Beruflich Dokumente
Kultur Dokumente
Abstract:
In diesem Vortrag wird auf ein computergestütztes Diagnosesystem eingegangen, dessen Konzept zur Anwendung in
einem fortschrittlichem, wiederverwendbaren europäischen Raketentriebwerk im Rahmen des internationalen ESA
FESTIP Technologieforschungsprogramms entwickelt wurde. Darüber hinaus wird auf eine Erweiterung eingegangen,
welche nach der Fertigstellung des FESTIP Anteils als Resultat eines Kooperationsprojektes mit der Moskauer Techni-
schen Universität „Bauman“ von russischen Wissenschaftlern entwickelt wurde.
Die meisten Betreiber von Raumtransportsystemen setzen heute Triebwerksdiagnosesysteme unterschiedlicher Kom-
plexität ein. Die diagnostische Auswertung wird dabei Off-Line von menschlichen Experten durchgeführt. Als Konse-
quenz hat die viel billigere und dem Zweck mehr entsprechende, bedarfsorientierte Wartung die routinemäßige bereits
zu einem gewissen Grade ersetzt. Allgemeine Übereinstimmung herrscht darüber, daß Wissensbasierte Systeme (WBS)
und künstliche Intelligenz (KI) hier ein großes Potential für weitere Verbesserungen darstellen.
Die im vorliegenden Fall angewendeten Strategien spielen sich auf drei Ebenen ab: einer Signalverarbeitungsebene,
einer Repräsentationsebene für den Triebwerksstatus und als höchstes auf einer dritten Ebene, in welcher Wartungs-
und Reparaturarbeiten empfohlen werden.
Auf unterster Ebene wurden unter Berücksichtigung der Anforderungen verschiedener Triebwerkskomponenten Inter-
faces für diagnostische Hardware und die zugehörige Signalverarbeitungssoftware definiert. Das System funktioniert,
indem es den Informationsoutput operationeller Agenten sammelt und kombiniert. Der Zustand von Komponenten und
Submodulen wird erfasst und führt schließlich zu einer Bewertung des Zustandes des ganzen Triebwerks.
Auf mittlerer Ebene werden Prozessdaten mit Fehlersymptomen und Versagens zuständen des Triebwerks und seiner
Komponenten korreliert. Als Resultat wird eine kompilierte Beschreibung des Zustandes erhalten.
Auf Systemebene wurde eine regelbasierte Architektur definiert, die Entscheidungen über die weitere Verwendbarkeit
von Komponenten trifft und Vorschriften für deren Wartung und Reparatur generiert. Insgesamt entsteht so eine Folge
von Maßnahmen, die darauf abzielen, das Triebwerk sicher in die nächste Anwendung einzubringen. Somit ist ein Moni-
toring, Diagnose und Wartungs- Plan (MDW) für das Triebwerk das Produkt der höchsten Ebene des WBS.
Die Integration externer Datenbasen mit antriebsspezifischer Information wurde ebenfalls untersucht und in den Grund-
zügen definiert. Auf einen für diese Zwecke besonders attraktiven Formalismus wird näher eingegangen, nämlich ein
zellulares Netzwerk der Raketentriebwerkskomponenten. In einem solchen Netzwerk werden alle Komponenten funktio-
nell zu Subsystemen verknüpft. Alle Komponenten haben topologisch korrekte Schnittstellen mit den Komponenten des
gleichen oder anderer Subsysteme. Über die Schnittstellen werden folgende Ströme ausgetauscht: statische und dyna-
mische Kräfte (im mechanischen oder strukturellen Interface), Vibrationen (dynamisches Interface), Massen (Strömungs-
oder fluiddynamisches Interface), Energie (Wärmestrom- oder thermodynamisches Interface, wobei mechanische Ener-
gie durch Kräfte repräsentiert wird) und Informationen (Kommando- und sensorisches Interface). Die externe System-
grenze des Triebwerks bildet eine weitere Schnittstelle mit der Umgebung des Triebwerks. Die Summe aller Wechsel-
wirkungen unter den Komponenten eines Subsystems mit jenen eines anderen definiert den Input und Output des Sub-
systems, welches die betreffenden Komponenten konstituieren.
