressor)
Etapa 4: Cámara de combustión
Etapa 41: Turbina de alta presión (HPT, High Pressure Turbine)
Etapa 42: Turbina de presión intermedia (IPT, Intermediate Pressure Turbine)
Etapa 43: Turbina de baja presión (LPT, Low Pressure Turbine)
Etapa 44: Tobera de salida
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
46
3.2. DESCRIPCIÓN DEL MODELO
El desarrollo de un modelo matemático del motor RR RB211-535E4 es fundamental
para el desarrollo del presente proyecto, debido a la evidente imposibilidad de disponer de un
motor real y su correspondiente banco de ensayos, así como la no disponibilidad de la gran
cantidad de datos reales que serían necesarios para poder realizar un análisis completo de la
degradación de cada uno de los componentes del motor.
Otro de los factores a tener en cuenta es que, debido a la dificultad para obtener los
mapas de cada uno de los componentes del motor real, éstos han sido sustituidos por mapas
genéricos, a los que se les aplica un factor de escala.
En el modelo se asume un flujo unidimensional a través de cada uno de sus
componentes. Todas las propiedades del fluido (temperatura, presión, entalpía, entropía, etc.)
se calculan en las entradas/salidas de los distintos componentes de la turbomáquina. Los
distintos sensores de presión y temperatura se encontrarían en estas interfaces, mientras que
otros parámetros serán conocidos o calculados mediante balances de masa y energía.
A continuación se presentan las características de cada uno de los componentes de la
turbomáquina, así como el modelo de gas y atmósfera utilizado en la realización del modelo.
3.2.1. Modelo de gas
En el modelo se asume que el aire se comporta como un gas ideal. Las propiedades
termodinámicas de los gases que componen el aire atmosférico (N2, O2, argón) así como de
gases producto de la combustión (CO2, H2O) se han introducido al programa en forma de
tablas, evaluando las propiedades termodinámicas de cada uno de ellos a la entrada y salida
de cada uno de los componentes del motor, y por consiguiente calculando en estos puntos las
propiedades termodinámicas del aire atmosférico y de la mezcla de gases resultante de la
combustión en estos puntos.
Tanto el aire atmosférico como los resultados de la combustión se tratan como mezcla
de gases ideales. Cada uno de ellos está constituido por un conjunto de elementos 𝑖. La
proporción de cada uno de ellos en la mezcla total puede definirse en función de su fracción
másica 𝑥𝑖 o de su fracción molar 𝑦𝑖
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
47
𝑥𝑖 =𝑚𝑖
𝑚
𝑦𝑖 =𝑛𝑖𝑛
Donde 𝑚𝑖 es la masa del componente 𝑖 en un volumen determinado, 𝑚 la masa total
de la mezcla, 𝑛𝑖 es la cantidad de materia (moles) del elemento 𝑖 y 𝑛 la cantidad de materia
total de la mezcla
𝑚 =∑𝑚𝑖
𝑖
𝑛 =∑𝑛𝑖𝑖
Para un gas ideal, la entalpía es función únicamente de la temperatura
ℎ = ∫ 𝐶𝑝(𝑇)𝑑𝑇𝑇
𝑇0
Por tanto, la entalpía de una mezcla de gases ideales puede determinarse a partir de sus
fracciones másicas o sus fracciones molares
ℎ =∑𝑥𝑖ℎ𝑖(𝑇)
𝑖
=∑𝑦𝑖ℎ̅𝑖(𝑇)
𝑖
Donde ℎ hace referencia a unidades másicas y ℎ̅ a unidades molares.
Por otro lado la entropía de un gas ideal dependerá tanto de la temperatura como de su
presión
𝑠 = 𝑠(𝑇, 𝑃)
Para definir la entropía total de la mezcla, es necesario introducir la Ley de Dalton de
las presiones parciales. Según ésta, la presión de una mezcla de gases que no reaccionan
químicamente es igual a la suma de las presiones parciales que ejercería cada uno de los gases
componentes de la mezcla de forma aislada si ocupara el volumen total de la mezcla.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
48
La presión parcial 𝑃𝑖 de cada componente se define en función de su fracción molar
𝑦𝑖 a través de la expresión
𝑃𝑖 = 𝑦𝑖𝑃
Por tanto
𝑃 =∑𝑃𝑖𝑖
En una mezcla de gases ideales, la entropía de un componente dependerá de la
temperatura de la mezcla y de su presión parcial 𝑃𝑖
𝑠𝑖 = 𝑠𝑖(𝑇, 𝑃𝑖) = 𝑠𝑖(𝑇, 𝑦𝑖𝑃)
Por tanto, la entropía de la mezcla se define como
𝑠 =∑𝑥𝑖𝑠𝑖(𝑇, 𝑃𝑖) =∑𝑦𝑖�̅�𝑖(𝑇, 𝑃𝑖)
𝑖𝑖
La determinación de la entalpía y la entropía en función de la temperatura y de la
presión es muy importante y cuya descripción matemática forma parte del sistema de
ecuaciones no lineales que constituye el modelo del motor.
3.2.2. Modelo de atmósfera
Para considerar la variación de las condiciones atmosféricas, se admite como válido
el modelo de atmósfera estándar internacional ISA (International Standard Atmosphere). Este
modelo, ampliamente recurrido en el ámbito de la ingeniería y de la navegación aérea, divide
la atmósfera en distintas capas con distribuciones lienales de temperatura en cada una de ellas.
La variación de las distintas magnitudes del aire atmosférico con la altitud de vuelo,
que caracterizarán las propiedades del aire a la entrada de la toma dinámica del motor, se
determinan según las siguientes relaciones:
𝑇(𝑧) = 𝑇0 + 𝑎(𝑧 − 𝑧0)
𝑝(𝑧) = 𝑝0 (𝑇(𝑧)
𝑇0)−𝑔𝑎𝑅
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
49
𝜌(𝑧) = 𝜌0 (𝑇(𝑧)
𝑇0)−𝑔𝑎𝑅−1
donde
𝑧 es la altitud de vuelo
𝑇(𝑧) es la temperatura del aire atmosférico a la altitud 𝑧
𝑇0 es la temperatura del aire atmosférico a nivel del mar, igual a 288.15 𝐾
𝑃(𝑧) es la presión del aire atmosférico a la altitud 𝑧
𝑃0 es la presión del aire atmosférico a nivel del mar, igual a 101325 𝑃𝑎
𝜌(𝑧) es la densidad del aire atmosférico a la altitud 𝑧
𝜌0 es la densidad del aire atmosférico a nivel del mar, igual a 1.225 𝑘𝑔
𝑚3
𝑅 es la constante individual del aire, cuyo valor es 287 𝑚2
𝑠2𝐾
𝑔 es la aceleración de la gravedad, cuyo valor es de 9.81 𝑚
𝑠2
𝑎 es un parámetro que modela la evolución lineal de la temperatura según varía la altitud de
vuelo 𝑧 y que en la troposfera tiene un valor de −6.5𝐾
𝑘𝑚
3.2.3. Descripción de los componentes del modelo de motor
3.2.3.1. Toma dinámica
A la entrada de la toma dinámica, las condiciones de remanso se definen según las
siguientes relaciones
𝑇01 = 𝑇𝑎 (1 +(𝛾 − 1)𝑀𝑎
2
2)
𝑃01 = 𝑃𝑎 (1 +(𝛾 − 1)𝑀𝑎
2
2)
𝛾𝛾−1
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
50
Donde Ta y Pa son la temperatura y presión del aire a la entrada, Ma el número de Mach
a la que avanza la aeronave y 𝛾 es el coeficiente de dilatación adiabática del aire a la entrada.
En las expresiones anteriores se ha considerado un rendimiento de la toma dinámica
igual a la unidad, 𝜂𝑡𝑑 = 1, hipótesis que se considera a lo largo de todo el proyecto.
En caso de que se considerara que el rendimiento de la toma dinámica es diferente a la
unidad, la segunda de las expresiones anteriores se reescribiría como
𝑃01 = 𝑃𝑎 (1 +𝜂𝑡𝑑(𝛾 − 1)𝑀𝑎
2
2)
𝛾𝛾−1
La relación de compresión en la toma dinámica puede modelarse como
𝜋𝑑 = 𝜋𝑑,𝑚𝑎𝑥𝜂𝑟
Donde 𝜋𝑑,𝑚𝑎𝑥 es la fracción de 𝜋𝑑 debido a la fricción y 𝜂𝑟 modela el efecto de las
ondas de choque.
En el caso real, 𝜋𝑑,𝑚𝑎𝑥 variará ligeramente en función del Mach de vuelo, aunque en
el modelo se asume como un valor constante igual a 0,96.
La dependencia de 𝜂𝑟 con el Mach de vuelo se puede modelar según las siguientes
expresiones:
𝜂𝑟 =
{
1 𝑀𝑎 ≤ 1
1 − 0.075(𝑀𝑎 − 1) 1 < 𝑀𝑎 < 5
800
𝑀𝑎4 + 935
5 < 𝑀𝑎
Como las aeronaves propulsadas por motores turbofán en general y las que
utilizan el modelo RR RB211-535E4 en particular no alcanzan nunca el Mach unidad, el
coeficiente 𝜂𝑟 será siempre igual a uno en todo el rango de operación del motor.
Por tanto, en el modelo se toma 𝜋𝑑 = 𝜋𝑑,𝑚𝑎𝑥 = 0,96
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
51
Se admite que la temperatura del aire no varía a lo largo de su paso por la toma
dinámica. Por tanto, las condiciones del aire a la salida de la misma serán:
𝑇02 = 𝑇01
𝑃02 = 𝜋𝑑𝑃01 = 0,96𝑃01
3.2.3.2. Fan
El motor RR RB211-535E4 posee un fan de alta relación de derivación. El mapa
característico del fan se ha construido a partir de un mapa genérico de un fan de alta relación
de derivación, el cuál se ha escalado al punto de diseño.
La relación de compresión y el rendimiento del fan se obtienen como función del gasto
másico corregido y de la velocidad corregida del fan, a través de las expresiones
𝜋𝑓𝑎𝑛 = 𝑓(𝑊𝑐𝑐,𝑓𝑎𝑛, 𝑁𝑐𝑐,𝑓𝑎𝑛)
𝜂𝑓𝑎𝑛 = 𝑓(𝑊𝑐𝑐,𝑓𝑎𝑛, 𝑁𝑐𝑐,𝑓𝑎𝑛)
Donde 𝜋𝑓𝑎𝑛 es la relación de compresión del fan, 𝜂𝑓𝑎𝑛 el rendimiento isentrópico, 𝑊𝑐𝑐
es el gasto másico corregido y 𝑁𝑐𝑐 la velocidad de giro corregida del eje correspondiete. Éstos
parámetros se definen como
𝜋𝑓𝑎𝑛 = 𝑃021𝑃02
𝜂𝑓𝑎𝑛 =ℎ021𝑠 − ℎ02ℎ021 − ℎ02
𝑊𝑐𝑐,𝑓𝑎𝑛 = �̇�𝑓𝑎𝑛
√𝑇02𝑇𝑟𝑒𝑓
𝑃02𝑃𝑟𝑒𝑓
𝑁𝑐𝑐,𝑓𝑎𝑛 =𝑁𝑓𝑎𝑛
√𝑇02𝑇𝑟𝑒𝑓
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
52
En la Ilustración 15 se representan las curvas características del fan.
Ilustración 15 Mapa característico del fan
3.2.3.3. Compresor de presión intermedia (IP Compressor)
El compresor de presión intermedia es un compresor de 6 etapas. Sin embargo, debido
a la imposibilidad de disponer de la información necesaria para modelar los fenómenos
existentes entre dos etapas sucesivas, el compresor se modela como una única etapa. El mapa
del compresor IP se construye a partir de un mapa genérico, escalado según el punto de diseño
del componente.
El comportamiento del compresor se modela a través de las expresiones
𝜋𝐼𝑃𝑐 = 𝑓(𝑊𝑐𝑐,𝐼𝑃𝑐 , 𝑁𝑐𝑐,𝐼𝑃𝑐) = 𝑃03𝑃021
𝜂𝐼𝑃𝑐 = 𝑓(𝑊𝑐𝑐,𝐼𝑃𝑐 , 𝑁𝑐𝑐,𝐼𝑃𝑐) =ℎ03𝑠 − ℎ021ℎ03 − ℎ021
𝑊𝑐𝑐,𝐼𝑃𝑐 = �̇�𝐼𝑃𝑐
√𝑇021𝑇𝑟𝑒𝑓
𝑃021𝑃𝑟𝑒𝑓
𝑁𝑐𝑐,𝐼𝑃𝑐 =𝑁𝐼𝑃𝑐
√𝑇021𝑇𝑟𝑒𝑓
100 200 300 400 500 600 700 800 900 1000 1100
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6MAPA CARACTERÍSTICO DEL FAN
GASTO MÁSICO CORREGIDO, Wccfan
(kg/s)
RE
LA
CIÓ
N D
E C
OM
PR
ES
IÓN
, P
I fan
0,95
1
1326 1663 2010 2326 2598 2818 3268
0,95
3527 3695 4122
0,85
0,9
LÍNEA DE BOMBEO
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
53
Las curvas características del compresor de presión intermedia se representan en la
Ilustración 16.
Ilustración 16 Mapa característico del compresor de presión intermedia
3.2.3.4. Compresor de alta presión (HP Compressor)
Al igual que el compresor IP, el compresor de alta presión consta de 6 etapas, que se
modelarán como una única etapa. De nuevo, el mapa del compresor se obtiene a partir de un
mapa genérico escalado según el punto de diseño del compresor.
Las ecuaciones que modelan el compresor de alta son análogas a las descritas en los
dos elementos anteriores
𝜋𝐻𝑃𝑐 = 𝑓(𝑊𝑐𝑐,𝐻𝑃𝑐 , 𝑁𝑐𝑐,𝐻𝑃𝑐) = 𝑃031𝑃03
𝜂𝐻𝑃𝑐 = 𝑓(𝑊𝑐𝑐,𝐻𝑃𝑐 , 𝑁𝑐𝑐,𝐻𝑃𝑐) =ℎ031𝑠 − ℎ03ℎ031 − ℎ03
𝑊𝑐𝑐,𝐻𝑃𝑐 = �̇�𝐻𝑃𝑐
√𝑇03𝑇𝑟𝑒𝑓
𝑃03𝑃𝑟𝑒𝑓
10 20 30 40 50 60 70 80 90 100 1100
1
2
3
4
5
6
7MAPA CARACTERÍSTICO DEL COMPRESOR DE PRESIÓN INTERMEDIA
GASTO MÁSICO CORREGIDO, WccIPc
(kg/s)
RE
LA
CIÓ
N D
E C
OM
PR
ES
IÓN
, P
I IPc
30363390
38514475
48755227
56286064 6531
6337 6725
6914
0,85
0,8
0,750,7
LÍNEA DE BOMBEO
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
54
𝑁𝑐𝑐,𝐻𝑃𝑐 =𝑁𝐻𝑃𝑐
√𝑇03𝑇𝑟𝑒𝑓
El mapa carácterístico del compresor de alta presión se representa en la Ilustración 17
Ilustración 17 Mapa característico del compresor de alta presión
3.2.3.5. Cámara de combustión
La evolución del flujo en la cámara de combustión se define mediante un balance de
energía en la misma
�̇�𝑎𝑖𝑟𝑒(ℎ031 − ℎ𝑎𝑖𝑟𝑒,𝑟𝑒𝑓) + �̇�𝑓𝑢𝑒𝑙𝐻𝑝𝑓𝑢𝑒𝑙𝜂𝑐𝑐 = �̇�𝑐𝑐(ℎ04 − ℎ𝑐𝑐,𝑟𝑒𝑓)
Donde las entalpías de referencia del aire antes de la combustión (𝐻𝑎𝑖𝑟𝑒,𝑟𝑒𝑓) y después
de la combustión (𝐻𝑐𝑐,𝑟𝑒𝑓) se introducen debido a que las propiedades químicas del
combustible están determinadas a la temperatura de referencia, 𝑇𝑟𝑒𝑓 = 25℃ = 298,15 𝐾.
