Reliability Analysis of C-130 Turboprop Engine Components Using Artificial Neural Network.

Reliability Analysis of C-130 Turboprop Engine Components Using Artificial Neural Network. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF (Reliability Analysis of C-130 Turboprop Engine Components Using Artificial Neural Network)
Nizar_Qattan_g270195_Ms_thesis.pdf - Published Version

Download (6MB) | Preview

Arabic Abstract

الاسم الكامل: نزار بن عوض الله حسين قطان عنوان الرسالة: 'تحليل الموثوقية في مكونات المحرك المروحي التربيني لطائرة السي-130 باستخدام الشبكات العصبيه الإصطناعية ' التخصص: هندسة الطيران والفضاء تاريخ الدرجة العلمية: 1434هـ - 2013م. في هذه الدراسة، تم تحليل وتنبؤ الأعطال في تربينات محرك طائرة السي-130 من صنع شركة لوكهيد مارتن. ولإتمام هذه العملية والتحقق من صحة التحليل, فقد تم استخدام بيانات تشغيليه ميدانيه لأكثر من ثلاثين عاماً. وتم استخدام عدة نماذج علمية وهي: نموذج الإنحدار باستخدام التحليل الوابلي, ونموذج الشبكات العصبية الإصطناعية باستعمال العديد من الخوارزميات بما في ذلك ( شبكات التغذية الأمامية ذات الانتشار الإرتدادي Feed-forward back-propagation , الشبكة العصبية الإصطناعية بدالة الأساس الشعاعي Radial basis neural network , المستشعر المتعدد الطبقات Multilayer perceptron ). و لهذا الغرض, فقد تم تقسيم الأطروحة إلى خمسة أجزاء رئيسية . يتناول الجزء الأول تحليل الإنحدار باستخدام نموذج وايبل للتنبؤ بنسبة أعطال التوربينات في حالة الأعطال التي تتطلب صيانة عامه, و الأعطال اللتي تتطلب عمرة شاملة. وفي الجزء الثاني تم بحث استخدام نماذج الشبكة العصبية الصناعية ( ANN ) بطريقة خوارزميات التغذية الأمامية ذات الإنتشار الإرتدادي كقاعدة للتعلم. وتم استخدام حزمة MATLAB من أجل بناء وتصميم برنامج لمحاكاة البيانات الميدانية، حيث أن المدخلات إلى الشبكة العصبية تمثل المتغيرات المستقلة ، والنواتج تمثل معدل للأعطال العامة في التوربينات ، و الأعطال التي تتطلب عمرة شاملة. في الجزء الثالث تم استخدام خوارزميات الشبكة العصبية الإصطناعية بدالة الأساس الشعاعي لتوقع المعدل العام لأعطال التوربينات, والأعطال التي تتطلب عمرة شاملة, بالإستعانة بنموذج الشبكة العصبية المبرمجه ضمن حزمة MATLAB. وللتحقق من صحة النتائج, تم في الجزء الرابع عمل مقارنة علمية بين مخرجات خوارزميات شبكات التغذية الأمامية ذات الإنتشار الإرتدادي, و خوارزميات طريقة الشبكة العصبية الإصطناعية بدالة الأساس الشعاعي, مع نموذج الإنحدار باستخدام التحليل الوابـلي. وبناءٌ عليه, فقد إتضح من خلال هذه المقارنة أن الشـبكات العصـبية اللإصطناعية لديها القدرة الفائقة لمحاكاة النتاائج الفعلية لعدد مرات اللأعطال. مقارنة بنموذج التحليل الوابلي. وفي نهاية هذا الجزء قمنا بتصنيف الأعطال الشائعة لتوربينات محركات طائرة السي-130 لستة أقسام رئيسية. وبإستخدام خوارزميات الشبكات العصبية بطريقة المستشعر المتعدد الطبقات على حزمة البرنامج التجاري DTREG, تم توقع معدل الأعطال التي تتطلب صيانة عامة, و الأعطال اللتي تتطلب عمرة شاملة, بالإضافة للأعطال الست الشائعة. وأخيرا, ومن خلال نتـائج هذه الدراسـة, يمكن إعطـاء نظرة ثاقــبة في مدى الإعتـمادية لتوربينات محركـات طائـرة السي-130 تحت ظروف التشـغيل الفعلية ، واستخدامها كأداه لتخطيط الصيانة , من خلال معرفة عدد الوحدات المطلوب توفرها كبديل في حالة الأعطال, و تخصيص برامج الصيانة الموصى بها من قبل الشركة المصنعة.

English Abstract

Full Name : Nizar Awadallah H Qattan Thesis Title : Reliability Analysis of C-130 Turboprop Engine Components Using Artificial Neural Network. Major Field : Aerospace Engineering. Date of Degree : Jumada' I, 1434H - March, 2013G In this study, we predict the failure rate of Lockheed C-130 Engine Turbine. More than thirty years of local operational field data were used for failure rate prediction and validation. The Weibull regression model and the Artificial Neural Network model including (feed-forward back-propagation, radial basis neural network, and multilayer perceptron neural network model); will be utilized to perform this study. For this purpose, the thesis will be divided into five major parts. First part deals with Weibull regression model to predict the turbine general failure rate, and the rate of failures that require overhaul maintenance. The second part will cover the Artificial Neural Network (ANN) model utilizing the feed-forward back-propagation algorithm as a learning rule. The MATLAB package will be used in order to build and design a code to simulate the given data, the inputs to the neural network are the independent variables, the output is the general failure rate of the turbine, and the failures which required overhaul maintenance. In the third part we predict the general failure rate of the turbine and the failures which require overhaul maintenance, using radial basis neural network model on MATLAB tool box. In the fourth part we compare the predictions of the feed-forward back-propagation model, with that of Weibull regression model, and radial basis neural network model. The results show that the failure rate predicted by the feed-forward back-propagation artificial neural network model is closer in agreement with radial basis neural network model compared with the actual field-data, than the failure rate predicted by the Weibull model. By the end of the study, we forecast the general failure rate of the Lockheed C-130 Engine Turbine, the failures which required overhaul maintenance and six categorical failures using multilayer perceptron neural network (MLP) model on DTREG commercial software. The results also give an insight into the reliability of the engine turbine under actual operating conditions, which can be used by aircraft operators for assessing system and component failures and customizing the maintenance programs recommended by the manufacturer.

Item Type: Thesis (Masters)
Subjects: Aerospace
Department: College of Engineering and Physics > Aerospace Engineering
Committee Advisor: Abdelrehman, Dr. Wael
Committee Co-Advisor: Al-Garni, Dr. Ahmed
Committee Members: Khuleif, Dr. Yehia and Khalil, Dr. Iraqi Mohammed and Edi, Dr. Prasetyo
Depositing User: QATTAN NIZ AWADALLAH (g200701950)
Date Deposited: 30 Dec 2013 20:47
Last Modified: 01 Nov 2019 15:40
URI: http://eprints.kfupm.edu.sa/id/eprint/139013