CN103649470B - 用于预测发动机及其部件的剩余使用寿命的方法 - Google Patents

用于预测发动机及其部件的剩余使用寿命的方法 Download PDF

Info

Publication number
CN103649470B
CN103649470B CN201280033535.8A CN201280033535A CN103649470B CN 103649470 B CN103649470 B CN 103649470B CN 201280033535 A CN201280033535 A CN 201280033535A CN 103649470 B CN103649470 B CN 103649470B
Authority
CN
China
Prior art keywords
operation conditions
engine
failure mode
sensor
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
Application number
CN201280033535.8A
Other languages
English (en)
Other versions
CN103649470A (zh
Inventor
D.J.米切尔
A.A.库尔卡尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Energy Inc
Original Assignee
Siemens Energy Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens Energy Inc filed Critical Siemens Energy Inc
Publication of CN103649470A publication Critical patent/CN103649470A/zh
Application granted granted Critical
Publication of CN103649470B publication Critical patent/CN103649470B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01DNON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D17/00Regulating or controlling by varying flow
    • F01D17/02Arrangement of sensing elements
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01DNON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01DNON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/003Arrangements for testing or measuring
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00Systems controlled by a computer
    • G05B15/02Systems controlled by a computer electric
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing Of Engines (AREA)
  • Turbine Rotor Nozzle Sealing (AREA)

Abstract

一种用于预测具有部件(18、19、22、23)的发动机(10)的剩余使用寿命的方法,所述部件由传感器(50)检测,该传感器(50)产生指示所述部件的运行状况的电子数据信号,该方法包括:识别(52)一个或多个部件并识别每个部件的限制所述部件和发动机的运行寿命的至少一种失效模式。该方法还包括:获得(62)并存储有关所述部件的与所识别失效模式关联的现有运行状况的数据;以及接着基于有关所述部件的现有运行状况的数据、有关与失效模式相关联的运行状况的历史数据、以及所预测的失效模式速率,确定(68)所述部件的剩余使用寿命。

