Bu çalışma, uçak motorlarının disk ve şaft gibi yüksek hızlı rotor bileşenlerinde oluşabilecek çatlakları, motor gövdesinden ölçülen titreşim sinyalleri üzerinden erken belirlemek amacıyla fiziksel yapı odaklı bir derin öğrenme çerçevesi önermektedir. Model, motoru tek bir sayısal kara kutu olarak ele almak yerine giriş, fan, yüksek basınç kompresörü, yanma odası, yüksek basınç türbini, düşük basınç türbini ve nozül gibi fiziksel bölümlere karşılık gelen paralel alt ağlardan oluşmaktadır.

Önerilen yaklaşımda her hedef uçuş, kendisinden önceki beş uçuş kullanılarak tahmin edilmektedir. Model yalnızca yakın geçmişte sağlıklı kabul edilen uçuşlarla yeniden eğitilmekte ve motor yaşlandıkça değişen normal titreşim tabanını izlemeye çalışmaktadır. Tahmin edilen titreşim ile gerçek titreşim arasındaki fark, çatlak göstergesi olarak kullanılmaktadır.

Araştırmacılar, rotor hızı ile gövde titreşimi arasındaki hareketli Pearson korelasyon katsayısı 0,8’in üzerinde olan çalışma aralıklarını seçerek eğitim verisini daraltmıştır. Tam hız aralığındaki verilerle oluşturulan modelde yüzde 27,34 olarak verilen sMAPE değerinin seçilmiş aralıklarla yüzde 7,36’ya düştüğü bildirilmiştir. En kötü doğrulama senaryosundaki 645 noktanın yüzde 97,5’inde tahmin hatası yüzde 20’nin altında kalmıştır.

Çalışma ayrıca kompresör kararsızlığı veya “surge” sırasında oluşan geçici titreşim sıçramalarını gerçek rotor hasarından ayırmak için kompresör çıkış toplam basıncı P₃^* sinyalini kullanmaktadır. Basınç hızla düşerken titreşim artıyorsa adaptif kapı açılmakta ve aerodinamik kaynaklı geçici sapma bastırılmaktadır. Basınç düşüşü olmadan kalıcı biçimde büyüyen titreşim farkları ise yapısal bozulma göstergesi olarak korunmaktadır.

Gerçek uçuş doğrulamasında 101 ardışık uçuş incelenmiştir. Çalışmaya göre 99. uçuşun son bölümünde gerçek titreşim tahmin edilen sağlıklı tabanın üzerine çıkmış, 100. uçuşta bu fark bütün uçuş boyunca devam etmiş ve 101. uçuştan sonraki boroskop incelemesinde disk-şaft bölgesinde görünür bir çatlak bulunmuştur. Araştırmacılar bu davranışı tek yönlülük, birikimlilik ve geri döndürülemezlik özellikleriyle açıklamaktadır.

Bununla birlikte gösterilen sonuçlar, yöntemin bütün uçak motorlarında çatlağı güvenilir biçimde önceden belirleyebildiğini kanıtlamamaktadır. Çalışmada yalnızca bir doğrulanmış çatlak olayı bulunmaktadır; motor tipi, sensör konumu, çatlağın boyutu, bakım geçmişi, ham veriler ve kaynak kod paylaşılmamıştır. Eğim tabanlı uyarı kuralında beş ardışık eşik aşımı istenmesine rağmen yalnızca 98, 99 ve 100. uçuşlarda aşım gösterilmesi de raporlanan erken uyarı zamanlamasını matematiksel olarak belirsiz hâle getirmektedir.

Araştırmanın ele aldığı güvenlik sorunu nedir?

Uçak motorlarının diskleri ve şaftları, çalışma sırasında çok yüksek dönme hızlarına, merkezkaç kuvvetlerine, sıcaklık değişimlerine ve aerodinamik yüklere maruz kalmaktadır. Bu bileşenlerde başlayan küçük bir yorulma çatlağı, rotorun yerel rijitliğini ve sönümleme davranışını değiştirebilir. Çatlak kritik büyüklüğe ulaştığında rotorun parçalanması ve motor muhafazasının dışına taşan kontrolsüz bir arıza meydana gelmesi mümkündür.

Rotor diskleri ve şaftlardaki çatlaklar, rulman veya kanat arızalarına göre daha seyrek görülebilir; ancak sonuçları daha ağır olabilir. Bu nedenle sorun yalnızca çatlak mevcutken onu bulmak değil, henüz bakım sırasında gözle görülebilir hâle gelmeden önce çatlağın titreşim üzerindeki zayıf etkisini belirlemektir.

Günümüzde motor sağlığı üç ana yöntemle izlenebilir:

• Çevrim içi titreşim izleme: Motor gövdesindeki sensörler belirli titreşim seviyelerinin aşılıp aşılmadığını denetler.
• Tahribatsız muayene: Motor durdurularak ve gerektiğinde sökülerek çatlaklar ultrasonik, girdap akımı veya başka yöntemlerle aranır.
• Boroskop incelemesi: Motor tamamen sökülmeden dar erişim kanallarından görsel kontrol yapılır.

Geleneksel titreşim eşikleri erken çatlakların zayıf ve doğrusal olmayan etkilerini kaçırabilir. Tahribatsız muayene güvenilir olsa da motorun durdurulmasını ve maliyetli bakım süreçlerini gerektirir. Boroskop ise yalnızca erişilebilen yüzeyleri gösterebilir. Çalışma bu boşluğu, motorun beklenen sağlıklı titreşimini sürekli tahmin eden ve ölçülen titreşim bu tabandan kalıcı biçimde ayrıldığında uyarı üreten bir modelle doldurmayı amaçlamaktadır.

Çalışmanın temel araştırma sorusu nedir?

Araştırmanın temel sorusu şu şekilde özetlenebilir:

Motorun çalışma koşullarına göre oluşması beklenen sağlıklı titreşim yapay zekâ ile yeterince doğru tahmin edilirse, gerçek titreşimin bu tabandan kalıcı ve büyüyen biçimde ayrılması rotor çatlağının erken göstergesi olarak kullanılabilir mi?