En este estudio, el combustible utilizado es Jet B, cuyas propiedades químicas
calculadas a la temperatura de referencia 𝑇𝑟𝑒𝑓 son
𝐻𝑝𝑓𝑢𝑒𝑙 = 43356,701 𝑘𝐽
𝑘𝑔
𝐻𝐶𝑟𝑎𝑡𝑖𝑜 = 1,9423
0 5 10 15 20 25 300.5
1
1.5
2
2.5
3
3.5
4
4.5MAPA CARACTERÍSTICO DEL COMPRESOR DE ALTA PRESIÓN
GASTO MÁSICO CORREGIDO, WccHPc
(kg/s)
RE
LA
CIÓ
N D
E C
OM
PR
ES
IÓN
, P
I HP
c
36324069
4623
62756756
7280
7608 7841
8074
8300
5373
0,7
0,8
0,75
0,85
LÍNEA DE BOMBEO
5853
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
55
Donde 𝐻𝑝𝑓𝑢𝑒𝑙 es el poder calorífico inferior del combustible y 𝐻𝐶𝑟𝑎𝑡𝑖𝑜 es la relación
de átomos de hidrógeno y carbono del hidrocarburo.
En la cámara de combustión es importante modelar la estequiometría de la reacción,
para determinar el exceso de aire o exceso de fuel tras la combustión. Ello permitirá, además,
determinar la composición del gas a la salida de la cámara de combustión. Se asume que, como
productos de la combustión, se obtiene dióxido de carbono CO2, y vapor de agua, H2O,
despreciando las potenciales partículas de óxidos de nitrógeno NOX que se forman en un motor
real.
Para modelar la estequiometría de la reacción, se define el parámetro f como
𝑓 =𝑔𝑎𝑠𝑡𝑜_𝑓𝑢𝑒𝑙
𝑔𝑎𝑠𝑡𝑜_𝑎𝑖𝑟𝑒_𝑐𝑐
También se introduce el parámetro festeq, el cual representa un valor de f en el que no
hay exceso de aire ni de combustible, y se determina mediante la expresión
𝑓𝑠𝑡𝑜𝑖𝑐ℎ =1
4.76 × 28.95 ×1 + 0.25 × 𝐻𝐶𝑟𝑎𝑡𝑖𝑜
12.01 + 1.008 × 𝐻𝐶𝑟𝑎𝑡𝑖𝑜
La relación entre el valor real de 𝑓 y el valor estequiométrico 𝑓𝑠𝑡𝑜𝑖𝑐ℎ se define según el
parámetro Ø:
Ø =𝑓
𝑓𝑠𝑡𝑜𝑖𝑐ℎ
La composición de la mezcla de aire y productos de la combustión variará ligeramente
en función de Ø.
En la realidad existen mapas de cámara de combustión, que tratan de proporcionar una
estimación del rendimiento de la combustión 𝜂𝑐𝑐. Sin embargo, en el presente modelo, el
rendimiento de la combustión será constante, con un valor igual a 𝜂𝑐𝑐 = 0,98. Este
rendimiento simula imperfecciones en la combustión, tales como combustión no completa,
mezcla no perfecta o la presencia de contaminantes en el combustible.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
56
3.2.3.6. Turbina de alta presión (HP Turbine)
La turbina de alta presión se encuentra acoplada al eje de alta presión, y se encarga de
suministrar potencia al compresor de alta (HP compressor). La turbina de alta presión consta
de una sola etapa, por lo que en este sentido no hay simplificación en el modelo. El mapa
característico se ha obtenido a partir de un mapa genérico de turbina, escalada al punto de
diseño.
La evolución del flujo en la turbina de alta se modela a través de las expresiones
𝜋𝐻𝑃𝑡 = 𝑓(𝑊𝑐𝑐,𝐻𝑃𝑡, 𝑁𝑐𝑐,𝐻𝑃𝑡) = 𝑃041𝑃04
𝜂𝐻𝑃𝑡 = 𝑓(𝑊𝑐𝑐,𝐻𝑃𝑡, 𝑁𝑐𝑐,𝐻𝑃𝑡) =ℎ04 − ℎ041ℎ04 − ℎ041𝑠
𝑊𝑐𝑐,𝐻𝑃𝑡 = �̇�𝐻𝑃𝑡
√𝑇04𝑇𝑟𝑒𝑓
𝑃04𝑃𝑟𝑒𝑓
𝑁𝑐𝑐,𝐻𝑃𝑡 =𝑁𝐻𝑃𝑡
√𝑇04𝑇𝑟𝑒𝑓
El acoplamiento de potencias entre la turbina de alta presión y el correspondiente
compresor de alta se describe mediante la expresión
�̇�𝐻𝑃𝑡𝜂𝑚𝑒𝑐,𝐻𝑃(ℎ04 − ℎ041) = �̇�𝐻𝑃𝑐(ℎ031 − ℎ03)
Donde 𝜂𝑚𝑒𝑐,𝐻𝑃 es el rendimiento mecánico en el eje de alta presión, el cúal representa
pérdidas en el eje debido a fricción. Sin embargo, en el modelo se asume que no existen
pérdidas de este tipo, por lo que 𝜂𝑚𝑒𝑐,𝐻𝑃 = 1.
La Ilustración 18 representa el mapa característico de la turbina de alta presión.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
57
Ilustración 18 Mapa característico de la turbina de alta presión
3.2.3.7. Turbina de presión intermedia (IP Turbine)
La turbina de presión intermedia, acoplada al eje de media presión, tiene como función
suministrar potencia al compresor de media presión, IP Compressor. Al igual que la turbina
de alta presión, la turbina de media dispone de una única etapa, por lo que el modelo no supone
una simplificación del número de etapas.
La turbina de media se modela mediante las expresiones
𝜋𝐼𝑃𝑡 = 𝑓(𝑊𝑐𝑐,𝐼𝑃𝑡 , 𝑁𝑐𝑐,𝐼𝑃𝑡) = 𝑃042𝑃041
𝜂𝐼𝑃𝑡 = 𝑓(𝑊𝑐𝑐,𝐼𝑃𝑡, 𝑁𝑐𝑐,𝐼𝑃𝑡) =ℎ041 − ℎ042ℎ041 − ℎ042𝑠
𝑊𝑐𝑐,𝐼𝑃𝑡 = �̇�𝐼𝑃𝑡
√𝑇041𝑇𝑟𝑒𝑓
𝑃041𝑃𝑟𝑒𝑓
𝑁𝑐𝑐,𝐼𝑃𝑡 =𝑁𝐼𝑃𝑡
√𝑇041𝑇𝑟𝑒𝑓
El acomplamiento de potencias entre turbina y compresor de media presión se modela
como
14 16 18 20 22 24 26 281
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6MAPA CARACTERÍSTICO DE LA TURBINA DE ALTA PRESIÓN
RE
LA
CIÓ
N D
E E
XP
AN
SIÓ
N, P
I HP
t
GASTO MÁSICO CORREGIDO, WccHPt
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
58
�̇�𝐼𝑃𝑡𝜂𝑚𝑒𝑐,𝐼𝑃(ℎ041 − ℎ042) = �̇�𝐼𝑃𝑐(ℎ03 − ℎ021)
De nuevo, el rendimiento mecánico del eje de media presión se asume que es máximo,
𝜂𝑚𝑒𝑐,𝐼𝑃 = 1.
Las curvas características de la turbina de presión intermedia se representan en la
Ilustración 19.
Ilustración 19 Mapa característico de la turbina de presión intermedia
3.2.3.8. Turbina de baja presión
La turbina de baja presión se encarga de proporcionarle potencia al fan. Esta turbina sí
consta de varias etapas, concretamente de 3 etapas. Esto se debe a que el fan, por la elevada
cantidad de aire que desplaza en la unidad de tiempo, requiere una elevada potencia. Al igual
que los compresores multietapa, y por los mismos motivos, esta turbina se ha modelado como
una única curva característica.
La evolución del flujo se define según las expresiones
𝜋𝐿𝑃𝑡 = 𝑓(𝑊𝑐𝑐,𝐿𝑃𝑡, 𝑁𝑐𝑐,𝐿𝑃𝑡) = 𝑃043𝑃043
𝜂𝐿𝑃𝑡 = 𝑓(𝑊𝑐𝑐,𝐿𝑃𝑡, 𝑁𝑐𝑐,𝐿𝑃𝑡) =ℎ042 − ℎ043ℎ042 − ℎ043𝑠
30 35 40 45 50 55 601
1.5
2
2.5
3
3.5
4
4.5MAPA CARACTERÍSTICO DE LA TURBINA DE PRESIÓN INTERMEDIA
GASTO MÁSICO CORREGIDO, WccIPt
RE
LA
CIÓ
N D
E E
XP
AN
SIÓ
N, P
I IPc
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
59
𝑊𝑐𝑐,𝐿𝑃𝑡 = �̇�𝐿𝑃𝑡
√𝑇042𝑇𝑟𝑒𝑓
𝑃042𝑃𝑟𝑒𝑓
𝑁𝑐𝑐,𝐿𝑃𝑡 =𝑁𝐿𝑃𝑡
√𝑇042𝑇𝑟𝑒𝑓
El acoplamientos de potencias entre la turbina de baja presión y el fan se expresa como
�̇�𝐿𝑃𝑡𝜂𝑚𝑒𝑐,𝐿𝑃(ℎ042 − ℎ043) = �̇�𝑓𝑎𝑛(ℎ021 − ℎ02)
En el eje de baja presión también se asume que no existen pérdidas mecánicas por
fricción, por lo que 𝜂𝑚𝑒𝑐,𝐿𝑃 = 1.
Las curvas características de la turbina de baja presión se representan en la Ilustración
20.
Ilustración 20 Mapa característico de la turbina de baja presión
3.2.3.9. Tobera de salida de flujo caliente
Este elemento se corresponde con la tobera de salida del flujo que pasa por la cámara
de combustión, por lo que lo que circula a través de ella es una mezcla de aire y gases
resultantes de la combustión.
55 60 65 70 75 80 85 90 95 100 1051
2
3
4
5
6
7
8
9
10
11MAPA CARACTERÍSTICO DE LA TURBINA DE BAJA PRESIÓN
GASTO MÁSICO CORREGIDO, WccLPt
RE
LA
CIÓ
N D
E E
XP
AN
SIÓ
N, P
I LP
t
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
60
Se trata de una tobera de tipo convergente, con un área de salida 𝐴𝑠 fija y con un valor
de 𝐴𝑠 = 0,568129 𝑚2.
Se asume que existe una pérdida de remanso que se modela mediante una relación de
compresión 𝜋𝑡𝑜𝑏, que tendrá un valor constante e igual a 0,98.
𝜋𝑡𝑜𝑏 =𝑃044𝑃043
Por otro lado, se asume que la temperatura de remanso del fluido no varía a lo largo de
su paso por la tobera, por lo que
𝑇044 = 𝑇043
Las propiedades estáticas del fluido a la salida de la tobera dependerán de si la tobera
se encuentra bloqueada o no. Para determinar su estado, el primer paso sería determinar el
salto crítico de presiones, ∆𝑃𝑐𝑟𝑖𝑡
∆𝑃𝑐𝑟𝑖𝑡 = (𝛾 + 1
2)
𝛾𝛾−1
Donde el coeficiente de dilatación adiabática 𝛾 se encuentra evaluado en las
condiciones de salida.
Al igual que en el caso de la toma dinámica, el rendimiento de la tobera de salida se ha
supuesto igual a la unidad, 𝜂𝑡𝑜𝑏 = 1. A lo largo del proyecto se ha considerado 𝜂𝑡𝑜𝑏 = 1.
En caso de considerar que este rendimiento no es igual a uno, la expresión que describe
el salto crítico de presiones se reescribiría como
∆𝑃𝑐𝑟𝑖𝑡 = (𝛾 + 1
2𝜂𝑡𝑜𝑏)
𝛾𝛾−1
Hay que tener en cuenta que, para llegar a estas expresiones que definen el salto crítico
de presiones ∆𝑃𝑐𝑟𝑖𝑡 se ha asumido también la hipótesis adicional de que 𝛾 posee un valor
constante, aunque según se ha definido anteriormente, el valor de 𝛾 se evalúa para cada valor
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
61
de la temperatura. Esto supone una simplificación adicional en el modelo matemático del
motor.
Si el salto de presiones crítico ∆𝑃𝑐𝑟𝑖𝑡 es menor que el cociente entre la presión 𝑃044 y
la temperatura ambiental 𝑃𝑎, entonces la tobera se encontrará adaptada y, por tanto, la presión
estática a la salida será igual a la presión ambiental. En caso contrario, la tobera se encontrará
bloqueada y la presión a la salida será igual al cociente entre la presión de remanso 𝑃044 y el
salto crítico de presiones, ∆𝑃𝑐𝑟𝑖𝑡.
Matemáticamente:
{
𝑃𝑠𝑎𝑙𝑖𝑑𝑎 = 𝑃𝑎 ∆𝑃𝑐𝑟𝑖𝑡 ≤ 𝑃044𝑃𝑎
𝑃𝑠𝑎𝑙𝑖𝑑𝑎 = 𝑃044∆𝑃𝑐𝑟𝑖𝑡
∆𝑃𝑐𝑟𝑖𝑡 > 𝑃044𝑃𝑎
Una vez obtenido el valor de la presión a la salida, y considerando la tobera de salida
como ideal, la temperatura a la salida se calcula a través de la expresión
𝑇𝑠𝑎𝑙𝑖𝑑𝑎 =𝑇044
(𝑃044𝑃𝑠𝑎𝑙𝑖𝑑𝑎
)
𝛾𝛾−1
Una vez conocida la presión y la temperatura a la salida, es posible determinar la
densidad del flujo a la salida y, a su vez, calcular la velocidad de salida.
𝜌𝑠𝑎𝑙𝑖𝑑𝑎 =𝑃𝑠𝑎𝑙𝑖𝑑𝑎𝑅𝑇𝑠𝑎𝑙𝑖𝑑𝑎
𝑉𝑠𝑎𝑙𝑖𝑑𝑎 =�̇�𝑠𝑎𝑙𝑖𝑑𝑎
𝜌𝑠𝑎𝑙𝑖𝑑𝑎𝐴𝑠𝑎𝑙𝑖𝑑𝑎
Otra forma de determinar la velocidad de salida en la tobera principal es mediante un
balance energético
𝑉𝑠𝑎𝑙𝑖𝑑𝑎 = √2(ℎ044 − ℎ𝑠𝑎𝑙𝑖𝑑𝑎)
Donde ℎ044 y ℎ𝑠𝑎𝑙𝑖𝑑𝑎 son las entalpías del fluido antes y después de la salida del mismo
al exterior.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
62
3.2.3.10. Tobera de salida del flujo frío
Este componente se corresponde con la tobera del fan. Al igual que la tobera de salida
del flujo caliente, se trata de una tobera convergente con área de salida fija, con un valor de
𝐴𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 = 1,537382 𝑚2.
De nuevo, se asume una pérdida de presión de remanso, modelada como 𝜋𝑡𝑜𝑏,𝑓𝑎𝑛 y
que tiene el mismo valor que para la tobera principal
𝜋𝑡𝑜𝑏,𝑓𝑎𝑛 =𝑃0215𝑃021
También se asume la hipótesis de que la temperatura del fluido no cambia a lo largo
de su paso a través de la tobera del fan
𝑇0215 = 𝑇021
En la tobera del fan también es posible que se alcancen condiciones sónicas que
provoquen el bloqueo de la misma. Por tanto, será necesario definir un salto de presiones
crítico en la tobera del fan
∆𝑃𝑐𝑟𝑖𝑡,𝑓𝑎𝑛 = (𝛾 + 1
2)
𝛾𝛾−1
Con 𝛾 evaluado en la propia tobera del fan.