Description

用于预测发动机及其部件的剩余使用寿命的方法
技术领域
本发明总体上涉及监测运行环境,具体涉及能够用于传送关于在例如燃气轮机的运行环境中独立部件状况的数据的部件。更具体地说,本发明涉及基于状况的维护系统和方法,用于预测例如涡轮发动机及其部件的复杂发动机系统的剩余使用寿命。
背景技术
气体燃烧涡轮机适于多种应用,例如驱动发电设备中的发电机或者推动船或飞行器。在现代燃气轮机中,燃烧温度响应于更高效率的发动机需求而持续升高。已经开发了超耐热合金材料以承受燃气轮机中存在的腐蚀高温环境。但是,在没有某些形式的冷却和/或热绝缘的情况下,超耐热合金材料也无法承受长期暴露于当前一代的燃气轮机的热燃烧气体之下。
隔热涂层广泛用于保护燃气轮机的多个热气体路径部件。这种涂层的可靠性决定了机器的整体可靠性。这种涂层的设计局限主要由实验室数据决定。但是,确定受实际燃气涡轮环境的温度及压力影响的隔热涂层的性能对于更好地理解涂层局限是必要的。这种真实世界的操作环境的数据是非常难以获得的,尤其是对于在发动机运行过程中运动的部件,例如涡轮机的旋转轮片(blade)。
尽管现代涡轮发动机非常成熟,例如用于发电的气体涡轮机或者用于商业或者军事的航天发动机,但是设计者和操作者对有关运行过程中涡轮发动机的内部状态的信息知之甚少。这是由于严酷的运行环境使得无法使用传统的用于收集重要的发动机部件的可靠信息的传感器。
现行的很多涡轮机装备有具有有限功能的传感器,例如排气路径温度测量、火焰探测和基本的涡轮运行状况。基于这些信息,例如电力公司的涡轮机操作者以被动模式运行发动机,其中,基于相似发动机之前的历史而安排维护进度。发动机改造和常规维护是在缺乏单个部件的剩余或已使用寿命的在先信息的前提下进行。缺乏特定部件信息使得早期失效探测非常困难,经常由于部件突然失效而导致覆灭性的发动机失效。这导致了低效的使用、不必要的停工期、以及运行成本大幅上升。
目前,气体涡轮机工业的方法是依赖于气体路径温度的测量,其基于有关一系列发动机的经验和历史而追溯至特定组件问题。这种方法是高度主观的,并且只允许确定发动机中已经严峻的情况。这种方法没有指示即将发生的损坏,也无法察看由于部件老化或失效而导致最终引起发动机损坏的事件的发展。
例如汽轮机内的叶片或轮片的部件的检测通常包括将引线放置到摆轮上接着放到轮片机翼上。该引线通常由环氧树脂保持在一起。这些线从部件内部发送至涡轮机匣体。部件的压力边界可能会被打破以引进例如热电偶的传感器和回填以将热电偶保持在其位置的黄铜。每个热电偶传感器都具有从部件中出来而回连至诊断单元的引线。用这种方法检测涡轮机的多个部件会由于仅仅为了监控温度的单个运行环境而导致过多的引线网。使用这种技术检测部件是昂贵的,这也是在单个涡轮机中检测大量部件的障碍。另外,该引线以及数据传输经常是糟糕的,这会导致昂贵的维修以及有缺陷的数据分析。
使用热电偶进行涡轮机的气体路径的温度测量可能是不利的,因为它只提供给操作者气体路径中温度发生改变的反馈。它没有提供任何关于为什么发生温度改变的指示。为了基于测量的温度变化而诊断叶片或轮片的问题,所测量的温度差别与特定问题(例如叶片上有孔)之间就必须存在历史性的关联。这种关联性在确定性的合理范围内的获取是困难且耗费时间的,并且需要基于不同发动机的情况在考虑发动机工况下完成。当温度变化已被测量,预测是什么问题以及问题出在何处是困难的(如果不是不可能的话)。因此,涡轮机通常必须关闭并被检测从而确定要进行维修、替换或其他维护的范围。
在任何应用中,燃烧涡轮机常规地进行多种维护程序作为其正常运行的一部分。用于气体涡轮机的诊断监测系统通常包括性能监测设备,用于采集相关的趋势和错误数据用于诊断趋势。在诊断趋势分析中,将某些指示气体涡轮机整体性能和/或状况的过程数据(例如排气温度、燃料流量、转速等等)与气体涡轮机的参数基线进行比较。任何与参数基线的原始趋势数据的偏离都指示了现有或将来需要维修的状况。这样的诊断监测系统只能预测或估计特定的部件状况,而不能针对特定部件本身的实际状况进行数据采集或者提供任何分析。
在这方面,传统的预测涡轮机部件失效且安排维护的方法还不是完全精确或最优化的。传统的用于预测性维护的“工作循环(duty cycle)”没有反映实际的运行状况,尤其是非设计的运行状况。气体涡轮机的特定部件的实际寿命很大一部分取决于该气体涡轮机及该涡轮机内的特定部件的实际使用情况。
例如,涡轮机内上升的温度和压力以及严酷的环境状况会引起涡轮机部件超出标准设计的工作循环所预测的过多磨损。工业上的气体涡轮机经常遇到的非设计的运行状况并不能由标准的工作循环反映。气体涡轮机的部件的实际寿命可能在大体上要小于设计的工作循环所预测的寿命。另外,如果实际的气体涡轮机比设计的工作循环所反映的要经受更有利的状况,那么实际的部件寿命可以在大体上长于基于所设计的工作循环的维修日程所预测的寿命。在任一情况下,用于预测保护性维护的标准设计的工作循环没有可靠地指示气体涡轮机部件所受到的实际磨损和撕裂(tear)。
已知的用于预测维护和部件更换的技术依赖于熟练的技术人员获得或解释有关燃烧涡轮机的运行的数据。这样的技术受到技术人员对数据的不同解释的影响。例如,技术人员可以通过估算开始和结束时间与功率设定来确定该气体涡轮机经历了多少工作循环、其频率、周期和其它要素。此外,如果气体涡轮机的数据记录指示存在超常规的状况,例如过量的温度或压力,那么该技术人员可以应用“维护因子”来量化这些非设计的运行状况的严重度。
这些技术都不能提供关于特定部件或部件涂层的实际状况的精确信息,这可能导致进行不必要的修复、更换或维护,从而引起运行成本大幅增加。现在存在监测系统和方法,其包括通过嵌入部件涂层(例如隔热涂层)内而直接安装在部件上的传感器,用于探测部件运行状况,例如部件的磨损、流过部件涂层的热流密度、涂层的剥落、沿部件区域的应变或部件基底或涂层内的断裂形成。这样的系统能够无线地传输有关部件运行状况的数据,并提供有关这些运行状况的更准确的实时数据。但是,这种基于状况的监测/维护系统还没有并入部件或发动机的寿命预测系统或方法中。
附图说明
参考附图将在下面的说明中对本发明进行解释。附图中:
图1是本发明的实施例可用的示例性燃烧涡轮机的横截面图以及用于从燃烧中采集和分析部件数据的示例性监测和控制系统。
图2是说明在预测复杂发动机系统及其部件的剩余使用寿命的系统或方法中涉及的步骤流程图。
图3A是区分最容易失效的涡轮机部件的柱状图。
图3B是区分图3A中所区分的部件的失效形式的柱状图。
图4是预测性曲线,将涂层剥落寿命的预测性趋势作为时间、温度、发动机运行循环数以及循环速率的函数进行说明。