Eine regelbasierte Expertise menschlichen Ingenieurwissens bildet das allem zugrundeliegende Softwaremodell. Im
gegenwärtigen Entwicklungsstand beschränkt sich dieses auf einen Beispielfall auf Subsystemebene (Health monitoring
einer Raketenturbopumpe). Die Parameter verschiedener Antriebssysteme sind in einer Datenbasis verfügbar, die das
Modell eines Prototyps für eine externe Datenbasis bildet. Im Rahmen der Kooperation mit der Moskauer TU-"Bauman"
war es möglich, hier einen wichtigen Schritt weiter zu kommen. Auf neueste Ergebnisse der Modellierung von Raketen-
turbinen und Turbopumpen wird eingegangen, wie sie als Ergänzung und Erweiterung dieser Untersuchungen erarbeitet
wurden.
1EINFÜHRUNG
Ziel dieser Arbeit ist die Definition eines Modells für ein computergestütztes Managementkonzept zur Sta-
tusdiagnose und Wartung von wiederverwendbaren Raketentriebwerken. Das System soll nach dem Flug
des jeweiligen Triebwerks zum Einsatz kommen. Wann immer sich im Lebenszyklus des Triebwerks diag-
nostische Anforderungen ergeben, also bei Bodentests oder während der Mission, werden Sensordaten, die
1
während der Brennzeiten des Triebwerks aufgezeichnet wurden, in das wissensbasierte Wartungs- und Di-
agnose Management System (WDMS) integriert und ausgewertet.
Die im Rahmen des ESA-FESTIP Technologieprogramms durchgeführte Studie umfasste im ersten Teil eine
intensive Auswertung der Literatur zu Diagnosemodulen für Raketen und Luftfahrttriebwerke. Als Ergebnis
dieser Arbeiten wurde vorgeschlagen die Entwicklungen für das SSME als Richtungsweiser für zukünftige
Arbeiten heranzuziehen. Im zweiten Teil wurden Kataloge von Diagnoseaufgaben bei Antriebssystemen,
zugehörige Diagnoseprozeduren, notwendige Triebwerksüberwachung, Diagnosegeräte und computerge-
stützte Datenanalysemethoden definiert und zusammengestellt. Auf Basis dieser Arbeiten wurde drittens
eine Diagnosearchitektur entworfen und in ein Referenzmodell eines regelbasierten Diagnosesystems inte-
griert.
MD R operations for a
re-usable rocket engine
s chedul ed diagnos tic refurbi shment mis s ion component des ign
maintenance monitoring
operations s ervices equi ppi ng modificati ons
(health ass es sment)
high pres sure turbo pump combustion chamber drying of H P TP bearing fueli ng
. torque checks temperatures
. turbine blade inspect ion drying of nozzle and charging
. seal leakage check on request of pump discharge pres sure pipes
results of arming
low pres sure pumps monitoring and propel lant flow s
. torque checks function testi ng
turbine shaft s peed
heat exchanger s ystem
. leakage t es t turbo pump vibrati ons
. vi sual inspection
val ves
. hydraulic and pneumatic
tes ts groundoperations in-flight operations
test firing
2
2.1 Übersicht der in Gebrauch befindlichen Methoden
Luftfahrtantriebe
Die Aufzeichnungen und Dokumente beginnen mit der Einführung der Triebwerksleistungsüberwachung
mittels manuell aufgezeichneter Daten von Boroskopie- und Röntgenuntersuchungen in den USA 1972 bei
der Fluggesellschaft EASTERN AIRLINES. In Europa folgte die LUFTHANSA 1976 mit systematischer
Überwachung des Triebwerkszustands. Das erste wissensbasierte System über das berichtet wird, ist ein
verteiltes lernfähiges Roboterexpertensystem, das von der Illinois Universität bis 1982 entwickelt wurde.
1987 führten die Firmen Textron und Avco Lycoming unter dem Namen TEXMAS ein Diagnosesystem
(diagnostic reasoner) für Gasturbinentriebwerke ein. Zur gleichen Zeit wenden in Europa die Programme zur
Triebwerksüberwachung von Airbus und ATR wissensbasierte Systeme noch nicht an. Kurze Zeit später
starteten die USA eine Serie experimenteller Programme zur Analyse und Auswertung von Daten von
Triebwerksüberwachungssystemen. Im Rahmen dieser Programme sollten Fehlerbeseitigungswerkzeuge für
Experten sowie Unterstützungssoftware für Wartungstechniker entwickelt werden. Das NASA Forschungs-
zentrum in Langley blickt auf eine lange Geschichte in diesem Bereich zurück. Im Jahre 1989 gab es das
"Langley Restructurable control tool" ein onboard überwachungs- und Diagnosesystem. 1993 wurde ihr "Ca-
se-based Reasoner CBR" als fallbasierter Ansatz zur Behandlung von Flugzeugfehlfunktionen veröffentlicht.