De nuevo se considera un rendimiento igual a la unidad, 𝜂𝑡𝑜𝑏,𝑓𝑎𝑚 = 1. En caso de no
ser cierta esta hipótesis, el salto de presiones crítico se reescribiría como
∆𝑃𝑐𝑟𝑖𝑡 = (𝛾 + 1
2𝜂𝑡𝑜𝑏,𝑓𝑎𝑛)
𝛾𝛾−1
De forma análoga al caso de la tobera de flujo caliente, la presión a la salida de la
tobera del fan se puede expresar de forma matemática como
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
63
{
𝑃𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 = 𝑃𝑎 ∆𝑃𝑐𝑟𝑖𝑡,𝑓𝑎𝑛 ≤
𝑃0215𝑃𝑎
𝑃𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 = 𝑃0215
∆𝑃𝑐𝑟𝑖𝑡,𝑓𝑎𝑛 ∆𝑃𝑐𝑟𝑖𝑡 >
𝑃0215𝑃𝑎
La temperatura del fluido a la salida de la tobera del fan se determina mediante
𝑇𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 =𝑇0215
(𝑃0215
𝑃𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛)
𝛾𝛾−1
Conocida la presión y la temperatura a la salida, se determina la velocidad de salida
𝜌𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 =𝑃𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛
𝑅𝑇𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛
𝑉𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 =�̇�𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛
𝜌𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛𝐴𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛
Importante determianr la velocidad también mediante un balance energético para
disponer de todas las ecuaciones necesarias para resolver el sistema de ecuaciones.
𝑉𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 = √2(ℎ0215 − ℎ𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛)
Donde ℎ0215 y ℎ𝑠𝑎𝑙𝑖𝑑𝑎,𝑓𝑎𝑛 son las entalpias del aire antes y después de la salida al
exterior.
3.3. METODOLOGÍA DE RESOLUCIÓN
3.3.1. Resolución de ciclo termodinámico
Para resolver el sistema de ecuaciones que modelan el ciclo termodinámico del motor,
se requieren algunas variables de entrada.
En primer lugar, se ha de definir las condiciones de vuelo: altitud de vuelo (𝑧, en
metros) y velocidad (𝑀, número de Mach, el cuál es adimensional). Con estos dos únicos
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
64
parámetros, es posible determinar, mediante el modelo de atmósfera definido en el apartado
3.2.2, las condiciones del aire a la entrada del motor.
Como variable de control se ha tomado el gasto de combustible del motor (�̇�𝑓, en
kg/s). Imponiendo el gasto de combustible del motor, y definidas las condiciones de vuelo, se
tienen todas las variables necesarias para resolver el ciclo.
En global, el sistema de ecuaciones está constituido por 180 ecuaciones y 180
incógnitas, entre las que se encuentran las definidas en los apartados 3.2.1 (modelo de gas),
3.2.2 (modelo de atmósfera) y 3.2.3 (descripción de los componentes del motor).
Para resolver el sistema de ecuaciones, se utiliza la función fsolve de MATLAB. Para
utilizar este comando, se han de definir las ecuaciones en la forma 𝑓(𝑥1, 𝑥2, 𝑥3, … ) = 0 y
definir unas condiciones iniciales que, en caso de no ser óptimas, pueden provocar que el
sistema no converja a una solución real o que incluso no se obtenga ninguna solución.
3.3.2. Resolución de ciclo termodinámico con motor degradado
3.3.2.1. Definición de degradación
A la hora de utilizar un método de identificación de la degradación es importante
definir matemáticamente cómo se implanta la propia degradación.
Cada componente del motor (compresores, turbinas, fan) se define en función de varios
parámetros (gasto másico corregido, relación de compresión, eficiencia isentrópica,…).
La degradación del componente se modela degradando uno o varios de estos
parámetros, donde no necesariamente ha de ser igual la degradación de diferentes parámetros
incluso dentro del mismo componente.
Para modelar la degradación se introducen los factores de escala. Los factores de
escala (“Scale Factor”, SF) caracterizan la asociación de un mapa de un componente
degradado frente al componente del motor sin degradar. Por ejemplo, para un compresor, estos
coeficientes se definen como
𝑆𝐹𝑊𝑐𝑐 = 𝑊𝑐𝑐,𝑑𝑒𝑔
𝑊𝑐𝑐𝑙𝑒𝑎𝑛
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
65
𝑆𝐹𝑃𝑅𝑐 = 𝑃𝑅𝑐,𝑑𝑒𝑔
𝑃𝑅𝑐,𝑐𝑙𝑒𝑎𝑛
𝑆𝐹𝜂𝑐 = 𝜂𝑐,𝑑𝑒𝑔
𝜂𝑐,𝑐𝑙𝑒𝑎𝑛
donde
𝑊𝑐𝑐 es el gasto corregido en el compresor
𝑃𝑅𝑐 es la relación de compresión del compresor (Pressure Ratio)
𝜂𝑐 es el rendimiento del compresor
𝑑𝑒𝑔 hace referencia al componente degradado
𝐷𝑃 hace referencia a punto de diseño, componente sin degradar (Design Point)
Por tanto, estos factores de escala están definidos como los cocientes entre los valores
de los parámetros en el punto de diseño y los de operación para el compresor degradado. En
el compresor degrarado, la velocidad de giro es conocida (fija), mientras que el gasto másico,
la relación de compresión y el rendimiento se determinan a través de los métodos de
identificación de la degradación que se analizan en apartados posteriores.
Para la turbina, los factores de escala pueden definirse de forma análoga
𝑆𝐹𝑊𝑐𝑡 = 𝑊𝑐𝑡,𝑑𝑒𝑔
𝑊𝑐𝑡,𝑐𝑙𝑒𝑎𝑛
𝑆𝐹𝑃𝑅𝑡 = 𝑃𝑅𝑡,𝑑𝑒𝑔
𝑃𝑅𝑡,𝑐𝑙𝑒𝑎𝑛
𝑆𝐹𝜂𝑡 = 𝜂𝑡,𝑑𝑒𝑔
𝜂𝑡,𝑐𝑙𝑒𝑎𝑛
donde
𝑊𝑐𝑡 es el gasto corregido en la turbina
𝑃𝑅𝑡 es la relación de compresión de la turbina (Pressure Ratio)
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
66
𝜂𝑡 es el rendimiento de la turbina
La degradación en la cámara de combustión suele ser menos importante; sin embargo,
también puede usarse un factor de escala para comparar la eficiencia del componente
degradado frente a la cámara de combustión del motor sin degradar
𝑆𝐹𝜂𝑐𝑐 = 𝜂𝑐𝑐,𝑑𝑒𝑔
𝜂𝑐𝑐,𝐷𝑃
El factor de escala de un parámetro de un componente se puede relacionar con la
degradación del propio parámetro a través de la expresión
𝑆𝐹 = (1 +𝑑𝑒𝑔𝑟𝑎𝑑𝑎𝑐𝑖ó𝑛 (%)
100)
O equivalentemente
𝑑𝑒𝑔𝑟𝑎𝑑𝑎𝑐𝑖ó𝑛 (%) = 100(𝑆𝐹 − 1)
Es decir, la degradación se define como la diferencia entre estos factores de escala y la
unidad.
A partir de este punto, en el presente Proyecto se define la degradación de un
parámetro en porcentaje. La degradación generalmente se define con valores negativos,
afectando por tanto de forma negativa al rendimiento global del motor e imponiendo
matemáticamente que el factor de escala de un parámetro degradado sea menor que la unidad.
Así, una degradación de un 3% en un parámetro de un componente en concreto equivale a un
factor de escala en el propio parámetro de 0,97.
A lo largo de todo el proyecto se asume la hipótesis de que los factores de escala se
mantienen constantes a lo largo de todo el mapa. Esta hipótesis tiene sus limitaciones, pero
debido a que las distintas técnicas de identificación de la degradación se aplicarán en torno al
mismo punto de operación (crucero), desde el punto de vista del diagnóstico se considera
aceptable.
En la Ilustración 21 se representa el efecto que la aplicación de estos factores de escala
(degradación) impone en los mapas característicos del motor.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
67
WCC
WCC
π
η
π_CLEAN
π_DEGRADATED
η_CLEAN
η_DEGRADATED
COMPONENTE LIMPIO
COMPONENTE DEGRADADO
Ilustración 21 Efecto de la degradación en compresor
Una propuesta más realista serías la introducción de unos factores de escala que no
sean constantes a lo largo de todo el mapa, por ejemplo mediante la definición de unos factores
de escala que sean función no lineal de la velocidad de giro del rótor.
Este enfoque es más realista, ya que reproduce el comportamiento de los componentes
lejos de la zona nominal, sin considerar un escalado igual para todo el mapa.
El factor de escala para cada componente se modela como una función cuadrática
𝑆𝐹 = 𝑎 + 𝑏 ( |𝑁𝐷𝑃 − 𝑁𝑂𝐷
𝑁𝐷𝑃| ) + 𝑐 (|
𝑁𝐷𝑃 − 𝑁𝑂𝐷𝑁𝐷𝑃
|)2
donde
a, b y c son los coeficientes del factor de escala
𝑁𝐷𝑃 representa la velocidad de giro en el punto de diseño
𝑁𝑂𝑃 representa la velocidad de giro fuera del punto de diseño
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
68
Puesto que se usa el punto de diseño como referencia, a = 1.
Para obtener los coeficientes y, por tanto, las curvas medibles del motor, se recurre a
distintos métodos.
3.3.2.2. Análisis estadístico de las mediciones
Otro factor importante a tener durante la aplicación de un método de diagnóstico es la
precisión de la medida o sensores. Los sensores no proporcionan mediciones exactas, sino que
presentan una cierta incertidumbre. Esta incertidumbre en las medidas se cuantifica a través
de la varianza 𝜎2, la cual se define como
𝜎2 =∑(𝑧𝑖 − 𝑧̅)
2
𝑁 − 1
Donde 𝑧𝑖 es cada una de las medidas realizadas por el sensor en cuestión, 𝑧̅ la media
aritmética de todas estas medidas, y N el número de medidas realizadas.
Uno de los objetivos del presente Proyecto es precisamente determinar la influencia de
estas desviaciones en las mediciones en la capacidad de diagnóstico de la degradación de los
distintos parámetros del motor. Los errores de estas desviaciones inducen de tal forma en las
medidas de los sensores que pueden ser del orden de las desviaciones que provoca la propia
degradación, de ahí la importancia de tener en cuenta la precisión de los sensores.
Normalmente, este ruido o desviación en las medidas se modela según una distribución
normal, como se muestra en la Ilustración 22.
El valor máximo del ruido en una muestra de mediciones se asume que se encuentra
en torno a dos desviaciones estándar (𝜎) de la media (𝜇). Por tanto, es esperable que el valor
medio de la muestra de mediciones se encuentre entre los límites superior e inferior definidos
por las desviaciones estándar
𝜇 ± 2𝜎
Donde 𝜇 es el valor medio de la muestra de mediciones y 𝜎 su desviación estándar.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
69
Ilustración 22 Función densidad de probabilidad
Para modelar la incertidumbre en las medidas de los sensores, se hace uso de los
valores de las desviaciones estándar proporcionadas por los fabricantes de los distintos tipos
de sensores. En este proyecto, se toman los datos proporcionados por (Dyson and Doel, 1987),
representados en la Tabla 1.
MEDIDA RANGO ERROR TÍPICO
VELOCIDAD GIRO 10-50% RPM ± 0.2%
50-125% RPM
± 0.1%
PRESIÓN 3-45 psia ± 0.5%
8-460 psia max{± 0.5%,0.125 psia}
pspsia}
TEMPERATURA
-65-145 ºC ± 2.6%
-65-290 ºC ± 3.3%
290-1000 ºC ±√𝟐. 𝟓𝟐 + (𝟎. 𝟎𝟎𝟕𝟓 × 𝑻)𝟐
√𝟐. 𝟓𝟐 + (𝟎. 𝟎𝟎𝟕𝟓 × 𝑻)𝟐
√ 𝐄𝐬𝐜𝐫𝐢𝐛𝐚 𝐚𝐪𝐮í 𝐥𝐚 𝐞𝐜𝐮𝐚𝐜𝐢ó𝐧.
1000-1300 ºC ±√𝟑. 𝟓𝟐 + (𝟎. 𝟎𝟎𝟕𝟓 × 𝑻)𝟐
Tabla 1 Errores típicas de los sensores (Dyson and Doel, 1987)
3.3.3. Metodología para la identificación de la degradación con presencia de ruido en los sensores
La metodología que se ha seguido para llevar a cabo la identificación de la degradación,
teniendo en cuenta la sensibilidad de los sensores según el apartado 3.3.2.2 se describe a
continuación:
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
70
1. A través del modelo matemático del motor descrito en el apartado 3.2, y teniendo
definidas unas condiciones de vuelo (velocidad y altitud), se obtiene los valores de los
parámetros que reproducen las lecturas de los sensores imponiendo la degradación que
se desea simular, obteniendo las lecturas de los sensores con el motor degradado.
2. En el punto 1 se consideran las medidas “limpias” de los sensores, es decir, sin
considerar ruido. Como esta situación no es real, se construye para cada lectura de los
sensores una distribución normal, cuya media es el valor de la magnitud en cuestión
tomada directamente del modelo matemático, y la desviación estándar se determina
mediante la Tabla 1.
3. Se toma una muestra aleatoria de 50 componentes para cada una de estas distribuciones
normales. De esta forma, se simulan 50 sets de lecturas de sensores, las cuales ya
tendrán una cierta incertidumbre, situación mucho más realista que la descrita en el
punto 1.
4. Cada uno de los sets de lecturas de sensores son introducidos como entradas en el
sistema de diagnóstico o de identificación de la degradación, obteniéndose un conjunto
de datos que corresponden con la degradación de cada uno de los parámetros a estudiar.
5. Se repite el punto 4 con los 50 sets diferentes de lecturas de sensores, obteniendo para
cada parámetro susceptible de ser degradado un conjunto de 50 valores de degradación.
6. Para cada set de 50 valores de degradación se construye una distribución, y se estudia
su media, desviación estándar y sesgo para determinar si puede ajustarse a una
distribución normal. El valor medio de cada una de estas distribuciones, la desviación
estándar y otros valores como el sesgo serán utilizadas para calificar la bondad del
método de identificación de la degradación.
MODELO DE MOTOR ROLLS-ROYCE RB211
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
71
Ilustración 23 Tratamiento del ruido en las mediciones
7. Por último, se establece una comparación de los resultados obtenidos para cada uno de
los métodos utilizados, y se realizan las pertinentes discusiones y conclusiones.
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
72
4. ANÁLISIS DE SENSIBILIDAD
4.1. DESCRIPCIÓN DEL ANÁLISIS DE SENSIBILIDAD
Uno de los aspectos más importantes a la hora de realizar un diagnóstico mediante el
método Gas Path Analysis es la elección tanto del conjunto de mediciones del motor ∆𝑧 como
del conjunto de parámetros que define el rendimiento del motor ∆�⃑�. Una mala elección de
mediciones o de parámetros puede llevar a que el método GPA no converja a una solución real
o, en caso de hacerlo, que lo haga de una forma mucho menos eficiente, aumentando
considerablemente el costo computacional.
Por este motivo, como paso previo se preseleccionan un conjunto de mediciones del
motor ∆𝑧 y un conjunto de parámetros de rendimiento de motor ∆�⃑�, y se analiza la influencia
que tienen los segundos sobre los primeros, es decir, las variaciones (sensibilidad) de las
mediciones ∆𝑧 ante variaciones en los parámetros característicos del motor ∆�⃑�.
Como vector ∆𝑧, se simulan los datos tomados de hasta un total de 16 sensores
ubicados a lo largo del motor, cuyas ubicaciones dentro del mismo se representan en la
Ilustración 24.