Bu yaklaşım doğrudan çatlağın uzunluğunu veya geometrisini hesaplamamaktadır. Model, sağlıklı motor davranışını tahmin etmekte ve bu davranıştan sapmayı anomali göstergesi olarak değerlendirmektedir.

Kayan pencereyle uçuş çevriminden uçuş çevrimine tahmin

Şekil 1’de gösterilen stratejide pencere genişliği beş uçuş olarak seçilmiştir. İlk beş sağlıklı uçuş kullanılarak altıncı uçuşun titreşimi tahmin edilir. Ardından pencere bir uçuş ileri kaydırılır:

• 1–5. uçuşlar kullanılarak 6. uçuş tahmin edilir.
• 2–6. uçuşlar kullanılarak 7. uçuş tahmin edilir.
• i ile i+4 arasındaki uçuşlar kullanılarak i+5. uçuş tahmin edilir.

Bu tasarımın iki amacı vardır. Birincisi, modelin yalnızca yakın geçmişteki sağlıklı davranışı öğrenmesi ve çatlak belirtisi taşıyan verilerle eğitim tabanının kirlenmesini engellemektir. İkincisi, motorun uzun dönemli yaşlanma, aşınma ve performans kaybı nedeniyle değişen normal titreşimini izlemektir.

Sabit ve motorun erken ömründe eğitilmiş bir model, yaşlanmış bir motoru değerlendirdiğinde sistematik hata üretebilir. Kayan pencere ise normal yaşlanmayı takip ederek ani ve geri dönmeyen yapısal değişiklikleri daha görünür kılmayı amaçlamaktadır.

Modelin giriş ve çıkış değişkenleri nelerdir?

Her zaman adımındaki giriş vektörü yedi motor ve çevre parametresinden oluşmaktadır:

\[ X_i(t)=[T_0,\ P_0,\ N_1,\ N_2,\ P_3^*,\ T_5^*,\ W_f] \]

Modelin çıktısı, motor gövdesi veya taşıyıcı bölgesindeki sensörde ölçülmesi beklenen titreşim yanıtı V’dir. Gerçek ölçüm ile tahmin arasındaki farkın motor çalışma koşullarından değil, yapısal durumdaki değişiklikten kaynaklanması hedeflenmektedir.

Bi-LSTM neden kullanılmıştır?

Motor verileri zaman içinde birbirine bağlıdır. Rotor hızı, basınç, sıcaklık ve titreşim bir zaman adımından diğerine ani ve bağımsız şekilde değişmez. Uzun Kısa Süreli Bellek ağı veya LSTM, geçmişteki önemli bilgileri hücre durumunda tutarak zaman serilerindeki uzun süreli ilişkileri öğrenebilir.

Çalışmada çift yönlü LSTM veya Bi-LSTM kullanılmıştır. Bir ağ diziyi ileri yönde, diğer ağ geri yönde işler ve iki gizli durum birleştirilir:

\[ H_t=[\overrightarrow{h_t},\overleftarrow{h_t}] \]

Bu yöntem çevrim içi olmayan dizi çözümlemesinde geçmiş ve sonraki bağlamı birlikte kullanabilir. Ancak gerçek zamanlı bir sistemde mevcut saniyenin tahmini için gelecekteki örneklerin bulunmaması önemli bir uygulama sorunudur. Çalışma, çift yönlü yapının bir saniyelik gerçek zamanlı çıkarım sırasında geleceğe ait bilgiye ihtiyaç duymadan nasıl çalıştırıldığını açıklamamaktadır.

Fiziksel topoloji odaklı ağ mimarisi nasıl kurulmuştur?

Şekil 3’te ağ üç ana katmana ayrılmıştır:

1. Bileşen ağ katmanı,
2. Fiziksel yasa eşleştirme ağı,
3. Haritalama ağı.

Bileşen ağ katmanı

Motorun yedi fiziksel bölümü ayrı alt ağlarla temsil edilmiştir:

• Giriş,
• Fan,
• Yüksek basınç kompresörü,
• Yanma odası,
• Yüksek basınç türbini,
• Düşük basınç türbini,
• Nozül.

Giriş sıcaklığı ve basıncı giriş alt ağına, N₁ fan ve düşük basınç türbini alt ağlarına, N₂ yüksek basınç kompresörü ve türbini alt ağlarına yönlendirilmiştir. Yakıt debisi yanma odasına, T₅^* ise nozül bölümüne bağlanmıştır.

Fiziksel yasa eşleştirme ağı

Yerel özellikler daha sonra şu isimleri taşıyan Bi-LSTM modüllerinden geçirilmiştir:

• Sınır koşulu,
• İş etkileşimi,
• Aerodinamik yük,
• Enerji dönüşümü,
• Tork dengesi,
• Düşük basınç türbini iletimi,
• İtki geri beslemesi.

Araştırmacılar bu düzenin motorun mekanik ve aerodinamik bilgi akışını taklit ettiğini belirtmektedir. Bununla birlikte modüller için kütle, momentum, enerji, tork veya rotor dinamiği denklemlerine dayalı açık fiziksel kısıtlar verilmemiştir. Modüller esas olarak fiziksel anlam taşıyan isimlerle düzenlenmiş sinir ağı bloklarıdır.

Çalışmanın gelecek çalışma bölümünde mevcut modelin rotor dinamiği yasalarını açıkça içermediği ve bileşen etkileşimlerini tam bağlantılı katmanlarla örtük biçimde öğrendiği kabul edilmektedir. Bu nedenle yöntem, fizik denklemlerinin kayıp fonksiyonuna gömüldüğü bir fizik bilgilendirmeli sinir ağından çok, alan bilgisiyle düzenlenmiş veya fiziksel mimariye göre bölümlenmiş bir veri modeli olarak tanımlanmalıdır.

