CN107667280A - 机器部件的调度检查和预测寿命终止 - Google Patents
机器部件的调度检查和预测寿命终止 Download PDFInfo
- Publication number
- CN107667280A CN107667280A CN201680030819.XA CN201680030819A CN107667280A CN 107667280 A CN107667280 A CN 107667280A CN 201680030819 A CN201680030819 A CN 201680030819A CN 107667280 A CN107667280 A CN 107667280A
- Authority
- CN
- China
- Prior art keywords
- cycle
- risk
- failure probability
- pof
- machine
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims description 25
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000004044 response Effects 0.000 claims abstract description 6
- 239000000567 combustion gas Substances 0.000 claims description 50
- 239000000463 material Substances 0.000 claims description 33
- 238000012360 testing method Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000011017 operating method Methods 0.000 claims 2
- 239000007789 gas Substances 0.000 description 28
- 230000035882 stress Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 208000037656 Respiratory Sounds Diseases 0.000 description 12
- 230000007547 defect Effects 0.000 description 12
- 238000002485 combustion reaction Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 230000008646 thermal stress Effects 0.000 description 5
- 206010011906 Death Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005242 forging Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive 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]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
Abstract
一种用于在应力下操作机器部件的方法。该方法包括:确定部件的作为N个周期的函数的失效概率PoF(N);为部件选择基于时间的可接受风险限度以及为部件选择运行曲线;使用运行曲线将基于时间的可接受风险限度转换为基于周期的可接受风险限度;将基于周期的可接受风险限度与PoF(N)值进行比较以确定部件的运行状态;将基于周期的可接受风险限度与PoF(N)值进行比较;以及响应于比较步骤的结果操作机器部件。
Description
技术领域
本发明涉及用于在运行期间经受周期应力的机器部件的疲劳断裂寿命的概率分析的方法和系统,以用于调度(scheduling)部件检查和预测部件的使用寿命。
背景技术
在运行期间,机器及其构成部件经受机械应力和热应力两种应力。例如,各个部件可以通过被施加压缩力或拉伸力而受到直接的机械应力。当机器或部件的温度超过可接受的运行范围时或者当机器或部件内或部件所运行的环境中的温度偏移超出规定值时,会出现热应力。这样的应力可以恒定或者可以随时间变化。
例如,燃气涡轮机中的部件尤其是在燃气涡轮机启动、关闭或其运行参数发生显著改变时经受周期的机械应力和热应力。蒸汽涡轮机、发电机以及其他旋转机器和非旋转机器的部件也经受这样的热应力和机械应力。
机械和热两方面的周期性加载致使材料疲劳,这在许多情况下限制了机器或部件的使用寿命。由周期性加载状态导致的材料疲劳也可能导致材料裂纹的引发和增长。这些裂纹的增长往往是部件的寿命限制机理。此外,小的裂纹会由于诸如锻造中的在先存在的缺陷的固有的材料缺陷或者诸如低周期疲劳的其他裂纹引发机理而成核。
周期性加载——例如,燃气涡轮机的启动和关闭或燃气涡轮机的运行状态的显著改变——可以导致部件中的小裂纹逐渐递增。随着裂纹的增长可能会影响部件的结构完整性。这种现象被称为稳定的裂纹增长。
然而,当裂纹达到一定的临界尺寸时,裂纹的增长变得不稳定(即,不受控制的增长)。不稳定的裂纹快速显著地增长并且可能导致部件失效。
不稳定裂纹增长开始的周期数N被称为部件的疲劳裂纹寿命。可以使用线弹性断裂力学(LEFM)和有限元分析(FEA)来估算直接影响N值的裂纹增长速率,以估算部件所经受的瞬态应力场。
由于与材料性能和初始缺陷尺寸相关的不确定性以及LEFM和FEA分析的复杂性,估算裂纹增长速率以及由此估算部件的使用寿命是困难和乏味的过程。因此,一些部件的设计可能不考虑疲劳裂纹增长或者设计相对于疲劳裂纹增长可能是非常保守的。由于这种保守方法,部件可以被设计成具有保守特征(例如,材料、尺寸、公差等),部件的运行条件可能受到限制(例如,最小起始金属温度),或者部件可能过早地被检查、维护或者停止使用——即,由于过于保守的估计而丢弃良好的部件。这些过短的维护时间间隔或过早的部件更换倾向于显著地增加系统成本。疲劳裂纹增长的更准确的分析将允许部件维护与/或部件的更长的有效使用寿命之间的更长时间间隔。
疲劳裂纹寿命计算可以使用确定性方法或概率性方法进行。