T021P021
T03P03
P04T031P031
T041P041
P042
T042
T043P043
NHPS
NIPSNLPS
Ilustración 24 Ubicación de los distintos sensores colocados a lo largo del motor
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
73
Donde:
T021: Temperatura a la salida del fan
P021: Presión a la salida del fan
T03: Temperatura a la salida del compresor de presión intermedia
P03: Presión a la salida del compresor de presión intermeda
T031: Temperatura a la salida del compresor de alta presión
P031: Presión a la salida del compresor de alta presión
P04: Presión a la salida de la cámara de combustión
T041: Temperatura a la salida de la turbina de alta presión
P041: Presión a la salida de la turbina de alta presión
T042: Temperatura a la salida de la turbina de presión intermedia
P042: Presión a la salida de la turbina de presión intermedia
T043: Temperatura a la salida de la turbina de baja presión
P043: Presión a la salida de la turbina de baja presión
NHPS: Velocidad de giro del eje de alta presión
NIPS: Velocidad de giro del eje de presión intermedia
NLPS: Velocidad de giro del eje de baja presión
Asímismo, se preselecciona un total de 18 parámetros característicos del motor que
componen el vector ∆�⃑�. Los componentes a los que hace referencia cada uno de estos
parámetros se representa de forma gráfica en la Ilustración 25. También se presenta a
continuación una somera descripción de cada uno de los parámetros.
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
74
Wccfan
Ƞfan
πfan
WccIPc
ȠIPc
πIPc
WccHPc
ȠHPc
πHPc
WccHPt
ȠHPt
πHPt
WccIPt
ȠIPt
πIPt
WccLPt
ȠLPt
πLPt
Ilustración 25 Parámetros característicos que definen el rendimiento del motor
Donde:
𝑊𝑐𝑐,𝑓𝑎𝑛: Gasto másico adimensional a través del fán
𝜂𝑓𝑎𝑛: Rendimiento isentrópico del fan
𝜋𝑓𝑎𝑛: Relación de compresión del fan
𝑊𝑐𝑐,𝐼𝑃𝑐: Gasto másico adimensional a través del compresor de presión
intermedia
𝜂𝐼𝑃𝑐: Rendimiento isentrópico del compresor de presión intermedia
𝜋𝐼𝑃𝑐: Relación de compresión del compresor de presión intermedia
𝑊𝑐𝑐,𝐻𝑃𝑐: Gasto másico adimensional a través del compresor de alta presión
𝜂𝐻𝑃𝑐: Rendimiento isentrópico del compresor de alta presión
𝜋𝐻𝑃𝑐: Relación de compresión del compresor de alta presión
𝑊𝑐𝑐,𝐻𝑃𝑡: Gasto másico adimensional a través de la turbina de alta presión
𝜂𝐻𝑃𝑡: Rendimiento isentrópico de la turbina de alta presión
𝜋𝐻𝑃𝑡: Relación de expansión de la turbina de alta presión
𝑊𝑐𝑐,𝐼𝑃𝑡: Gasto másico adimensional a través de la turbina de presión intermedia
𝜂𝐼𝑃𝑡: Rendimiento isentrópico de la turbina de presión intermedia
𝜋𝐼𝑃𝑡: Relación de expansión de la turbina de presión intermedia
𝑊𝑐𝑐,𝐿𝑃𝑡: Gasto másico adimensional a través de la turbina de baja presión
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
75
𝜂𝐿𝑃𝑡: Rendimiento isentrópico de la turbina de baja presión
𝜋𝐿𝑃𝑡: Relación de expansión de la turbina de baja presión
La sensibilidad de las medidas tomadas por los sensores a variaciones en los
parámetros característicos del motor se estudia imponiendo degradaciones conocidas,
progresivas e independientes a cada uno de los parámetros, con el objetivo de determinar
aquellos que tienen un mayor impacto en el rendimiento global del motor.
El objetivo de este análisis es determinar, del conjunto de potenciales mediciones
(sensores), determinar aquellos que son más sensibles a la degradación, así como asegurar que
las medidas sean independientes entre ellas.
Para ello, se impondrá una degradación de 0 al 7% para cada uno de los parámetros, y
se estudia la variación en las medidas de todos los sensores considerados al incrementar la
degradación de los parámetros de forma independiente. Además, el análisis de sensibilidad se
realiza para tres posibles condiciones de vuelo, con el objetivo de cuantificar la posible
influencia que la altitud y velocidad de vuelo puedan tener en las mediciones de los sensores.
Las tres condiciones de vuelo estudiadas se describen en la Tabla 2.
CONDICIÓN DE VUELO ALTITUD (m) VELOCIDAD (Nº MACH)
1 9144 0,7
2 5000 0,6
3 0
0,5
Tabla 2 Condiciones de vuelo consideradas en los análisis previos al estudio GPA
La sensibilidad S se define como
𝑠 =
𝑧�̅�𝑒𝑔 − 𝑧�̅�𝑙𝑒𝑎𝑛𝑧�̅�𝑙𝑒𝑎𝑛⁄
�̅�𝑑𝑒𝑔 − �̅�𝑐𝑙𝑒𝑎𝑛�̅�𝑐𝑙𝑒𝑎𝑛⁄
Una medición es sensible frente a un parámetro característico si una desviación
porcentual determinada en el parámetro (por ejemplo, debido a la degradación) provoca una
desviación porcentual considerable en la medición.
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
76
4.2. RESULTADOS
Se representa de forma gráfica la evolución de las desviaciones en las medidas de los
sensores en función de la evolución de la degradación, de forma independiente para cada
parámetro característico y para cada condición de vuelo.
Explicado de forma matemática, en el eje de abcisas se representa la degradación
expresada en porcentaje, mientras que en el eje de ordenadas se representa la desviación
porcentual de las mediciones de los sensores con el motor degradado (�⃑�𝑑𝑒𝑔𝑟𝑎𝑑𝑎𝑡𝑒𝑑) respectos
a sus valores nominales (�⃑�𝑏𝑎𝑠𝑒𝑙𝑖𝑛𝑒) correspondientes al funcionamiento del motor sin
degradación en ninguno de sus componentes y en la condición de vuelo especificada para cada
caso, 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑚𝑒𝑑𝑖𝑑𝑎𝑠 (%) = (�⃑�𝑑𝑒𝑔𝑟𝑎𝑑𝑎𝑡𝑒𝑑−�⃑�𝑏𝑎𝑠𝑒𝑙𝑖𝑛𝑒
�⃑�𝑏𝑎𝑠𝑒𝑙𝑖𝑛𝑒) × 100.
Estos resultados en forma de gráfica permiten visualizar a simple vista las medidas
(sensores) más y menos sensibles a la degradación, posible redundancia en medidas e
identificar aquellos parámetros característicos cuya degradación sea poco influyente en las
medidas y, por tanto, pueda excluirse de los métodos de diagnóstico a utilizar posteriormente,
aliviando así el costo computacional.
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
77
4.2.1. Degradación de gasto másico adimensional del fan (𝑾𝒄𝒄,𝒇𝒂𝒏)
Ilustración 26 Desviación en medidas de sensores en función de la degradación de Wccfan – Condición de vuelo 1
Ilustración 27 Desviación en medidas de sensores en función de la degradación de Wccfan – Condición de vuelo 2
Ilustración 28 Desviación en medidas de sensores en función de la degradación de Wccfan – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
78
4.2.2. Degradación de rendimiento isentrópico del fan (𝜼𝒇𝒂𝒏)
Ilustración 29 Desviación en medidas de sensores en función de la degradación de Ƞfan – Condición de vuelo 1
Ilustración 30 Desviación en medidas de sensores en función de la degradación de Ƞfan – Condición de vuelo 2
Ilustración 31 Desviación en medidas de sensores en función de la degradación de Ƞfan – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
79
4.2.3. Degradación de relación de compresión del fan (𝝅𝒇𝒂𝒏)
Ilustración 32 Desviación en medidas de sensores en función de la degradación de πfan – Condición de vuelo 1
Ilustración 33 Desviación en medidas de sensores en función de la degradación de πfan – Condición de vuelo 2
Ilustración 34 Desviación en medidas de sensores en función de la degradación de πfan – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
80
4.2.4. Degradación de gasto másico adimensional del compresor IPc (𝑾𝒄𝒄,𝑰𝑷𝒄)
Ilustración 35 Desviación en medidas de sensores en función de la degradación de WccIPc – Condición de vuelo 1
Ilustración 36 Desviación en medidas de sensores en función de la degradación de WccIPc – Condición de vuelo 2
Ilustración 37 Desviación en medidas de sensores en función de la degradación de WccIPc – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
81
4.2.5. Degradación de rendimiento isentrópico del compresor IPc (𝜼𝑰𝑷𝒄)
Ilustración 38 Desviación en medidas de sensores en función de la degradación de ȠIPc – Condición de vuelo 1
Ilustración 39 Desviación en medidas de sensores en función de la degradación de ȠIPc – Condición de vuelo 2
Ilustración 40 Desviación en medidas de sensores en función de la degradación de ȠIPc – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
82
4.2.6. Degradación de relación de compresión del compresor IPc (𝝅𝑰𝑷𝒄)
Ilustración 41 Desviación en medidas de sensores en función de la degradación de πIPc – Condición de vuelo 1
Ilustración 42 Desviación en medidas de sensores en función de la degradación de πIPc – Condición de vuelo 2
Ilustración 43 Desviación en medidas de sensores en función de la degradación de πIPc – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
83
4.2.7. Degradación de gasto másico adimensional del compresor HPc (𝑾𝒄𝒄,𝑯𝑷𝒄)
Ilustración 44 Desviación en medidas de sensores en función de la degradación de WccHPc – Condición de vuelo 1
Ilustración 45 Desviación en medidas de sensores en función de la degradación de WccHPc – Condición de vuelo 2
Ilustración 46 Desviación en medidas de sensores en función de la degradación de WccHPc – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
84
4.2.8. Degradación de rendimiento isentrópico del compresor HPc (𝜼𝑯𝑷𝒄)
Ilustración 47 Desviación en medidas de sensores en función de la degradación de ȠHPc – Condición de vuelo 1
Ilustración 48 Desviación en medidas de sensores en función de la degradación de ȠHPc – Condición de vuelo 2
Ilustración 49 Desviación en medidas de sensores en función de la degradación de ȠHPc – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
85
4.2.9. Degradación de relación de compresión del compresor HPc (𝝅𝑯𝑷𝒄)
Ilustración 50 Desviación en medidas de sensores en función de la degradación de πHPc – Condición de vuelo 1
Ilustración 51 Desviación en medidas de sensores en función de la degradación de πHPc – Condición de vuelo 2
Ilustración 52 Desviación en medidas de sensores en función de la degradación de πHPc – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
86
4.2.10. Degradación de gasto másico adimensional turbina HPt (𝑾𝒄𝒄,𝑯𝑷𝒕)
Ilustración 53 Desviación en medidas de sensores en función de la degradación de WccHPt – Condición de vuelo 1
Ilustración 54 Desviación en medidas de sensores en función de la degradación de WccHPt – Condición de vuelo 2
Ilustración 55 Desviación en medidas de sensores en función de la degradación de WccHPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
87
4.2.11. Degradación de rendimiento isentrópico turbina HPt (𝜼𝑯𝑷𝒕)
Ilustración 56 Desviación en medidas de sensores en función de la degradación de ȠHPt – Condición de vuelo 1
Ilustración 57 Desviación en medidas de sensores en función de la degradación de ȠHPt – Condición de vuelo 2
Ilustración 58 Desviación en medidas de sensores en función de la degradación de ȠHPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
88
4.2.12. Degradación de relación de expansión turbina HPt (𝝅𝑯𝑷𝒕)
Ilustración 59 Desviación en medidas de sensores en función de la degradación de πHPt – Condición de vuelo 1
Ilustración 60 Desviación en medidas de sensores en función de la degradación de πHPt – Condición de vuelo 2
Ilustración 61 Desviación en medidas de sensores en función de la degradación de πHPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
89
4.2.13. Degradación de gasto másico adimensional turbina IPt (𝑾𝒄𝒄,𝑰𝑷𝒕)
Ilustración 62 Desviación en medidas de sensores en función de la degradación de WccIPt – Condición de vuelo 1
Ilustración 63 Desviación en medidas de sensores en función de la degradación de WccIPt – Condición de vuelo 2
Ilustración 64 Desviación en medidas de sensores en función de la degradación de WccIPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
90
4.2.14. Degradación de rendimiento isentrópico turbina IPt (𝜼𝑰𝑷𝒕)
Ilustración 65 Desviación en medidas de sensores en función de la degradación de ȠIPt – Condición de vuelo 1
Ilustración 66 Desviación en medidas de sensores en función de la degradación de ȠIPt – Condición de vuelo 2
Ilustración 67 Desviación en medidas de sensores en función de la degradación de ȠIPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
91
4.2.15. Degradación de relación de expansión de turbina IPt (𝝅𝑰𝑷𝒕)
Ilustración 68 Desviación en medidas de sensores en función de la degradación de πIPt – Condición de vuelo 1
Ilustración 69 Desviación en medidas de sensores en función de la degradación de πIPt – Condición de vuelo 2
Ilustración 70 Desviación en medidas de sensores en función de la degradación de πIPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
92
4.2.16. Degradación de gasto másico adimensional turbina LPt (𝑾𝒄𝒄,𝑳𝑷𝒕)
Ilustración 71 Desviación en medidas de sensores en función de la degradación de WccLPt – Condición de vuelo 1
Ilustración 72 Desviación en medidas de sensores en función de la degradación de WccLPt – Condición de vuelo 2
Ilustración 73 Desviación en medidas de sensores en función de la degradación de WccLPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
93
4.2.17. Degradación de rendimiento isentrópico turbina LPt (𝜼𝑳𝑷𝒕)
Ilustración 74 Desviación en medidas de sensores en función de la degradación de ȠLPt – Condición de vuelo 1
Ilustración 75 Desviación en medidas de sensores en función de la degradación de ȠLPt – Condición de vuelo 2
Ilustración 76 Desviación en medidas de sensores en función de la degradación de ȠLPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
94
4.2.18. Degradación de relación de expansión turbina IPt (𝝅𝑰𝑷𝒕)
Ilustración 77 Desviación en medidas de sensores en función de la degradación de πLPt – Condición de vuelo 1
Ilustración 78 Desviación en medidas de sensores en función de la degradación de πLPt – Condición de vuelo 2
Ilustración 79 Desviación en medidas de sensores en función de la degradación de πLPt – Condición de vuelo 3
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
95
4.3. OBSERVACIONES Y CONCLUSIONES DE ANÁLISIS DE SENSIBILIDAD
A partir de los resultados en forma de gráficas obtenidos en el apartado 4.2 se pueden
extraer diversas conclusiones:
Una degradación progresiva provoca una desviación pogresiva en las
mediciones. Sin embargo, estas relaciones no son lineales, destacando la
elevada no linealidad de los diferentes parámetros que entran en juego en un
ciclo termodinámico.
Las desviaciones en las mediciones de los sensores de presión situados a la
salida del compresor de alta presión y a la salida de la cámara de combustión
son prácticamente idénticas (sus medidas en valor absoluto también serán muy
similares). Por ello se excluye uno de ellos, preferiblemente el sensor ubicado
en la cámara de combustión, ya que medidas redundantes pueden influir de
forma negativa en la identificación de la degradación.
En los elementos correspondientes a las etapas de compresión, especialmente
en los compresores de media y alta presión, las desviaciones en las medidas de
los sensores al estudiar la influencia de la degradación de la relación de
compresión son relativamente pequeñas, del entorno del 0.5%, excepto en la
velocidad de giro del eje correspondiente al elemento en cuestión.