Haritalama ağı

Bütün yerel ve eşleştirilmiş özellikler iki tam bağlantılı katmanda birleştirilerek nihai titreşim tahmini oluşturulmaktadır. Bu katmanda çoklu motor parametreleri tek titreşim çıktısına dönüştürülmektedir.

Yalnızca belirli çalışma aralıkları neden seçilmiştir?

Motor titreşimi bütün çalışma zarfında rotor hızıyla aynı ölçüde ilişkili değildir. Rölantide yanma kararsızlığı, sabit seyirde düşük değişkenlik, kritik hızlara yakın bölgelerde rezonans ve uçuşun farklı termal durumları titreşim-hız ilişkisini bozabilir.

Çalışma, N₁ rotor hızı ile gövde titreşimi arasındaki Pearson korelasyonunu kayan bir pencere içinde hesaplamaktadır:

\[ \rho_{N_1,V}=\frac{\operatorname{cov}(N_1,V)} {\sigma_{N_1}\sigma_V} \]

Korelasyon katsayısı 0,8’in üzerinde olduğunda rotor hızı ile titreşimin güçlü biçimde bağlı olduğu kabul edilmekte ve bu aralık eğitim için seçilmektedir.

Ayrıca rotor hızının yerel değişimi bütün çalışma aralığının yüzde 2’sinden küçükse pencere geçersiz sayılmaktadır:

\[ \Delta N_{1,\mathrm{local}}>0.02\times \operatorname{Range}(N_1) \]

Bu “ölü bant” kuralı, rotor hızının neredeyse sabit olduğu seyir bölümlerinde ölçüm gürültüsünden kaynaklanan yapay korelasyonları engellemeyi amaçlamaktadır.

Korelasyon penceresiyle ilgili tutarsızlık

Veri ön işleme bölümünde, 1 Hz örnekleme için 150 saniyelik hareketli korelasyon penceresi kullanıldığı belirtilmektedir. Sonuçlar bölümünde ise aynı veri seçimi 30 saniyelik pencereyle açıklanmaktadır.

150 ve 30 saniyelik pencereler aynı sonuçları üretmeyebilir:

• 150 saniyelik pencere daha kararlı ancak daha yavaş değişen bir korelasyon ölçer.
• 30 saniyelik pencere geçici olaylara daha duyarlı ancak gürültüye daha açıktır.

Hangi pencerenin nihai deneylerde kullanıldığı açıklanmadığından veri seçimi bağımsız olarak yeniden üretilememektedir.

Veri miktarı ve veri grupları

Çalışmada üç farklı veri tanımı bulunmaktadır:

• Veri ön işleme bölümünde 100 ardışık uçuş ve 6 milyondan fazla örnekten söz edilmektedir.
• Model doğruluğu bölümünde 24 uçuşun B1–B4 adlı dört gruba ayrıldığı, her grupta beş uçuşun eğitim ve bir uçuşun doğrulama için kullanıldığı belirtilmektedir.
• Gerçek çatlak doğrulamasında 101 ardışık uçuş incelenmiştir.

Bunların aynı motorun farklı alt kümeleri mi, farklı motorlar mı veya birbirinden bağımsız veri setleri mi olduğu açık değildir. Bu ayrım, modelin farklı motorlara genellenip genellenmediğini değerlendirmek açısından önemlidir.

Min–maks normalizasyonu

Seçilen zaman serileri ortak bir sayısal aralığa ölçeklenmiştir:

\[ X'=\frac{X-X_{\min}}{X_{\max}-X_{\min}}\,(a-b)+b \]

Denklem standart min–maks ölçeklemesine karşılık gelmektedir. Ancak metinde X′ özgün veri, X ise normalize edilmiş değer olarak açıklanmıştır. Bu açıklama denklemdeki kullanımın tersidir.

Gerçek zamanlı uygulamada eğitim verisinden elde edilen X_min ve X_max değerlerinin mi kullanıldığı, yoksa her yeni uçuşun kendi minimum ve maksimumuyla mı ölçeklendiği belirtilmemiştir. Yeni uçuşun tamamından elde edilen minimum ve maksimumların kullanılması, gerçek zamanlı tahminde geleceğe ait bilgi kullanımına neden olabilir.

Tahmin artığı nasıl hesaplanmaktadır?

Modelin temel sağlık göstergesi, ölçülen titreşim ile tahmin edilen sağlıklı titreşim arasındaki farktır. Göreli artık çalışmada şu biçimde tanımlanmıştır:

\[ e_{\mathrm{rel}}= \frac{1}{n}\sum_{i=1}^{n} \frac{|V_{\mathrm{actual},i}-V_{\mathrm{pred},i}|} {V_{\mathrm{pred},i}}\times100\% \]

Mutlak artık ise ölçüm ve tahmin arasındaki ortalama mutlak farktır:

\[ e_{\mathrm{abs}}= \frac{1}{n}\sum_{i=1}^{n} |V_{\mathrm{actual},i}-V_{\mathrm{pred},i}| \]

Göreli artığın paydasında tahmin edilen titreşimin kullanılması, tahmin sıfıra yaklaştığında çok büyük yüzde değerleri üretebilir. Çalışmadaki tam hız aralığı modelinde yüzde 1.000’i aşan azami hataların bir bölümü bu matematiksel duyarlılıkla ilişkili olabilir.

Dinamik uyarı eşiği

Sağlıklı uçuşların göreli artıklarından dayanıklı bir istatistiksel eşik oluşturulmaktadır:

\[ T_{\mathrm{static}}= \operatorname{Median}(e_{\mathrm{rel}}) +m\,\operatorname{NMAD}(e_{\mathrm{rel}}) \]

Çalışmada m=3 seçilmiştir. Araştırmacılar bunu üç sigma kuralıyla ilişkilendirmektedir. Ancak medyan mutlak sapmaya dayalı bir eşik, dağılım normal olmadığında doğrudan yüzde 99,73 güven düzeyi sağlamaz. NMAD’nin hangi ölçekleme katsayısıyla normalize edildiği de belirtilmemiştir.