图5A是预测性曲线,将氧化物生长厚度的趋势作为时间和温度的函数进行说明。
图5B是预测性曲线,将涂层损耗寿命的趋势作为氧化物厚度或者氧化物生长速率的函数进行说明。
图6是传感器校正曲线,将传感器的输出作为发动机温度的函数进行绘制。
图7A是部件寿命曲线,为部件提供由于部件的剥落失效模式的预测的剩余寿命。
图7B是部件寿命曲线,为部件提供由于部件的涂层损耗(氧化物增长)失效模式的预测的剩余寿命。
图8是发动机部件寿命图,示出了部件不同的相互相关的预测的失效模式。
图9是示出所列部件的确定的剩余使用寿命的显示装置。
具体实施方式
图1示出示例性的燃烧涡轮机10,例如本领域技术人员所能理解的用于发电的气体涡轮机。本发明的实施例可用于燃烧涡轮机10或者用于许多其它的操作环境中并且用于本领域技术人员所能理解的多种目的。例如,以下所述的传感器与遥测设备的实施例可以用在航空发动机上,用于监测锅炉中的温度和热流密度(heat flux)、换热器以及排气管;确定绝缘性能及老化;确定管道结垢;以及评价振动部件的健全;实施例可用在汽车工业用于监测燃烧室环境,监测例如机轴、凸轮、变速器和差速器的旋转部件,以及确定重负荷车辆的悬架和车架的完整性。实施例还可用于测量坦克、便携设备及其它在沙漠、湿和/或高温布局中运行的设备的压力与热流密度。
回到图1,燃烧涡轮机10包括压缩机12、至少一个燃烧器(combustor)14(已破断)和涡轮机16。压缩机12、燃烧器14及涡轮机16有时统称为燃气轮机。涡轮机16包括多个固定至旋转中心轴20的旋转轮片18。多个静止叶片22定位在轮片18之间,其中叶片22被制作且安装成在轮片上方引导空气。轮片18和叶片22通常由镍钴制成并涂敷隔热涂层26,例如氧化钇稳定化的氧化锆(yttria-stabilized zirconia)。类似地,压缩机12包括多个定位在对应叶片23之间的旋转轮片19。
在使用过程中,空气被驱动流经压缩机12,在压缩机12中空气被压缩并朝燃烧器14驱动。燃烧器14将燃料与空气混合,并将其点燃从而产生工作气体。该工作气体通常达到1300℃以上。该气体膨胀通过涡轮机16,由叶片22引导穿过轮片18。随着气体穿过涡轮机16,该气体使轮片18和轴20旋转从而通过轴20传输可用的机械功。燃烧涡轮机10还可包括冷却系统(未示出),该冷却系统被制造且安装成供应冷却剂(例如流体或压缩空气)至轮片18或叶片22。
轮片18与叶片22的运行环境处于高温下且特别严酷,这可导致轮片18与叶片22严重退化。如果隔热涂层26剥落或者以其它方式损耗,这尤其可能发生。本发明的实施例是有利的,因为其允许部件安装成用于传输指示在燃烧涡轮机10运行过程中部件的运行状况的数据。例如轮片18、19,叶片22、23和涂层26可安装成用于传输部件的特定数据,该数据可以直接被监测以确定运行过程中的每个部件的相应运行状况并开发预测性的维护日程。
图1还说明了与本发明多个方面一致地使用的示例性监测与控制系统30的概要视图。系统30可包括天线32、接收器33、处理器或CPU34、数据库36和显示装置38。处理器34、数据库36和显示装置38可以是传统部件,而天线32与接收器33可具有本发明许多实施例的功能的性能规格。例如,天线32和接收器33可被选择用于接收无线遥测数据,该数据如下文详细所述地从多个配置在遍及燃烧涡轮机10的不同位置的发射器传输。
本发明的实施例允许多个传感器嵌入到燃烧涡轮机10的多个部件的对应涂层中。另一实施例允许传感器安装在表面或者放置在部件上,尤其是那些包含在部件不需要隔热涂层的区域中的部件,例如压缩机。传感器的示例性实施方式可用于将有关部件和/或部件涂层性能的物理特征以及其它的部件或涂层的具体信息提供至系统30。
例如,示例性传感器可用于探测两个部件之间的磨损,测量经过部件涂层的热流密度,探测涂层的剥落,测量经过部件区域的应变或者确定部件或涂层中的断裂信息。本领域技术人员应理解,部件和部件涂层的其它性能和/或特征可与本发明的方面一致地被测量与探测。
应理解,本发明的方面允许多种传感器形态嵌入隔离涂层中,例如嵌入涡轮机16的轮片18或叶片22的隔离涂层26中。美国专利No.6838157、No.7270890、No.7368827以及No.7618712(在此作为参考特别并入)描述了用于检测气体涡轮机部件的方法的多种实施例,这些部件例如轮片18、19和叶片22、23可以根据本发明的方面而用于放置传感器。这些专利公开了在隔离涂层中形成沟槽、在涂层中形成传感器以及在涂层上的沟槽放置回填材料的多种方法。这些方法和部件的实施例可以如此处所公开地用于形成精密(smart)部件。
美国专利No.6576861(在此作为参考特别并入)公开了一种与本发明的方面一致的用于放置传感器和具有发射器的传感连接器的方法和装置。为此,其中公开的方法和装置可以用于在大约100微米和500微米之间绘制(pattern)细微传感器和/或连接器而不需要使用模板(mask)。多层电路和传感器可以通过用导电材料、电阻材料、电介质材料、绝缘材料和其它应用特定材料来沉积特征而形成。应理解,根据本发明的方面,其它方法可用于沉积多层电路和传感器。例如,可以使用热喷涂、气相沉积、激光烧结、和低温喷涂材料的固化沉积以及其它本领域技术人员所知道的合适的技术。
本发明的实施例允许在燃烧涡轮机10中多个地方放置多个传感器50,用于监测特定部件或特定涂层的运行状况以及收集有关燃烧涡轮机10的运行和性能的其它信息。例如,图1示出一个或多个传感器50可以嵌入涡轮机16的一个或多个轮片18相应的隔离涂层26中。应理解,为了获得特定部件和/或特定涂层的数据,该传感器50可以嵌入涡轮机16中其它部件的隔离涂层中。
如作为参考并入此文的美国公开No.2009/0121896和美国申请No.13/015765所公开的,该传感器50可以并入无线遥测系统。这种遥测系统使用功率感应系统,例如共振能量转移系统或者感应线圈系统,并且包括用于传输无线传输电子数据的收发器。该收发器设置成与传感器50电性连通(communication),用于传递可指示部件的运行状况的电子数据信号。