诸如燃气涡轮机转子盘的部件的断裂力学(FM)使用寿命的传统的确定性计算得出保守值以作为补偿确定性方法中的各种未知数的方法。这种方法使用最小(或视情况而言的最大)的材料性能来估算部件的使用寿命。使用材料性能和初始缺陷尺寸的保守估算以及最差情况分析和重要的安全因素。使用这些估计,然后通过LEFM或该技术的已知扩展来保守地估算部件的疲劳裂纹寿命。通常地,疲劳裂纹寿命是以运行年数或者部件周期数(例如启动和关闭)来测定的。
当应用于燃气涡轮机转子盘时,这些保守估算可能导致盘不必要的更换或者可能导致盘的相当大的过度设计。这些情况导致燃气涡轮机转子的缩短的使用寿命和增大的寿命周期成本。此外,保守的方法基于可用性和检查技术的能力来调度维护检查,而不是基于需要减小继续部件运行的风险来调度维护检查。
例如,根据一个设计,燃气涡轮机包括约二十个以端部对端部的方式水平地堆叠的转子盘(也称为压缩机盘或涡轮机盘)以形成燃气涡轮机转子。参见图2和下面关于图2的描述。
例如,确定性方法可以产生针对N=3000次发动机起动的转子盘的疲劳裂纹寿命。根据确定性方法,这个结果基于在转子盘上可能的最薄弱的位置——即,应力幅度最大的位置——处的最小的材料性能和最大假设缺陷尺寸。
该方法落在所谓的安全生命设计理念的范围内并且已经被用于固定式重型燃气涡轮机和蒸汽涡轮机。确定性断裂力学计算基于非常保守的设计余量。确定性断裂力学计算在制造和运行方面假设了最差的情况;也就是说,盘的材料将是最差可能的材料,在盘锻件的最差位置(就机械应力和热应力而言)上将存在较大缺陷,并且燃气涡轮机将从始至终在极端环境条件下启动。
例如,如图1所示,断裂力学计算通过假设较大锻造缺陷存在于由参考符号5标识的高应力位置处来确定转子盘4的使用寿命。
为部件分析采用这种确定性断裂力学计算的缺点是单个部件位置或几个位置的使用和在这些位置处的最小/最大材料性能的假设。从这些计算可能导致错误的结论。在确定性方法中未使用整个部件中的材料性能和缺陷尺寸的更实际的分布。确定性方法的安全因素可能因此导致过度保守的设计。
实际上,材料性能、缺陷尺寸和缺陷位置在转子盘之间和盘内是变化的。极其不可能的是,最大的锻造缺陷将存在于具有最差材料性能的盘中的最关键位置处。
替代确定性方法,概率性方法可以产生更实际的使用寿命值和检查时间间隔。为了量化由于断裂导致的盘失效的概率,使用概率断裂力学(PFM)分析。
在燃气涡轮机转子盘的概率性分析中,材料性能、缺陷尺寸和位置分布的变化被用于确定在N次运行周期之后的失效概率PoF(N)。燃气涡轮机转子盘在N=3000次启动后的典型失效概率值的量级为:
PoF(3000)~1/1,000,000
这个结果表明:在约3000次启动之后,1,000,000个转子盘中的1个转子盘将发生失效。
在相关文献中已经详细地描述了概率性方法和确定性方法的优点和缺点。以上两种方法均可以被用于对燃气或燃烧涡轮机及其构成部件、特别是其旋转的涡轮机盘进行失效分析。
发明内容
本发明的教示可以应用于例如燃气或燃烧涡轮机,燃气或燃烧涡轮机是一种内燃机类型。本发明的原理还可以应用于在启动、运行或关闭期间由于任何诱因而经受应力的任何机器——比如包括以高速旋转的重质量的机器,例如蒸汽涡轮机、涡轮泵和发电机。
通过使空气流在压缩机内被压缩和加速来运行燃气涡轮机。燃料在燃烧器或燃烧室中被喷射到空气流中,在燃烧器或燃烧室中发生燃料的点火。燃料的点火产生热燃烧气流,该热燃烧气流被引导至涡轮机并使涡轮机旋转。燃烧气流(也被称为工作气体)在进入涡轮机时膨胀,该涡轮机包括成排的固定的引导轮叶和连接至涡轮机轴的旋转叶片。膨胀的气流被引导轮叶加速并被引导到旋转叶片上,从而导致叶片旋转并因而使涡轮机轴旋转。旋转的机轴提供了机械扭矩输出并且还使压缩机转动。在穿过叶片和轮叶之后,工作气流进入涡轮机的排气壳体。
图2描绘了现有技术的燃气或燃烧涡轮机10,该燃气涡轮机10通常包括压缩机12、燃烧室14和涡轮机16。压缩机12引导并压缩环境空气。然后,经压缩的空气进入燃烧室14中的一个或更多个燃烧器28,在其中,经压缩的空气与燃料混合。空气燃料混合物点燃以形成热的工作气体。该工作气体被引导至涡轮机16,在涡轮机16中,工作气体膨胀通过交替的排的固定的引导轮叶22和旋转叶片18以产生使机轴转动的机械力,这在图2中没有具体示出。已膨胀的气体经由排气壳体(未示出)离开涡轮机16。旋转叶片18附接至转子盘40,所述转子盘40水平地堆叠以形成涡轮机轴的部段。
附图说明
在下面的描述中参考附图对本发明进行解释,附图示出了:
图1示出了用于计算转子盘的断裂力学使用寿命的转子盘的关键位置。
图2是现有技术的燃气涡轮机的局部剖视图。
图3示出了机器部件的相对于周期次数N的典型失效概率曲线,失效概率以对数标度示出。
图4示出了具有三个不同潜在缺陷位置的转子盘。
图5示出了用于比较转子失效概率和转子可接受风险限度的曲线图,失效概率以对数标度示出。
图6示出了将假设的风险除以可接受风险作为燃气涡轮机转子的运行年数的函数的标准曲线图。
图7示出了将假设的风险除以可接受风险作为燃气涡轮机转子的运行周期的函数的标准曲线图。
图8示出了转子盘的一部分,其中,示出了转子盘的具有高失效概率的区域。
图9示出了与在各种数目的燃气涡轮机周期之后进行的检查相关联的风险以及与定期和延迟检查相关联的风险的标准曲线图。
图10示出了与图8中描绘的转子盘不同的转子盘的一部分,其中,示出了转子盘的具有高失效概率的区域。
具体实施方式
用于确定失效概率值的概率断裂力学方法的一种衍生方法被称为直接模拟概率断裂力学(DSPFM)并且在公开的专利申请第2014/0107948号(代理人档案号2012P16904)中对该方法进行了描述,上述专利申请是共同拥有的并且通过参引并入本文。DSPFM可以用于分析机器部件或整个机器。
DSPFM是一种直接模拟蒙特卡洛(Monte-Carlo)方法,其使用高能力计算技术来执行数十亿次的断裂力学模拟,从而在整个部件上的不同位置处定位材料性能和不同尺寸的缺陷,例如,在这种情况下,部件是燃气涡轮机转子盘。如本领域中的技术人员所已知的,材料性能可以在部件上的不同位置处是不同的并且因而DSPFM技术应当产生更实际的结果。在DSPFM模拟中,缺陷基于在指定位置处的缺陷概率被分布在部件上。在一个实施方式中,使用线弹性断裂力学技术根据已计算的应力场(例如,根据第一主应力场或应力张量的另一投影)确定裂纹增长路径(增长的速度、方向和程度)。在DSPFM过程中不包含裂纹的手动定位或其他手动过程。
本发明提供了一种基于风险的方法以对诸如转子盘的部件的断裂力学使用寿命做出确定。本发明将DSPFM方法扩展成包含部件使用寿命确定和与对部件进行更换、检查和重新设计相关的确定。这些确定基于由机器的操作者建立的可接受风险限度并且基于描绘从DSPFM技术得出的失效概率(在一个实施方式中作为部件周期或机器周期的函数)的风险曲线。本发明还对包括检查调度在内的部件检查、待检查的部件的区域和在每次检查期间待执行的测试类型进行了优化。