Im selben Jahr wurde in den USA das System "IFES" als ein flugtaugliches Expertensystem zu Diagnose-
zwecken im Großmaßstab angekündigt. Ähnliche Aktivitäten gab es auch in Kanada, Australien, Japan und
sogar in China. Europäische Aktivitäten blieben nur sporadisch. Da gab es das von Rolls-Royce entwickelte
"Condition Monitoring and Performance Analysis Software System COMPASS" und in Deutschland muss
man Studien an der RWTH Aachen im Bereich der Turbotriebwerksdiagnose (EXTEND) erwähnen.
3
erforderlich ist und den Nachteil, daß physikalische Zusammenhänge nicht erkennbar werden. Der hier ver-
wendete Ansatz stützt sich auf eine sogenannte nicht-lineare Komponentenanalyse, bei der das Problem
als stochastisch betrachtet wird und man lineare Algebra und Kalman Filtern auch in nicht-linearen Syste-
men einsetzt. Real-time Bedingungen wurden bisher noch nicht erreicht. Die wichtigsten Problemkreise be-
stehen in der Wahl der Architektur, der Trainingsdaten und der Methoden. Das System umfasst ebenfalls die
Bewertung von Sensordaten, zielt aber insgesamt weit darüber hinaus.
Situation beim VULCAIN Triebwerk
Vergleichbare Erfahrungen wie beim SSME gibt es in Europa nicht. Obwohl eine große Menge an Testdaten
mit während Entwicklungstests wiederverwendeten Triebwerken gesammelt wurde, war keiner dieser Test-
läufe vergleichbar mit den beim SSME gemachten Erfahrungen.
Die Testauswertung erfolgte unter Zuhilfenahme von "ETNA 5", einer Kombination aus Datenbank und
Netzwerk bestehend aus Computern an 9 verschiedenen Orten. Dieses System ist weiterhin verfügbar für
den ARIANE 5 Betrieb und die VULCAIN Weiterentwicklung. Das System kann alle Testdaten der 1500 wäh-
rend der Entwicklung vorgesehenen Tests speichern. Es ist seit 1988 operationell, stellt natürlich kein
wissensbasiertes System dar, wäre aber eine exzellente Basis für ein solches.
Bei ARIANE 5 wird die Überwachung und Kontrolle über dieses Niveau hinaus gehen. Die Kontrolle der
Startsequenz wurde basierend auf einem AMDEC Ansatz (Funktionenbaum und Fehlermodus-Analyse)
entworfen und benutzt "Red Lines" in Synchronsequenz.
4
AI-Systems
5
Operative Diagnostic Level
Rocket Engine MD MD
Status Derivation Operation Operation
Generato Sequencer
M onitoring Agents
Bild 3: Softwareebenen des Diagnosesystems (Beispiel: Oxydatorpumpe)
Jeder Hersteller einer Triebwerkskomponente muss eine detaillierte technische Beschreibung seiner Kom-
ponente in Form eines Datenbankmodells liefern. Der Datenaustausch muss auf einer allgemeinen Kommu-
nikationsschicht aufbauen. Diese Schicht standardisiert den Daten- und Botschaftenfluss innerhalb des Sys-
tems. Jedes neue Modul, das sich an das festgelegte Kommunikationsprotokoll hält, kann so leicht in das
System integriert werden.
Bild 4 zeigt die Aufgabe der Kommunikationsschichten, die zwischen der Überwachungsebene (monitoring
level) und der Untersystemstatusebene (subsystem status level) sowie zwischen dieser und der Triebwerks-
systemebene (engine system level) vermitteln.
Beide Schichten verteilen hauptsächlich Daten, wenn nötig über Netzwerke. Der Hauptinformationsfluss geht
von der untersten Ebene (monitoring agents) zur obersten Ebene um den Zustand des Systems zu diagnos-
tizieren. Wenn eine dem Diagnosesystem unbekannte Fehlfunktion auftritt, kann die oberste Ebene eine
Anfrage zu dem betroffenen Untersystem schicken, um z.B. die erhaltenen Eingabedaten auf Auffälligkeiten
abzusuchen oder um den Zustand der Sensoren zu überprüfen.
