CN102331341B - 用于监测翼型件的健康状况的系统和方法 - Google Patents
用于监测翼型件的健康状况的系统和方法 Download PDFInfo
- Publication number
- CN102331341B CN102331341B CN201110192493.XA CN201110192493A CN102331341B CN 102331341 B CN102331341 B CN 102331341B CN 201110192493 A CN201110192493 A CN 201110192493A CN 102331341 B CN102331341 B CN 102331341B
- Authority
- CN
- China
- Prior art keywords
- toa
- blade
- normalization
- place
- service data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000003862 health status Effects 0.000 title claims abstract description 11
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 238000010606 normalization Methods 0.000 claims abstract description 61
- 238000012937 correction Methods 0.000 claims abstract description 30
- 230000003068 static effect Effects 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 description 30
- 230000008859 change Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000007547 defect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000007689 inspection Methods 0.000 description 7
- 230000001052 transient effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 239000012530 fluid Substances 0.000 description 4
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000004231 fluid catalytic cracking Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
- F01D21/003—Arrangements for testing or measuring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/80—Diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Turbines (AREA)
Abstract
本发明涉及用于监测翼型件的健康状况的系统和方法。提供了一种用于监测一个或多个叶片12的健康状况的方法。该方法包括以下步骤:基于一个或多个叶片12的相应的实际到达时间(TOA)来确定106对应于该一个或多个叶片12中的各个的ΔTOA;通过从ΔTOA中去除一个或多个运行数据的影响来确定320对应于该一个或多个叶片12中的各个的规格化ΔTOA;以及通过从规格化ΔTOA中去除一个或多个叶片的移座的影响来确定330对应于该一个或多个叶片中的各个的修正ΔTOA。
Description
技术领域
本公开的实施例大体涉及用于监测转子叶片或翼型件的健康状况的系统和方法。
背景技术
转子叶片或翼型件在许多装置中扮演重要的角色,若干个实例包括轴向压缩机、涡轮、发动机、涡轮机等等。例如,轴向压缩机具有一系列的级,各个级包括一排转子叶片或翼型件,随后是一排静叶片或静翼型件。因此,各个级包括一对转子叶片或翼型件和静翼型件。典型地,转子叶片或翼型件会提高通过入口进入轴向压缩机的流体的动能。此外,静叶片或静翼型件大体通过扩散来将流体的提高的动能转换成静压力。因此,转子叶片或翼型件和静翼型件对于提高流体的压力扮演重要的角色。
此外,由于包括翼型件的轴向压缩机的广泛的和各式各样的应用的原因,转子叶片或翼型件和静翼型件更加重要。轴向压缩机例如可用于许多装置中,例如,基于地面的燃气轮机、喷气发动机、高速船用发动机、小型发电站等等。另外,轴向压缩机可用于各式各样的应用中,例如,大容量空气分离装置、高炉空气、流体催化裂化空气、丙烷脱氢等等。
翼型件在会影响翼型件的健康状况的极端的和各式各样的运行条件(例如高速、高压和高温)下运行较长的小时数。除了极端的和各式各样的条件以外,某些其它因素会导致翼型件的疲劳和应力。这些因素例如可包括惯性力(包括离心力)、压力、翼型件的共振频率、在翼型件中的振动、振动应力、温度应力、翼型件的移座(reseating)、气体或其它流体的负荷等等。应力和疲劳在一定时间段内的长期增加会在翼型件中导致缺陷和裂缝。裂缝中的一个或多个可随着时间而变宽,导致翼型件或翼型件的一部分的释放。翼型件的释放对于包括翼型件的装置而言可为危险的,并且因此可导致巨大的金钱损失。另外,其对于在装置附近的人员而言是不安全和可怕的。
因此,开发出可实时地预测翼型件的健康状况的系统和方法是非常合乎需要的。更具体而言,开发出可实时地预测裂缝或破裂的系统和方法是合乎需要的。
发明内容
简要地,根据本技术的一方面,提供了一种用于监测一个或多个叶片的健康状况的方法。该方法包括以下步骤:基于一个或多个叶片的相应的实际到达时间(TOA)来确定对应于一个或多个叶片中的各个的ΔTOA;通过从ΔTOA中去除一个或多个运行数据的影响来确定对应于一个或多个叶片中的各个的规格化ΔTOA;以及通过从规格化ΔTOA中去除一个或多个叶片的移座的影响来确定对应于一个或多个叶片中的各个的修正ΔTOA。
根据一方面,提供了一种系统,其包括处理子系统。该处理子系统基于一个或多个叶片的相应的实际到达时间(TOA)来确定对应于一个或多个叶片中的各个的ΔTOA,通过从ΔTOA中去除一个或多个运行数据的影响来确定对应于一个或多个叶片中的各个的规格化ΔTOA,并且通过从规格化ΔTOA中去除一个或多个叶片的移座的影响来确定对应于一个或多个叶片中的各个的修正ΔTOA。
附图说明
当参照附图阅读以下详细描述时,本发明的这些和其它特征、方面和优点将变得更好理解,在附图中,类似的标号在所有图中表示类似的部件,其中:
图1是根据本系统的一个实施例的叶片健康状况监测系统的示例性示意图;
图2是表示根据本技术的一个实施例的用于确定叶片的静态偏转和动态偏转的示例性方法的流程图;
图3是表示根据本技术的一个实施例的用于确定叶片的静态偏转的示例性方法的流程图;
图4是表示根据本技术的另一个实施例的用于确定叶片的静态偏转的示例性方法的流程图;