DSPFM方法使用输入变量的独立样本——即,材料性能、缺陷尺寸和缺陷位置——以大量的断裂力学计算进行蒙特卡洛模拟。材料性能分布在一定程度上可以基于实验测试数据。缺陷尺寸和缺陷位置分布在一定程度上可以从超声波测试结果的数据库中得出。
如果M是蒙特卡洛样本尺寸(通常在数百万至数十亿个样本的数目级),则在多个周期N次之后的失效概率(PoF)可以从下式得到:
PoF(N)=(N次之前失效的样本数目)/M
DSPFM方法产生了PoF(N)曲线,该PoF(N)曲线实质上是微积分函数,该微积分函数提供了盘(或另一个部件)的作为转子的运行周期N的数目的函数的失效概率。图3中示出了示例性的PoF(N)曲线,其中,Y轴是对数标度。
在图3的情况下,周期——即图3中的横坐标值——指的是启动和关闭顺序。也就是说,用于图3的目的的单个周期被定义为在燃气涡轮机发动机的启动之后进行关闭。在其他情况下,周期数不一定等于机器起动次数,原因在于该周期数可能比机器起动次数大得多。例如,考虑飞机在单次飞行中经历的例如飞机加速、减速、爬升和下降时的不同的周期的数目。
转子盘(或一般的任何其他部件)在材料性能和缺陷特性方面具有不确定性。因此,需要数百万到数十亿次的DSPFM模拟来形成合理准确的失效概率值。在这些模拟中,在确定断裂力学寿命时有价值的参数包括材料性能、断裂韧性、疲劳裂纹增长特征、缺陷尺寸和盘区域。在图4中由点50描绘了标示不同缺陷位置和材料性能的三个不同的感兴趣的位置,图4示出了转子盘52(选自燃气涡轮机中的M个转子盘)。为了估算特定燃气涡轮机机组中转子盘机组体的失效概率(PoF),执行M个疲劳裂纹增长模拟以计算PoF值。
本发明教示了一种使用这些失效概率结果——包括体现这些结果的图形曲线——的方法,该方法用于做出关于转子盘的使用寿命(或转子的使用寿命,因为转子盘的失效通常被认为是转子的失效)的确定并且用于在测试的时间和范围方面对非破坏性测试(通常是超声测试)进行优化。
为了做出关于部件的使用寿命和部件检查的频率和性质的这些确定,机器操作者需要建立这些确定所基于的标准。
在确定性的部件评估的情况下,机器操作者需要首先确定转子盘(或整个转子)在失效之前将经历的运行周期数的期望值。这种确定考虑了更换盘的成本(包括例如盘成本、人工成本和燃气涡轮机停机时间的成本)以及燃气涡轮机转子和盘的历史失效经验等。如果以确定性的方式确定的涡轮机的盘的运行周期数超过了操作者对盘的寿命的期望,则盘的使用是可接受的。
为了基于概率信息做出确定,操作者必须首先确定可接受风险限度。风险限度是操作者在指定的运行时间间隔期间愿意接受的失效风险的量度(概率术语)。操作者选择一个可接受风险限度以确保对公众的风险或者燃气涡轮机对发电厂员工而言的风险是相当低的并且在没有过度考虑的情况下是与一般人员所容许的其他风险相类似的。可接受风险限度可以表达为运行时间(例如,运行年数)的函数或者表达为运行周期的函数。
就安全性而言,可接受风险限度(例如,飞行安全或制造工厂中的员工的安全的容许限度或可接受限度)通常以每年为基础来表示。例如,每年乘坐十次航班的人在航空旅行期间死亡的年度风险已经确定为约百万分之一。
燃气涡轮机转子的年度可接受风险限度已经通过使用本申请的申请人制定的标准并基于诸如英国健康与安全执行局(HSE)、美国核管理委员会(NRC)以及国际标准化组织(ISO)的组织的标准而被建立。
燃气涡轮机的操作者可以使用已建立的可接受风险限度或选择不同的风险限度。例如,操作者可以对整个转子使用年度可接受风险限度为每年1/10。这转化为PoF为每年增长0.1或每天增长0.1/365。因此,10年后可接受PoF为1。失效概率必须始终小于可接受PoF以便操作者继续操作燃气涡轮机或任何其他装置或部件。如果失效概率大于这个值,则操作者将从服务中移除燃气涡轮机转子、对关键部件进行测试、在较低应力的条件下操作燃气涡轮机转子等,直到风险被充分地降低为止。根据具体情况和法律要求,较高风险的过渡期可能是可以接受的。
操作者可以为机组中的每个燃气涡轮机建立风险限度,所述风险限度是基于每个燃气涡轮机的独特特性和运行条件或整个燃气涡轮机机组的单一风险限度。
此外,操作者可以为燃气涡轮机建立多于一个的风险限度值。例如,当失效概率(作为运行周期的函数)达到第一风险限度时检查燃气涡轮机。当失效概率达到第二风险限度时从服务中移除燃气涡轮机(即,已经达到了使用寿命)。
总的转子失效的年度可接受风险限度表示为pacc。对于低失效概率,该值可以由转子的单独部件(例如,盘和机轴)的可接受风险限度的总和来估计。由于可接受风险限度是以年度为基础来表示的,所以必须将pacc与(部件或整个转子的)年度风险或失效概率进行比较以产生有效的比较值。
所选择的年度风险限度可以表达为整个转子的失效风险或单个转子盘(或另一转子或燃气涡轮机部件)的失效风险。操作者可以对采用的度量进行选择并根据运行周期计算所呈现的失效概率值。
作为检查整个转子及其所有组成部件的年度风险限度的替代方案,操作者可以通过仅分析最关键的转子部件(例如由定期确定性分析或基于先前的经验确定)来减少DSPFM计算负担。例如,在转子部件总数为N的情况下,对于数目为C的某些关键的盘,值C*pacc/N确定了包括C个关键部件的一组关键部件的年度风险限度。利用这种集中于最关键的部件——例如转子盘和机轴——的方法,如果人们合理地确定没有被分析的部件比已经被分析的部件具有更低的失效风险,则通常不需要分析所有的燃气涡轮机部件。
这种方法由于其还假设了非关键的部件具有相同的失效风险而在本质上是保守的,因为那些未被计算的非关键的部件实际上可能风险更低。通过根据C*pacc/(N*C)=pacc/N分配每个关键部件的可允许风险可以实现进一步的保守估计。进一步的保守估计的出现是因为C个某些部件比C个其他部件更可能失效。也就是说,这种方法隐含地假设低失效风险的盘与高失效风险的盘对总的失效概率值贡献了相同的失效概率值。
需注意的是,所选择的表示为pacc的可接受风险限度通常以每年为基础进行限定。一般不会根据机器或燃气涡轮机的周期数或启动数来限定。
但是PoF(N)的确定的概率值通常表达为N个周期或启动的函数。为了比较可接受风险限度和PoF(N)值,可接受风险限度和PoF(N)值两者必须以相同的单位表示。根据本发明的一个实施方式,以年度为基础表示的可接受风险限度值被转换成以周期为基础表示的可接受风险限度。这种转换允许在周期值的基础上进行分析,这是因为可接受风险限度和失效概率都是周期数N的函数。