关于本发明的实施例,上述传感器与无线遥测系统设置用于与包括天线32与接收器33的控制系统30进行连通,该接收器33用于接收指示与涡轮发动机10的部件(例如轮片18、19和叶片22、23)和/或部件上的涂层相关联的一个或多个操作状况的电子数据信号。数据库36可包括有关发动机10和发动机部件的过去运行状况的历史数据。例如,这些历史数据可包括涡轮发动机10运行时的不同负载和涡轮发动机10在每个负载下的已运行时间总量以及涡轮机随时间的进气和排气的温度和压力、发动机已运行的循环圈数和每个循环的速率。这些有关发动机10及其部件的历史数据还可以包括有关某些可影响发动机10、发动机部件及失效模式的发生的运行状况的外界参数。例如,可以用于发电设备的涡轮发动机定位于不同的地理位置。因此,可提供有关外界温度、适度、空气压力的数据。更具体来说,这些有关发动机及部件的运行状况的历史数据被输入到算法中,用于确定发动机多个部件的剩余使用寿命,从而更有效且精确地确定发动机10的维护日程。
另外,数据库36可包括有关在涡轮发动机10运行期间部件的运行状况的历史数据。这些状况可包括有关与隔热涂层相关联的状况的数据,例如部件温度和流经部件的流体(空气、排气、蒸汽等)压力。其它状况可涉及部件基底,例如基底的振动信息(振动的频率和幅度数据)和变形(弯曲和扭曲)。如下文详细解释的,这些运行状况随时间连续地被监测,并与已识别的失效模式结合以估计发动机10和某些部件的剩余使用寿命。
除了上文所述的有关部件的历史数据,还可提供发动机的进一步计划运行参数或状况的有关数据,这些数据可存储在数据库36中或在可被处理器34获取的其它任何可用的存储器中。如上述有关历史发动机的数据,发动机的未来计划的运行可涉及发动机的不同负载、排气温度和压力以及在这些状况下运行的时间。处理器或CPU34被安排或配置以获得:1)有关发动机的运行状况的历史数据;2)涡轮发动机的未来计划的运行状况;以及3)由上述传感器和遥测系统所提供的部件的现有运行状况,从而确定发动机10的一个或多个部件的剩余使用寿命和发动机的剩余使用寿命。基于这种确定,处理器34能够得出何时关闭发动机用于维修和/或服务的决定。另外,以下所述的预测性寿命曲线可以并入一个或多个寿命预测算法以确定发动机10及部件的剩余使用寿命。
关于图2,流程图概述了用于预测剩余使用寿命的基于状况的监测/维护系统和方法的步骤,其中上述传感器50和无线遥测系统用于获得有关例如涡轮发动机10的轮片18、19和叶片22、23的部件的运行状况的现有数据。在第一步52中,识别“寿命限制”的部件以及这种部件的失效模式,用于监测发动机10的状况。这些部件与失效模式可通过分析发动机10及其部件的修复趋势来识别。这可以通过进行失效模式效果分析或者通过分析涡轮发动机的修复记录来实现。
参考图3A,识别出某些被发现引起发动机失效的涡轮发动机部件。如图所示,相比于燃烧器、盘碟(disk)和轴承,叶片和轮片通过示例的方式作为最高失效次数的来源被识别出。具体地,在此示例中,轮片被发现是最高失效次数的来源。此外,在图3B中,识别出轮片的不同失效模式,包括轮片(或基底)变形、部件基底熔化、部件断裂、隔热涂层(TBC)剥落和隔热涂层由于涂层中氧化生长的损耗。
在本发明的一个实施例中,监测被施加至轮片18、19和叶片22、23的涂层(包括或不包括粘结层),例如监测隔热涂层,用与确定部件的剩余使用寿命。这些涂层可具有不同失效模式,例如剥落或由涂层中氧化生长引起的涂层损耗。因此,上述与部件连接放置的传感器50嵌入涂层中/上,用于监测部件和涂层运行状况。更具体来说,所监测的且与涂层损耗和剥落有关的部件运行状况是隔热涂层的温度。因此,包括热电偶的热流密度传感器可嵌入隔热涂层中用于监测部件温度。另外,应变计可固定至基底以监测例如静态和动态振动模式的状况,这可与剥落、断裂或变形失效模式联系在一起。
在第二步54中,为第一步52中所识别的每个部件和相关的失效模式产生预测的“实现模式速率”。失效模式速率或预测的失效模式速率可作为部件的一个或多个运行状况的函数而被定义为预测的部件失效模式的发生。图4、5A和5B示出的曲线代表了预测的失效模式速率的示例。参考图4,部件由于剥落而发生失效由曲线上的A点表示,这也代表了部件的剩余寿命的临界值,在由于剥落而导致灾难性失效发生之前应该进行维修。
参考图5A和5B,将部件由于涂层损耗的失效模式速率绘制成两条曲线。一般而言,隔热涂层的损耗大部分是在极度运行温度下隔热涂层中氧化层厚度随时间而生长的函数。因此,参考图5A,以作为时间和温度的函数的增加的氧化物厚度的抛物线形式示出氧化物生长速率。该氧化物厚度转化成隔热涂层的涂层损耗(已识别的失效模式)。部件由于涂层损耗而发生失效在曲线上用B点示出,这也代表了部件的剩余寿命的临界值,在由于涂层损耗而导致灾难性失效发生之前应该进行维修。
失效模式的发生,无论该失效模式发生在涂层还是基底,通常都是时间和温度的函数。也就是说,当发动机在极端温度下随时间运行,如在涡轮发动机中,部件基底或涂层都靠近于一种或多种失效模式。例如,一些这样的发动机可在发动机关闭用于维修或服务之前运行长达三年时间。但是,除了时间和温度之外的其它发动机运行状况可影响失效模式。更具体来说,被称为“峰值”发动机的其它发动机可运行的持续时间要短得多,例如一天或两天,这也称为循环。因此,在预定的时间内涡轮发动机10可运行一设定数量的循环。此外,循环的速率也是考虑的运行状况。
循环的速率是使发动机以预定输出运行所需的时间量或者是关闭发动机并将其冷却至常温的时间量。循环数和循环速率在隔热涂层和粘结层和/或基底之间的交界面上施加压力,该压力可能引起交界面处的断裂。该断裂进一步导致剥落。因此,将部件由于剥落而预测的剩余使用寿命阐述成作为时间、温度、循环次数和循环速率的函数。
在一个实施例中,考虑部件和发动机中最影响以上所识别的失效模式的运行状态,进行实验室测试和/或数学建模。此外,有关涡轮发动机及其部件的运行状况的历史数据可用于发展这些预测的失效模式。这可以通过为具有类似设计和性能的涡轮机采集有关的涡轮机组信息而实现。如上所述,这些失效模式速率可用于呈现涡轮发动机部件的涂层损耗趋势,或者其它失效模式的趋势,例如部件基底的断裂或变形。此外,曲线提供有关部件接近失效模式的速率的数据,或者提供有关失效模式被预测或发生的时间的数据。
当上述失效模式速率以预测性曲线的形式出现,有关预测的失效模式速率可通过其它形式或格式呈现。例如,该失效模式速率数据可通过提供一个或多个预测部件(某行的一个轮片)及其失效模式(剥落)将发生的时间(8000小时)的表格的形式呈现。
如步骤56所提供的,使用上述的关于图3A和3B的失效模式数据或关于图4、5A和5B的失效模式速率数据,可以识别出用于与部件连接以监测部件的运行状况的适当的传感器50以及传感器50定位在部件上的位置。例如,如果选择剥落与氧化生长速率(涂层损耗)作为被监测的失效模式,那么就要监测部件或涂层的温度,所以将选择热电偶作为适合的传感器以探测流经隔离涂层的热流密度。在另一个示例中,如果涉及断裂失效模式,那么应变计将被选择并布置在部件或涂层上,用于探测基底或隔离涂层中的断裂的存在、深度以及方向。此外,基于相似组件的修复数据,可以识别出部件上对失效模式最敏感的位置用于将传感器50定位在部件上。