图5是表示根据本技术的又一个实施例的用于确定叶片的静态偏转的示例性方法的流程图;以及
图6是表示根据本技术的一个实施例的用于确定对应于叶片的移座偏移量的方法中的步骤的流程图。
具体实施方式
如下面详细论述的那样,本系统和技术的实施例会评估一个或多个叶片或翼型件的健康状况。更具体而言,本系统和技术确定由于在叶片或翼型件中的一个或多个缺陷或裂缝而引起的叶片或翼型件的静态偏转。在下文中,将可交换地使用用语“翼型件”和“叶片”。静态偏转例如可用来指代叶片的原始或期望位置相对于叶片的期望或原始位置的稳定变化。本系统和技术的某些实施例还确定了对应于叶片的动态偏转。如本文所用,用语“动态偏转”可用来指代在叶片的平均位置上的叶片的振动的幅度。
在运行中,由于在叶片中的一个或多个裂缝或缺陷的原因,叶片在基准位置处的到达时间(TOA)可不同于期望TOA。因此,叶片的TOA的变化可用来确定叶片的静态偏转。如本文所用,用语“期望TOA”可用来指代当在叶片中没有缺陷或裂缝且叶片在理想情况下工作、负荷状况为最佳且在叶片中的振动最小时叶片在基准位置处的TOA。在下文中,为了容易理解,将可交换地使用词语“TOA”和用语“实际TOA”。
但是,除了在叶片中的裂缝或缺陷之外,TOA还可由于一个或多个运行数据和叶片的移座而改变。运行数据例如可包括入口导叶(IGV)角、负荷、速度、质量流量、排出压力等等。如本文所用,用语“叶片的移座”可用来指代叶片在不同于叶片的原始或期望位置的位置处锁定在接头(例如鸠尾接头)中。典型地,叶片通过一个或多个接头(例如鸠尾接头)紧固到转子上。在包括叶片的装置的启动期间,叶片可从它们在接头中的原始位置偏移开,并且可在不同于叶片的原始位置的位置处锁定在接头中。作为实例,该装置可包括燃气轮机、压缩机等等。叶片在不同于叶片的原始位置的位置处锁定在接头中被称为叶片的移座。叶片的位置的变化可改变叶片的实际TOA。
因此,由于运行数据和叶片的移座的影响,基于叶片的实际TOA而确定的静态偏转会由于在叶片中的裂缝或缺陷的原因而改变或超过确切或准确静态偏转。因此,取消运行数据和叶片的移座对实际TOA的影响以确定确切静态偏转(在下文为“静态偏转”)是很重要的。本技术的某些实施例从叶片的实际TOA中取消了运行数据中的一个或多个和叶片的移座的影响来确定静态偏转。本技术的某些其它实施例会使运行数据对实际TOA的影响规格化或补偿这种影响。
图1是根据本系统的一个实施例的转子叶片健康状况监测系统10的示意图。如图1中所示,系统10包括一个或多个叶片或翼型件12,它们由系统10监测,以确定叶片12的静态偏转。在某些实施例中,系统10还确定对应于叶片12的动态偏转。如当前所构思的构造中所示,系统10包括一个或多个传感器14、16。传感器14、16中的各个分别产生表示在特定时间段上在基准点处的叶片12的实际TOA的TOA信号18、20。在一个实施例中,传感器14、16感测一个或多个叶片12到达基准点处而产生TOA信号18、20。基准点例如可在传感器14、16的下面或邻近传感器14、16。在一个实施例中,TOA信号18、20中的各个被采样和/或测量达特定时间段,并且被用来确定叶片的实际TOA。例如可按时间或度数的单位来测量实际TOA。
在一个实施例中,传感器14、16可感测一个或多个叶片12的前缘的到达而产生TOA信号18、20。在另一个实施例中,传感器14、16可感测一个或多个叶片12的后缘的到达而产生信号18、20。在又一个实施例中,传感器14可感测一个或多个叶片12的前缘的到达而产生TOA信号18,而传感器16可感测一个或多个叶片12的后缘的到达而产生TOA信号20,或反之亦然。传感器14、16例如可邻近一个或多个叶片12而在这样一种位置安装在固定物体上:该位置使得可高效地感测一个或多个叶片12的到达。在一个实施例中,至少一个传感器14、16安装在一个或多个叶片12的壳体(未示出)上。作为非限制性实例,传感器14、16可为磁性传感器、电容传感器、涡电流传感器等等。
如在当前构思的构造中所示,TOA信号18、20由处理子系统22接收。处理子系统22基于TOA信号18、20来确定一个或多个叶片12的实际TOA。此外,处理子系统22基于一个或多个叶片12的实际TOA来确定该一个或多个叶片12的静态偏转。更具体而言,处理子系统22构造成以便通过处理一个或多个叶片12的实际TOA来确定叶片12中的一个或多个的静态偏转。如前面所提到的那样,叶片12的实际TOA可受一个或多个运行数据和叶片12的移座影响。
因此,由于运行数据对实际TOA的影响和叶片12的移座的原因,基于一个或多个叶片12的实际TOA确定的静态偏转可为夸大的值。例如,由于运行数据和叶片12的移座对叶片12的实际TOA的影响的原因,基于叶片12的实际TOA确定的静态偏转可显示在叶片12中的一个或多个缺陷或裂缝(即便是当在叶片12中不存在裂缝或缺陷时)。因此,在一个实施例中,处理子系统22会确定一个或多个运行数据对一个或多个叶片12的实际TOA的影响。此外,处理子系统22通过扣除一个或多个运行数据对一个或多个叶片12的实际TOA的影响来确定静态偏转。如前面所提到的那样,运行数据可包括入口导叶(IGV)角、负荷变化、叶片的移座、异步振动、同步振动、速度的变化、温度、速度等等。处理子系统22例如可接收来自现场监测机(OSM)24的运行数据,OSM通过传感器、摄像机和其它装置来监测运行数据。另外,处理子系统22使叶片的移座对叶片12的实际TOA的影响规格化。将参照图2-5来更详细地阐述通过扣除运行数据对实际TOA的影响或使这种影响规格化而确定静态偏转。处理子系统22还构造成以便基于一个或多个叶片12的静态偏转和实际TOA来确定对应于一个或多个叶片12的动态偏转。在一个实施例中,处理子系统22可具有数据仓库26,数据仓库26存储数据,例如,静态偏转、动态偏转、TOA、ΔTOA、任何中间数据等等。
现在参照图2,描绘了表示根据本发明的一个实施例的用于确定一个或多个叶片的静态偏转和动态偏转的示例性方法100的流程图。该一个或多个叶片例如可为一个或多个叶片12(见图1)。该方法在步骤102处开始,其中,对应于一个或多个叶片中的各个的TOA信号可由处理子系统接收,例如,处理子系统22(见图1)。如前面参照图1所提到的那样,TOA信号可由传感器产生,例如传感器14、16(见图1)。另外,TOA信号例如可为TOA信号18、20。
此外,在步骤104处,对应于一个或多个叶片中的各个的实际TOA由处理子系统确定。处理子系统利用对应于一个或多个叶片中的各个的TOA信号来确定实际TOA。更具体而言,处理子系统利用对应于叶片的TOA信号来确定对应于叶片的一个或多个实际TOA。在步骤106处,可确定对应于一个或多个叶片中的各个的ΔTOA。对应于叶片的ΔTOA例如可为在步骤104处确定的对应于叶片的实际TOA和对应于叶片的期望TOA105的差。可注意到,对应于叶片的ΔTOA表示在一定时间常数处的相对于叶片的期望TOA105的变化。例如可使用以下等式(1)来确定ΔTOA:
ΔTOAk(t)=TOAact(k)(t)-TOAexp(k)(1)
其中,ΔTOAk(t)是在时间常数t处的对应于叶片k的ΔTOA或在时间常数t处的相对于对应于叶片k的期望TOA的变化,TOAact(k)是在时间常数t处的对应于叶片k的实际TOA,而TOAexp(k)是对应于叶片k的期望TOA。