Statik eşik motorun ömür veya yaşlanma katsayısıyla ayarlanmaktadır:

\[ \lambda_{\mathrm{life}}= 1+\alpha\frac{F-F_{\mathrm{avg}}}{F_{\mathrm{overhaul}}} \]

Burada F uçuş çevrimi, F_overhaul bakım periyodu ve α=0,15 ampirik katsayıdır. F_avg değişkeninin nasıl belirlendiği açıklanmamıştır. Şekil 14’te bakım periyodu 3.000 çevrim olarak kullanılmış ve dinamik eşik yaklaşık 0,095560 olarak gösterilmiştir.

Aerodinamik kararsızlık neden yanlış alarm oluşturur?

Kompresör kararsızlığı sırasında kompresör çıkış basıncı hızla düşebilir ve motor gövdesindeki titreşim geçici olarak yükselebilir. Sağlıklı taban modeli bu ani olayı tahmin edemezse ölçülen titreşim tahminden büyük olur ve rotor çatlağına benzeyen pozitif bir artık oluşur.

Çalışma, aerodinamik kararsızlık ile çatlak arasında şu ayrımı kurmaktadır:

Adaptif titreşim telafisi nasıl çalışmaktadır?

Sistem, P₃^* basıncının zamana göre türevi ile titreşim artığını birlikte denetlemektedir. Basınç hızlı biçimde düşerken artık eşiği de aşılıyorsa yüksek bastırma modu etkinleştirilmektedir:

\[ \alpha_t= \begin{cases} \alpha_{\mathrm{high}}, & \nabla P_3^*<\delta\ \text{ve}\ e_{\mathrm{abs}}>\gamma \\ \alpha_{\mathrm{low}}, & \text{diğer durumlar} \end{cases} \]

Artıkların hareketli ortalaması ve varyansı adaptif olarak güncellenmektedir:

\[ \mu_t=\alpha_t R_t+(1-\alpha_t)\mu_{t-1} \]

\[ \sigma_t^2= \varepsilon(R_t-\mu_t)^2+ (1-\varepsilon)\sigma_{t-1}^2 \]

Telafi edilmiş sağlık göstergesi, ham artık ile adaptif ortalama arasındaki farktır:

\[ CHI_t=e_{\mathrm{abs},t}-\mu_t \]

Basınç düşüşüyle eşleşen titreşim sıçraması sırasında α_t büyütülerek adaptif tabanın olayı hızlı izlemesi ve artık sinyalini bastırması amaçlanmaktadır. Çatlak sırasında basınç düşmediği için kapı kapalı kalmakta ve kalıcı titreşim artışı sağlık göstergesinde görünmeye devam etmektedir.

Dikkat tabanlı kapı modülü

Çalışma, sabit bir koşul kuralını eğitilebilir dikkat modülüne dönüştürmektedir. P₃^* sinyali Bi-LSTM katmanlarını atlayan doğrudan bir yolla kapıya taşınmaktadır. Bunun amacı kısa süreli basınç düşüşlerinin uzun süreli bellek katmanları tarafından aşırı yumuşatılmasını engellemektir.

Dikkat ağırlığı şu genel yapıyla hesaplanmaktadır:

\[ \alpha_t= \operatorname{Sigmoid} \left( W_a[ \operatorname{ReLU}(-\nabla P_{3,t}^*) \oplus e_{\mathrm{abs},t-1} ]+b_a \right) \]

Son titreşim tahmini fiziksel ağın gizli özellikleri ile basınçtan üretilen telafi teriminin birleşimidir:

\[ \widehat{V}_{\mathrm{pred},t}= f_{\mathrm{map}}(H_{\mathrm{phys},t}) +\alpha_t g(P_{3,t}^*) \]

Kapının hangi surge etiketleriyle eğitildiği, eğitimde kaç aerodinamik kararsızlık örneği bulunduğu ve yanlış kapı açma oranı açıklanmamıştır.

Modelin eğitim ayarları

Çalışma 1 Hz örnekleme kullandığı için sistemin her veri noktasını işlemesi için yaklaşık bir saniye bulunmaktadır. Bu nedenle 1 ms’den kısa çıkarım süresi yeterli görünmektedir. Ancak ölçümün GPU eşzamanlaması, ısınma çalıştırmaları, tekrar sayısı, ön işleme süresi ve veri aktarımını içerip içermediği belirtilmemiştir.

Tam hız aralığı ile seçilmiş çalışma aralığının karşılaştırılması

B1–B4 adlı dört doğrulama grubunda beş uçuş eğitim, bir uçuş doğrulama için kullanılmıştır. Her grupta tam hız verisi yaklaşık 50.000 örnek içerirken korelasyon filtresinden sonra yaklaşık 8.000 örnek kalmıştır.

Çalışma ortalama hata azalmasını yaklaşık yüzde 70 olarak tanımlamaktadır. Verilen 27,34 ve 7,36 değerleri aynı tür istatistik kabul edildiğinde matematiksel azalma yaklaşık yüzde 73’tür:

\[ \frac{27.34-7.36}{27.34}\times100\approx73.1\% \]

Ancak sonuçlar bölümünde yüzde 7,36 seçilmiş modelin azami sMAPE değeri, yüzde 27,34 ise tam hız modelinin ortalama sMAPE değeri olarak anlatılmıştır. Özet ve sonuç bölümünde ise iki değer de aynı tür ortalama gibi sunulmuştur. Bu nedenle doğrudan yüzde azalmanın hangi istatistiklere dayandığı açık değildir.

Ayrıca zor çalışma bölgelerinin veri setinden çıkarılması, modelin yalnızca daha kolay tahmin edilen aralıklarda değerlendirilmesi anlamına gelebilir. Bu sonuç bütün uçuş zarfındaki tahmin başarısının iyileştiğini değil, güçlü rotor-titreşim bağlantısının bulunduğu sınırlı aralıkta daha temiz bir taban oluşturulduğunu göstermektedir.