为了获得有关盘的运行寿命以及检查盘的频率和性质的有效结论,有必要将可接受风险限度pacc从以“每年”为基础转换成以“每个周期”为基础。通过采用机器周期曲线,每年可接受风险值可以转换成每个周期可接受风险。该风险是通过周期数累积的,从而随着周期数的增加而增加。
这种转换可以通过采用部件的运行曲线来完成。例如,如果机器的运行曲线涉及每年1000个周期(简单地假设所有的周期都是在相同的运行条件下进行的),则一年内1/10,000的失效风险转换成1000个周期的1/10,000的失效风险或运行一年(1000个周期)的失效概率为0.1。
为了进行转换,操作者可以对燃气涡轮机机组中的所有燃气涡轮机使用一个通用的运行曲线,或者对每个单独的燃气涡轮机使用一个特定且独有的启动曲线。
对于转子(或对于各个转子部件比如盘)的PoF和对于转子(或对于各个转子部件比如盘)的以每个周期为基础表示的可接受限度两者,它们可以绘制在同一图表上。PoF曲线实际上是基于运行周期(而不是运行年数)的微积分函数。也可以在同一图表上用失效风险达到可接受风险限度的点处的竖向线描绘(呈运行周期数形式的)使用寿命。
这样的图表在图5中示出(Y轴单位是对数值),其中,曲线150表示基于DSPFM计算的失效概率(PoF),并且曲线154表示基于由机器操作者建立的可接受失效概率的风险限度。两条曲线都是每年运行周期数的函数。可接受风险限度和假定的每年的周期(运行曲线,包括执行这些周期的条件)两者基本上都是由操作者驱动的,这是因为每个操作者都有自己的可接受风险限度曲线、每年的周期以及与每个周期相关联的条件。
参照图5,如果转子的PoF曲线150低于该转子的可接受风险曲线154,则转子可以以可接受(即,低的)失效概率安全地运行。由于失效概率低于燃气涡轮机的可接受风险限度,因此具有该转子作为部件的燃气涡轮机可以在没有较大的失效风险的情况下运行。
转子的使用寿命由曲线150和154的交点确定并且在图5中进一步由竖向线158表示。由于风险限度曲线154基本上是由操作者驱策的,所以曲线150和154的交点以及竖向线158的位置也基本上由操作者驱策。
如果以每个部件为基础进行分析(例如其中,部件是转子盘),则每个部件的PoF曲线的一般形状将类似于图5的PoF曲线150的形状。由于每个部件经历不同的运行条件,因此将存在C条这些曲线,其中,C个部件各自对应一条曲线,并且因此呈现不同的失效概率和不同的失效概率曲线。可接受风险限度曲线(如图5的曲线154)将由pacc/C值确定并且对于由操作者确定的C个部件中的每个部件将是相同的。
在另一实施方式中,操作者可以通过可接受风险限度来使运行条件年度风险标准化,即,将部件的年度风险除以可接受风险。该值在图6和图7的Y轴上表示,其中图6和图7中分别示出两个不同的运行条件。图6是基于运行年数的图,图7是基于周期的图。每幅图中的水平虚线是年度风险/可接受风险=1时的值。
图6中示出了风险边际曲线170A(运行条件1)和170B(运行条件2)以及由箭头172指示的风险边际。对于运行条件1,以时间174指示部件的使用寿命终止;对于运行条件2,以时间175指示部件的使用寿命终止。
对于以周期为基础表示的参数,图7示出了风险边际曲线180A(运行条件1)和180B(运行条件2)以及由箭头182指示的风险边际。对于运行条件1,以周期数184指示部件的使用寿命终止;对于运行条件2,以周期数185指示部件的使用寿命终止。
由于特定的运行条件包括每年的多个周期,因此这两个X轴参数容易转换,如本文中其他位置所描述的。在图6和图7两者中,风险边际由标准化的风险曲线与Y轴上的一个值(在该值处年度风险/可接受风险等于1)之间的距离给出。在图6中的标准化的风险曲线170A和170B和图7中的标准化风险曲线180A和180B与Y轴的值为1的水平线相交的情况下,运行风险是不可以接受的(即,年度风险和可接受风险相等)并且部件需要被更换。因此在时间174和175或者在X轴值为184和185处的周期之后,部件已经达到其使用寿命的终点。
在没有本发明的益处的情况下,超声测试(或任何其他非破坏性测试)是在整个部件上执行的并且因此是耗时且昂贵的。但是这些测试很重要,这是因为它们可以识别具有缺陷的部件以进行更换。本发明允许这些检查针对特定的部件和特定的部件区域,并根据需要进行安排。
这些检查和测试,无论是否导致部件的更换都可能产生降低的失效概率(PoF)值。如果检查发现缺陷是不可以接受的,则部件将被丢弃并由另一部件替换。如果测试结果表明部件不需要更换,则操作者将确信现有部件是好的。在任何一种情况下,该部件的失效概率都会降低。
DSPFM结果可以通过计算风险等值线图来识别部件(例如盘)上最有效的超声检测位置,所述DSPFM结果基本上识别具有高失效概率的那些区域。图8示出了由椭圆围绕的相对薄的压缩机盘192的关键区域190,即,部件容易发生失效的区域。在图8中示出的结果基于瞬态有限元分析(FEA)和随温度变化的材料特性;所述结果不一定与由DSPFM计算所确定的示例盘上的高应力区域相关联。
在仅在关键区域进行检查之后,DSPFM结果也可用于确定与继续运行相关联的风险。DSPFM还可以用于在停机持续时间、停机日期和检查范围方面进一步优化检查技术。例如,出于商业原因推迟检查可能仍然产生可接受风险,同时为燃气涡轮机操作者省钱。
图9示出了在2000个周期(曲线220)、3000个周期(曲线224)和4000个周期(曲线228)处执行检查时的使用寿命延长的效果。如所示出的,当在约4000个周期下执行检查时,使用寿命可以延长到至少6000个周期(有时称为燃气涡轮机的第二寿命),这是因为在6000个周期时曲线228未达到表明可接受风险限度的水平线230——即,年度风险除以可接受风险等于1处。对该结果的解释简单地说是裂纹已经增长了并因此在4000个周期时的检查期间更容易检测到。第二寿命周期、即3000个周期至6000个周期也是较重要的,这是因为缺陷的尺寸已经增大并且因此现在越来越迅速地增长且具有更大的概率导致失效。
对于在3000个周期时执行的检查,年度风险与可接受风险的比率达到约6000个周期时年度风险与可接受风险的比率的限度值。对于在2000个周期时执行的检查,该比率超过约5000次启动时的比率。
本发明允许检查时间的“微调”。例如,如果在约2000个周期时执行检查,则不管检查结果如何,部件的使用寿命不会超过约5000个周期,这是因为曲线220在约5000个周期时超过了线230的使用寿命限度。但是,如果检查延迟到约4000个周期时,则使用寿命将超过6000个周期。
本发明的DSPFM技术还允许进行更有针对性的检查,其中,只检查由DSPFM确定的关键区域。