如本文所用,用语“期望TOA”可用来指代当在叶片中没有缺陷或裂缝且叶片在运行数据对实际TOA的影响最小时的运行状态中工作时在基准位置处的叶片的实际TOA。在一个实施例中,当最近委托制造或购买了包括叶片的装置时,可通过使对应于叶片的实际TOA等于叶片的期望TOA来确定对应于叶片的期望TOA。这种确定假设因为最近委托制造或购买了装置,所以所有叶片均在理想情况下工作,负荷状况为最佳,并且在叶片中的振动最小。在另一个实施例中,可通过对在装置中的所有叶片的实际到达时间(TOA)取平均值来确定期望TOA。装置例如可包括轴向压缩机、基于地面的燃气轮机、喷气发动机、高速船用发动机、小型发电站等等。可注意到,ΔTOA以时间或度数的单位表示。
在一个实施例中,在步骤108处,对应于一个或多个叶片中的各个的ΔTOA的单位可转换成密尔的单位。在一个实施例中,可使用以下等式(2)来将对应于一个或多个叶片中的各个的以度数为单位的ΔTOA转换成密尔的单位:
其中,ΔToAmils(k)(t)是在时间常数t处的叶片k的ΔTOA,并且ΔTOA以密尔为单位,ΔToADeg(k)(t)是在时间常数t处的叶片k的ΔTOA,并且ΔTOA以度数为单位,并且R是从转子的中心到叶片k的尖部测量的半径。半径R以密尔为单位。在另一个实施例中,可使用以下等式(3)来将以秒为单位的ΔTOA转换成密尔的单位:
其中,ΔToAmils(k)(t)是在时间常数t处的叶片k的ΔTOA,并且ΔTOA以密尔为单位,ΔToAsec(k)(t)是在时间常数t处的叶片k的ΔTOA,并且ΔTOA以度数为单位,并且R是叶片的从该叶片的转子的中心起的半径。半径R以密尔为单位。
此外,在步骤110处,基于ΔTOA来确定一个或多个叶片中的各个的静态偏转。将参照图3-5更详细地阐述一个或多个叶片的静态偏转的确定。随后在步骤112处,可确定对应于一个或多个叶片的动态偏转。在一个实施例中,可通过从对应于叶片的ΔTOA中减去对应于叶片的静态偏转来确定对应于叶片的动态偏转。在另一个实施例中,可通过从对应于叶片的经过滤的ΔTOA中减去对应于叶片的静态偏转来确定对应于叶片的动态偏转。例如可通过对在步骤106处确定的对应于叶片的ΔTOA进行过滤来确定经过滤的ΔTOA。可利用包括均值过滤、中值过滤等等的一个或多个技术来对ΔTOA进行过滤。
如前面所提到的那样,一个或多个叶片的实际TOA可用来确定叶片的静态偏转。但是,一个或多个运行数据和叶片的移座可影响叶片的实际TOA。因此,基于叶片的实际TOA来确定的静态偏转可能不是准确的静态偏转。因此,对于确定确切的静态偏转而言,去除或扣除一个或多个运行数据和叶片的移座对实际TOA的影响是必要的。将参照图3阐述用于通过从实际TOA或基于该实际TOA确定的ΔTOA中扣除一个或多个运行数据和叶片的移座的影响来确定静态偏转的示例性方法。现在参照图3,描绘了表示根据本发明的一个实施例的用于确定叶片的静态偏转的示例性方法110的流程图。更具体而言,根据本技术的示例性方面更详细地描述了图2的步骤110。
如图3中所示,参考标号302表示对应于叶片的ΔTOA。在一个实施例中,可利用参照图2的步骤106所描述的技术来确定ΔTOA302。此外,在步骤304处,可接收对应于叶片或包括叶片的装置的一个或多个运行数据。如前面所提到的那样,运行数据例如可包括(IGV)角、负荷、温度、速度、质量流量、排出压力等等。运行数据例如可由处理子系统22从现场监测器24(见图1)接收。
此外,在步骤306处,可执行检查来检验叶片是否是在包括叶片的装置的启动后第一次运行。在步骤306处,如果确定叶片是在启动后第一次运行,则控制可转移到步骤308。在步骤308处,基于运行数据的一个或多个部分来确定一个或多个系数。例如可利用以下等式(4)来确定系数:
其中,ΔTOAk是叶片k的ΔTOA,是运行数据的一个或多个部分,而是系数。在一个实施例中,可通过形成运行数据的一个或多个部分的线性组合来确定系数。此外,运行数据的一个或多个部分的值可被替代,以确定系数。此外,在步骤312处,已经在步骤308处确定的系数被存储在数据仓库中,例如数据仓库26(见图1)。可注意到,当系数存储在数据仓库中时,在数据仓库中的任何其它现有系数可被清除。
回头参照步骤306,如果确定叶片不是在启动后第一次运行,则控制可转移到步骤310。在步骤310处,从数据仓库中取回系数。在步骤310处取回系数是假设了在包括叶片的装置的启动期间已经确定了系数且系数因此已经存在于数据仓库中。随后在步骤314处,可确定由于IGV角而引起的对ΔTOA302的影响。在一个实施例中,可使用以下示例性等式(5)来确定由于IGV而引起的影响:
TIGV(t)=f(IGV(t))(5)
其中,TIGV(t)是在时间常数t处的IGV对ΔTOA的影响,IGV(t)是在时间常数t处的IGV角,而f是IGV(t)的函数。在一个实施例中,可通过确定IGV(t)和对应于IGV(t)的系数的乘数来确定IGV的函数。
在步骤316处,可确定由于负荷而引起的对ΔTOA302的影响。可利用以下等式(6)来确定由于负荷而引起的对ΔTOA302的影响:
Tload(t)=g(DWATT(t))(6)
其中,Tload(t)是在时间常数t处的负荷对ΔTOA的影响,DWATT是在时间常数t处的负荷,而g是负荷的函数。在一个实施例中,可通过确定DWATT(t)和对应于DWATT的系数的乘数来确定DWATT的函数。在另一个实施例中,可通过确定DWATT(t)和系数的乘数与对应于DWATT的另一个系数的线性组合来确定DWATT的函数。
随后,在步骤318处,可确定由于入口温度(CTIM)而引起的对ΔTOA302的影响。可利用以下等式(7)来确定由于入口温度(CTIM)而引起的影响:
TCTIM(t)=d(CTIM(t))(7)
其中,TCTIM是在时间常数t处由于入口温度而引起的对ΔTOA的影响的值,CTIM(t)是在t温度常数处的入口温度,d是对应于入口温度的系数。当在步骤314处确定由于IGV而引起的对ΔTOA302的影响,在步骤316处确定负荷对ΔTOA302的影响以及在步骤318处确定CTIM对ΔTOA302的影响之后,在步骤320处确定规格化ΔTOA。例如可通过从ΔTOA302中减去诸如IGV、负荷和入口温度(CTIM)的运行数据的影响来确定规格化ΔTOA。
在一个实施例中,例如可使用以下示例性等式(8)来确定规格化ΔTOA:
Norm_ΔTOAk(t)=ΔTOAk(t)-Tload(t)-TCTIM(t)-TIGV(t)(8)
其中,Norm_ΔTOAk(t)是在时间常数t处的对应于叶片k的规格化ΔTOA,ΔTOAk(t)是在时间常数t处的对应于叶片k的ΔTOA,而Tload(t),TCTIM(t),TIGV(t)分别是在时间常数t处的负荷、入口温度和IGV对ΔTOA的影响。
典型地,一个或多个叶片通过一个或多个接头(例如鸠尾接头)紧固到转子上。在包括叶片的装置的启动期间,叶片可从它们在接头中的原始位置偏移开,并且可在不同于叶片的原始位置的位置处锁定在接头中。叶片在不同于叶片的原始位置的位置处锁定在接头中被称为叶片的移座。叶片的位置的变化可改变叶片的实际TOA。因此,基于叶片的实际TOA确定的ΔTOA和规格化ΔTOA可能并不准确。更具体而言,由于叶片的移座的原因,ΔTOA以及规格化ΔTOA可能并不准确。因此,修正对应于叶片的实际TOA、ΔTOA或规格化ΔTOA以去除由于叶片的移座而引起的影响是必要的。步骤322-330修正了在步骤320处确定的规格化ΔTOA和叶片的ΔTOA302,以去除由于叶片的移座而引起的影响。