Se comprueba que la degradación de un componente puede llegar a tener gran
influencia en el rendimiento de otro componente, especialmente en el caso de
degradación en turbinas que provocan desviaciones significativas en las
medidas de ciertos sensores ubicados en los compresores. Se determina, por
tanto, que una medición anómala en un compresor no tiene por qué deberse
específicamente a una degradación en el propio compresor, sino que el fallo
puede estar en la turbina asociada. De aquí la importancia de tener un método
de identificación de la degradación fiable y robusto.
En general, las mediciones en sensores de presión y temperatura en
compresores son más sensibles a la degradación que las de sensores ubicados
en turbinas.
La relación de compresión en compresores y de la relación de expansión en
turbina son los parámetros cuya degradación provoca una menor desviación en
ANÁLISIS DE SENSIBILIDAD
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
96
las medidas. Además, aunque la degradación de este parámetro se puede
imponer mediante un factor de escala, también se puede realizar de forma
indirecta a través del gasto másico corregido. Una degradación de este
parámetro provocará una degradación de la relación de compresión en
compresores, según se indica en la Ilustración 21, fenómeno que también es
aplicacable en el caso de turbinas.
Según lo comentado en el punto anterior, y dado que la degradación de un
componente no solo afecta a uno de sus parámetros característicos (gasto
másico corregido, rendimiento isentrópico, relación de compresión/expansión)
sino que lo hará en todos ellos, en mayor o menor medida en función de la
causa de la degradación, se estudiará la degradación de cada uno de los
componentes (fan, compresores, turbinas) sólo en términos de gasto másico
corregido y rendimiento isentrópico.
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
97
5. MÉTODOS DE IDENTIFICACIÓN
5.1. GAS PATH ANALYSIS (GPA)
5.1.1. Descripción del método GPA
5.1.1.1. GPA lineal
Se trata del método de diagnóstico de turbinas de gas más antiguo, introducido por
L.A. Urban en 1967.
El enfoque GPA lineal se basa en la determinación de una relación lineal entre las
mediciones tomadas a través del flujo del motor (expresadas según un vector ∆𝑧) y los
parámetros característicos del rendimiento de los componentes (vector ∆�⃑�).
Matemáticamente, se puede expresar una relación entre 𝑧 y �⃑� según la ecuación:
𝑧 = ℎ (�⃑�)
Donde:
𝑧 es un vector de medidas de dimensión N
�⃑� es un vector de parámetros de dimensión M
h es un vector de funciones que simula el modelo.
Sin embargo, la relación 𝑧 = ℎ (�⃑�) es altamente no lineal.
Conocido el vector de medidas 𝑧, es posible conocer el vector de parámetros �⃑� a partir
de la inversión de la matriz ℎ
�⃑� = ℎ−1(𝑧)
Ésta inversión será posible cuando la dimensión del vector de medidas es igual a la
dimensión del vector de parámetros (M = N).
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
98
La relación puede describirse en función de una serie de Taylor. Teniendo una función
de una variable g(a), la serie de Taylor alrededor de a con una pequeña perturbación 𝑏 puede
describirse como
𝑔(𝑎 + 𝑏) = 𝑔(𝑎) + 𝑏 · 𝑔′(𝑎) +𝑏2
2!· 𝑔′′(𝑎) +
𝑏3
3!· 𝑔′′′(𝑎) + ⋯
Por tanto, el desarrollo en serie de Taylor de la relación entre �⃑� y 𝑧 alrededor de un
punto de operación “0” se define como
𝑧 = ℎ(�⃑�0) + 𝜕ℎ(�⃑�)
𝜕(�⃑�) (�⃑� − �⃑�0)|
0
+ 𝐻𝑂𝑇
Donde HOT (Higher Order Terms) representa los términos de orden superior.
Para un valor de (�⃑� − �⃑�0) pequeño, la expresión puede reescribirse como
𝑧 − 𝑧0 = 𝜕𝑧
𝜕�⃑�|0
(�⃑� − �⃑�0)
O, expresado de forma simplificada
∆𝑧 = 𝐻 · ∆�⃑�
Donde
∆𝑧 es el vector desviación de las medidas
∆�⃑� es el vector desviación de los parámetros
𝐻 es la “matriz de coeficientes de influencia” (ICM, “Influence Coefficient Matrix”)
𝐻 = 𝜕𝑧
𝜕�⃑�|0
=
(
𝜕ℎ1(�⃑�)
𝜕�⃑�1
𝜕ℎ1(�⃑�)
𝜕�⃑�2···
𝜕ℎ1(�⃑�)
𝜕�⃑�𝑁𝜕ℎ2(�⃑�)
𝜕�⃑�1
𝜕ℎ2(�⃑�)
𝜕�⃑�2
𝜕ℎ2(�⃑�)
𝜕�⃑�𝑁···
𝜕ℎ𝑀(�⃑�)
𝜕�⃑�1
𝜕ℎ𝑀(�⃑�)
𝜕�⃑�2
𝜕ℎ𝑁(�⃑�)
𝜕�⃑�𝑁 )
0
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
99
De nuevo, puede determinarse el vector de desviación de los parámetros ∆�⃑�
conociendo el vector de desviación de las medidas ∆𝑧 mediante una inversión de la matriz 𝐻
∆�⃑� = 𝐻−1 · ∆𝑧
Donde la inversa de la matriz de influencia de los parámetros se define como “matriz
de coeficientes de fallos” (FCM, “Fault Coefficient Matrix”).
En caso de tener un número diferente de parámetros a estudiar y de medidas (es decir,
M y N tienen distinto valor), el vector de desviación de los parámetros ∆�⃑� puede calcularse
mediante la expresión
∆�⃑� = (𝐻𝑇𝐻)−1𝐻𝑇 · ∆𝑧
Para que pueda realizarse esta operación, el número de medidas ha de ser mayor (o
igual) al número de parámetros, es decir, M ≥ N.
El método GPA requiere el conocimiento de la matriz de coeficientes 𝐻, la cuál se
podría determinar mediante la imposición de modificaciones en parámetros conocidos (la
eficiencia del compresor o turbina, por ejemplo) y la medición de datos cuantificables (gasto
de combustible, por ejemplo), obteniendo una relación entre cada modificación aislada y cada
medición aislada.
En la práctica, es imposible conocer los parámetros exactos que definen el rendimiento
de cada uno de los componentes, por lo que se recurre a modelos matemáticos del motor
completo y, en éstos, se imponen fallos o degradaciones conocidas con el objetivo de obtener
las modificaciones en los distintos parámetros del flujo en el interior del motor que
representarían las mediciones del motor. De esta forma, es posible obtener una matriz de
coeficientes 𝐻 que se cruzaría con datos reales de las mediciones del motor para obtener unos
valores aproximación de los parámetros de degradación.
El método GPA lineal tiene numerosas ventajas, como su simplicidad y su rapidez de
cálculo, ya que se usan expresiones matemáticas sencillas y no requiere cálculos iterativos de
ningún tipo. Otra de sus mayores ventajas es que permite el aislamiento de los fallos, ya que
se separan los parámetros característicos de los componentes, siendo posible obtener una
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
100
desviación para cada uno de ellos. Además, GPA lineal permite el tratamiento simultáneo de
distintos fallos de distintos componentes del motor.
Sin embargo, este método también presenta numerosas limitaciones. La linealización
de las relaciones entre medidas y parámetros no es completamente realista, ya que las
relaciones entre parámetros en un motor basado en turbina de gas son altamente no lineales.
Por otro lado, el método está expuesto a fallos en las medidas (sensores) y a la presencia de
ruido, debido a las severas condiciones de operación de un motor de aviación (altas
temperaturas y presiones, altas velocidades, etc.), perturbaciones que pueden llegar a ser del
orden de las desviaciones y que, por tanto, falsearían los resultados.
5.1.1.2. GPA no lineal
El método GPA no lineal trata de corregir las limitaciones relacionadas con la
magnitud del error introducido por la linealización propuesta por método GPA lineal.
Una posible solución para incrementar la precisión de los resultados es mediante la
resolución de las relaciones entre las variables dependientes e independientes, lo que requeriría
un método iterativo.
Partiendo de la base del método GPA lineal
∆�⃑� = 𝐻−1 · ∆𝑧
Mediante un proceso iterativo, es posible resolver un sistema de ecuaciones no lineales.
1. En el modelo matemático del motor, se determina, para un punto de operación
en concreto, el conjunto de mediciones del motor “limpio” o sin degradación,
𝑧𝑐𝑙𝑒𝑎𝑛_𝑝𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒.
2. Se define la degradación que se quiere diagnosticar. Con esta degradación, y
también en el modelo matemático y en el mismo punto de operación (cota y
velocidad de vuelo, gasto de combsustible) que el punto anterior, se obtiene el
conjunto de mediciones “degradadas”, 𝑧𝑑𝑒𝑡𝑒𝑟𝑖𝑜𝑟𝑒𝑑_𝑝𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒.
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
101
3. El vector ∆𝑧 se define como la diferencia (normalizada) entre el conjunto de
mediciones del motor degradado y el conjunto de mediciones del motor limpio,
es decir, ∆𝑧 =(�⃑�𝑑𝑒𝑡𝑒𝑟𝑖𝑜𝑟𝑒𝑑 𝑝𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒−�⃑�𝑐𝑙𝑒𝑎𝑛 𝑝𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒)
�⃑�𝑐𝑙𝑒𝑎𝑛 𝑝𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒
4. Se estima una degradación de un 1% en cada uno de los parámetros. Se calcula
las mediciones de motor suponiendo la degradación supuesta de un 1% para el
primer parámetro (primer componente del motor �⃑�) y del 0% para el resto. Este
paso se repite para todos los componentes (degradación de un 1% para el
componente en cuestión y de un 0% para el resto). De esta forma, es posible
construir una matriz de coeficientes de influencia 𝐻. Cada componente de la
matriz se define como 𝐻𝑖,𝑗 =𝜕𝑧𝑖
𝜕𝑥𝑗
5. Se calcula el vector ∆�⃑� a partir de la matriz de coeficientes de influencia 𝐻
mediante la expresión ∆�⃑� = 𝐻−1 · ∆𝑧 en caso de que las dimensiones de �⃑� y 𝑧
sean iguales o mediante ∆�⃑� = (𝐻𝑇𝐻)−1𝐻𝑇 · ∆𝑧 si son diferentes.
6. El vector ∆�⃑� representa la variación (normalizada) en el valor de los parámetros
carácterísticos del motor respecto a sus valores en el caso de motor limpio, es
decir, ∆�⃑� representa la degradación. En una primera iteración, este proceso
corresponde a Gas Path Analysis lineal.
7. Se repite el paso 3, pero en lugar de suponer una degradación de un 1% en cada
uno de los componentes, se supone la degradación obtenida en el paso 6, y se
calcula una nueva matriz de coeficientes de influencia 𝐻. Asímismo, se calcula
un nuevo vector degradación ∆�⃑� según los pasos 5 y 6.
8. El proceso se repite indefinidamente hasta que se cumpla un criterio de
convergencia establecido previamente. En el presente Proyecto, el criterio de
convergencia que se ha tomado es el siguiente:
∆𝑧𝑠𝑢𝑚 = ∑|∆𝑧𝑚𝑒𝑎𝑠𝑗 − ∆𝑧𝑐𝑎𝑙𝑗|
𝑀
𝑗
< 𝛿
donde M es el número de medidas, 𝑧𝑚𝑒𝑎𝑠 es el vector de parámetros degradados
actuales, 𝑧𝑐𝑎𝑙 es el vector de parámetros degradados calculados y 𝛿 el criterio de convergencia.
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
102
La principal ventaja del enfoque no lineal frente al enfoque lineal es que la diferencia
entre los cambios calculados en los parámetros independientes son mucho menores.
La bondad del método dependerá fundamentalmente de la elección de los parámetros
medibles del motor. Si las variables medibles no están relacionadas con la fuente del fallo, el
método proporcionará resultados erróneos, e incluso es posible que el proceso iterativo no
converja a ninguna solución.
5.1.2. Aplicaciones de la metodología GPA
El proceso descrito en el apartado 5.1.1.2 hace referencia a una simulación puramente
matemática, en la que se impone una degradación conocida y se verifica la bondad del método
al diagnosticar la propia degradación.
Sin embargo, la metodología Gas Path Analysis permite realizar un diagnóstico de
equipos reales (motores de aviación, turbinas de gas en general). Si el valor de las mediciones
del conjunto de sensores en unas determinadas condiciones de funcionamiento es conocida
para un estado “limpio” de la máquina (sin degradación), es posible determinar el grado de
degradación del equipo a partir de unas nuevas lecturas de sensores en un estado “degradado”
del mismo.
Para ello, es fundamental disponer de un modelo matemático que reproduzca con gran
precisión el funcionamiento de la máquina en todo el rango de operación. Por otro lado, y tal
y como se explica en el apartado 4, es fundamental la elección del conjunto de sensores a
colocar en el equipo, ya que la ausencia de medida de parámetros importantes o mediciones
redundantes pueden provocar que el método GPA proporcione resultados erróneos o
problemas en la convergencia a una solución.
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
103
5.2. MÉTODOS DE OPTIMIZACIÓN
5.2.1. Descripción de los métodos de optimización
Al igual que el método Gas Path Analysis descrito en el apartado 5.1, los métodos de
optimización tratan de determinar el vector de parámetros característicos del motor �⃑� para un
vector de mediciones 𝑧 dado. De nuevo, el objetivo es determinar una relación entre ambos
vectores, según la ecuación
𝑧 = ℎ (�⃑�)
O, más apropiadamente, su inversa
�⃑� = ℎ−1 (𝑧)
En los métodos de optimización, al igual que en los métodos GPA, es necesario
disponer de un modelo matemático del motor o turbina de gas que simulen con gran precisión
el funcionamiento de la máquina real en todo punto de operación.
Los métodos de optimización se denominan de este modo porque emplean algoritmos
de optimización para minimizar una función objetivo. Esta función objetivo es una diferencia
entre el vector de mediciones real 𝑧 y el vector de mediciones calculado �̂�.
Una opción clásica para la función objetivo es
𝐽(𝑥) =∑[𝑧𝑗 − 𝑧�̂�]
2
𝑧𝑜𝑑𝑗
Donde 𝑧𝑜𝑑𝑗 es el valor de la j-ésima componente del vector 𝑧 obtenida del modelo del
motor en condiciones limpias (sin degradación).
Variantes de esta función objetivo también son adecuadas, como
𝐽(𝑥) =∑|𝑧𝑗 − 𝑧�̂�|
𝑧𝑜𝑑𝑗
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
104
Un esquema del procedimiento a seguir en la aplicación de un método de optimización
se representa en la Ilustración 80.
Ilustración 80 Procedimiento para diagnóstico mediante algoritmos de optimización
En realidad, en la Ilustración 80 se representa una aplicación real. Debido a la
imposibilidad de contar con el motor real, las mediciones 𝑧 se obtienen también del modelo
matemático. Por tanto, es imprescindible tener en cuenta las perturbaciones (ruido) en las
mediciones realizadas a través del modelo del motor, para realizar todo el proceso de la forma
más realista posible.
5.3. TEST DE NORMALIDAD DE SHAPIRO-WILK
En el apartado 3.3.3, se ha asumido que las lecturas de los sensores siguen una
distribución normal, y que las salidas obtenidas, la degradación de parámetros como el
rendimiento de los componentes del motor estudiado, pueden también seguir una distribución
normal.
Respecto a la primera de las hipótesis, el Teorema del límite central, que establece que
en condiciones generales, la suma de un gran número de variables aleatorias se distribuye
aproximadamente a una distribución normal, es aplicable. Sin embargo, en cuanto a las salidas,
es imposible conocer a priori un comportamiento o tendencia general, por lo que sería
negligente asumir a priori que se distribuyen como una distribución normal.