替代性地,燃气涡轮机操作者可以在计划停机之前但是在停机不会有害于燃气涡轮机的有效运行时执行时机检查。由于可以通过DSPFM计算来模拟失效概率值、包括模拟检查,因此人们可以对与燃气涡轮机有效运行有关的包括检查区域和时机检查在内的调度和检查测试进行优化。然而,在所有情况下,显著的边界条件是实际的失效概率必须始终保持低于可接受风险。
当然,对于任何检查,操作者可以使用例如超声检测对关键位置进行更彻底的检查,以进一步降低失效概率。
图10示出了燃气涡轮机的间隔盘或小型盘200的风险等值线。盘200体现不同的设计、具有不同的目的并且是不同于图8中示出的盘192的燃气涡轮机模型的部件。特别地,盘200“较短”、不承载涡轮叶片并且在不同于盘192的位置(即,在孔区域附近)处累积应力。
显然,在检查期间仅需要检查孔附近的区域,重点是近表面缺陷,以延长盘的寿命,例如使寿命延长超过转子盘的一般3000个寿命周期。此外,执行寿命延长时所处的周期数影响所计算的风险是否仍低于每台燃气涡轮机每年的可接受风险限度。
尽管已经参照燃气涡轮机并且有时特别地参照燃气涡轮机的转子盘描述了基于所计算的风险对检查和使用寿命确定进行执行和优化的本发明的教示,但是本教示不限于特定机器或特定机器的特定部件。可以(基于运行时间或运行周期)对经历分析以确定失效概率和可接受风险限度的任何机器及其任何组成部件进行分析,如本文中所描述的转子盘。这样的分析允许机器操作者确定何时应该因为已经达到更换或检查的可接受风险边际而更换或检查部件(以及每次检查的性质)。
特别地,本文中描述的实施方式不仅可以应用于燃气涡轮机及其转子盘,而且可以应用于涡轮机械的其他部件,比如蒸汽涡轮机转子、叶片、轮叶、风轮机部件、发电机等。
其他应用可以包括例如制造集成电路,诸如CPU(中央处理单元)和GPU(图形处理单元)。由于这些集成电路的生产量很大,因此与检查有关的基于风险的寿命和质量控制的概念是有益的。
对于前述应用中的每一种应用,机器操作者必须确定可接受风险限度,其中,该限度在很大程度上取决于失效的后果。例如,转子或燃气涡轮机每年失效的可接受风险限度必须非常低,这是因为失效的后果可能是严重的,即,失效可能导致死亡。对于其他部件,比如叶片和轮叶,风险限度可以基于各种因素——比如后果的严重性、失效部件的替换成本和由于燃气涡轮机损失而导致的生产力或利润的损失。在叶片和轮叶的情况下,可接受风险限度可能更多地通过商业确定来驱策,如在叶片或轮叶失效的情况下可能被迫停机。
在本文中描述的许多实施方式中,失效概率和可接受风险限度的分析是以周期为基础进行的。也就是说,这两个参数都是以每个周期为基础来表示的。在某些实施方式中,可接受风险限度以年度为基础来表示并且被转换成以每个周期为基础,以便与以每个周期为基础表示的失效概率值进行比较。
在另一实施方式中,分析是以年度为基础执行的。为了以年度为基础执行比较,通过确定燃气涡轮机或转子盘的年度运行曲线(例如,基于燃气涡轮机的实际运行曲线)将失效概率值从以每个周期为基础转换成以年度为基础。年度运行曲线包括典型的周期数。例如,假设10,000个周期后的失效概率为0.00001并且10,000个周期组成一年的运行。那么一年后的失效概率为0.00001。
因此,失效概率和可接受风险限度可以以每个周期或年度(或另一时间间隔)为基础来表示。当这两个参数都用相同的变量表示时,它们可以有效地进行比较。
在一个实施方式中,作为N个周期的函数的失效概率是通过根据部件的材料性能离散数据和缺陷尺寸离散数据限定的机器部件的多个表征来确定的,其中,每个表征由一个可能的材料条件和缺陷尺寸条件来限定。然后,对于每个单独的表征,选择部件位置并确定单独的表征在指定数目的周期N之后是否由于所选择的位置处的裂纹增长而失效,裂纹增长是基于所选择的位置处的材料条件和缺陷尺寸条件来确定的,其中,如果确定裂纹增长是不稳定的,则确定单独的表征失效。失效概率PoF(N)由以下等式确定:
PoF(N)=Nf/S
其中,
Nf是被确定为在N个周期之后已经失效的表征的数目;以及
S是表征的总数。
本发明还包括一种设备,该设备包括存储装置和连接至存储装置的处理器。存储装置存储用于控制处理器的指令。处理器执行用于执行以下步骤的指令:确定部件的作为N个周期的函数的失效概率PoF(N);为部件选择基于时间的可接受风险限度;为部件选择运行曲线;使用运行曲线将基于时间的可接受风险限度转换成基于周期的可接受风险限度;比较基于周期的可接受风险限度与PoF(N)值;以及响应于比较步骤的结果运行机器部件。
虽然本文中已经示出和描述了本发明的各种实施方式,但是显而易见的是,这些实施方式仅作为示例提供。在不背离本发明的情况下可以进行许多变型、修改和替换。因此,本发明意在仅由所附权利要求的精神和范围来限定。
Claims (20)
1.一种用于在应力下操作机器部件的方法,所述方法包括:
确定所述部件的作为N个周期的函数的失效概率PoF(N);
为所述部件选择基于时间的可接受风险限度;
为所述部件选择运行曲线;
使用所述运行曲线将所述基于时间的可接受风险限度转换为基于周期的可接受风险限度;
将所述基于周期的可接受风险限度与所述PoF(N)的值进行比较;以及
响应于比较步骤的结果操作所述机器部件。
2.根据权利要求1所述的方法,其中,操作所述机器部件的步骤包括以下其中一者:进行部件维护、调度部件停机时间、调度维护任务、测试所述部件以及从服务中移除所述部件。
3.根据权利要求1所述的方法,其中,确定步骤包括使用直接模拟概率断裂力学。
4.根据权利要求3所述的方法,其中,所述直接模拟概率断裂力学的方法限定所述部件的多个表征,其中,每个表征限定在一个部件位置处的一个可能的材料条件和缺陷尺寸条件。
5.根据权利要求4所述的方法,其中,所述部件的失效在裂纹增长变得不稳定时被确定。
6.根据权利要求2所述的方法,其中,响应于所述基于周期的风险限度与所述PoF(N)之间的差值来选择对所述部件进行的测试。
7.根据权利要求3所述的方法,其中,所述直接模拟概率断裂力学的方法识别所述部件的高应力区域。
8.根据权利要求1所述的方法,其中,所述基于时间的可接受风险限度包括第一风险限度和第二风险限度,其中,所述失效概率PoF(N)在N=i时等于所述第一风险限度并且在N=j时等于所述第二风险限度,并且其中,当N=i时,执行与所述第一风险限度相关联的第一动作,并且当N=j时,执行与所述第二风险限度相关联的第二动作。
9.根据权利要求8所述的方法,其中,所述第一动作包括执行对所述部件的检查并且所述第二动作包括从服务中移除所述部件。
10.根据权利要求1所述的方法,其中,所述机器部件是燃气涡轮机的元件。
11.根据权利要求1所述的方法,其中,所述机器部件包括燃气涡轮机的转子盘。