在步骤322处,可执行检查来检验叶片是否是在启动后第一次运行。在步骤322处,如果确定叶片是在启动后第一次运行,则控制可转移到步骤324。在步骤324处,可确定对应于叶片的移座偏移量。如本文所有,用语“移座偏移量”可用来指代可用于从叶片的ΔTOA、实际TOA或规格化ΔTOA中去除由于叶片的移座而引起的影响的数值。将参照图6更详细地阐述移座偏移量的确定。随后,在步骤326处,在步骤324处确定的移座偏移量可存储在数据仓库中。移座偏移量例如可存储在数据仓库26(见图1)中。可注意到,在当前构思的构造中,当叶片在启动后第一次运行时确定移座偏移量,因为假设了叶片可锁定在这样的位置处:该位置不同于在包括该叶片的装置的启动期间该叶片的原始位置。
回头参照步骤322,如果确定了叶片不是在包括该叶片的装置的启动后第一次运行,则控制可转移到步骤328。可注意到,当叶片不是在启动后第一次运行时,表明在包括叶片的装置的启动后已经确定了对应于该叶片的移座偏移量,并且该移座偏移量已经存储在数据仓库中。因此,在步骤328处,可从数据仓库中取回对应于叶片的移座偏移量。
当在步骤326处存储移座偏移量或在步骤328处取回移座偏移量之后,可在步骤330处确定修正ΔTOA。在一个实施例中,可通过针对叶片的移座修正在步骤320处已经确定的规格化ΔTOA来确定修正ΔTOA。例如可通过从对应于叶片的规格化ΔTOA中减去移座偏移量来确定修正ΔTOA。在另一个实施例中,可通过修正ΔTOA302来确定修正ΔTOA。在此实施例中,可通过从对应于叶片的ΔTOA302中减去移座偏移量来确定修正ΔTOA。此外,在步骤332处,可对修正ΔTOA进行过滤,以产生静态偏转334。修正ΔTOA的过滤可减少来自该修正ΔTOA的噪声。例如可使用中值过滤、移动平均值过滤或它们的组合来对修正ΔTOA进行过滤。
如前面提到的那样,一个或多个运行数据会影响多个叶片的实际TOA。但是,运行数据可能并不会均匀地影响叶片的实际TOA。因此,与多个叶片中的其它叶片的实际TOA相比,叶片中的一个或多个的实际TOA可更多地受到影响。因此,与对应于其它叶片的静态偏转相比,由于运行数据的附加的影响,对应于叶片中的一个或多个的静态偏转可显示叶片中的缺陷或裂缝。另外,基于叶片的实际TOA确定的静态偏转可能并不是准确的静态偏转。因此,使运行数据对在装置中的多个叶片的实际TOA的影响规格化是必要的。将参照图4和5阐述用于通过使一个或多个运行数据对实际TOA或基于该实际TOA确定的ΔTOA的影响规格化来确定静态偏转的示例性方法。
现在参照图4,描绘了表示根据另一个实施例的用于确定静态偏转的示例性方法110′中的步骤的流程图。更具体而言,图4根据用于确定静态偏转的本技术的一个实施例来阐述了图2的步骤110。如图4中所示,参考标号402表示对应于在诸如涡轮、轴向压缩机等的装置中的多个叶片的Δ到达时间(TOA)。可利用参照图2的步骤106阐述的技术来确定对应于该多个叶片中的各个的ΔTOA。在一个实施例中,ΔTOA402可类似于在图2的步骤106处确定的ΔTOA。
此外,在步骤404处,可计算对应于多个叶片的ΔTOA的标准偏差。例如,当该多个叶片包括五个叶片并且五个叶片中的各个具有ΔTOA-其为ΔTOA1、ΔTOA2、ΔTOA3、ΔTOA4、ΔTOA5,则可在步骤404处计算ΔTOA1、ΔTOA2、ΔTOA3、ΔTOA4和ΔTOA5的标准偏差。随后在步骤406处,可执行检查来确定叶片是否是在包括该多个叶片的装置的启动后第一次运行。在步骤406处,如果确定叶片是在启动后第一次运行,则控制可转移到步骤408。
为了容易理解,用语“标准偏差”将在下文称为“当前标准偏差”。如在图4中所示,在步骤408处,在步骤404处计算的标准偏差可作为初始标准偏差410来存储。初始标准偏差410可存储在数据仓库-例如数据仓库26中。如本文所用,用语“初始标准偏差”可作为当叶片在启动后第一次开始运行时确定的当前标准偏差来引用。更具体而言,在步骤404处确定的标准偏差可作为初始标准偏差410存储在数据仓库中。
回头参照步骤406,如果确定叶片不是在启动后第一次运行,则控制可转移到步骤412。在步骤412处,可利用在步骤404处确定的当前标准偏差和初始标准偏差410来确定Δσ_1。更具体而言,可通过确定在步骤404处确定的当前标准偏差和初始标准偏差410之间的差来确定Δσ_1。可注意到,当在包括多个叶片的装置的启动后第一次处理步骤412时,则初始标准偏差410和在步骤404处确定的当前标准偏差的值是相等的。因此,在步骤412处,Δσ_1的值可等于零。
此外,在步骤414处,可确定对应于多个叶片中的一个或多个的规格化ΔTOA。例如可基于以下等式(9)来确定规格化ΔTOA:
Norm_ΔTOAk(t)=ΔTOAk(t)-K*(Δσ(t)_1)-Mean(ΔTOA1toj(t))(9)
其中,Norm_ΔTOAk(t)是在时间常数t处的对应于叶片k的规格化ΔTOA,ΔTOAk(t)是在时间常数t处的对应于叶片k的ΔTOA,而Δσ(t)_1是在时间常数t处的Δσ_1,而K是常数。在一个实施例中,可基于对应于叶片的ΔTOA的平均数来确定常数K的值。在一个实施例中,K的值可为1。在另一个实施例中,K的值可为-1。在又一个实施例中,K的值可为0。
此外,在步骤416处,可确定对应于多个叶片中的一个或多个的规格化ΔTOA的当前标准偏差。随后在步骤418处,可确定Δσ_2。例如可通过确定在规格化ΔTOA的当前标准偏差和规格化ΔTOA的之前的标准偏差之间的差来确定Δσ_2。用语“规格化ΔTOA的之前的标准偏差”可用来指代与在时间步骤T处确定的规格化ΔTOA的当前标准偏差相比在时间步骤T-1处确定的规格化ΔTOA的当前标准偏差。
在确定Δσ_2之后,在步骤420处,可执行检查来检验Δσ_2是否大于预先确定的第一阈值以及/或者多个叶片是否是在启动后第一次运行。可基于对应于叶片的历史ΔTOA来以经验的方式确定预先确定的第一阈值。在步骤420处,如果确定Δσ_2大于预先确定的第一阈值或该多个叶片是在启动后第一次运行,则控制可转移到步骤422。在步骤422处,可确定对应于该多个叶片中的该一个或多个的移座偏移量。将参照图6来更详细地阐述移座偏移量的确定。在确定移座偏移量之后,在步骤424处,移座偏移量可存储在数据仓库-例如数据仓库26(见图1)中。
回头参照步骤420,当确定Δσ_2不大于预先确定的第一阈值且多个叶片不是在启动后第一次运行时,则控制可转移到步骤426。在步骤426处,可从数据仓库中取回移座偏移量。可注意到,当Δσ_2不大于预先确定的第一阈值且叶片不是在启动后第一次运行时,不产生移座偏移量。因此,在步骤426处,取回来自数据仓库的现有的移座偏移量。在取回移座偏移量之后,可在步骤428处确定对应于多个叶片中的一个或多个的修正ΔTOA。例如可利用参照图3的步骤330所阐述的技术来确定修正ΔTOA。如前面参照图3所提到的那样,可利用参照图3的步骤330所阐述的技术来确定修正ΔTOA。例如,可利用在步骤414处确定的对应于叶片的规格化ΔTOA和在步骤426处从数据仓库中取回的对应于该叶片的移座偏移量来确定对应于该叶片的修正ΔTOA。在一个实施例中,可通过从对应于叶片的ΔTOA中减去对应于该叶片的移座偏移量来确定对应于该叶片的修正ΔTOA。ΔTOA例如可为对应于该多个叶片的ΔTOA402其中一个。