En kötü doğrulama senaryosundaki hata dağılımı

B4 senaryosunda 645 kritik örnek incelenmiştir:

Dağılım, modelin seçilen çalışma aralığındaki noktaların çoğunu düşük hatayla tahmin ettiğini göstermektedir. Bununla birlikte yüzde hatalar küçük titreşim değerlerinde büyüyebildiği için mutlak hata ve titreşimin fiziksel birimi de birlikte raporlanmalıydı. Çalışma MAE denklemini vermesine rağmen doğrulama grupları için sayısal MAE tablosu sunmamıştır.

Kompresör kararsızlığı telafisinin sonucu

Şekil 11’de kompresör kararsızlığından etkilenen bir uçuşta ölçülen ve tahmin edilen P₃^* basınçları karşılaştırılmıştır. Ölçülen basınçta ani sıçrama, hızlı düşüş ve büyük genlikli salınımlar görülmektedir. Temel model basıncın hızlı değişimini gecikmeli izlemektedir.

Şekil 12(a)’da telafisiz model surge sırasında titreşimi düşük tahmin etmekte ve büyük pozitif artık üretmektedir. Şekil 12(b)’de basınç kapılı telafi eklendiğinde tahmin eğrisinin ölçülen titreşime yaklaştığı gösterilmiştir.

Bu bölümde telafi öncesi ve sonrası MAE, sMAPE, artık büyüklüğü veya yanlış alarm sayısı verilmemiştir. Sonuç büyük ölçüde seçilmiş bir olayın grafiksel karşılaştırmasına dayanmaktadır. Kaç surge olayıyla eğitim ve doğrulama yapıldığı açıklanmamıştır.

Gerçek çatlak vakasındaki uçuş dizisi

Çalışma, daha sonra boroskop incelemesiyle çatlak doğrulandığı bildirilen bir motora ait 101 ardışık uçuşu incelemiştir.

25, 48, 66 ve 81. uçuşlarda tahmin edilen ve ölçülen titreşim eğrileri birbirine yakın görünmektedir. Kısa süreli sapmalar hızla sağlıklı tabana geri dönmektedir.

99. uçuşta yaklaşık 18.000. zaman adımından sonra ölçülen titreşim tahminin üzerinde kalmaya başlamıştır. Sapma uçuşun son bölümünde büyümüş ve sağlıklı tabana dönmemiştir. Bu uçuş sonraki eğitim penceresinden çıkarılmıştır.

94–98. uçuşlarla eğitilen model doğrudan 100. uçuşa uygulanmış ve gerçek titreşimin bütün uçuş boyunca tahmin edilen tabanın üzerinde kaldığı bildirilmiştir. 101. uçuştan sonraki yer incelemesinde disk-şaft bölgesinde görünür çatlak bulunduğu belirtilmiştir.

Çatlak için tanımlanan üç davranış

• Tek yönlülük: Ölçülen titreşim sürekli olarak sağlıklı tahminin üzerinde kalmaktadır.
• Birikimlilik: Sapmanın büyüklüğü ardışık uçuşlarda artmaktadır.
• Geri döndürülemezlik: Sapma geçici çalışma değişikliği gibi tabana geri dönmemektedir.

Bu davranışlar çatlakla uyumlu olabilir; ancak yalnızca çatlağa özgü değildir. Kalıcı sensör kayması, rotor dengesizliği, gevşek bağlantı, sürtünme, rulman bozulması veya başka yapısal hasarlar da benzer kalıcı titreşim artışı üretebilir. Çalışma farklı arıza türleriyle ayırıcı doğrulama yapmamıştır.

Noktasal artık eşiği

Şekil 14’e göre 6–98. uçuşlarda göreli artık dinamik eşiğin altında kalmıştır. 99. uçuşta artık eşiği aşmaya başlamış, 100. uçuşta belirgin biçimde yükselmiş ve 100. uçuş değeri anomali öncesi seviyenin 6,4 katına ulaşmıştır.

Çalışma bu sonucu, noktasal artık eşiğinin 99. uçuşta çatlak uyarısı verdiği şeklinde yorumlamaktadır.

Eğim tabanlı ilerleyici bozulma ölçütü

Erken ve küçük değişimleri yakalamak için beş uçuşluk hareketli ortalamanın birinci farkı kullanılmaktadır. Denklem şu biçimde yorumlanabilir:

\[ \delta_k= \frac{1}{5} \sum_{i=k-4}^{k} \left(e_{\mathrm{rel},i}-e_{\mathrm{rel},i-1}\right) \]

Sağlıklı 11–80. uçuşlardaki eğimlerden eşik oluşturulmuştur:

\[ \theta_{\mathrm{slope}}= \operatorname{Median}(\delta_{\mathrm{healthy}}) +3\,\operatorname{NMAD}(\delta_{\mathrm{healthy}}) =0.0046 \]

Çalışmada verilen eğimler:

Araştırmacılar ilk aşımın 98. uçuşta meydana geldiğini ve eğim ölçütünün noktasal eşikten bir uçuş daha erken uyarı sağladığını belirtmektedir.

Beş ardışık uçuş koşulundaki matematiksel çelişki

Yöntem bölümünde ilerleyici bozulma uyarısı için eğimin beş ardışık uçuşta eşik üzerinde kalması gerektiği yazılmıştır. Gösterilen sonuçlarda ise yalnızca 98, 99 ve 100. uçuşlar eşik üzerindedir.

Bu nedenle sunulan verilere göre:

• 98. uçuş yalnızca ilk eşik aşımıdır.
• 99. uçuşta iki ardışık aşım vardır.
• 100. uçuşta üç ardışık aşım vardır.
• Beş ardışık aşım koşulu mevcut uçuş dizisinde tamamlanmamıştır.

İlk aşım 98. uçuşta başladıysa beşinci ardışık aşımın en erken 102. uçuşta oluşması gerekir. Çalışma 100. uçuşa kadar eğim göstermektedir. Dolayısıyla 98 veya 99. uçuşta “beş ardışık uçuş” kuralıyla uyarı verildiği sonucu matematiksel olarak desteklenmemektedir.