12.根据权利要求1所述的方法,其中,多个机器部件包括机器,所述方法还包括选择“C”个机器部件并且在所述“C”个机器部件上执行所述方法。
13.根据权利要求1所述的方法,其中,所述机器部件是燃气涡轮机的元件,并且所述运行曲线包括基于单个燃气涡轮机的启动和关闭条件或基于多个燃气涡轮机的启动和关闭条件的平均值的独有的运行曲线。
14.根据权利要求1所述的方法,其中,所述确定步骤包括:
从所述部件的材料性能离散数据和缺陷尺寸离散数据来限定所述部件的多个表征,其中,每个表征由一个可能的材料条件和缺陷尺寸条件来限定;
对于每个个体表征而言,选择部件位置并且确定所述个体表征是否由于在选定位置处的裂纹增长而在指定的周期数N之后失效,所述裂纹增长基于在所述选定位置处的所述材料条件和所述缺陷尺寸条件来确定,其中,在所述裂纹增长被确定为不稳定时则确定所述个体表征失效;
确定在N个周期之后失效的所述表征的数目;
从PoF(N)=Nf/S确定在N个周期之后的所述部件的所述失效概率,其中:
PoF(N)为在N个周期之后所述部件的所述失效概率;
Nf为被确定为在N个周期之后已经失效的所述表征的数目;并且S为所述表征的总数。
15.根据权利要求14所述的方法,还包括确定周期数M,其中,PoF(M)等于预定失效概率值,并且其中,操作步骤包括当所述部件已经运行了M个周期时检查所述机器部件。
16.根据权利要求14所述的方法,还包括确定周期数L,其中,PoF(L)等于预定失效概率值,并且其中,操作步骤包括当所述部件已经运行了L个周期时从服务中移除所述机器部件。
17.一种用于在应力下操作机器部件的方法,所述方法包括:
确定所述部件的作为N个周期的函数的失效概率PoF(N);
为所述部件选择基于时间的可接受风险限度;
为所述部件选择运行曲线;
使用所述运行曲线将作为N个周期的函数的所述失效概率转换为基于时间的失效概率;
将所述基于时间的可接受风险限度与所述基于时间的失效概率的值进行比较;以及
响应于比较步骤的结果操作所述机器部件。
18.根据权利要求17所述的方法,其中,操作所述机器部件的步骤包括以下其中一者:执行部件维护、调度部件停机时间、调度维护任务、测试所述部件以及从服务中移除所述部件。
19.根据权利要求17所述的方法,其中,所述确定步骤包括使用直接模拟概率断裂力学。
20.一种用于在应力下操作机器部件的方法,所述方法包括:
确定所述部件的作为第一变量的函数的失效概率;
为所述部件选择作为第二变量的函数的可接受风险限度;
为所述部件选择与所述第一变量和所述第二变量相关的运行曲线;
使用用于所述部件的所述运行曲线,将所述失效概率和所述可接受风险限度表示为所述第一变量和所述第二变量中的一个相同变量的函数;
将所述可接受风险限度和所述失效概率与表示为所述第一变量和所述第二变量中的一个相同变量的函数的所述失效概率和所述可接受风险限度两者进行比较;以及
响应于比较步骤的结果操作机器部件。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/722,175 | 2015-05-27 | ||
US14/722,175 US9841756B2 (en) | 2015-05-27 | 2015-05-27 | Scheduling inspections and predicting end-of-life for machine components |
PCT/US2016/031168 WO2016191068A1 (en) | 2015-05-27 | 2016-05-06 | Scheduling inspections and predicting end-of-life for machine components |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107667280A true CN107667280A (zh) | 2018-02-06 |
CN107667280B CN107667280B (zh) | 2019-12-17 |
Family
ID=57393612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680030819.XA Active CN107667280B (zh) | 2015-05-27 | 2016-05-06 | 机器部件的调度检查和预测寿命终止 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9841756B2 (zh) |
EP (1) | EP3304034B1 (zh) |
KR (1) | KR102154163B1 (zh) |
CN (1) | CN107667280B (zh) |
WO (1) | WO2016191068A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201608047D0 (en) * | 2016-05-09 | 2016-06-22 | Rolls Royce Plc | Component lifing |
US20210383035A1 (en) * | 2018-11-01 | 2021-12-09 | Siemens Energy Global GmbH & Co. KG | Computer-implemented method for the probabilistic estimation of a probability of failure of a component, a data processing system, a computer program product and a computer-readable storage medium |
US10974851B2 (en) | 2018-11-09 | 2021-04-13 | Textron Innovations Inc. | System and method for maintaining and configuring rotorcraft |
US11010222B2 (en) * | 2019-08-29 | 2021-05-18 | Sap Se | Failure mode specific analytics using parametric models |
CN112906281B (zh) * | 2021-03-15 | 2022-11-25 | 中国航发湖南动力机械研究所 | 一种基于拟蒙特卡洛抽样的涡轮盘裂纹扩展可靠性分析方法 |