一旦选定了合适的传感器50以及传感器50在部件上的位置,如步骤58所提供的那样校正该传感器50。在一个实施例中,图6示出的曲线所呈现的传感器校准数据说明了当暴露于模拟涡轮机运行状况时的传感器输出。具体来说,图5绘出了热电偶暴露于不同温度时的输出电压。这种类型的数据可以用于绘制从不同卖家获得的相同类型的传感器。因此,被检测部件的传感器50通过类似的传感器进行校正。用这种方式,有关失效模式的运行状况的数据可以依此调整从而为寿命预测能力提供更精确的数据。
步骤60接着进行传感器和无线遥测系统(数据采集系统)的装配。如上所述,根据美国专利No.6838157、No.7270890、No.7368827及No.7618712和美国公开No.2009/012189所公开的方法和材料装备传感器50和无线遥测部件,上述专利和公开全都作为参考特别并入本文。
随着发动机10准备用于运行,包括与无线遥测系统连接的传感器50和控制系统30,计划好的发动机状况被输入到控制系统30中。该计划的状况包括有关涡轮发动机10所要的功率输出(即负载)的数据以及有关该涡轮发动机10将在该负载下运行的时间量的数据。该数据还可包括发动机的估算运行温度,包括涡轮发动机10的不同阶段的一个或多个估算运行温度。此外,在制定计划的状况时也考虑可根据发动机的地理位置改变的外界环境,例如外界温度和空气压力。例如,发动机所要的功率输出,例如在发电厂长期时间运行的上述“基本负载”发动机的功率输出,可在一年的过程中变化。在一年的某些时间内,功率输出需求可大于该年其它时间的功率需求。
再次参考图2,本发明的一个实施例包括步骤62,即获取有关被识别为潜在地限制发动机10的运行寿命的部件的一个或多个运行状况的数据。通过使用传感器50和上述无线遥测系统,基于状况的监测系统能够产生有关寿命限制部件的运行状况的实时数据。如上所述,这样的部件运行状况可以是温度、压力、振动模式数据、运行时间、循环数量和循环速率或影响所识别的失效模式的其它任何运行状况。现有运行状况数据可以与涉及相同运行状况的历史数据结合使用,用于确定一个或多个寿命限制部件在现有时间间隔的剩余使用寿命。历史数据包括呈现在发动机运行寿命中已经获得并存储在数据库36中部件的现有运行状况的数据。
因此,在步骤64中,有关发动机过去的运行状况的数据的信息(历史数据),连同伴随着被识别的失效模式的有关现有运行状况的数据(在步骤62中获得),一起被输入到寿命预测算法和上述寿命预测模型(图4、5A和5B)中,并且处理器34配置成在现有时间间隔确定剩余使用寿命。该剩余使用寿命值在图7A和图7B中所示的曲线中呈现。参考图7A和7B,部件由于剥落(图7A)和涂层损耗(图7B)的剩余寿命ai在现有时间间隔ti中示出,该时间间隔ti通常是获得现有运行状况的时间。可以为每个寿命限制的部件确定剩余使用时间,以及可以为每个部件确定对应于每个识别的失效模式的剩余使用寿命。在实际中,显示装置38可以为特定部件显示所有识别的失效模式以及代表由于相应失效模式的剩余使用寿命的相关联的小时数。或者,该显示装置38可以只为每个部件显示与失效模式有关的最短剩余寿命值。
数据库36还可以包括有关每个识别的寿命限制部件的与每种失效模式关联的剩余使用寿命的临界值的数据。处理器34可以配置成当所确定或计算的剩余使用寿命低于该临界值或处于高于临界值的预定范围内时将传输部件和发动机的服务或维修的听觉和/或视觉通知。该剩余使用寿命的临界值可以从图4、图5A和图5B所示的失效模式预测趋势中得到。
但是,由于该临界值可在实际上预测而不基于发动机实际运行状况(因为该临界值基于使用例如涡轮发动机组(fleet)数据而开发的模型),可以采取其它的步骤以提供更加精确的剩余使用寿命。因此,在步骤66中输入或提供有关现在计划和将来计划的运行状况。也就是说,上述在发动机10运行过程中为发动机10在任何时刻所制定的计划的运行包括发动机现有运行状况(包括功率输出和温度)以及发动机为将来所安排的运行状况。在本发明的一个实施例中,安排处理器34将有关现有和将来所计划的发动机运行状况的数据输入到寿命预测算法中以计算剩余使用寿命,如步骤66和68所列出的。
参考图7A和图7B,部件的剩余使用寿命由于剥落(图7A)和涂层损耗(图7B)(考虑现有和将来的发动机运行状况的因素)而以曲线形式示出。如上所述,ai表示在特定时间间隔所计算的结合特定失效模式(剥落和涂层损耗)的部件的剩余寿命。此外,a0表示相对于涡轮发动机的开始时间而到寿命限制时间t0时的特定失效模式(剥落程度或者由于氧化生长的涂层损耗量)。因此,在特定失效模式a0处的剩余使用寿命可以估算为:
其中,v是引起特定失效模式(例如剥落或涂层损耗)的重要运行状况的速率。
在本发明的一个实施例中,处理器34配置成用于确定每个所识别的寿命限制的每种所识别的失效模式的剩余使用寿命。该信息可以任何有效的格式呈现。例如,显示装置38可以列出所有限制寿命的部件以及与每种失效模式相关的剩余使用寿命。或者,该显示装置38可以只示出代表单个部件的剩余使用寿命的单个数字(小时)。该数字将代表所计算的失效模式的最短剩余使用寿命。
图8所示的图表示出了发动机部件的寿命图,该图可用在发动机10的运行时间中的任何时刻,示出失效模式将会发生的区域。如图所示,圈A、B、C、D和E中每个圈都表示一种失效模式作为运行状况(例如时间、温度、循环数和循环速率)的函数所预期发生的区域。该图可以通过改变将来计划的运行而改变,例如通过调整运行温度或功率输出或者调整循环数而改变。如果必要的话可以用这种方式增加部件的剩余使用寿命。
图9示出了一个可供选择的显示装置,该显示装置识别多个寿命限制部件并提供输入机构72、74和76。如图所示,对于每个部件,剩余使用时间以小时的形式示出并表示与失效模式相关联的最短剩余使用寿命。该输入机构72、74和76允许使用者调整将来计划运行的运行状况,而且处理器34配置成用于调整所计算的每个部件以及每个部件的每种失效模式的剩余使用寿命。这可以是为了延长部件和发动机10的寿命而进行。在另一实施例中,如图2的步骤70所提供的,给出所计算的基于过去部件运行状况、现有运行状况和将来计划的运行的剩余使用寿命,能够得到更明智的(informed)何时关闭发动机10以进行维修的决定。
尽管已经在本文示出且描述本发明的实施例,但显然这些实施例仅作为示例提供。在不脱离本发明的情况下,可以进行多种变化、改变和替代。因此,本发明应仅受到所附的权利要求书的精神和范围的限制。