Uyarı zamanlamasıyla ilgili diğer çelişkiler

Çalışmanın farklı bölümlerinde şu ifadeler yer almaktadır:

• Eğim eşiğinin ilk kez 98. uçuşta aşıldığı,
• İlerleyici bozulma uyarısının 99. uçuşta verildiği,
• Noktasal artık eşiğinin 99. uçuşta aşıldığı,
• Çatlağın 101. uçuş sonrasındaki incelemede görüldüğü,
• Yöntemin boroskop doğrulamasından yalnızca bir uçuş önce uyarı verdiği.

Uçuş numaralarına göre 98. uçuş ile 101. uçuş sonrası inceleme arasında birden fazla uçuş vardır. 99. uçuş da 101. uçuş sonrası incelemeden yalnızca bir uçuş değil, numaralandırmaya bağlı olarak yaklaşık iki çevrim öncedir. Uyarı zamanlamasının başlangıç, uçuş sonu ve bakım zamanı temelinde nasıl sayıldığı açıklanmadığından “bir uçuş önceden” ifadesi net değildir.

Sağlıklı eğitim verisiyle ilgili tutarsızlık

Çalışma ilk 100 uçuşu “normal uçuşlar” olarak tanımlayan bir ifade kullanmaktadır. Buna karşılık 99 ve 100. uçuşları çatlak başlangıcı ve kalıcı bozulma olarak göstermektedir. Bu iki tanım birbiriyle uyuşmamaktadır.

Ayrıca eğim ölçütü 98. uçuşta anomali gösteriyorsa 98. uçuşun 99. uçuşu tahmin eden eğitim penceresinde sağlıklı veri olarak kullanılması tartışmalıdır. Çalışma, 99. uçuşu eğitimden çıkardığını açıkça belirtmekte; ancak en erken uyarının verildiği ileri sürülen 98. uçuşu sağlıklı eğitim verisi olarak kullanmaya devam etmektedir.

Fiziksel yorumlanabilirlik ne düzeydedir?

Ağın giriş ve alt katmanlarının motor bileşenlerine göre ayrılması, sıradan tam bağlantılı bir ağdan daha anlaşılır bir mimari sunmaktadır. Hangi parametrenin hangi bileşene girdiği fiziksel olarak açıklanabilmektedir.

Ancak fiziksel yasa eşleştirme katmanında:

• Tork dengesi denklemi,
• Kütle ve enerji korunumu,
• Rotor rijitlik matrisi,
• Şaft-disk-rulman dinamiği,
• Çatlak soluma veya harmonik modeli,
• Fizik temelli kayıp fonksiyonu

bulunmamaktadır. Bu nedenle artıkların “doğrudan çatlağa atfedilebileceği” iddiası aşırı güçlüdür. Ağ, açıklanmayan veya ölçülmeyen başka fiziksel bozulmaları da çatlak artığı olarak gösterebilir.

Çalışmanın güçlü yönleri nelerdir?

• Motorun fiziksel bölümlerini sinir ağı mimarisine yansıtan modüler bir yaklaşım sunmaktadır.
• Tek bir sabit model yerine uçuş çevrimleriyle birlikte güncellenen kayan pencere kullanmaktadır.
• Model eğitimine çatlak verisinin karışmasını engellemeyi hedeflemektedir.
• Korelasyon tabanlı veri seçimini sayısal hata karşılaştırmasıyla incelemektedir.
• Geçici aerodinamik kararsızlıkları yapısal bozulmadan ayırmak için bağımsız bir fiziksel sinyal kullanmaktadır.
• Yalnızca ortalama hata değil, azami hata ve nokta bazlı hata dağılımı da sunmaktadır.
• Gerçek uçuş dizisinde sonradan boroskopla doğrulandığı bildirilen bir çatlak vakasını incelemektedir.
• Noktasal sapmayla birlikte uçuşlar arası bozulma eğilimini de değerlendirmektedir.
• Modelin geçici ve kalıcı titreşim sapmalarını ayırması için fiziksel olarak anlaşılır ölçütler tanımlamaktadır.

Çalışmanın temel sınırlılıkları nelerdir?

• Çalışma hakem değerlendirmesinden geçmemiş bir preprinttir.
• Yazarlar, kurumlar, sorumlu yazar ve yayın tarihi çalışma metninde bulunmamaktadır.
• Yalnızca bir boroskopla doğrulanmış çatlak vakası sunulmuştur.
• Çatlağın tam konumu, uzunluğu, derinliği, yönü ve ilerleme durumu verilmemiştir.
• Boroskop görüntüsü veya bağımsız tahribatsız muayene sonucu gösterilmemiştir.
• Motor modeli, filo büyüklüğü ve farklı motorlara ait veri bulunup bulunmadığı açıklanmamıştır.
• Ham uçuş verileri, sensör özellikleri ve kaynak kod paylaşılmamıştır.
• Titreşim sensörünün kesin konumu, ölçüm ekseni, birimi, örnekleme doğruluğu ve kalibrasyonu açıklanmamıştır.
• Titreşim sonuçları boyutsuzlaştırılmış ve fiziksel genlikler raporlanmamıştır.
• 150 saniyelik ve 30 saniyelik Pearson pencereleri arasında tutarsızlık vardır.
• Tam hız modeli ortalaması ile seçilmiş modelin azami sMAPE değeri karşılaştırılmış olabilir.
• Korelasyon filtresi zor çalışma bölgelerini dışarı çıkardığı için bütün uçuş zarfındaki genelleme gösterilmemiştir.
• Model standart LSTM, tek ağ, grafik ağı veya fizik bilgilendirmeli alternatiflerle kontrollü olarak karşılaştırılmamıştır.
• Fiziksel topoloji, korelasyon filtresi ve basınç kapısının katkısını ayıran ablasyon analizi yoktur.
• Surge telafisi yalnızca seçilmiş grafiklerle gösterilmiş, sayısal hata veya yanlış alarm oranı verilmemiştir.
• Kaç surge olayı kullanıldığı açıklanmamıştır.
• Çift yönlü LSTM’nin nedensel gerçek zamanlı tahminde nasıl uygulandığı belirtilmemiştir.
• Gerçek zamanlı normalizasyonda eğitim sınırlarının mı yoksa hedef uçuşun sınırlarının mı kullanıldığı açıklanmamıştır.
• Şekil 13’teki tahmin eğrilerinin “orta düzeyde yumuşatıldığı” belirtilmiş, ancak yöntem açıklanmamıştır.
• Beş ardışık eğim aşımı şartı gösterilen üç uçuşla karşılanmamaktadır.
• 98. uçuş anomali olarak yorumlanmasına rağmen sonraki modelde sağlıklı eğitim verisi olarak kullanılmıştır.
• Çalışmanın farklı bölümlerindeki erken uyarı süreleri birbiriyle uyuşmamaktadır.
• NMAD tabanlı eşik için üç sigma güven düzeyinin geçerliliği deneysel olarak doğrulanmamıştır.
• Yanlış pozitif ve yanlış negatif oranları bağımsız bir motor filosunda ölçülmemiştir.
• Kalıcı dengesizlik, rulman arızası, sensör kayması ve sürtünme gibi diğer bozulmalarla ayırıcı test yapılmamıştır.