JP2023008132A (ja) * | 2021-07-05 | 2023-01-19 | 東芝エネルギーシステムズ株式会社 | 損傷評価装置、損傷評価方法 |
US20230036153A1 (en) * | 2021-07-30 | 2023-02-02 | Raytheon Technologies Corporation | Usage based maintenance scheduling system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1489041A (zh) * | 2002-10-11 | 2004-04-14 | 三菱重工业株式会社 | 高温燃气轮机部件的寿命管理方法及其计算机编程实现 |
CN103632054A (zh) * | 2013-11-28 | 2014-03-12 | 清华大学 | 一种基于状态监测和设备部件可靠性的备件需求预测方法 |
CN203629823U (zh) * | 2013-12-30 | 2014-06-04 | 盛地五金制品(深圳)有限公司 | 循环点触式微动开关寿命测试装置 |
CN103983467A (zh) * | 2014-05-12 | 2014-08-13 | 中国人民解放军空军工程大学 | 一种基于服役状态的单机服役使用寿命监控方法 |
CN104089760A (zh) * | 2014-06-18 | 2014-10-08 | 潍柴动力股份有限公司 | 内燃机零部件的疲劳试验方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6209390B1 (en) | 1999-05-14 | 2001-04-03 | Larue Gerald Duane | Turbocharger fatigue life monitor |
US8065022B2 (en) * | 2005-09-06 | 2011-11-22 | General Electric Company | Methods and systems for neural network modeling of turbine components |
US7395188B1 (en) | 2006-12-07 | 2008-07-01 | General Electric Company | System and method for equipment life estimation |
JP4202400B1 (ja) * | 2007-07-27 | 2008-12-24 | 三菱重工業株式会社 | き裂進展予測方法及びプログラム |
US8116990B2 (en) | 2007-10-19 | 2012-02-14 | Ashok Koul | Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display |
US8214317B2 (en) | 2009-08-17 | 2012-07-03 | Pratt & Whitney Rocketdyne, Inc. | Failure detection system risk reduction assessment |
ITCO20110032A1 (it) | 2011-07-28 | 2013-01-29 | Nuovo Pignone Spa | Dispositivo e metodo di ottimizzazione e determinazione della vita di una turbina a gas |
US20130179388A1 (en) * | 2012-01-05 | 2013-07-11 | Anurag Agarwal | Method, System and Program Product for Intelligent Prediction of Industrial Gas Turbine Maintenance Workscope |
US20140095133A1 (en) * | 2012-09-28 | 2014-04-03 | General Electric Company | Systems and methods for managing mechanical systems and components |
US9280620B2 (en) | 2012-10-16 | 2016-03-08 | Siemens Aktiengesellschaft | Method and system for probabilistic fatigue crack life estimation |
-
2015
- 2015-05-27 US US14/722,175 patent/US9841756B2/en active Active
-
2016
- 2016-05-06 WO PCT/US2016/031168 patent/WO2016191068A1/en active Application Filing
- 2016-05-06 KR KR1020177037523A patent/KR102154163B1/ko active IP Right Grant
- 2016-05-06 CN CN201680030819.XA patent/CN107667280B/zh active Active
- 2016-05-06 EP EP16800478.6A patent/EP3304034B1/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1489041A (zh) * | 2002-10-11 | 2004-04-14 | 三菱重工业株式会社 | 高温燃气轮机部件的寿命管理方法及其计算机编程实现 |
CN103632054A (zh) * | 2013-11-28 | 2014-03-12 | 清华大学 | 一种基于状态监测和设备部件可靠性的备件需求预测方法 |
CN203629823U (zh) * | 2013-12-30 | 2014-06-04 | 盛地五金制品(深圳)有限公司 | 循环点触式微动开关寿命测试装置 |
CN103983467A (zh) * | 2014-05-12 | 2014-08-13 | 中国人民解放军空军工程大学 | 一种基于服役状态的单机服役使用寿命监控方法 |
CN104089760A (zh) * | 2014-06-18 | 2014-10-08 | 潍柴动力股份有限公司 | 内燃机零部件的疲劳试验方法 |