Bei der Systemrealisierung hat die Definition der Schnittstellen eine zentrale Bedeutung. Schnittstellendefini-
tion heißt Festlegung eines Kommunikationsprotokolls für den Informationsaustausch zwischen den Ebenen
und Modulen. Datenbanken sind die Quelle für Entwurfs- und Betriebsdaten der Raketentriebwerkskompo-
nenten. Infolgedessen erstreckt sich die Schnittstellendefinition auch auf die Standardisierung beim Daten-
bankzugriff.
6
Engine Bild 4: Kommunikation zwischen verschiedenen
System Ebenen und Modulen in einer ausgebreiteten Sys-
Level request for subsystem status
unknown error subsystem status temumgebung
Subsystem
Level
request for data
abstract description
unknown error
of sensor data
Monitoring Agents
1
BILD 5 Struktur eines Überwachungsagenten (monitoring agent)
2
s ubs yst em s tatus report l
s ubs yst em s tatus report k
s ubs yst em s tatus report j
s ubs yst em s tatus report i
s ubs yst em id: hpotp_turnbins_s haft TP s ubs ys tem
s ys tem_time: + 124000 ms mis sion database
parameter list : {oi l_temp, s haft_vib, rad_s peed} monitoring s tat us report i
parameter value l ist: {400, 2000, 13000}
monitoring s tat us report i
parameter dim lis t: {k, htz, rad/min}
s tatus : attenti on monitoring s tat us report i
error class lis t: overheating_inner_bearing_race monitoring s tat us report i
s ubs yst em lis t: gas _generator
monitored: rotational s peed monitored: s haft vibrat ion monitored: oil temp. monitored:
monitoring agent oil temp.
controller
dimensi on: rad/s dimensi on: {crit ical, hi gh dimensi on 1: K dimensi on 1: K
indicate event: ±5 rad/s ec medium, low} indicate event 1: ±5K -indicate
evaluateevent
s tatus1:of
± monitoring
5K agent
indicate event: new cl as s dimensi on 2: {crit ical, hi gh, ok, -dimensi
query for
on status
2: of
{crit
sensor
ical, devices
hi gh, ok,
medium, low} - send start si gnalmedium, low}
indicate event 2: new cl as s indicate event 2: new cl as s
event sv n
event sv m
reques ts
event v l event sv l event bfl s tatus s2l
• sensor mode
event v k event sv k event bok event bfk s tatus s1k s tatus s2k • device s tatus
event v j event sv j event boj event bfj s tatus s1j s tatus s2j • st art s ignal
event v i event sv i event boi event bfi s ens or s ens or
s tatus s1i s tatus s2i
event queue 1 event queue 2 event queue 3 event queue 3 s ens or s 1 s ens or s 2
s peed s haft s haft vibrat ion s haft bearing oi l s haft bearing oi l s tatus queue s tatus queue
temperature (K) temperature (clas s)
Eine Wissensbasis (knowledge library) ist eine Sammlung von Wissensquellen mit grundlegenden Informati-
onen über die Struktur und das Betriebsverhalten eines Untersystems.
Ein Wissensmanager (knowledge manager) ist die aktive Komponente eines Untersystemmoduls. Er emp-
fängt Eingaben vom Synchronisator, der einen Satz an Daten von den Sensoren gesammelt hat. Die Haupt-
aufgabe des Wissensmanagers ist die Durchführung von "off-line" Diagnose. Er muß eine Strategie für die
Bewertung der gelieferten Daten entwickeln. Diese Strategie besteht aus einer Kette von Entscheidungen
zur Aktivierung bestimmter Teile der Wissensbasis. Das Resultat wird auf einer Fehlerklasse und dem zuge-
hörigen Untersystem abgebildet welches die Anomalie verursacht haben könnte.
3
Solche sind:
Statische und Druckkräfte (mechanische oder Strukturschnittstelle)
Vibrationen (dynamische Schnittstelle)
Massenströme (Massenfluss- oder strömungsmechanische Schnittstelle)
Energie (Wärmestrom oder thermodynamische Schnittstelle, mechanische Energie wird durch Kräfte und
Momente repräsentiert)
Informationen (Kommando und Sensor-Schnittstelle)
Die Summe aller Wechselwirkungen zwischen den Komponenten eines Subsystems und jenen eines ande-
ren definiert den Austausch zwischen Subsystemen. Die externe Umgebung des Raketentriebwerkssystems
bildet eine weitere Schnittstelle.
Zur Beschreibung des Systems erweisen sich daneben noch komponenteninterne Daten als nützlich. Bei-
spiele sind manche Drucke, Drehzahlen, Gradienten etc. Dies ermöglicht eine flexiblere Handhabung der
Definition der Komponenten- und Subsystemgrenzen.