Es en casos de este tipo donde cobran importancia los test de normalidad. Uno de los
procedimientos más utilizados para contrastar la normalidad de un conjunto de datos es es
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
105
Test de normalidad de Shapiro-Wilk. En este test, se utiliza el estadístico 𝑊, el cual se define
como
𝑊 =∑ (𝑎𝑖𝑥(𝑖))
2𝑛𝑖=1
∑ (𝑥𝑖 − �̅�)2𝑛𝑖=1
Donde
𝑥(𝑖) es el número que ocupa la i-ésima posición en la muestra
�̅� =𝑥1+𝑥2+⋯+𝑥𝑛
𝑛 es la media de la muestra
𝑛 es el tamaño de la muestra
(𝑎1, … , 𝑎𝑛) =𝑚𝑇𝑉−1
(𝑚𝑇𝑉−1𝑉−1𝑚)1/2 , con 𝑚 = (𝑚1, … ,𝑚𝑛)
𝑇, donde 𝑚1, … ,𝑚𝑛 son los
valores medios del estadístico ordenado, de variables aleatorias independientes e
diénticamente distribuidas, muestreadas de distribuciones normales, y 𝑉 es la matriz de
covarianzas de ese estadístico de orden.
Se asume la hipótesis nula de que la distribución en cuestión sigue o se asemeja
considerablemente a una distribución normal.
La hipótesis nula será rechazada si 𝑊 es demasiado pequeño.
5.4. PRECISIÓN DE LOS MÉTODOS DE DIAGNÓSTICO
La precisión de un método de diagnóstico se caracteriza normalmente en términos de
falsos positivos y falsos negativos. Ambos parámetros cambian si el umbral de detección de
fallo varía. Una cuestión típica es evaluar cómo de bien se ha diagnosticado una degradación.
Para ello, se introduce el método ROC (“receiver operating Charasteristic”) que, a pesar de
su enfoque bidimensional, ha sido una herramienta muy recurrida para determinar la aptitud
una vez realizado el diagnóstivo.
Se hace uso de un ejemplo para ilustrar el método ROC. Supóngase que se tiene una
medida de una temperatura de un cierto equipo:
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
106
1. Tomar una muestra suficientemente grande de los niveles de temperatura para
el equipo en condiciones nominales (sin degradación). Realizar el mismo
procedimiento para una condición de degradación conocida. Superponer ambas
curvas de distribución (Ilustración 81). Notar que en la zona de incertidumbre,
no se puede distinguir si el componente está degradado o no.
Ilustración 81 Número de eventos frente a temperatura – ejemplo para determinación de característica ROC
2. Para un determinado valor del parámetro (temperatura en el presente ejemplo),
determinar la probabilidad de generar un diagnóstico correcto, tanto en el caso
de componente limpio como componente degradado, para valores del
parámetro igual o mayores al definido. El área bajo cada curva supone el 100 %
de la población (Ilustración 82). Por ejemplo, si se establece el valor del
parámetro en 20, el 90% de los componentes degradados se hubieran
diagnosticado correctamente (verdaderos positivos), mientras que el 50% de
los componentes no degradados se hubieran diagnosticado como degradados
(falsos positivos).
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
107
Ilustración 82 Probabilidad de falsos positivos y falsos negativos
3. Se construye una curva ROC, determinando para cada potencial valor del
parámetro (temperatura) la probabilidad de verdadero positivo frente la
probabilidad de falso positivo. El área bajo la curva ROC determina la precisón
del método para identificar la degradación en cuestión. Una línea recta supone
una precisión únicamente de un 50%. Conforme la curva tiende a la izquierda,
el área bajo la misma crecerá, denotando una mayor precisión (Ilustración 83).
Ilustración 83 Curvas ROC
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
108
Cada punto en la curva ROC representa un determinado umbral. Los puntos situados
en la parte izquierda de la curva limitan la aparición de falsos positivos (falsas alarmas) con el
riesgo de no detectar ciertas degradaciones; mientras que los puntos situados en la parte
derecha maximizan la detección de componentes degradados a costa de un número elevado de
falsas alarmas.
La elección del punto óptimo depende de diversos factores, como la criticidad del fallo
o degradación a ser diagnosticada, la disponibilidad de medidas correctivas o los costes
asociados a las falsas alarmas.
Toda la filosofía explicada sobre la construcción de la curva ROC ejemplificada con
la temperatura de un determinado equipo es aplicable al caso de las distribuciones de salida
obtenidas para los distintos niveles de degradaciones de los parámetros característicos del
turbofán. Para ello, basta con comparar las curvas obtenidas para una degradación en
particular, ya sea generada por el método GPA o el método de optimización, con sus
homónimas, calculadas con el motor limpio (sin degradación).
5.5. ERROR DE LOS MÉTODOS DE DIAGNÓSTICO
Otro parámetro a tener en cuenta a la hora de cuantificar la bondad de los métodos de
diagnóstico o de identificación de la degradación es el error cometido. El error es una medida
de la desviación de la degradación obtenida, en todos los parámetros característicos del motor
tenidos en cuenta, respecto a la degradación impuesta.
Para ello, se introduce el concepto de RMS (Root Mean Squares), el cuál se define
como
𝑅𝑀𝑆 = √∑ (𝑑𝑒𝑔𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑎 − 𝑑𝑒𝑔𝑖𝑚𝑝𝑢𝑒𝑠𝑡𝑎)
2𝑛𝑖=1
𝑛
Donde 𝑛 es el número total de parámetros característicos del motor que se han tenido
en cuenta, en este caso 12.
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
109
5.6. ANÁLISIS COMPARATIVO DE LOS DISTINTOS MÉTODOS
El objetivo es realizar una comparación, tanto a nivel cuantitativo como cualitativo, de
los métodos de identificación de la degradación propuestos. Para ello, se imponen una serie
de degradaciones conocidas en el modelo de motor, y se representa en forma de gráficas las
degradaciones identificadas según el método Gas Path Analysis y el método de optimización.
En un primer lugar, se comparan los valores medios de la degradación obtenida a partir
del método GPA y optimización con los valores impuestos. También se presentan las
desviacioens estándar obtenida por cada método y para cada parámetro, ya que éste es un
parámetro que muestra algo tan importante como la dispersión de los resultados.
Seguidamente, se realiza una comparación en términos de precisión, presentándose las
curvas ROC para aquellos parámetros en los que efectivamente se ha impuesto degradación.
La precisión permitirá conocer el grado de fiabilidad de las degradaciones que se obtengan, es
decir, la probabilidad de que efectivamente sean verdaderos positivos. Se podrían construir
curvas análogas para aquellos parámetros en los que no se ha implantado degradación, aunque
los diagramas de barras que se presentan a continuación dejan bastante claro cuáles son
aquellos parámetros sujetos a degradación y cuáles no.
Por último, se establece y se compara el error RMS cometido a través de ambas
metodologías de identificación. El error RMS permite cuantificar de una forma más general la
calidad del método que las curvas ROC, ya que abarca, por su propia definición, a todos los
parámetros característicos del motor que se han considerado.
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
110
5.6.1. Degradación fan
5.6.1.1. Degradación severa del fan (degradación 7% 𝑾𝒄𝒄,𝒇𝒂𝒏, degradación 3% 𝜼𝒇𝒂𝒏)
5.6.1.1.1. Gráfica comparativa
Ilustración 84 Comparativa método GPA – método optimización, degradación severa del fan
5.6.1.1.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) -7.15 -6.57 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.356 1.191
2 (𝜼𝒇𝒂𝒏) -2.45 -3.5 2 (𝜼𝒇𝒂𝒏) 1.708 4.64
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) -0.32 -0.196 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 0.756 1.339
4 (𝜼𝑰𝑷𝒄) -0.082 0.44 4 (𝜼𝑰𝑷𝒄) 2.043 2.412
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 0.22 0.231 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 1.2 2.641
6 (𝜼𝑯𝑷𝒄) -0.34 -0.217 6 (𝜼𝑯𝑷𝒄) 1.911 2.21
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) -0.06 0.286 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.806 1.473
8 (𝜼𝑯𝑷𝒕) 0.1 -0.0454 8 (𝜼𝑯𝑷𝒕) 1.87 1.875
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.15 0.4425 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.953 1.757
10 (𝜼𝑰𝑷𝒕) 0.59 -0.759 10 (𝜼𝑰𝑷𝒕) 2.533 2.81
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.04 0.336 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.803 1.406
12 (𝜼𝑳𝑷𝒕) 0.16 -0.143 12 (𝜼𝑳𝑷𝒕) 1.4 2.153
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
111
5.6.1.1.3. Precisión método GPA
Ilustración 85 Precisión método GPA para identificación degradación 7% 𝑾𝒄𝒄,𝒇𝒂𝒏
Ilustración 86 Precisión método GPA para identificación degradación 3% 𝜼𝒇𝒂𝒏
5.6.1.1.4. Precisión método Optimización
Ilustración 87 Precisión método Optimización para identificación degradación 7% 𝑾𝒄𝒄,𝒇𝒂𝒏
Ilustración 88 Precisión método Optimización para identificación degradación 3% 𝜼𝒇𝒂𝒏
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccFAN
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE ETAFAN
: 80%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 80%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccFAN
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE ETAFAN
: 74,1%
PROBABILIDAD FALSO POSITIVO
PR
OB
AB
ILID
AD
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 74,1%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
112
5.6.1.2. Degradación leve del fan (degradación 3% 𝑾𝒄𝒄,𝒇𝒂𝒏, degradación 1.5% 𝜼𝒇𝒂𝒏)
5.6.1.2.1. Gráfica comparativa
Ilustración 89 Comparativa método GPA – método optimización, degradación leve del fan
5.6.1.2.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) -2.84 -3.253 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.265 1.076
2 (𝜼𝒇𝒂𝒏) -1.44 -2.22 2 (𝜼𝒇𝒂𝒏) 2.109 5.04
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) -0.199 -0.864 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.054 1.161
4 (𝜼𝑰𝑷𝒄) 0.283 0.624 4 (𝜼𝑰𝑷𝒄) 2.122 2.607
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 0.2 -0.858 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 2.53 2.353
6 (𝜼𝑯𝑷𝒄) -0.2625 -0.14 6 (𝜼𝑯𝑷𝒄) 1.94 2.213
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) -0.1155 0.144 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.79 1.272
8 (𝜼𝑯𝑷𝒕) 0.116 0.003 8 (𝜼𝑯𝑷𝒕) 1.852 1.855
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.0663 0.314 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.943 1.56
10 (𝜼𝑰𝑷𝒕) -0.735 -0.69 10 (𝜼𝑰𝑷𝒕) 2.58 2.735
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) -0.0569 0.202 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.775 1.214
12 (𝜼𝑳𝑷𝒕) 0.105 -0.206 12 (𝜼𝑳𝑷𝒕) 1.437 2.23
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
113
5.6.1.2.3. Precisión método GPA
Ilustración 90 Precisión método GPA para identificación degradación 3% 𝑾𝒄𝒄,𝒇𝒂𝒏
Ilustración 91 Precisión método GPA para identificación degradación 1,5% 𝜼𝒇𝒂𝒏
5.6.1.2.4. Precisión método Optimización
Ilustración 92 Precisión método Optimización para identificación degradación 3% 𝑾𝒄𝒄,𝒇𝒂𝒏
Ilustración 93 Precisión método Optimización para identificación degradación 1,5% 𝜼𝒇𝒂𝒏
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccFAN
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAFAN
: 66,9%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 66,9%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccFAN
: 99,6%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99,6%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAFAN
: 64,5%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 64,5%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
114
5.6.2. Degradación compresor de presión intermedia (IPc)
5.6.2.1. Degradación severa de IPc (degradación 7% 𝑾𝒄𝒄,𝑰𝑷𝒄, degradación 3% 𝜼𝑰𝑷𝒄)
5.6.2.1.1. Gráfica comparativa
Ilustración 94 Comparativa método GPA – método optimización, degradación severa de IPc
5.6.2.1.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.308 -0.175 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.5136 1.054
2 (𝜼𝒇𝒂𝒏) -0.412 0.985 2 (𝜼𝒇𝒂𝒏) 2.101 3.683
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) -7.385 -6.35 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 0.899 1.043
4 (𝜼𝑰𝑷𝒄) -3.65 -1.95 4 (𝜼𝑰𝑷𝒄) 3.306 2.377
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) -0.232 0.68 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 2.922 3.632
6 (𝜼𝑯𝑷𝒄) 0.11 0.112 6 (𝜼𝑯𝑷𝒄) 1.947 3.232
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.157 -0.282 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.735 1.275
8 (𝜼𝑯𝑷𝒕) -0.25 -0.185 8 (𝜼𝑯𝑷𝒕) 1.678 1.867
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.046 -0.138 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.911 1.55
10 (𝜼𝑰𝑷𝒕) 0.157 -0.386 10 (𝜼𝑰𝑷𝒕) 2.5 2.681
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) -0.246 -0.242 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.704 1.264
12 (𝜼𝑳𝑷𝒕) -0.072 -0.31 12 (𝜼𝑳𝑷𝒕) 1.346 2.195
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
115
5.6.2.1.3. Precisión método GPA
Ilustración 95 Precisión método GPA para identificación degradación 7% 𝑾𝒄𝒄,𝑰𝑷𝒄
Ilustración 96 Precisión método GPA para identificación degradación 3%𝜼𝑰𝑷𝒄
5.6.2.1.4. Precisión método Optimización
Ilustración 97 Precisión método Optimización para identificación degradación 7% 𝑾𝒄𝒄,𝑰𝑷𝒄
Ilustración 98 Precisión método Optimización para identificación degradación 3%𝜼𝑰𝑷𝒄
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccIPc
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE ETAIPc
: 83,1%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 83,1%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccIPc
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE ETAIPc
: 74,9%
PROBABILIDAD FALSO POSITIVO
PR
OB
AB
ILID
AD
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 74,9%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
116
5.6.2.1.5. Gráfica comparativa
5.6.2.2. Degradación leve de IPc (degradación 3% 𝑾𝒄𝒄,𝑰𝑷𝒄, degradación 1.5% 𝜼𝑰𝑷𝒄)
Ilustración 99 Comparativa método GPA – método optimización, degradación leve del IPc
5.6.2.2.1. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.117 -0.2 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.4622 0.9753
2 (𝜼𝒇𝒂𝒏) -0.265 0.695 2 (𝜼𝒇𝒂𝒏) 2.281 4.402
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) -3.09 -2.727 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.098 1.162
4 (𝜼𝑰𝑷𝒄) -1.648 -1.636 4 (𝜼𝑰𝑷𝒄) 2.075 2.22
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) -0.094 -0.3 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 2.833 2.336
6 (𝜼𝑯𝑷𝒄) -0.238 -0.382 6 (𝜼𝑯𝑷𝒄) 2.197 2.312
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.0307 -0.121 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.6633 1.082
8 (𝜼𝑯𝑷𝒕) 0.128 0.206 8 (𝜼𝑯𝑷𝒕) 2.256 2.286
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.145 -0.23 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.911 1.355
10 (𝜼𝑰𝑷𝒕) -0.261 -0.131 10 (𝜼𝑰𝑷𝒕) 1.903 2.248
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.0793 -0.327 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.752 1.272
12 (𝜼𝑳𝑷𝒕) -0.229 0.767 12 (𝜼𝑳𝑷𝒕) 1.213 2.431
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
117
5.6.2.2.2. Precisión método GPA
Ilustración 100 Precisión método GPA para identificación degradación 3% 𝑾𝒄𝒄,𝑰𝑷𝒄
Ilustración 101 Precisión método GPA para identificación degradación 1,5%𝜼𝑰𝑷𝒄
5.6.2.2.3. Precisión método Optimización
Ilustración 102 Precisión método Optimizacion para identificación degradación 3% 𝑾𝒄𝒄,𝑰𝑷𝒄
Ilustración 103 Precisión método Optimización para identificación degradación 1,5%𝜼𝑰𝑷𝒄
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccIPc
: 97,3%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 97,3%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAIPc
: 73,3%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 73,3%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccIPc
: 98,9%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 98,9%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAIPc
: 72,5%
PROBABILIDAD FALSO POSITIVO
PR
OB
AB
ILID
AD
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 72,5%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
118
5.6.3. Degradación de compresor de alta presión (HPc)
5.6.3.1. Degradación severa de HPc (degradación 7% 𝑾𝒄𝒄,𝑯𝑷𝒄, degradación 3% 𝜼𝑯𝑷𝒄)
5.6.3.1.1. Gráfica comparativa
Ilustración 104 Comparativa método GPA – método optimización, degradación severa de HPc
5.6.3.1.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) -0.0825 -0.1862 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.3997 1.008
