유전자 알고리즘은 자연선택과 유전법칙을 적용하여 최적해를 탐색하는 방법으로, 본 연구에서 항공기용 가스터빈 엔진의 결함 진단을 위한 학습 알고리즘으로 사용되었다. 성능 저하를 고려한 구성요소는 압축기, 가스발생기 터빈, 동력 터빈이며, 설계점에서 엔진의 단일 구성요소에 대하여 각각 성능 저하 예측을 수행한 후, 이를 바탕으로 결함 진단을 수행하였다. 학습데이터 수의 증가가 유전자 알고리즘을 이용한 성능 저하 예측 및 결함 진단에 미치는 영향을 분석하였으며, 결과적으로 결함치에 대한 RMS 오차율이 모두 3% 이내로 예측됨을 확인하였다.
Genetic Algorithms(GA) which searches optimum solution using natural selection and the law of heredity has been applied to learning algorithms in order to estimate performance deterioration of the aircraft gas turbine engine. The compressor, gas generator turbine and power turbine are considered for engine performance deterioration and estimation for performance deterioration of a single component at design point was conducted. As a result of that, defect diagnostics has been conducted. The input criteria for the genetic algorithm to guarantee the high stability and reliability was discussed as increasing learning data sets. As a result, the accuracy of defect estimation and diagnostics were verified with its RMS error within 3%.