Çalışma neyi desteklemektedir?

Çalışma, motor çalışma parametrelerinden beklenen titreşimin öğrenilebildiğini ve ölçülen titreşimin bu tahminden kalıcı biçimde ayrılmasının yapısal bozulma için yararlı bir sağlık göstergesi olabileceğini desteklemektedir.

Rotor hızı ile titreşimin güçlü ilişkili olduğu aralıkların seçilmesi, incelenen doğrulama gruplarında daha düşük tahmin hatası üretmiştir. Ayrıca kompresör çıkış basıncının aerodinamik titreşim sıçramalarını tanımak için yararlı bir fiziksel referans olabileceği gösterilmiştir.

Tek gerçek vaka, çatlak doğrulamasından önce iki ardışık uçuşta kalıcı ve büyüyen titreşim artığı bulunduğunu göstermektedir. Bu sonuç, koşula dayalı bakım için araştırılmaya değer bir erken uyarı yaklaşımı sunmaktadır.

Çalışma neyi kanıtlamamaktadır?

• Modelin bütün motor türlerinde rotor çatlağını bir veya daha fazla uçuş önceden belirleyebildiğini kanıtlamamaktadır.
• Tespit edilen artığın yalnızca çatlak nedeniyle oluştuğunu bağımsız arıza karşılaştırmalarıyla göstermemektedir.
• Çatlağın konumunu, uzunluğunu veya kalan ömrü tahmin etmemektedir.
• Beş ardışık eğim aşımı şartının gerçekten sağlandığını göstermemektedir.
• Çalışma içindeki “bir uçuş önceden uyarı” zamanlamasını tutarlı biçimde kanıtlamamaktadır.
• Modelin farklı motorlara, farklı sensörlere ve farklı uçuş rotalarına genellenebildiğini göstermemektedir.
• Aerodinamik kararsızlık telafisinin gerçek çatlak sinyalini hiçbir koşulda bastırmayacağını kanıtlamamaktadır.
• Surge ile çatlağın aynı anda oluştuğu bir durumda kapının doğru karar vereceğini göstermemektedir.
• Modelin sertifikalı uçuş emniyet sistemi olarak kullanılmaya hazır olduğunu göstermemektedir.
• Fiziksel topoloji katmanlarının standart bir kara kutu modelden daha iyi olduğunu kontrollü ablasyonla kanıtlamamaktadır.

Türkiye açısından nasıl değerlendirilebilir?

Türkiye’de sivil havacılık, askerî motor sistemleri, insansız hava araçları, helikopterler ve yerli turbomakine projelerinde koşula dayalı bakım giderek daha önemli hâle gelmektedir. Motorun yalnızca sabit titreşim limitleriyle değil, kendi geçmiş sağlıklı davranışıyla karşılaştırılması bakım planlamasını geliştirebilir.

Çalışmanın Türkiye’ye aktarılabilecek temel yaklaşımı şu adımlardan oluşmaktadır:

• Motorun uçuş çevrimleri boyunca senkronize gaz yolu ve titreşim verilerinin toplanması.
• Her motor için bireysel sağlıklı titreşim tabanı oluşturulması.
• Yaşlanma ve normal performans kaybının kayan eğitim penceresiyle izlenmesi.
• Kompresör kararsızlığı gibi bilinen geçici olayların ayrı fiziksel sinyallerle işaretlenmesi.
• Kalıcı artığın boroskop, girdap akımı ve diğer tahribatsız muayene sonuçlarıyla eşleştirilmesi.
• Uyarı eşiğinin farklı motorlar, iklimler ve uçuş görevleri üzerinde doğrulanması.

Uygulamaya geçilmeden önce farklı motor tiplerinden çok sayıda sağlıklı ve arızalı örnek içeren yerel bir veri tabanı oluşturulmalıdır. Modelin yanlış alarm oranı, kaçırılan çatlak oranı ve bakım maliyetine etkisi filo düzeyinde ölçülmelidir. Kritik kararlar yalnızca yapay zekâ çıktısına değil, çoklu sensör doğrulamasına ve uzman mühendis değerlendirmesine dayanmalıdır.

Çalışmanın Yöntemi ve Bulguları

Araştırma tasarımı

Performans ölçütleri

Ortalama mutlak hata:

\[ MAE=\frac{1}{m}\sum_{i=1}^{m}|y_i-\widehat{y_i}| \]

Simetrik ortalama mutlak yüzde hata:

\[ sMAPE= \frac{200\%}{m} \sum_{i=1}^{m} \frac{|y_i-\widehat{y_i}|} {|y_i|+|\widehat{y_i}|} \]

Çalışmada azami hata şu biçimde verilmiştir:

\[ MaxError= \max_i \left( \frac{|y_i-\widehat{y_i}|} {\widehat{y_i}} \right)\times100\% \]

Azami hata formülünün tahmin değerine bölünmesi, tahmin sıfıra yakın olduğunda aşırı yüksek oranlar üretebilir. Bu nedenle azami yüzde hata tek başına değerlendirilmemelidir.