In der Graphen-Darstellung des dreidimensionalen Netzwerkes können die Schnittstellen zwischen den
Komponenten (Vertices) Ki und Kk z.B. als Kante Sik repräsentiert werden (wo i = k sein kann und i = 0 für die
Umgebung vorbehalten ist). Über jede der Schnittstellen kann jeder der oben beispielhaft definierten Daten-
ströme laufen. Wenn j die laufende Nummer der Daten-Art bezeichnet, hat jeder dieser Ströme mit Sjik be-
reits eine eindeutige Bezeichnung. Bei der Erstellung des Netzwerkes werden zunächst alle Tripel jik ent-
fernt, für deren Komponenten nach Maßgabe der Bauweise des Triebwerks kein Austausch von Daten der
Art j besteht. Danach werden
die im Entwurf bereits mit Sensoren bestückten, also gemessenen Schnittstellendaten S jik gekennzeich-
net. Dabei ist anzumerken, daß die Sensoren selbst auch als Komponenten auftreten
ebenso werden alle Sjik ermittelt, deren Datenwerte über Modelle und physikalische oder sonstige Prinzi-
pien aus gemessenen Daten (im Datenlabor, s.u.) berechnet werden können
im nächsten Schritt wird der Inhalt der Wissensbasen mit den Sjik korreliert. Sjik, die darin nicht vorkom-
men, werden eliminiert. Andrerseits werden kritische als solche gekennzeichnet. Damit werden überflüs-
sige oder fehlende Sensoren identifiziert. Komponentenpaare, die keinerlei Austausch haben, verschmel-
zen dabei zu einer einzigen neuen Komponente
Die Subsysteme werden als Untermengen von Komponenten zusammengefasst und ihr Datenausstoß
steht danach zur Bewertung ihres Zustandes zur Verfügung
Aus den Wissensbasen resultieren insbesondere (scharfe oder weiche) Grenzwerte für die S jik. Diese
Grenzwerte können zudem Funktionen anderer Datenwerte sein (z.B. kann der erlaubte Druck eine Funktion
der Temperatur sein).
4.3 Systemebene (System Level)
4.3.1 Module auf der Antriebssystemebene
Module für vorzuschlagende Diagnosearbeiten und für die Berechnung und Modifizierung des WDI Plans
sind auf der Systemebene angesiedelt. Das strategische Ziel der Systemebenen-Module ist der Schritt von
der turnusmäßigen Routinewartung zur Bedarfs orienten.
Systemebenen-Module haben folgende Aufgaben:
Informationsmanagement
Erstellung von Missionsberichten und Visualisierung von Missionsdaten
Ableitung von Diagnose-Tätigkeiten aufgrund festgestellter Fehlfunktionen
Ableitung von Wartungs- und Reparaturarbeiten
Koordination von WDI-Tätigkeiten,
Berechnung eines Netzplans
Bereitstellung von Werkzeugen für die Datenanalyse des Antriebssystems und der Untersysteme
Abschätzung der Lebensdauer und Bestimmung des Leistungszustands des Systems und seiner Kom-
ponenten.
4
Bild 7 zeigt einen zusammenfassenden Überblick der Module auf Systemebene. Das primäre Produkt des
Diagnosesystems ist ein WDI Plan mit einer Folge von Maßnahmen, die während des Wartungszyklus
durchzuführen sind. Ein Satz an Werkzeugen für die Analyse der Messdaten wird im Datenlaborsegment
(data laboratory segment) bereitgestellt und unterstützt die Untersuchung von nicht überwachten Parame-
tern. Im Datenlabor können neue Neuronale Netze oder "Fuzzy Controller" kalibriert und trainiert werden. In
Übereinstimmung mit der Untersystemebene ist die zentrale Komponente der Systemebene der Wissens-
manager (knowledge manager). Er ist als off-line Modul entworfen, das im Normalfall seine Eingabedaten
aus einer Datenbank erhält. Die Berichte aller "high-level" Untersysteme werden verarbeitet und dargestellt.
Auf der Basis der Untersystemstatusberichte wählt der Wissensmanager Untersysteme zur genaueren Un-
tersuchung aus. Ein Kreuzvergleich mit den Parametern der "high-level" Untersysteme wird durchgeführt um
Kombinationseffekte oder die Fortpflanzung von Fehlerauswirkungen zu untersuchen.