此外,在步骤430处,可对修正ΔTOA进行过滤,以产生对应于该多个叶片中的一个或多个的静态偏转432。如前面参照图3所提到的那样,修正ΔTOA的过滤可减少来自修正ΔTOA的噪声。例如可使用中值过滤技术、移动平均值过滤技术或它们的组合来对修正ΔTOA进行过滤。
现在参照图5,描绘了表示根据另一个实施例的用于确定静态偏转的示例性方法110″中的步骤的流程图。更具体而言,图5根据用于确定静态偏转的本技术的一个实施例来阐述了图2的步骤110。如在图5中所示,参考标号502表示对应于在诸如涡轮、轴向压缩机等的装置中的多个叶片的Δ到达时间(TOA)。可利用参照图2的步骤106所阐述的技术来确定对应于该多个叶片中的各个的ΔTOA。在一个实施例中,ΔTOA502可类似于在图2的步骤106处确定的ΔTOA。
此外,在步骤504处,可计算对应于多个叶片的ΔTOA的标准偏差。例如,当多个叶片包括五个叶片且该五个叶片中的各个具有ΔTOA-其为ΔTOA1、ΔTOA2、ΔTOA3、ΔTOA4、ΔTOA5时,则可在步骤504处确定ΔTOA1、ΔTOA2、ΔTOA3、ΔTOA4和ΔTOA5的标准偏差。随后在步骤506处,可确定对应于该多个叶片中的一个或多个的规格化ΔTOA。例如可基于以下等式(10)来确定规格化ΔTOA:
Norm_ΔTOAk(t)=(ΔTOAk(t)-MeanΔTOA1toj(t))/standard_deviation(t)(10)
其中,Norm_ΔTOAk(t)是在时间常数t处的对应于叶片k的规格化ΔTOA,ΔTOAk(t)是在时间常数t处的对应于叶片k的ΔTOA,MeanΔTOA1toj(t)是对应于叶片1至j(包括叶片k)的ΔTOA的平均数。
此外,在步骤508处,可确定对应于多个叶片中的一个或多个的规格化ΔTOA的标准偏差。随后在步骤510处,可确定Δσ_3。例如可通过确定在规格化ΔTOA的标准偏差和规格化ΔTOA的之前的标准偏差之间的差来确定Δσ_3。用语“规格化ΔTOA的之前的标准偏差”可用来指代与在时间步骤T处确定的规格化ΔTOA的标准偏差相比在时间步骤T-1处确定的规格化ΔTOA的标准偏差。
在步骤510处确定了Δσ_3之后,可在步骤512处执行检查来检验Δσ_3是否大于预先确定的第二阈值以及/或者多个叶片是否是在启动后第一次运行。可基于历史ΔTOA来以经验的方式确定预先确定的第二阈值。在步骤512处,如果确定Δσ_3大于预先确定的第二阈值或多个叶片是在启动后第一次运行,则控制可转移到步骤514。在步骤514处,可确定对应于多个叶片中的一个或多个中的各个的移座偏移量。将参照图6更详细地阐述移座偏移量的确定。在确定移座偏移量之后,在步骤516处,移座偏移量可存储在数据仓库-例如数据仓库26(见图1)中。
回头参照步骤512,当确定Δσ_3不大于预先确定的第二阈值且多个叶片不是在启动后第一次运行时,则控制可转移到步骤518。在步骤518处,可从数据仓库中取回对应于多个叶片中的一个或多个中的各个的移座偏移量。可注意到,当Δσ_3不大于预先确定的第二阈值且叶片不是在启动后第一次运行时,不产生移座偏移量。因此,在步骤518处,取回来自数据仓库的现有的移座偏移量。在取回移座偏移量之后,可在步骤520处确定对应于多个叶片中的一个或多个的修正ΔTOA。例如可利用参照图3的步骤330所阐述的技术来确定修正ΔTOA。如前面参照图3所提到的那样,可利用参照图3的步骤330所描述的技术来确定修正ΔTOA。例如,可利用在步骤506处确定的对应于叶片的规格化ΔTOA和在步骤518处从数据仓库中取回的对应于叶片的移座偏移量来确定对应于叶片的修正ΔTOA。在一个实施例中,可通过从对应于叶片的规格化ΔTOA中减去对应于该叶片的移座偏移量来确定对应于该叶片的修正ΔTOA。在另一个实施例中,可通过从对应于叶片的ΔTOA中减去对应于该叶片的移座偏移量来确定对应于该叶片的修正ΔTOA。ΔTOA例如可为对应于该多个叶片的ΔTOA502中的一个。
此外,在步骤522中,可对修正ΔTOA进行过滤,以产生静态偏转524。如前面参照图3所提到的那样,修正ΔTOA的过滤可减少来自修正ΔTOA的噪声。例如可使用中值过滤技术、移动平均值过滤技术或它们的组合来对修正ΔTOA进行过滤。
现在参照图6,描绘了表示根据本技术的一个实施例的用于产生对应于叶片的移座偏移量的方法600中的步骤的流程图。更具体而言,方法600阐述了图3的步骤328、图4的步骤422和图5的步骤514。如在图6中所示,参考标号602表示对应于叶片的规格化Δ到达时间(TOA)。在一个实施例中,规格化ΔTOA602可为使用参照图3的步骤320、图4的步骤414、图5的步骤506所描述的技术来确定的规格化ΔTOA中的一个或多个。在一个实施例中,规格化ΔTOA602是在叶片的瞬态事件之后确定的对应于叶片的规格化ΔTOA中的一个或多个。瞬态事件例如可包括:包括叶片的装置的启动或停机、叶片的速度的持续变化等等。
此外,参考标号604表示利用在瞬态事件之前产生的规格化ΔTOA确定的对应于叶片的一个或多个修正ΔTOA。瞬态事件是这样的瞬态事件:在该瞬态事件之后,确定了规格化ΔTOA602。在步骤606处,执行检查来确定叶片是否是在启动后第一次运行。在步骤606处,如果确定叶片是在启动后第一次运行,则控制转移到步骤608。此外,在步骤608处,可执行检查来确定叶片是否是在基本负荷处运行。在步骤608处,如果确定叶片不是在基本负荷处运行,则控制可转移到步骤610。回头参照步骤606,如果确定叶片不是在启动后第一次运行,则控制可转移到步骤610。在步骤610处,表明了对应于叶片的移座偏移量已经存在于数据仓库中,例如数据仓库26(见图1)。因此,没有确定移座偏移量。
回头参照步骤608,如果确定叶片是在基本负荷处运行,则控制可转移到步骤612。在步骤612处,可确定一个或多个规格化ΔTOA602的第一平均数。此外,在步骤614处,可确定一个或多个修正ΔTOA604的第二平均数。在确定第一平均数和第二平均数之后,在步骤616处可通过从第一平均数中减去第二平均数来确定对应于叶片的移座偏移量618。
本技术的实施例导致确定运行数据对TOA的影响。另外,本技术从TOA中扣除了运行数据的影响,以确定规格化ΔTOA。此外,本技术使运行数据对叶片的TOA的影响规格化,以确定规格化ΔTOA。规格化ΔTOA可用于确定在叶片中的缺陷或裂缝。本技术的某些实施例还有利于检测由于叶片的移座而引起的叶片的TOA的变化。而且,规格化ΔTOA的确定可用于监测叶片的健康状况。例如,规格化ΔTOA可用来确定在叶片中是否存在一个或多个裂缝。
将理解到,不一定根据任何特定实施例都可实现所有上面所描述的这样的目标或优点。因此,例如,本领域技术人员将认可,可以这样一种方式来体现或执行本文所描述的系统和技术:该方式实现或优化本文所教导的一个优点或一组优点,而未必实现可由本文所教导或推荐的其它目标或优点。
虽然已经结合仅有限数量的实施例来对本发明进行详细描述,但是应当容易理解,本发明不限于这种公开的实施例。相反,可对本发明作出修改,以结合此前未描述但与本发明的精神和范围相当的任何数量的变型、改变、替代或等效布置。另外,虽然已经描述了本发明的各种实施例,但是应当理解,本发明的各方面可包括所述实施例中的仅一些。因此,本发明不应当看作受前述描述限制,而是仅受所附权利要求的范围的限制。