Claims (7)

1.一种用于预测具有部件(18、19、22、23)的发动机(10)的剩余使用寿命的方法,所述部件被提供仪器,包括一个或多个安装在所述部件上的传感器(50),所述传感器产生指示所述部件的运行状况的电子数据信号以在基于状况的监测系统(30)中使用,所述方法包括:
识别一个或多个部件并识别所述一个或多个部件中的每个部件的限制所述部件和发动机运行寿命的至少一种失效模式(52);
为每个部件并相对于一个或多个部件的运行状况生成预测的失效模式速率(54),其中预测的失效模式速率可作为部件的一个或多个运行状况的函数而被定义为预测的部件失效模式的发生;
装配步骤:为一个或多个所述部件提供固定至部件基底的传感器,所述传感器探测与所述部件的失效模式及所述预测的失效模式速率相关联的部件现有运行状况;
获取步骤:通过所述传感器,获得并存储有关在发动机运行过程中所述部件的现有运行状况的数据,所述现有运行状况与所识别的失效模式相关联;
输入步骤:提供有关与所述部件的失效模式相关联的部件现有运行状况的历史数据;以及
确定步骤:基于有关所述部件现有运行状况的数据,确定所述部件的剩余使用寿命,所述有关所述部件现有运行状况的数据与同失效模式和预测的失效模式速率相关联的所述现有运行状况的历史数据相关,
其中,所述方法还包括提供有关发动机的未来计划的运行状况的数据,所述发动机的未来计划的运行状况包括发动机的期望电力输出和发动机将在所述期望电力输出操作的时间量,
其中,确定步骤包括基于与所述发动机的未来计划的运行状况有关的数据确定所述部件的剩余使用寿命。
2.如权利要求1所述的方法,还包括:基于所确定的部件(18、19、22、23)剩余使用寿命修改所述发动机(10)的未来计划的运行状况。
3.如权利要求1所述的方法,还包括:提供与所述传感器(50)电性连通的无线遥测装置,所述无线遥测装置传输用于指示运行状况且从所述传感器处被接收的电子数据信号。
4.如权利要求1所述的方法,其中提供所述传感器(50)的装配步骤还包括将所述传感器定位在形成于一个或多个寿命限制部件(18、19、22、23)的基底上的保护性涂层上/中,而且所述传感器探测所述涂层的运行状况。
5.如权利要求1所述的方法,其中产生所述失效模式速率(54)包括:在一个或多个温度生成所述失效模式速率作为运行时间的函数。
6.如权利要求1所述的方法,还包括:为探测同失效模式相关联的运行状况的所述传感器生成传感器(50)校正数据(58),并校正所述传感器的输出。
7.如权利要求1所述的方法,其中所述发动机是包括压缩机部分(12)和涡轮机部分(16)的涡轮发动机(10),所述部件是被安装成绕所述涡轮发动机的纵向轴旋转的轮片(18)。
CN201280033535.8A 2011-05-05 2012-04-30 用于预测发动机及其部件的剩余使用寿命的方法 Active CN103649470B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/101,360 2011-05-05
US13/101,360 US20120283963A1 (en) 2011-05-05 2011-05-05 Method for predicting a remaining useful life of an engine and components thereof
PCT/US2012/035768 WO2012151150A1 (en) 2011-05-05 2012-04-30 Method for predicting a remaining useful life of an engine and components thereof