Also Published As
Publication number | Publication date |
---|---|
US9841756B2 (en) | 2017-12-12 |
CN107667280B (zh) | 2019-12-17 |
KR20180014761A (ko) | 2018-02-09 |
EP3304034A1 (en) | 2018-04-11 |
KR102154163B1 (ko) | 2020-09-09 |
EP3304034A4 (en) | 2019-02-06 |
EP3304034B1 (en) | 2020-08-12 |
US20160349723A1 (en) | 2016-12-01 |
WO2016191068A1 (en) | 2016-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107667280A (zh) | 机器部件的调度检查和预测寿命终止 | |
US9507342B2 (en) | Aircraft engine systems and methods for operating same | |
EP1788190B1 (en) | Method and system for assessing life of cracked dovetail in turbine | |
EP2963406A1 (en) | Crack-propagation prediction method and program | |
Mu¨ ller et al. | Probabilistic engine maintenance modeling for varying environmental and operating conditions | |
Vittal et al. | Review of approaches to gas turbine life management | |
WO2019135747A1 (en) | Probabilistic life evaluation algorithm for gas turbine engine components | |
Kuželka et al. | Numerical simulations of fatigue crack growth in a steam turbine rotor blade groove | |
Arkhipov et al. | Probabilistic life assessment of turbine vanes | |
Chana et al. | Disk crack detection and prognosis using non contact time of arrival sensors | |
Whitney-Rawls et al. | Comparison of aero engine component lifing methods | |
CN112906237A (zh) | 一种发动机部件故障分析方法及系统 | |
RU2796563C1 (ru) | Способ эксплуатации авиационного газотурбинного двигателя по его техническому состоянию | |
JPH11141352A (ja) | ガスタービン高温部品の保守管理装置およびその方法 | |
Kulkarni et al. | On the Probabilistic Endurance Prediction Approach for Turbomachinery Blades and Vanes | |
US20230358666A1 (en) | Component wear state evaluation method and tool | |
Ghiocel et al. | Reliability assessment of aircraft structure joints under corrosion-fatigue damage | |
Fadlun et al. | Measurement error influence on gas turbine operability for condition-based maintenance and reliability/availability improvement | |
RU2742321C1 (ru) | Способ эксплуатации авиационного газотурбинного двигателя по его техническому состоянию | |
CN117010247B (zh) | 一种基于临界距离理论的缺口件疲劳寿命可靠性评估方法 | |
Meng et al. | Probabilistic Assessment of Gas Turbine Compressor Blade HCF Life | |
deBeer et al. | Power Turbine Remaining Life Assessment | |
van Dyke et al. | Assessment of Substrate and TBC Damage Effects on Resonance Frequencies for Blade Health Monitoring | |
KOUL et al. | PREDICTIVE MAINTENANCE-A NEW APPROACH TO LIFE CYCLE MANAGEMENT OF TURBINES | |
Schofield et al. | Aero engines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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. |
|
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230113 Address after: Munich, Germany Patentee after: Siemens energy Global Ltd. Address before: Fla Patentee before: Siemens energy USA |