Temel nicel bulgular

Uyarı zaman çizelgesi

İç tutarlılık denetimi

Yeniden üretilebilirlik için eksik bilgiler

• Tam yazar ve kurum listesi.
• Motor tipi ve çalışma geçmişi.
• Titreşim sensörünün modeli, konumu, yönü ve birimi.
• Her uçuşun örnek sayısı ve veri dosyası yapısı.
• B1–B4 gruplarının hangi uçuşlardan oluştuğu.
• 30 veya 150 saniyelik pencerenin hangisinin kullanıldığı.
• Bi-LSTM katman sayısı, gizli birim sayısı ve alt ağ boyutları.
• Dropout, düzenlileştirme ve hiperparametre seçim yöntemi.
• Surge etiketleme yöntemi ve olay sayısı.
• Dikkat kapısının eğitim hedefi.
• Dinamik eşikte NMAD normalizasyonu ve F_avg tanımı.
• Şekil 13’te kullanılan yumuşatma algoritması.
• Boroskopla bulunan çatlağın boyutu ve görsel kaydı.
• Kaynak kod, model ağırlıkları ve anonimleştirilmiş ham veriler.

Sonuçların güvenilir yorum sınırı

Çalışmanın güçlü biçimde desteklediği sonuç, fiziksel olarak anlamlı motor parametreleriyle oluşturulan titreşim tabanının ve ardışık uçuşlardaki kalıcı artıkların rotor sağlığı izleme açısından yararlı olabileceğidir.

Buna karşılık modelin belirli bir uçuş öncesi çatlak alarmı sağladığı iddiası, eğim ölçütündeki ardışık aşım çelişkisi nedeniyle kesin değildir. Tek bir doğrulanmış vaka, duyarlılık, özgüllük veya filo düzeyinde yanlış alarm oranı hesaplamak için yeterli değildir.

Yöntem bakım kararını tek başına veren bir sistem olarak değil, boroskop veya diğer tahribatsız muayeneleri zamanlamak için ek bir risk göstergesi olarak değerlendirilmelidir.

Kaynak ve Yöntem Notu

Çalışmanın özgün adı: Application of Physical-Structure-Driven Deep Learning in Aircraft Engine Rotor Crack Prediction

Yazarlar: Çalışma metninde yazar adı veya eksiksiz yazar listesi bulunmamaktadır.

Dosya üst verisindeki yazar alanı: gantian_nwpu@163.com.

Yazar sıralaması: Doğrulanamamıştır.

Eş katkı veya eş birinci yazarlık: Belirtilmemiştir.

Sorumlu yazar: Belirtilmemiştir.

Kurumlar: Çalışma metninde kurum bilgisi yer almamaktadır.

DOI: DOI bilgisi çalışma metninde yer almamaktadır ve doğrulanmış resmî kayıt üzerinden kesinleştirilememiştir.

Resmî kaynak:SSRN özet numarası 7201932

Platform: SSRN.

Yayın veya yükleme tarihi: Çalışma metninde belirtilmemiştir.

Sayfa sayısı: 35.

Kaynak türü: Gerçek uçuş titreşim verileri, fiziksel mimariye göre düzenlenmiş Bi-LSTM, adaptif aerodinamik telafi ve ardışık uçuş anomalisi analizi içeren preprint araştırması.

Hakemlik durumu: Çalışma hakem değerlendirmesinden geçmemiştir. Belgenin her sayfasında preprint ve hakemlik uyarısı bulunmaktadır.

Hakemli dergi: Belirtilmemiştir.

Özgün yayınevi: Kabul edilmiş bir dergi yayını veya kesinleşmiş yayınevi bulunmamaktadır.

Veri kaynağı: Çalışmada sivil turbofan motorlarından alındığı belirtilen 1 Hz uçuş verileri kullanılmıştır. Motor modeli, operatör, uçuş rotası ve ham veri erişimi açıklanmamıştır.

Kod ve model erişimi: Kaynak kod, eğitilmiş model ağırlıkları ve deney yapılandırma dosyaları için açık bağlantı verilmemiştir.

Finansman ve çıkar çatışması: Çalışma metninde finansman veya çıkar çatışması beyanı bulunmamaktadır.

Bu Türkçe açıklama; çalışmanın bütün metni, 21 temel denklemi, kayan pencere şeması, Bi-LSTM hücresi, fiziksel topoloji ağı, Pearson korelasyon grafikleri, adaptif telafi şemaları, hata dağılımları, surge karşılaştırmaları, ardışık uçuş tahminleri, dinamik artık eşiği ve eğim grafiği incelenerek hazırlanmıştır. Bilimsel içerik yalnızca yüklenen çalışmaya dayanmaktadır.

Çalışmada yazar ve kurum bilgileri bulunmadığı için bibliyografik kimlik eksiksiz biçimde tamamlanamamıştır. Bu eksiklik, yayına hazırlanan sayfada açıkça korunmalıdır; doğrulanmamış isim veya kurum eklenmemelidir.

Çalışmanın en önemli yöntemsel sınırları; tek doğrulanmış çatlak vakası, ham veri ve kod eksikliği, korelasyon penceresindeki 30–150 saniye çelişkisi, fiziksel yasa entegrasyonunun matematiksel olarak gösterilmemesi ve beş ardışık eşik aşımı koşulunun sunulan uçuşlarda gerçekleşmemesidir. Bu nedenle yöntem umut verici bir araştırma prototipi olarak değerlendirilmeli, sertifikalı uçuş emniyeti veya bakım karar sistemi olarak sunulmamalıdır.