Publications (2)

Publication Number Publication Date
CN103649470A CN103649470A (zh) 2014-03-19
CN103649470B true CN103649470B (zh) 2017-11-03

Family

ID=46246163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280033535.8A Active CN103649470B (zh) 2011-05-05 2012-04-30 用于预测发动机及其部件的剩余使用寿命的方法

Country Status (7)

Country Link
US (1) US20120283963A1 (zh)
EP (1) EP2705221B1 (zh)
JP (1) JP5881814B2 (zh)
KR (1) KR101590775B1 (zh)
CN (1) CN103649470B (zh)
CA (1) CA2834747C (zh)
WO (1) WO2012151150A1 (zh)

Families Citing this family (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8599082B2 (en) * 2011-02-01 2013-12-03 Siemens Energy, Inc. Bracket assembly for a wireless telemetry component
US20140188777A1 (en) * 2012-12-27 2014-07-03 General Electric Company Methods and systems for identifying a precursor to a failure of a component in a physical system
US9644534B2 (en) * 2013-01-16 2017-05-09 General Electric Company Systems and methods for implementing engine cycle count
US8914205B2 (en) * 2013-01-28 2014-12-16 Honeywell International Inc. System and method for transmitting helicopter health and location
AR095272A1 (es) * 2013-03-14 2015-09-30 Fisher Controls Int Llc Pronóstico de válvula en función de análisis de laboratorio
EP2972217B1 (en) * 2013-03-14 2017-07-19 Fisher Controls International Llc Valve prognostics for polymeric components based on accelerated aging techniques
US9535808B2 (en) 2013-03-15 2017-01-03 Mtelligence Corporation System and methods for automated plant asset failure detection
US9790864B2 (en) * 2013-03-15 2017-10-17 Rolls-Royce North American Technologies, Inc. Prognostic health management approaches for propulsion control system
CA2905300A1 (en) * 2013-03-15 2014-09-25 Rolls-Royce North American Technologies, Inc. Prognostic health management approaches for propulsion control systems
EP2804064B1 (en) * 2013-05-17 2020-07-01 ABB S.p.A. A computerised system and method for generating a life expectancy analysis report related to a low or medium voltage switching device
US9476361B2 (en) * 2013-07-08 2016-10-25 General Electric Company Systems and methods for control of operating life of a gas turbine
US9842302B2 (en) 2013-08-26 2017-12-12 Mtelligence Corporation Population-based learning with deep belief networks
US10458342B2 (en) 2013-09-17 2019-10-29 General Electric Company System and method for controlling operation of a gas turbine based power plant
US9221535B2 (en) * 2013-09-18 2015-12-29 Honeywell International Inc. Adaptive remaining useful life balancing control system and method for multi-engine systems
EP2889711B1 (en) 2013-12-30 2020-07-01 Rolls-Royce Corporation System and method for optimizing component life in a power system
CN103745112B (zh) * 2014-01-16 2015-06-10 大陆泰密克汽车系统(上海)有限公司 用于确定信号链的最大残余失效率的方法
US9790834B2 (en) 2014-03-20 2017-10-17 General Electric Company Method of monitoring for combustion anomalies in a gas turbomachine and a gas turbomachine including a combustion anomaly detection system
JP6341729B2 (ja) * 2014-04-04 2018-06-13 三菱日立パワーシステムズ株式会社 運用計画作成評価装置及び運用計画作成評価方法
US10371143B2 (en) 2014-06-18 2019-08-06 Caterpillar Inc. System and method for health determination of a machine component
US10067483B1 (en) * 2014-08-28 2018-09-04 Apple Inc. Controlling electrical device based on temperature and voltage
US9791352B2 (en) * 2014-09-17 2017-10-17 General Electric Company Automated prognostics systems and methods
US9984513B2 (en) * 2014-12-23 2018-05-29 Palo Alto Resarch Center Incorporated System and method for determining vehicle component conditions
US9791351B2 (en) 2015-02-06 2017-10-17 General Electric Company Gas turbine combustion profile monitoring
AU2016218967B2 (en) * 2015-02-15 2021-04-22 Transocean Innovation Labs Ltd BOP control systems and related methods
US10444747B2 (en) * 2015-03-26 2019-10-15 Cummins Power Generation Ip, Inc. Blended service schedule for a power generator
US9563989B2 (en) * 2015-04-17 2017-02-07 Snecma System and method for maintaining an aircraft engine
WO2016178736A1 (en) * 2015-05-04 2016-11-10 Sikorsky Aircraft Corporation System and method for calculating remaining useful life of a component
US10474973B2 (en) 2015-05-19 2019-11-12 Bell Helicopter Textron Inc. Aircraft fleet maintenance system
KR101718228B1 (ko) * 2015-05-22 2017-03-20 한국과학기술원 이력 데이터 군집화 기반 철도부품의 상태를 예측하는 방법 및 장치
CN105157986B (zh) * 2015-06-17 2017-09-22 广东电网有限责任公司电力科学研究院 一种用于燃气轮机热端部件的可靠性监测方法
US10330524B2 (en) 2016-02-16 2019-06-25 Inflight Warning Systems, Inc. Predictive monitoring system and method
US10346585B2 (en) * 2016-02-22 2019-07-09 Hamilton Sundstrand Corporation Method of predicting heat exchanger blockage via ram air fan surge margin
CN105808957B (zh) * 2016-03-15 2018-11-09 清华大学 航空发动机剩余寿命预测方法
US10057144B2 (en) * 2016-05-13 2018-08-21 The United States Of America, As Represented By The Secretary Of The Navy Remote system data collection and analysis framework
CN109313440A (zh) * 2016-05-16 2019-02-05 伟尔矿物澳大利亚私人有限公司 机器监控
US10124819B2 (en) * 2016-08-08 2018-11-13 General Electric Company Wheel deformity warning system
JP6648826B2 (ja) * 2016-09-29 2020-02-14 三菱電機ビルテクノサービス株式会社 部品の取替周期算出装置および取替周期算出方法
US10592749B2 (en) 2016-11-14 2020-03-17 General Electric Company Systems and methods for analyzing turns at an airport
US10621061B2 (en) * 2016-11-28 2020-04-14 B. G. Negev Technologies amd Applications Ltd. at Ben-Gurion University Combined model-based approach and data driven prediction for troubleshooting faults in physical systems
US10994287B2 (en) 2016-12-02 2021-05-04 General Electric Company Coating system and method
US10589300B2 (en) 2016-12-02 2020-03-17 General Electric Company Coating system and method
US10384808B2 (en) * 2016-12-02 2019-08-20 General Electric Company Control system and method
US11180265B2 (en) * 2016-12-02 2021-11-23 General Electric Company Control system and method
US11067002B2 (en) 2016-12-06 2021-07-20 General Electric Company Gas turbine engine maintenance tool
US10641185B2 (en) * 2016-12-14 2020-05-05 General Electric Company System and method for monitoring hot gas path hardware life
US10452041B2 (en) 2017-03-31 2019-10-22 General Electric Company Gas turbine dispatch optimizer real-time command and operations
US20180293600A1 (en) * 2017-04-10 2018-10-11 General Electric Company Cold part load and peak fire opportunities
US10782680B2 (en) 2017-07-20 2020-09-22 Genral Electric Company Cumulative cost model for predicting asset maintenance cost from distress models
US11049333B2 (en) 2017-09-14 2021-06-29 Textron Innovations Inc. On-component tracking of maintenance, usage, and remaining useful life
CN111630464A (zh) 2017-09-29 2020-09-04 大众前瞻有限公司 车辆维修操作的预测
JP6676210B2 (ja) 2017-10-17 2020-04-08 三菱電機株式会社 データ処理装置、データ処理システム、データ処理方法、データ処理プログラムおよび記憶媒体
US10834336B2 (en) 2018-01-29 2020-11-10 Ge Aviation Systems Llc Thermal imaging of aircraft
US11138816B1 (en) * 2018-02-12 2021-10-05 Gpms International, Inc. Embedded determination of remaining useful life of a component
KR102036192B1 (ko) * 2018-02-12 2019-10-24 두산중공업 주식회사 잔여수명에 따른 터빈 구동 제어 장치 및 방법
DE102018104661B4 (de) * 2018-03-01 2020-01-16 Mtu Friedrichshafen Gmbh Verfahren zur Berechnung der Restlaufzeit eines Bauteils einer Brennkraftmaschine, sowie Steuereinrichtung und Brennkraftmaschine hierfür
US10909781B2 (en) * 2018-03-09 2021-02-02 Honeywell International Inc. System and method of using mechanical systems prognostic indicators for aircraft maintenance
EP3756051A4 (en) * 2018-09-11 2021-10-20 Hewlett-Packard Development Company, L.P. EQUIPMENT REPLACEMENT PREDICTIONS CHECKED BY A LOCAL DIAGNOSIS
DE102018217336A1 (de) 2018-10-10 2020-04-16 Siemens Aktiengesellschaft Restlebensdauervorhersage für Schalter
DE102018008000B4 (de) * 2018-10-10 2022-01-27 Deutz Aktiengesellschaft Verfahren zur Detektion und Prädiktion des Versottungsprozesses im Abgasrückführungskühler eines Diesel-Verbrennungsmotors
US10974851B2 (en) 2018-11-09 2021-04-13 Textron Innovations Inc. System and method for maintaining and configuring rotorcraft
US11573561B2 (en) * 2018-12-11 2023-02-07 General Electric Company Methods and systems for automated condition-based maintenance of mechanical systems
CN109828873A (zh) * 2019-01-03 2019-05-31 珠海格力电器股份有限公司 一种设备寿命判断方法、装置、存储介质及移动终端
US11703421B2 (en) * 2019-01-31 2023-07-18 Pratt & Whitney Canada Corp. System and method for validating component integrity in an engine
US11353863B2 (en) 2019-02-25 2022-06-07 Halliburton Energy Services, Inc. Trajectory based maintenance
CN110044631A (zh) * 2019-03-13 2019-07-23 中交广州航道局有限公司 船机柴油机的状态预测方法、装置及计算机设备
EP3942373B1 (en) * 2019-03-22 2023-09-13 Northrop Grumman Systems Corporation System control architecture monitoring system
US11010222B2 (en) * 2019-08-29 2021-05-18 Sap Se Failure mode specific analytics using parametric models
US11028772B1 (en) 2020-01-27 2021-06-08 Caterpillar Inc. Method and system for estimating damage in an internal combustion engine
KR102252740B1 (ko) * 2020-03-06 2021-05-17 세메스 주식회사 프로브 스테이션의 예측 정비 방법 및 시스템
WO2022026079A1 (en) * 2020-07-31 2022-02-03 Northrop Grumman Systems Corporation Fleet level prognostics for improved maintenance of vehicles
AT524471B1 (de) * 2020-11-18 2022-09-15 Uptime Holding Gmbh Verfahren zur Bestimmung eines Schädigungsausmaßes
US20220382272A1 (en) * 2021-05-28 2022-12-01 Skygrid, Llc Predictive maintenance of an unmanned aerial vehicle
CN113375942B (zh) * 2021-08-11 2021-10-08 湖南大学 一种基于大数据的旋转设备寿命监测系统
US11959433B2 (en) * 2022-07-19 2024-04-16 Cummins Emission Solutions Inc. Systems and methods for determining exhibited useful life of sensors in monitored systems