2 (𝜼𝒇𝒂𝒏) -0.343 -1.149 2 (𝜼𝒇𝒂𝒏) 2.1569 3.4315
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 0.278 0.2919 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.102 0.9814
4 (𝜼𝑰𝑷𝒄) 0.4343 0.3109 4 (𝜼𝑰𝑷𝒄) 1.4575 1.6345
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) -6.8109 -7.1458 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 1.0941 1.7275
6 (𝜼𝑯𝑷𝒄) -4.166 -3.0618 6 (𝜼𝑯𝑷𝒄) 1.2852 1.6544
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.4601 -0.115 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.7192 1.2041
8 (𝜼𝑯𝑷𝒕) 0.2563 0.1963 8 (𝜼𝑯𝑷𝒕) 1.5659 1.6309
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) -0.1131 -0.2954 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.8625 1.2709
10 (𝜼𝑰𝑷𝒕) -0.4382 -0.5904 10 (𝜼𝑰𝑷𝒕) 1.9836 2.114
1.22764
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) -0.0884 -0.2099 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.8411 1.2275
12 (𝜼𝑳𝑷𝒕) 0.2892 0.1985 12 (𝜼𝑳𝑷𝒕) 1.6195 2.4071
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
119
5.6.3.1.3. Precisión método GPA
Ilustración 105 Precisión método GPA para degradación 7% 𝑾𝒄𝒄,𝑯𝑷𝒄
Ilustración 106 Precisión método GPA para degradación 3% 𝜼𝑯𝑷𝒄
5.6.3.1.4. Precisión método Optimización
Ilustración 107 Precisión método Optimización para degradación 7% 𝑾𝒄𝒄,𝑯𝑷𝒄
Ilustración 108 Precisión método Optimización para degradación 3% 𝜼𝑯𝑷𝒄
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccHPc
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE ETAHPc
: 95,6%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 95,6%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccHPc
: 99,5%
PROBABILIDAD FALSO POSITIVO
PR
OB
AB
ILID
AD
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99,5%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE ETAHPc
: 86,9%
PROBABILIDAD FALSO POSITIVO
PR
OB
AB
ILID
AD
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 86,9%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
120
5.6.3.2. Degradación leve de HPc (degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒄, degradación 1,5% 𝜼𝑯𝑷𝒄)
5.6.3.2.1. Gráfica comparativa
Ilustración 109 Comparativa método GPA – método optimización, degradación leve de HPc
5.6.3.2.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) -0.1016 -0.266 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.472 1.042
2 (𝜼𝒇𝒂𝒏) -0.077 -0.767 2 (𝜼𝒇𝒂𝒏) 2.139 5.238
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 0.8332 0.26 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.0854 1.244
4 (𝜼𝑰𝑷𝒄) 0.346 0.488 4 (𝜼𝑰𝑷𝒄) 2.0816 2.468
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) -2.835 -3.248 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 0.6744 1.989
6 (𝜼𝑯𝑷𝒄) -1.832 -1.477 6 (𝜼𝑯𝑷𝒄) 1.811 2.335
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.2501 -0.15 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.7611 1.258
8 (𝜼𝑯𝑷𝒕) 0.117 0.001 8 (𝜼𝑯𝑷𝒕) 1.827 1.8538
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) -0.085 -0.3146 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.936 1.526
10 (𝜼𝑰𝑷𝒕) -0.747 -0.691 10 (𝜼𝑰𝑷𝒕) 2.529 2.7224
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.0293 -0.2105 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.7735 1.196
12 (𝜼𝑳𝑷𝒕) 0.102 -0.193 12 (𝜼𝑳𝑷𝒕) 1.404 2.212
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
121
5.6.3.2.3. Precisión método GPA
Ilustración 110 Precisión método GPA para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒄
Ilustración 111 Precisión método GPA para degradación 1,5% 𝜼𝑯𝑷𝒄
5.6.3.2.4. Precisión método Optimización
Ilustración 112 Precisión método Optimización para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒄
Ilustración 113 Precisión método GPA para degradación 1,5% 𝜼𝑯𝑷𝒄
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPc
: 76,2 %
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 76,2%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE ETAHPc
: 72,4 %
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 72,4%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPc
: 77,1%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 77,1%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPc
: 65,7%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 65,7%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
122
5.6.4. Degradación de turbina de alta presión (HPt)
5.6.4.1. Degradación severa de HPt (degradación 7% 𝑾𝒄𝒄,𝑯𝑷𝒕, degradación 3% 𝜼𝑯𝑷𝒕)
5.6.4.1.1. Gráfica comparativa
Ilustración 114 Comparativa método GPA – método optimización, degradación severa de HPt
5.6.4.1.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) -0.024 0.0257 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.396 0.901
2 (𝜼𝒇𝒂𝒏) 0.054 0.491 2 (𝜼𝒇𝒂𝒏) 1.844 4.456
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) -0.581 -0.127 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 0.914 1.7
4 (𝜼𝑰𝑷𝒄) 0.017 0.559 4 (𝜼𝑰𝑷𝒄) 2.134 2.048
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 0.444 -0.387 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 2.169 2.849
6 (𝜼𝑯𝑷𝒄) -0.36 -0.762 6 (𝜼𝑯𝑷𝒄) 2.303 2.365
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) -7.084 -6.973 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.778 0.989
8 (𝜼𝑯𝑷𝒕) -2.613 -2.924 8 (𝜼𝑯𝑷𝒕) 1.745 1.892
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) -0.124 -0.038 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.937 1.376
10 (𝜼𝑰𝑷𝒕) -0.243 -0.12 10 (𝜼𝑰𝑷𝒕) 1.978 2.235
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) -0.057 0.02 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.837 1.27
12 (𝜼𝑳𝑷𝒕) 0.303 0.375 12 (𝜼𝑳𝑷𝒕) 1.472 2.925
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
123
5.6.4.1.3. Precisión método GPA
Ilustración 115 Precisión método GPA para degradación 7% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 116 Precisión método GPA para degradación 3% 𝜼𝑯𝑷𝒕
5.6.4.1.4. Precisión método Optimización
Ilustración 117 Precisión método Optimización para degradación 7% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 118 Precisión método Optimización para degradación 3% 𝜼𝑯𝑷𝒕
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccHPt
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 85,6%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 85,6 %
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccHPt
: 100%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 100%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 87,3%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 87,3%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
124
5.6.4.2. Degradación leve de HPt (degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕, degradación 1.5% 𝜼𝑯𝑷𝒕)
5.6.4.2.1. Gráfica comparativa
Ilustración 119 Comparativa método GPA – método optimización, degradación leve de HPt
5.6.4.2.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.094 0.266 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.471 1.042
2 (𝜼𝒇𝒂𝒏) -0.035 -0.772 2 (𝜼𝒇𝒂𝒏) 2.149 5.253
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) -0.298 -0.245 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.069 1.23
4 (𝜼𝑰𝑷𝒄) 0.307 0.517 4 (𝜼𝑰𝑷𝒄) 2.122 2.499
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) -0.146 0.501 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 1.825 2.332
6 (𝜼𝑯𝑷𝒄) -0.116 0.111 6 (𝜼𝑯𝑷𝒄) 2.328 2.602
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) -2.934 -3.181 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.626 1.191
8 (𝜼𝑯𝑷𝒕) -1.462 -1.358 8 (𝜼𝑯𝑷𝒕) 1.799 1.745
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.007 0.315 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.935 1.526
10 (𝜼𝑰𝑷𝒕) -0.358 -0.302 10 (𝜼𝑰𝑷𝒕) 2.509 2.723
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) -0.038 -0.21 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.775 1.196
12 (𝜼𝑳𝑷𝒕) -0.105 -0.193 12 (𝜼𝑳𝑷𝒕) 1.404 2.212
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
125
5.6.4.2.3. Precisión método GPA
Ilustración 120 Precisión método GPA para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 121 Precisión método GPA para degradación 1,5% 𝜼𝑯𝑷𝒕
5.6.4.2.4. Precisión método Optimización
Ilustración 122 Precisión método Optimización para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 123 Precisión método Optimización para degradación 1,5% 𝜼𝑯𝑷𝒕
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 7% DE WccHPt
: 99,9%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99,9%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPt
: 71,2%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 71,2%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 99%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPt
: 73%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 73%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
126
5.6.5. Degradaciones conjuntas de compresor de presión intermedia (IPc) y de turbina de alta presión (HPt)
5.6.5.1. Degradación leve de IPc (degradación 3% 𝑾𝒄𝒄,𝑰𝑷𝒄, degradación 1.5% 𝜼𝑰𝑷𝒄) y de
HPt (degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕, degradación 1.5% 𝜼𝑯𝑷𝒕)
5.6.5.1.1. Gráfica comparativa
Ilustración 124 Comparativa método GPA – método optimización, degradación leve de IPc y HPt
5.6.5.1.2. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) -0.1332 -0.1196 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.4553 0.8278
2 (𝜼𝒇𝒂𝒏) -0.1634 0.7097 2 (𝜼𝒇𝒂𝒏) 2.04 3.9454
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) -3.102 -3.1189 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.4109 1.1596
4 (𝜼𝑰𝑷𝒄) -1.772 -1.5261 4 (𝜼𝑰𝑷𝒄) 2.2417 2.4292
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) -0.2496 -0.5531 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 3.3184 2.101
6 (𝜼𝑯𝑷𝒄) -0.9422 -0.4593 6 (𝜼𝑯𝑷𝒄) 1.8696 2.1743
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) -2.9359 -3.0665 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.6873 1.0859
8 (𝜼𝑯𝑷𝒕) -1.3013 -1.4357 8 (𝜼𝑯𝑷𝒕) 1.8819 1.7898
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) -0.0805 -0.1119 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.9859 1.3312
10 (𝜼𝑰𝑷𝒕) -0.1219 -0.0084 10 (𝜼𝑰𝑷𝒕) 2.5195 2.6824
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) -0.0656 -0.0865 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.7442 1.1974
12 (𝜼𝑳𝑷𝒕) -0.2847 -0.2364 12 (𝜼𝑳𝑷𝒕) 1.5087 2.4698
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
127
5.6.5.1.3. Precisión método GPA
Ilustración 125 Precisión método GPA para degradación 3% 𝑾𝒄𝒄,𝑰𝑷𝒄
Ilustración 126 Precisión método GPA para degradación 1,5% 𝜼𝑰𝑷𝒄
Ilustración 127 Precisión método GPA para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 128 Precisión método GPA para degradación 1,5% 𝜼𝑯𝑷𝒕
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccIPc
: 96,7%
PRECISIÓN: 96,7%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAIPc
: 77,3%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 77,3%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 99,8%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99,8%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPt
: 70,2%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 70,2%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
128
5.6.5.1.4. Precisión método Optimización
Ilustración 129 Precisión método Optimización para degradación 3% 𝑾𝒄𝒄,𝑰𝑷𝒄
Ilustración 130 Precisión método Optimización para degradación 1,5% 𝜼𝑰𝑷𝒄
Ilustración 131 Precisión método Optimización para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 132 Precisión método Optimización para degradación 1,5% 𝜼𝑯𝑷𝒕
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccIPc
: 99,4%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99,4%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAIPc
: 71,6%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 71,6%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 99,2%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99,2%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPt
: 72,8%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 72,8%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
129
5.6.6. Degradaciones conjuntas de compresor de alta presión (HPc) y de turbina de alta presión (HPt)
5.6.6.1.1. Gráfica comparativa
5.6.6.2. Degradación leve de HPc (degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒄, degradación 1.5% 𝜼𝑯𝑷𝒄) y
de HPt (degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕, degradación 1.5% 𝜼𝑯𝑷𝒕)
Ilustración 133 Comparativa método GPA – método optimización, degradación leve de HPc y HPt
5.6.6.2.1. Tabla comparativa
PARÁMETRO DEGRADACIÓN
MÉTODO GPA
DEGRADACIÓN
MÉTODO OPT.
PARÁMETRO DESVIACIÓN
ESTANDAR
MÉTODO GPA
DESVIACIÓN
ESTANDAR
MÉTODO OPT.
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) -0.1071 -0.262 1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.4739 1.0407
2 (𝜼𝒇𝒂𝒏) -0.1091 -0.7258 2 (𝜼𝒇𝒂𝒏) 2.1456 5.1716
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 0.4146 0.3165 3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.0845 1.3167
4 (𝜼𝑰𝑷𝒄) 0.3364 0.3755 4 (𝜼𝑰𝑷𝒄) 2.1967 2.23223
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) -3.1014 -3.1409 5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 2.7535 2.327
6 (𝜼𝑯𝑷𝒄) -1.8879 -1.6642 6 (𝜼𝑯𝑷𝒄) 2.2697 2.2398
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) -2.8714 -3.1799 7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.622 1.1857
8 (𝜼𝑯𝑷𝒕) -1.3716 -1.4616 8 (𝜼𝑯𝑷𝒕) 1.8057 1.7462
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.0847 -0.3112 9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.9361 1.5248
10 (𝜼𝑰𝑷𝒕) -0.7464 -0.6923 10 (𝜼𝑰𝑷𝒕) 2.5258 2.7181
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) -0.0232 -0.2074 11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.7743 1.1979
12 (𝜼𝑳𝑷𝒕) 0.1021 -0.1936 12 (𝜼𝑳𝑷𝒕) 1.4053 2.2109
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
130
5.6.6.2.2. Precisión método GPA
Ilustración 134 Precisión método GPA para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒄
Ilustración 135 Precisión método GPA para degradación 1,5% 𝜼𝑯𝑷𝒄
Ilustración 136 Precisión método GPA para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 137 Precisión método GPA para degradación 1,5% 𝜼𝑯𝑷𝒕
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 87,4%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 87,4%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPc
: 70,7%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 70,7%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 99,9%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99,9%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPt
: 71,5%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 71,5%
MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
131
5.6.6.2.3. Precisión método Optimización
Ilustración 138 Precisión método Optimización para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒄
Ilustración 139 Precisión método Optimización para degradación 1,5% 𝜼𝑯𝑷𝒄
Ilustración 140 Precisión método Optimización para degradación 3% 𝑾𝒄𝒄,𝑯𝑷𝒕
Ilustración 141 Precisión método Optimización para degradación 1,5% 𝜼𝑯𝑷𝒕
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPc
: 63,2%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 63,2%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPt
: 68,4%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 68,4%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 3% DE WccHPt
: 99%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 99%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
PRECISIÓN EN IDENTIFICACIÓN DE DEGRADACIÓN 1,5% DE ETAHPt
: 73,6%
PROBABILIDAD DE FALSO POSITIVO
PR
OB
AB
ILID
AD
DE
VE
RD
AD
ER
O P
OS
ITIV
O
PRECISIÓN: 73,6%
CONCLUSIONES
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
132
6. CONCLUSIONES
En términos generales, la técnica de Gas Path Analysis (GPA) basada en la inversión
de las matrices de influencia presenta unos mejores resultados que los obtenidos en el método
de optimización. Esta afirmación se realiza en base a los diferentes resultados obtenidos y
calculados.
Atendiendo a la precisión de cada uno de los métodos, se puede calcular el valor medio
para todas las degradaciones estudiadas para un método y otro, obteniéndose una media de
86,46% de precisión para el método GPA y una precisión promedio de 84,17% para el método
de optimización. Sin embargo, la precisión varía mucho según el parámetro y según el grado
de degradación.
