Condition monitoring of a helicopter planetary gearbox

Helicopter components are subjected to fatigue failure, as they bear a wide range of periodic loads and severe vibrations. Health and usage monitoring systems lead to beneficial effects on flight safety: they support maintenance planning by measuring and processing vibrational signals in order to compute condition indicators, which are used to assess the airworthiness of the rotorcraft and estimate equipment residual life. However, their potential inability to detect incipient malfunctions might cause catastrophic events: among others, planetary bearings faults are cumbersome to be detected, as these components might be severely damaged before dedicated condition indicators are able to highlight their impending failure. The aim of this thesis is thus to identify more efficient techniques for the detection of planetary bearing faults at early stages and analyse their implementation in the existing health monitoring system. The study focused on the helicopter AW169 produced by Leonardo Helicopter, whose planetary gearbox was tested with a seeded fault on the inner race of a planet bearing: data were manipulated to assess the detection capabilities of both traditional and novel routines, with no influence from flight conditions. Trending statistical parameters, calculated on synchronised signals and then properly filtered, were able to identify the presence of the fault at early stages. The results obtained from the endurance test were validated on flight data belonging to two distinct helicopters in order to consider their variable service conditions: the new health indexes demonstrated robustness to parameters fluctuations and moderate fault detection capabilities, whilst correlation analysis revealed that the health indexes are slightly affected by flight conditions. Lastly, the new condition indicators were integrated into the novel anomaly detector based on the neural network: the tendency not to generate false alarms on the two helicopters was highlighted even in presence of the traditional health indexes, whilst they did not contribute to recognise imminent failures.

I componenti degli elicotteri sono spesso soggetti a fenomeni di fatica, dato che operano sotto l’azione di carichi periodici e vibrazioni severe. L’installazione di sistemi di monitoraggio a bordo elicottero ha apportato importanti miglioramenti alla sicurezza di volo, supportando la pianificazione della manutenzione attraverso l’analisi delle vibrazioni per il calcolo di indicatori di condizione. Questi ultimi vengono adoperati per verificare l’agibilità al volo e valutare la vita residua dei componenti, ma la loro possibile inabilità nel rilevare malfunzionamenti può portare ad eventi catastrofici: in particolare, i difetti nei cuscinetti dell’epicicloidale sono tra i più complessi da individuare, dal momento che le vibrazioni ad esse connesse sono solitamente riconoscibili solo quando questi danni sono molto estesi. Lo scopo di questa tesi è, dunque, identificare le tecniche più efficienti per la rilevazione di guasti ai cuscinetti del planetario sin dagli stadi iniziali, ed analizzare il loro impiego nel sistema di monitoraggio esistente. L’elicottero AW169 prodotto da Leonardo Helicopter, è stato oggetto di studio, ed il suo epicicloidale è stato testato introducendo una cricca nella pista interna del cuscinetto di un satellite: i dati sono stati analizzati per esaminare le capacità di individuazione del danno sia delle tecniche tradizionali che innovative, escludendo l’influenza delle condizioni di volo. Parametri statistici di trending, calcolati su segnali sincronizzati e successivamente filtrati, hanno rilevato la presenza del danno sin dalle prime ore del test. I risultati così ottenuti sono stati validati su dati di volo riferiti a due diversi elicotteri in modo da considerare la variabilità dei parametri in condizioni operative: i nuovi indici hanno dimostrato robustezza rispetto alle oscillazioni dei parametri, e una moderata capacità di individuazione del danno. Infine, i nuovi indici sono stati integrati nell’innovativo rilevatore di anomalie basato su rete neurale: la tendenza a non generare falsi allarmi sui due elicotteri è stata evidenziata anche in presenza dei tradizionali indici, sebbene non abbiano contribuito a rilevare gli imminenti guasti.