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998021451A1 (de) * 1996-11-08 1998-05-22 Siemens Aktiengesellschaft Turbinenleiteinrichtung sowie verfahren zur regelung eines lastwechselvorgangs einer turbine
US6226597B1 (en) * 1996-11-27 2001-05-01 Hamilton Sundstrand Corporation Method of maintaining components subject to fatigue failure
CA2365301C (en) * 1999-09-27 2005-07-12 Hitachi, Ltd. Life management system for high-temperature parts of gas turbine
US6576861B2 (en) 2000-07-25 2003-06-10 The Research Foundation Of State University Of New York Method and apparatus for fine feature spray deposition
US6871160B2 (en) * 2001-09-08 2005-03-22 Scientific Monitoring Inc. Intelligent condition-based engine/equipment management system
US7270890B2 (en) 2002-09-23 2007-09-18 Siemens Power Generation, Inc. Wear monitoring system with embedded conductors
US7618712B2 (en) * 2002-09-23 2009-11-17 Siemens Energy, Inc. Apparatus and method of detecting wear in an abradable coating system
US6838157B2 (en) * 2002-09-23 2005-01-04 Siemens Westinghouse Power Corporation Method and apparatus for instrumenting a gas turbine component having a barrier coating
US7582359B2 (en) 2002-09-23 2009-09-01 Siemens Energy, Inc. Apparatus and method of monitoring operating parameters of a gas turbine
DE10303701B4 (de) * 2003-01-30 2012-02-16 Siemens Ag Verfahren und Vorrichtung zum Steuern einer Brennkraftmaschine
US7581434B1 (en) * 2003-09-25 2009-09-01 Rockwell Automation Technologies, Inc. Intelligent fluid sensor for machinery diagnostics, prognostics, and control
US8004423B2 (en) * 2004-06-21 2011-08-23 Siemens Energy, Inc. Instrumented component for use in an operating environment
EP1653050A1 (de) * 2004-10-29 2006-05-03 Siemens Aktiengesellschaft Verfahren zur Ermittlung eines für den Ermüdungszustand eines Bauteils charakteristischen Kennwert
US7464278B2 (en) * 2005-09-12 2008-12-09 Intel Corporation Combining power prediction and optimal control approaches for performance optimization in thermally limited designs
WO2007068732A1 (en) 2005-12-16 2007-06-21 Shell Internationale Research Maatschappij B.V. Catalyst bodies for use in fischer-tropsch reactions
US7368827B2 (en) * 2006-09-06 2008-05-06 Siemens Power Generation, Inc. Electrical assembly for monitoring conditions in a combustion turbine operating environment
US8519866B2 (en) 2007-11-08 2013-08-27 Siemens Energy, Inc. Wireless telemetry for instrumented component
US7787996B2 (en) * 2008-01-10 2010-08-31 General Electric Company Determining optimal turbine operating temperature based on creep rate data and predicted revenue data
US8220990B2 (en) * 2008-08-15 2012-07-17 Siemens Energy, Inc. Wireless telemetry electronic circuit package for high temperature environments
US20100089067A1 (en) * 2008-10-10 2010-04-15 General Electric Company Adaptive performance model and methods for system maintenance
US20100161196A1 (en) * 2008-12-23 2010-06-24 Honeywell International Inc. Operations support systems and methods with engine diagnostics

Also Published As

Publication number Publication date
CA2834747A1 (en) 2012-11-08
KR101590775B1 (ko) 2016-02-02
JP5881814B2 (ja) 2016-03-09
KR20140013064A (ko) 2014-02-04
US20120283963A1 (en) 2012-11-08
CN103649470A (zh) 2014-03-19
EP2705221A1 (en) 2014-03-12
EP2705221B1 (en) 2018-08-22
CA2834747C (en) 2016-03-22
WO2012151150A1 (en) 2012-11-08
JP2014518974A (ja) 2014-08-07

Similar Documents

Publication Publication Date Title
CN103649470B (zh) 用于预测发动机及其部件的剩余使用寿命的方法
KR101503669B1 (ko) 터빈 기계의 부품들의 작동 상태들을 모니터링하기 위한 진단 시스템 및 방법
US7582359B2 (en) Apparatus and method of monitoring operating parameters of a gas turbine
US7618712B2 (en) Apparatus and method of detecting wear in an abradable coating system
US8004423B2 (en) Instrumented component for use in an operating environment
US8742944B2 (en) Apparatus and method of monitoring operating parameters of a gas turbine
US7572524B2 (en) Method of instrumenting a component
US20050198967A1 (en) Smart component for use in an operating environment
JP6204743B2 (ja) タービンエンジン用のクリープ寿命管理システム及びその作動方法
CN104635121A (zh) 旋转电机的绝缘监视的温度补偿
De Michelis et al. Condition monitoring and assessment of power plant components
Jones et al. Increasing the Scope of Condition Monitoring Strategies To Reduce the Occurrence of Unplanned Outages and Costly Equipment Replacements
Dunphy et al. Development of Advanced Diagnostics for Turbine Disks
RINALDI et al. Condition monitoring and assessment of power plant components
EP2573318A1 (en) A blade for a turbomachine comprising temperature and expansion sensors

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Florida, USA

Patentee after: Siemens energy USA

Address before: Florida, USA

Patentee before: SIEMENS ENERGY, Inc.