所声明为新的且期望受到美国的专利许可证保护的内容见权利要求。
Claims (10)
1.一种用于监测一个或多个叶片的健康状况的方法,包括:
基于所述一个或多个叶片的相应的实际TOA来确定对应于所述一个或多个叶片中的各个的ΔTOA;
基于一个或多个运行数据来确一个或多个系数;
通过利用所述一个或多个系数和所述一个或多个运行数据来确定所述一个或多个运行数据对相应的实际TOA的影响;
通过从所述ΔTOA中去除一个或多个运行数据的影响来确定对应于所述一个或多个叶片中的各个的规格化ΔTOA;以及
通过从所述规格化ΔTOA中去除所述一个或多个叶片的移座的影响来确定对应于所述一个或多个叶片中的各个的修正ΔTOA。
2.根据权利要求1所述的方法,其特征在于,从所述ΔTOA中去除所述一个或多个运行数据的影响包括:
从ΔTOA中减去所述一个或多个运行数据的影响,从而产生所述规格化ΔTOA。
3.根据权利要求2所述的方法,其特征在于,基于所述一个或多个运行数据来确定一个或多个系数包括利用以下等式:
其中,ΔTOAk是叶片k的ΔTOA,是运行数据的一个或多个部分,而是系数。
4.根据权利要求2所述的方法,其特征在于,当所述一个或多个叶片在启动后第一次运行时确定所述一个或多个系数。
5.根据权利要求1所述的方法,其特征在于,所述方法进一步包括通过对对应于所述一个或多个叶片中的各个的修正ΔTOA进行过滤来确定对应于所述一个或多个叶片中的各个的静态偏转。
6.根据权利要求1所述的方法,其特征在于,确定所述修正ΔTOA包括:
确定对应于所述一个或多个叶片中的各个的移座偏移量;和
从所述规格化ΔTOA中减去所述移座偏移量,产生所述修正ΔTOA。
7.根据权利要求6所述的方法,其特征在于,当所述一个或多个叶片以基本负荷运行时确定所述移座偏移量。
8.根据权利要求6所述的方法,其特征在于,当所述一个或多个叶片在启动后第一次运行时确定所述移座偏移量。
9.根据权利要求8所述的方法,其特征在于,确定所述移座偏移量包括:
取回对应于所述一个或多个叶片中的各个的一个或多个规格化ΔTOA;
利用所述一个或多个规格化ΔTOA来确定一个或多个修正ΔTOA;
确定所述一个或多个规格化ΔTOA的第一平均数;
确定所述一个或多个修正ΔTOA的第二平均数;以及
从所述第一平均数中减去所述第二平均数,产生所述移座偏移量。
10.一种系统,包括
处理子系统,其:
基于一个或多个叶片的相应的实际TOA来确定对应于所述一个或多个叶片中的各个的ΔTOA;
基于一个或多个运行数据来确定一个或多个系数;
通过利用所述一个或多个系数和所述一个或多个运行数据来确定所述一个或多个运行数据对相应的实际TOA的影响;
通过从所述ΔTOA中去除一个或多个运行数据的影响来确定对应于所述一个或多个叶片中的各个的规格化ΔTOA;以及
通过从所述规格化ΔTOA中去除所述一个或多个叶片的移座的影响来确定对应于所述一个或多个叶片中的各个的修正ΔTOA。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/825763 | 2010-06-29 | ||
US12/825,763 US8543341B2 (en) | 2010-06-29 | 2010-06-29 | System and method for monitoring health of airfoils |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102331341A CN102331341A (zh) | 2012-01-25 |
CN102331341B true CN102331341B (zh) | 2016-01-06 |
Family
ID=44800919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110192493.XA Active CN102331341B (zh) | 2010-06-29 | 2011-06-29 | 用于监测翼型件的健康状况的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8543341B2 (zh) |
EP (1) | EP2402563B1 (zh) |
JP (1) | JP5879055B2 (zh) |
CN (1) | CN102331341B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9045999B2 (en) * | 2010-05-28 | 2015-06-02 | General Electric Company | Blade monitoring system |
GB2481582A (en) * | 2010-06-28 | 2012-01-04 | Rolls Royce Plc | A method for predicting initial unbalance in a component such as a blisk |
US8478547B2 (en) * | 2010-08-09 | 2013-07-02 | General Electric Company | Blade monitoring system |
EP2749740B1 (en) * | 2012-11-30 | 2018-10-10 | General Electric Company | System and method for monitoring health of airfoils |
US20150081229A1 (en) * | 2013-09-16 | 2015-03-19 | General Electric Company | Compressor blade monitoring system |
US9657588B2 (en) | 2013-12-26 | 2017-05-23 | General Electric Company | Methods and systems to monitor health of rotor blades |
US20150184533A1 (en) * | 2013-12-26 | 2015-07-02 | General Electric Company | Methods and systems to monitor health of rotor blades |
GB2525404B (en) | 2014-04-23 | 2019-03-13 | Univ Oxford Innovation Ltd | Generating timing signals |
JP6587406B2 (ja) * | 2015-03-31 | 2019-10-09 | 株式会社電子応用 | コンプレッサの検査装置 |
FR3077882B1 (fr) * | 2018-02-12 | 2020-09-04 | Safran Aircraft Engines | Procede et systeme de detection d'un endommagement d'aubes mobiles d'un aeronef |
