Use este identificador para citar ou linkar para este item:
https://www.repositorio.mar.mil.br/handle/ripcmb/846961| Título: | Predição do desprendimento de partículas em aeronaves EC 725 por análise de vibrações e dados de voo por aprendizado de máquina |
| Autor(es): | Pereira, Alexandre Alli |
| Orientador(es): | Nabarrete, Airton |
| Palavras-chave: | EC 725 AP Desprendimento de partículas Árvores de decisão |
| Áreas de conhecimento da DGPM: | Aeronáutica |
| Data do documento: | 2023 |
| Editor: | Instituto Tecnológico da Aeronáutica (ITA) |
| Descrição: | As elevadas cargas dinâmicas de alta frequência a que engrenagens e mancais de helicópteros são submetidos acarretam, naturalmente, desprendimento de partículas as quais passam a circular em suas linhas de óleo. As causas do desprendimento destas partículas estão associadas a vibrações nas engrenagens da caixa de transmissão principal que, por sua vez, levam a fraturas por fadiga, eventualmente culminando em uma falha catastrófica. A fim de manter a segurança de voo, a fabricante da aeronave EC 725 AP estabeleceu certos critérios relacionados a quantidade, área, comprimento, formato ou material das partículas desprendidas, de forma que, caso estes critérios sejam atingidos, a operação da aeronave deve ser interrompida para realização de manutenção da caixa de transmissão principal. Por conta do critério de partículas, cerca de metade da frota militar brasileira da aeronave EC 725 AP teve sua operação interrompida centenas de horas de voo antes do tempo nominal previsto para a revisão da caixa de transmissão principal, incorrendo em um transtorno logístico e operacional. A fim de mitigar o problema, este trabalho propõe a utilização de algoritmos de aprendizagem de máquina para identificar os parâmetros de voo correlacionados aos desprendimentos de partículas da caixa de transmissão principal da aeronave EC 725 AP, operada pelas três Forças Armadas brasileiras. A partir da comparação com outras referências bibliográficas bem como a análise da própria consistência dos resultados, foi constatado que a técnica árvore de decisão é adequada para tal fim. Através da aplicação da referida técnica em uma base contendo dados de uma centena de voos, o parâmetro temperatura máxima do óleo motor acima de 112 ◦C foi observado como o principal parâmetro de voo associado ao desprendimento de partículas da caixa de transmissão principal da EC 725 AP. A relevância desta dissertação consiste em aplicar um método de aprendizagem de máquina não diretamente nos dados de vibração capturados pelo Health and Usage Monitoring Systems (HUMS), mas sim nos dados de voo capturados pelo Flight Data Record (FDR). Esta abordagem é particularmente útil porquanto oferece aos operadores da aeronave uma outra fonte de indicação de fraturas – e, consequentemente, desprendimento de partículas - além dos dados de vibração fornecidos pelo HUMS. |
| Abstract: | High-frequency dynamic loads that helicopter gears and bearings are subjected to naturally lead to particle detachment, which circulate in their oil lines. The causes of these particle detachments are associated with vibrations in the main transmission box gears, which, in turn, lead to fatigue fractures, possibly culminating in a catastrophic failure. To maintain flight safety, the manufacturer of the EC 725 AP aircraft established certain criteria related to the quantity, area, length, shape, or material of the detached particles. If these criteria are met, the aircraft operation must be interrupted for maintenance of the main transmission box. Because of the particle criteria, about half of the Brazilian military fleet’s EC 725 AP aircraft operation was interrupted hundreds of flight hours before the nominal time expected for the main transmission box review, leading to a logistical and operational inconvenience. To mitigate the problem, this work proposes using machine learning algorithms to identify flight parameters correlated with the particle detachments from the main transmission box of the EC 725 AP aircraft, operated by the three Brazilian Armed Forces. Comparisons with other bibliographic references and an analysis of the results’ consistency revealed that the decision tree technique is suitable for this purpose. Applying this technique to a database containing data from a hundred flights, the parameter maximum engine oil temperature above 112 ◦C was identified as the main flight parameter associated with the detachment of particles from the EC 725 AP’s main transmission box. The relevance of this thesis involves applying a machine learning method not directly on the vibration data captured by the Health and Usage Monitoring Systems (HUMS), but on the flight data captured by the Flight Data Record (FDR). This approach is particularly useful as it provides aircraft operators another source of fracture indication, and consequently, particle detachment, in addition to the vibration data provided by the HUMS. |
| Tipo de Acesso: | Acesso restrito |
| URI: | https://www.repositorio.mar.mil.br/handle/ripcmb/846961 |
| Tipo: | Dissertação |
| Aparece nas coleções: | Aeronáutica: Coleção de Dissertações |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Dissertacao_Alli.PDF | 8,15 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.