Para dos niveles distintos de degradación (severa y leve) de un mismo parámetro,
considerando para los mismos una desviación estándar aproximadamente iguales, ambos
métodos de identificación alcanzan una mayor precisión para el caso de degradación severa.
Matemáticamente, las distribuciones para la configuración limpia y configuración
degradada tendrán unos valores medios lo suficientemente alejados como para que las curvas
apenas se solapen, siendo la zona de incertidumbre muy pequeña, llegando al caso de que no
se solapen en ningún punto, lo que implica una precisión del 100%, mientras que para una
degradación pequeña, las distribuciones normales se solapan en un rango más amplio
(Ilustración 142).
Físicamente, una degradación severa implica una mayor desviación en las mediciones
de los sensores respecto a sus valores nominales (sin degradación), lo que permite a los
métodos de diagnóstico una mejor identificación de la degradación; mientras que para valores
pequeños de degradación, estas desviaciones en las mediciones de los sensores serán menores.
Además, para valores de degradación pequeños, es más importantes el impacto que tiene sobre
los sensores el ruido que la propia degradación.
CONCLUSIONES
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
133
ZONA DE INCERTIDUMBRE
ZONA DE INCERTIDUMBRE
DEGRADACIÓN SEVERA
DEGRADACIÓN LEVE
Ilustración 142 Tamaño de la zona de incertidumbre para el caso de degradación leve y severa
Otro parámetro que permite comparar la bondad de un método frente a otro es la
desviación estándar de los 12 parámetros característicos del motor que se han estudiado. En
la Tabla 3 se comparan los valores promedios de la desviación estándar de las distribuciones
normales de la degradación construidas a partir de los resultados obtenidos a través de los dos
métodos GPA y optimziación.
PARÁMETRO DESVIACIÓN ESTANDAR
PROMEDIO
MÉTODO GPA
DESVIACIÓN ESTANDAR
PROMEDIO
MÉTODO OPTIMIZACIÓN
1 (𝑾𝒄𝒄,𝒇𝒂𝒏) 0.4265 1.0158
2 (𝜼𝒇𝒂𝒏) 2.0673 4.526
3 (𝑾𝒄𝒄,𝑰𝑷𝒄) 1.0473 1.2337
4 (𝜼𝑰𝑷𝒄) 2.178 2.2927
5 (𝑾𝒄𝒄,𝑯𝑷𝒄) 2.1319 2.4288
6 (𝜼𝑯𝑷𝒄) 1.9861 2.3338
7 (𝑾𝒄𝒄,𝑯𝑷𝒕) 0.7188 1.2016
8 (𝜼𝑯𝑷𝒕) 1.8281 1.8541
9 (𝑾𝒄𝒄,𝑰𝑷𝒕) 0.9311 1.477
10 (𝜼𝑰𝑷𝒕) 2.3561 2.5669
11 (𝑾𝒄𝒄,𝑳𝑷𝒕) 0.7779 1.2441
12 (𝜼𝑳𝑷𝒕) 1.4209 2.3446
Tabla 3 Valores promedio de la desviación estándar para cada uno de los parámetros característicos
CONCLUSIONES
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
134
Estos resultados tienen un significado físico muy importante. Una distribución con una
desviación estándar pequeña permite acotar el valor de la degradación, mientras que una
distribución con una desviación mayor presenta una mayor dispersión en los resultados
obtenidos (Ilustración 143), y para un tamaño menor de la muestra de los diferentes sets de
sensores, tenderá a calcular un valor medio más alejado del valor real de la degradación.
DESVIACIÓN ESTÁNDAR PEQUEÑA
DESVIACIÓN ESTÁNDAR GRANDE
Ilustración 143 Distribuciones normales con igual media y distinta desviación estándar
La desviación estándar también tiene un efecto directo sobre la precisión de los
métodos de identificación de la degradación. Para un valor de degradación constante (en valor
medio), una distribución con un valor elevado de la desviación estándar conduce que los
métodos de diagnóstico tengan una menor precisión. Este fenómeno se puede representar
gráficamente, apreciándose que la zona de incertidumbre es mayor para el caso de
distribuciones con desviaciones estándar elevadas.
ZONA DE INCERTIDUMBRE
ZONA DE INCERTIDUMBRE
DESVIACIÓN ESTÁNDAR PEQUEÑA
DESVIACIÓN ESTÁNDAR PEQUEÑA
DESVIACIÓN ESTÁNDAR PEQUEÑA
DESVIACIÓN ESTÁNDAR
GRANDE
Ilustración 144 Tamaño de la zona de incertidumbre para el caso de desviaciones estándar pequeñas y grandes
CONCLUSIONES
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
135
Además, los resultados obtenidos en la Tabla 3 permiten extraer otra conclusión. La
degradación de aquellos parámetros característicos del motor que generan a través de los
métodos de identificación considerados unas distribuciones normales con una desviación
estándar mayor son aquellos que en el análisis de sensibilidad descrito en el apartado 4
(Análisis de sensibilidad) provocan unas desviaciones porcentuales en las medidas de los
sensores más pequeñas. También ocurre el fenómeno contrario, es decir, las distribuciones
normales obtenidas con unas desviaciones estándar menores se corresponden con aquellos
parámetros cuya degradación provoca un mayor deterioro en el rendimiento global del motor
y, a su vez, una mayor desviación en el valor de las magnitudes físicas que miden los sensores.
Se puede concluir por tanto que la dispersión de los resultados de los métodos de
diagnóstico para la degradación de un determinado parámetro es inversamente
proporcional al impacto que dicha degradación tiene en el rendimiento global del motor
y en la desviación en la lectura de los sensores.
Por supuesto, la precisión de los sensores también tiene una gran influencia en la
dispersión de los resultados. Un conjunto de sensores con una gran precisión generaría
distribuciones con una desviación estándar más pequeña. Aunque en el presente proyecto se
ha mantenido constante la precisión de los sensores, con los datos extraídos de la bibliografía
y resumidos en la Tabla 1, podría realizarse un estudio comparativo considerando conjunto de
sensores con distintas precisiones.
En cuanto a la forma o geometría de las distribuciones que se obtienen, a todas y cada
una de ellas se le aplica el test de normalidad de Shapiro-Wilk descrito en el apartado 5.3. Para
todos los casos analizados, y para todos los parámetros característicos del motor, ya estén o
no sujetos a degradación, el test de normalidad valida la hipótesis nula de que las salidas
se ajustan con gran precisión a una distribución normal.
OTROS MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
136
7. OTROS MÉTODOS DE IDENTIFICACIÓN
7.1. Redes Neuronales Artificiales (ANN, Artificial Neural Networks)
Una red neuronal artificial es un modelo matemático de optimización basado en el
comportamiento del cerebro humano, el cuál se puede modelar de forma simplificada como
una estructura masiva constituida por unidades de proceso simples (neuronas) las cuáles
pueden almacenar información y realizar determinadas acciones basadas en la experiencia.
Este método se diferencia de los convencionales en muchos aspectos. La principal
diferencia es que los métodos convencionales se basan en un modelo matemático que debe
ser analizado mientras que las Redes Neuronales aprenden ejemplos de forma autónoma y,
por tanto, no requieren de un modelo. Esta diferencia hace de las redes neuronales una
herramienta muy adecuada para estudiar la generación de las curvas o la degradación en las
turbinas de gas, cuyos problemas son principalmente la complejidad del modelo y la
inaccesibilidad de los mapas.
La red neuronal está compuesta de unidades simples denominadas neuronas. Las
neuronas se definen por la suma ponderada (pesos 𝑤𝑖𝑗) de sus entradas (𝑥𝑖). A la suma se le
aplica una función (𝜑𝑗) para formar la función de activación, normalmente no lineal:
𝑦𝑗 = 𝜑𝑗 (∑𝑤𝑖𝑗
𝑁
𝑖=0
· 𝑥𝑖)
Los pesos representan las relaciones entre las distintas neuronas y sirven para
almacenar la información. Esta información es aprendida por la red a través de un método de
aprendizaje durante el cuál el sistema ajusta los valores de los pesos. Cuando esta fase
termina, los pesos se mantienen fijos y se puede usar la red neuronal para realizar
simulaciones.
Las neuronas se agrupan en capas, que varían en número y tamaño (número de
neuronas por capa), pero siempre existirá una capa de entrada, una de salida y varias capas
intermedias (ocultas). Un ejemplo de red neuronal básica se representa en la Ilustración 145.
OTROS MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
137
Ilustración 145 Esquema básico de un sistema de redes neuronales
Uno de los algoritmos más usado en las redes neuronales y que es útil para conocer la
degradación de una turbomáquina es el Back-Propagation Algotithm. A grandes rasgos, este
método se basa en el entrenamiendo de la red por retroalimentación, el cuál se realiza
incluyendo en la salida de cada capa una función de error que conecta con la capa anterior.
Se usan varios sets de datos para alimentar la red durante la fase de aprendizaje, un set para
entrenar y calcular los pesos y otro set para comprobar la red, comprobar los errores y ajustar
los pesos.
Un método de diagnóstico mediante redes neuronales es relativamente sencillo de
aplicar. La idea es alimentar el sistema de desviaciones de los parámetros característicos de
los componentes del motor (∆𝑧) y las desviaciones correspondientes en las mediciones del
mismo (∆�⃑�). Este proceso se puede realizar tanto con datos reales del motor como con
simulaciones. Una vez la red neuronal esté emtrenada, se puede alimentar de nuevos datos
medibles y el sistema calculará la degradación o desviación en los parámetros de los
componentes del motor.
7.2. Filtro de Kalman (Kalman Filter)
El Kalman Filter es un estimador lineal, basado en un modelo lineal y que es adecuado
en aquellos casos donde se dispone de un modelo lineal que determine las relaciones de
entradas-salidas con una precisión aceptable. El enfoque del método Kalman Filter utiliza toda
la información disponible referida al modelo (estimaciones conocidas a priori, desviaciones
OTROS MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
138
en las medidas de los sensores, etc.) y puede ser fácilmente configurado para operar con
diferentes sets de desviaciones y condiciones de fallo, tanto fallos simples como múltiples.
Los Kalman Filters reducen cualquier dependencia de datos históricos y estimaciones
sobre estados actuales de pasos de tiempo anteriores y medidas actuales. Las desviaciones en
los parámetros de los componentes del motor (en definitica, las degradaciones) son obtenidas
mediante la minimización de una función de coste, la cual se define como la diferencia entre
las medidas actuales y las predicciones sobre las medidas del modelo.
La técnica de Kalman Filter presenta las siguientes ventajas:
Optimalidad, en el sentido de que la función de coste es minimizada.
Posibilidad de conocer datos conocidos, extraidos del conocimiento de la
estadística de la degradación de los distintos componentes del motor, en los
valores iniciales del vector de estado y en la matriz de covarianza
Posibilidad de tener en cuenta la presencia de ruido.
Sin embargo, también presenta los siguientes inconvenientes:
En caso de no tener un historial conocido de la degradación de los
componentes, una elección arbitraria de la matriz de covarianza puede conducir
a una no convergencia del método.
El método de Kalman Filter tiende a “repartir” o “esparcir” el fallo detectado
en uno de los componentes sobre otros componentes que realmente se
encuentran ajenos a una degradación importante.
La existencia de fuertes no-linearidades puede llevar a que los errores asumidos
en la aproximación lineal no sean suficientemente pequeños.
7.3. Redes Bayesianas
Las Redes Bayesianas (BBN, Bayesian Belief Network) son sistemas expertos
probabilísticos que permiten la estimación de la probabilidad de variables discretas incluso en
sistemas complicados con muchas variables con relaciones fuertemente no lineales entre ellas.
Una red bayesiana consiste en un conjunto de nodos representando variables discretas, según
lo definido en la Teoría de la Probabilidad. Todos los posibels valores discretos de una cariable
OTROS MÉTODOS DE IDENTIFICACIÓN
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
139
componen el set de estados del nodo correspondiente. Las interrelaciones entre las variabels
son expresadas mediante las conexiones de la red. De esta forma, es posible la disgregación
de la red bayesiana desde unos datos estadísticos complicados de definir y su implementación
en cualquier tipo de motor. Sin embargo, el carácter heurístico de las BBN pone en duda su
fiabilidad y generalidad. Con el desarrollo de la técnica a lo largo de los años, las relaciones
probabilísticas entre las variables fueron definidas con una mayor precisión, llevando al
método a ser mucho más eficiente.
Entre las ventajas del uso de redes bayesianas se encuentran:
La posibilidad de embeber las BBNs en otro sistema de diagnóstico, lo que
conlleva a un diagnóstico mucho mas robusto y preciso.
La posibilidad de inclusión de datos como el historial de mantenimiento del
motor, ya sea modificando las probabilidades “a priori” de los nodos existentes
en la red o directamente añadiendo nuevos nodos.
Sin embargo, el método también presenta una serie de inconvenientes:
En general las redes bayesianas no son capaces de trabajar con mediciones de
sensores mal calibrados (bias).
Se necesita mucho tiempo y recursos en obtener la información necesaria para
poner a punto la red.
7.4. Lógica difusa (Fuzzy Logic)
Lógica difusa es un método que simula la capacidad humana de razomaniento
impreciso. Se trata de un enfoque basado en reglas, basado en una formulación típicamente
usada en el análisis de sistemas complejos. Las entradas y salidas se discretizan, lo que permite
simplificar problemas matemáticos complejos. Al igual que otros métodos descritos
anteriormente, el enfoque de lógica difusa permite la inclusión de antecedentes históricos del
motor, incluso de una forma mucho más fácil. También es mucho más eficiente desde el punto
de vista computacional. Sin embargo, presentan una serie de limitaciones, como la falta de
robustez y estabilidad en ciertos momentos o la imposibilidad de extrapolar resultados.
BIBLIOGRAFÍA
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
140
8. BIBLIOGRAFÍA
[1] Yi-Guang-Li. Gas Turbine Diasnogtics. Cranfield University.
[2] Nicholas Cumpsty. Jet Propulsion. A Simple Guide to the Aerodynamic and
Thermodynamic Design and Performance of Jet Engines. Cambridge University.
[3] Stephen Ogajiye. (2003). Tamuno-ojuemi Ogaj. Advanced Gas-path Fault
Diagnostics for Stationary Gas Turbines. Cranfield University.
[4] Reza Salamat.(2012). Gas Path Diasnogtics for Compressors. Cranfield
University.
[5] Ruggero Spina. (2000). Reliability in the Determination of Gas Turbine
Operating State. Proceedings of the 39th IEEE Conference on Decision and Control.
[6] Ronald D. Flack. (2005). Fundamentals of Jet Propulsion with Applications.
Cambridge University Press.
[7] Morini, Pinelli, Spina y Venturini. (2010). Influence of Blade Deterioration on
Compressor and Turbine Performance. Journal of Engineering for Gas Turbine and Power.
[8] Luca Marinai. (2004). Gas-Path Diasnogtics and Prognostics for Aero-Engines
using Fuzzy Logic and Time Series Analysis. Cranfield University.
[9] Ph. Kamboukos, A. Stamatis. Turbofan performance deterioration tracking
using non-lineaL models and optimization techniques. University of Athens.
[10] Daniel Kamunge. (2011). A Non-Linear Weighted Least Squared Gas Turbine
Diasnogtics Approach and Multi-Fuel Performance Simulation. Cranfield University.
[11] Yi-Guang Li. (2010). Gas Turbine Performance and Health Status Estimation
Using Adaptive Gas Path Analysis. Journal of Engineering for Gas Turbines and Power.
[12] N. Aretakis. (2003). Identification of Sensor Faults on Turbofan Engines using
Pattern Recognition Techniques. Laboratory of Thermal Turbomachines. Universitiy of Athen
Análisis de metodologías para la identificación de la degradación en turbinas de gas
Aplicación en el motor Rolls-Royce RB211
141
top related