CN113090471B (zh) * | 2019-12-23 | 2022-10-14 | 新疆金风科技股份有限公司 | 风力发电机组的塔架净空音频监测系统、方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526424A (zh) * | 2008-03-06 | 2009-09-09 | 通用电气公司 | 实时检测燃气轮机或飞机发动机叶片问题的系统和方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4887468A (en) * | 1988-06-03 | 1989-12-19 | Westinghouse Electic Corp. | Nonsynchronous turbine blade vibration monitoring system |
US5206816A (en) * | 1991-01-30 | 1993-04-27 | Westinghouse Electric Corp. | System and method for monitoring synchronous blade vibration |
US5331085A (en) | 1993-05-28 | 1994-07-19 | General Electric Company | Method for increasing viscosity uniformity in polycarbonate manufacture |
GB9618096D0 (en) | 1996-08-29 | 1996-10-09 | Rolls Royce Plc | Identification of resonant frequencies of vibration of rotating blades |
US6594619B1 (en) | 1999-08-02 | 2003-07-15 | Hood Technology Corporation | Apparatus and method for predicting failures of spinning disks in turbo-machinery |
US6785635B2 (en) | 1999-08-02 | 2004-08-31 | Hood Technology Corporation | Apparatus and method for predicting failures of spinning disks in turbo-machinery |
US6791954B1 (en) | 2000-06-12 | 2004-09-14 | Lucent Technologies Inc. | Method for enhanced power control by adaptively adjusting an amount of change in a target signal-to-noise ratio |
US7031873B2 (en) * | 2002-06-07 | 2006-04-18 | Exxonmobil Research And Engineering Company | Virtual RPM sensor |
US7082371B2 (en) | 2003-05-29 | 2006-07-25 | Carnegie Mellon University | Fundamental mistuning model for determining system properties and predicting vibratory response of bladed disks |
US7318007B2 (en) * | 2003-12-31 | 2008-01-08 | United Technologies Corporation | Real time gear box health management system and method of using the same |
US8096184B2 (en) | 2004-06-30 | 2012-01-17 | Siemens Energy, Inc. | Turbine blade for monitoring blade vibration |
US7769507B2 (en) * | 2004-08-26 | 2010-08-03 | United Technologies Corporation | System for gas turbine health monitoring data fusion |
NO324581B1 (no) | 2006-01-26 | 2007-11-26 | Dynatrend As | Fremgangsmate og anordning for a kunne bestemme nar det forekommer roterende stall i en kompressors turbinblad II |
US7548830B2 (en) | 2007-02-23 | 2009-06-16 | General Electric Company | System and method for equipment remaining life estimation |
US7861592B2 (en) | 2007-02-27 | 2011-01-04 | Siemens Energy, Inc. | Blade shroud vibration monitor |
US20090301055A1 (en) | 2008-06-04 | 2009-12-10 | United Technologies Corp. | Gas Turbine Engine Systems and Methods Involving Vibration Monitoring |
US7650777B1 (en) | 2008-07-18 | 2010-01-26 | General Electric Company | Stall and surge detection system and method |
US7941281B2 (en) * | 2008-12-22 | 2011-05-10 | General Electric Company | System and method for rotor blade health monitoring |
-
2010
- 2010-06-29 US US12/825,763 patent/US8543341B2/en active Active
-
2011
- 2011-06-23 EP EP11171242.8A patent/EP2402563B1/en active Active
- 2011-06-27 JP JP2011141312A patent/JP5879055B2/ja active Active