MDR operations
mi ssion MDR subsystem system for system and database experimental
report schedule information performance subsystems access model s
user interface
subsystem
subsystem status report subsystem technical
subsystem
high level mi ssion specifi cation
life cycle
subsystems (e.g.
turbo pump, igniter)
5
Tab.1 zeigt die "Matrix of reasoning", eine Skala der Fehlfunktionen, wie sie in [3] vorgeschlagen wurde.
6
Zustands der Komponenten, Untersysteme und des ganzen Triebwerks. Fehlerzustände werden erkannt
und mit den Ausgabeinformationen der Diagnosemodule verknüpft
Die Ausgabe der Überwachungsagenten wird an Module weitergeleitet, welche den Zustand der Untersys-
teme und des Antriebssystems ermitteln. Auf der mittleren Ebene werden die Prozessdaten auf Fehlersymp-
tome und Fehlerzustände des Raketentriebwerks und seiner Komponenten abgebildet. Ergebnis der mittle-
ren Ebene ist eine Beschreibung des Zustands der wichtigsten Triebwerkskomponenten.
Auf Systemebene wurde eine regelbasierte Architektur definiert, welche Entscheidungen über die Wieder-
verwendbarkeit der Untereinheiten fällt und Beschreibungen von Reparatur- und Wartungsmaßnahmen für
diese erstellt. Die Ausgabe der Module der obersten Ebene ist eine Abfolge von Maßnahmen, die auf einen
sicheren Betrieb des Antriebssystems im nachfolgenden Einsatz abzielt. Eine überarbeitete Regelsammlung
menschlicher Experten ist das zugrundeliegende Softwaremodell, welches im jetzigen Zustand nur anhand
von Beispielen auf Subsystemebene skizziert wurde.
Die Integration von externen Datenbanken mit antriebsspezifischen Informationen wurde untersucht und die
wichtigsten Probleme erörtert. Als Modellierungstool wurde ein zellulares Netzwerk vorgeschlagen
5.2 Ausblick
Der nächste Schritt nach dem Entwurf der Referenzarchitektur ist die Entwicklung eine Demonstrator-
Version des wissensbasierten Diagnosesystems und die praktische Arbeit an der Erweiterung hin zu Echt-
zeitüberwachung. Die folgenden zukünftigen Arbeitspakete, welche einen Weg zu einem WBDS Demonstra-
tor aufzeigen, wurden identifiziert.
Aufbau eines off-line WBDS Demonstrators
Systemanalyse eines Echtzeit WBDS. Wissensbasierte Systeme, die in Echtzeit arbeiten sind Gegen-
stand der Forschung, aber es gibt noch keines in praktischer Anwendung, weil diese Systeme datenab-
hängig sind. Ihre Regelbasis ist flexibel und Änderungen unterworfen. Das Verhalten des Systems kann
sich komplett verändern ohne das die Algorithmen (the inference engine) neu programmiert worden sind.
Im allgemeinen sind "Echtzeit" und "wissensbasiert" zwei entgegengesetzte Pole der Dimension "Leis-
tungsfähigkeit".
Kosten-Wirksamkeitsanalyse
6 LITERATUR
[1] Lo, Landvogt, Leppich, Sattler: "Technical Review of Monitoring and Diagnosis Techniques"
in: FESTIP: Technology Developments in Rocket and Air-breathing Propulsion for Reusable Launch Vehicles,
Technical Report WP5100, January 1996
[2]Lo, Landvogt, Leppich, Sattler: "Reference Model of a Diagnosis System for a Reusable Propulsion System", in:
FESTIP: Technology Developments in Rocket and Air-breathing Propulsion for Reusable Launch Vehicles,
Technical Report WP5200, May 1996
[3]Lo, Landvogt, Leppich, Sattler, Rode: "Reference Architecture for a Knowledge based Diagnosis System", in: FESTIP:
Technology Developments in Rocket and Air-breathing Propulsion for Reusable Launch Vehicles, Technical
Report WP5300, August 1996
[4]R.Bickford et al.: "Real-Time Sensor Validation for Autonomous Flight Control", 33rd AIAA Joint Propulsion Confe-
rence, Seattle, AIAA-97-2901, Juli 1997
[5]D.Mattern, Sci.Monitoring Inc.: "Real-Time Simulation of a Neural network Based Engine Health Monitoting System",
33rd AIAA Joint Propulsion Conference, Seattle, AIAA-97-2902, Juli 1997