- 2011-06-29 CN CN201110192493.XA patent/CN102331341B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526424A (zh) * | 2008-03-06 | 2009-09-09 | 通用电气公司 | 实时检测燃气轮机或飞机发动机叶片问题的系统和方法 |
Non-Patent Citations (1)
Title |
---|
《旋转叶片异步振动的频率识别技术》;张玉贵等;《振动与冲击》;20071231;第26卷(第12期);第106-108页 * |
Also Published As
Publication number | Publication date |
---|---|
JP5879055B2 (ja) | 2016-03-08 |
JP2012013079A (ja) | 2012-01-19 |
CN102331341A (zh) | 2012-01-25 |
EP2402563A2 (en) | 2012-01-04 |
EP2402563B1 (en) | 2016-03-02 |
US20110320137A1 (en) | 2011-12-29 |
US8543341B2 (en) | 2013-09-24 |
EP2402563A3 (en) | 2012-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102331341B (zh) | 用于监测翼型件的健康状况的系统和方法 | |
CN102384842B (zh) | 用于监测翼型件的健康状况的系统和方法 | |
CN102384843B (zh) | 用于监测翼型的健康的系统和方法 | |
EP2400118B1 (en) | Turbomachine airfoil life management system and method | |
Barad et al. | Neural network approach for a combined performance and mechanical health monitoring of a gas turbine engine | |
EP1936460B1 (en) | Method and system for identifying gas turbine engine faults | |
EP3449232B1 (en) | Fault diagnosis during testing of turbine unit | |
EP2728331B1 (en) | Methods and Systems for Monitoring Health of Blades | |
US20160123175A1 (en) | Hybrid model based detection of compressor stall | |
Jenny et al. | Experimental determination of mechanical stress induced by rotating stall in unshrouded impellers of centrifugal compressors | |
Wang et al. | Time-dependent vibration frequency reliability analysis of blade vibration of compressor wheel of turbocharger for vehicle application | |
Salamat | Gas path diagnostics for compressors | |
CN110382878A (zh) | 确定用于预测压缩机中不稳定性的指标的方法和装置及其用途 | |
US20150094931A1 (en) | Method for performing maintenance on an engine | |
Kielb et al. | Experimental and numerical study of forced response in a full-scale rotating turbine | |
Heuer et al. | An analytical approach to support high cycle fatigue validation for turbocharger turbine stages | |
Marn et al. | On the Effect of Axial Spacing Between Rotor and Stator Onto the Blade Vibrations of a Low Pressure Turbine Stage at Engine Relevant Operating Conditions | |
Anding et al. | Development of a Novel Axial Compressor Generation for Industrial Applications: Part 2—Blade Mechanics | |
EP2749740B1 (en) | System and method for monitoring health of airfoils | |
US9250056B2 (en) | System and method for monitoring health of airfoils | |
Vogel et al. | A Top-Down Approach for quantifying the contribution of high pressure compressor deterioration mechanisms to the performance deterioration of Turbofan engines | |
Scheibel et al. | Gas Turbine Compressor Dependability and Risk Mitigation Measures | |
van Dyke et al. | Assessment of Substrate and TBC Damage Effects on Resonance Frequencies for Blade Health Monitoring | |
May et al. | Design of a comprehensive condition monitoring system for gas turbine engines | |
Barad et al. | Neural Network Approach for Multidisciplinary Health Monitoring of a Gas Turbine Engine. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240110 Address after: Swiss Baden Patentee after: GENERAL ELECTRIC CO. LTD. Address before: New York, United States Patentee before: General Electric Co. |