CN110945226B - 用于燃气涡轮发动机的监控系统 - Google Patents

用于燃气涡轮发动机的监控系统 Download PDF

Info

Publication number
CN110945226B
CN110945226B CN201880048559.8A CN201880048559A CN110945226B CN 110945226 B CN110945226 B CN 110945226B CN 201880048559 A CN201880048559 A CN 201880048559A CN 110945226 B CN110945226 B CN 110945226B
Authority
CN
China
Prior art keywords
component
state
predicted
blade
controller
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
CN201880048559.8A
Other languages
English (en)
Other versions
CN110945226A (zh
Inventor
王光华
丹尼尔·恩迪科特·奥斯古德
威廉·罗布·斯图尔特
杰森·爱德华·蒂斯
埃里克·约翰·鲁杰罗
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN110945226A publication Critical patent/CN110945226A/zh
Application granted granted Critical
Publication of CN110945226B publication Critical patent/CN110945226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths
    • 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
    • F05D2220/00—Application
    • F05D2220/30—Application in turbines
    • F05D2220/32—Application in turbines in gas turbines
    • 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
    • F05D2240/00—Components
    • F05D2240/20—Rotors
    • F05D2240/30—Characteristics of rotor blades, i.e. of any element transforming dynamic fluid energy to or from rotational energy and being attached to a rotor
    • 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
    • F05D2260/60—Fluid transfer
    • F05D2260/607—Preventing clogging or obstruction of flow paths by dirt, dust, or foreign particles
    • 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
    • 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
    • F05D2270/00—Control
    • F05D2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05D2270/804—Optical devices
    • F05D2270/8041—Cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T50/00—Aeronautics or air transport
    • Y02T50/60—Efficient propulsion technologies, e.g. for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Radiation Pyrometers (AREA)

Abstract

一种光学监控系统，包括控制器，该控制器被配置为基于旋转机械的操作时间和个体模型来确定部件的预测状态。控制器还被配置为从一个或多个照相机接收指示部件的红外光谱图像的第一信号。此外，控制器被配置为基于第一信号确定部件的当前状态，并将部件的当前状态与预测状态进行比较。另外，控制器被配置为更新部件的预测状态，使得部件的预测状态与当前状态匹配，并且基于比较来更新部件的个体模型的至少一个参数。

Description

用于燃气涡轮发动机的监控系统
技术领域
本文公开的主题涉及一种用于燃气涡轮发动机的监控系统。
背景技术
某些燃气涡轮发动机包括具有视口的涡轮，该视口构造成便于监控涡轮内的各种部件，例如叶片。例如，监控系统可以通过视口捕捉叶片的图像以监控叶片的状态。监控系统可以采集与可见图像相对应的光的波长的图像，从而可以确定叶片的当前状态。然而，因为某些监控系统仅捕捉可见图像，所以基于有限信息确定的状态可能不太精确。依靠这种状态可能导致叶片的修理和/或更换的低效率调度。
发明内容
在一个实施例中，一种光学监控系统包括控制器，该控制器被配置为至少部分地基于旋转机械的操作时间和部件的个体模型来确定旋转机械的内部中的部件的预测状态。控制器还被配置为从一个或多个照相机接收指示部件的红外光谱图像的第一信号。控制器进一步被配置为至少部分地基于第一信号来确定部件的当前状态，并将部件的当前状态与预测状态进行比较。另外，控制器被配置为更新部件的预测状态，使得部件的预测状态与当前状态匹配，并且至少部分地基于比较来更新部件的个体模型的至少一个参数。
在另一个实施例中，被配置为与旋转机械的内部光学通信的光学监控系统包括被配置为接收旋转机械的内部中的部件的红外光谱图像的一个或多个照相机。一个或多个照相机被配置为输出指示红外光谱图像的第一信号。光学监控系统还包括控制器，该控制器通信地联接到一个或多个照相机，并且被配置为至少部分地基于旋转机械的操作时间和部件的个体模型来确定部件的预测状态。另外，控制器被配置为接收从一个或多个照相机输出的第一信号。此外，控制器被配置为至少部分地基于第一信号来确定部件的当前状态，并将部件的当前状态与预测状态进行比较。此外，控制器被配置为更新部件的预测状态，使得部件的预测状态与当前状态匹配，并且至少部分地基于比较来更新部件的个体模型的至少一个参数。
在又一个实施例中，一种方法包括经由控制器至少部分地基于旋转机械的操作时间和部件的个体模型来确定旋转机械的内部中的部件的预测状态。该方法还包括经由控制器从一个或多个照相机接收指示部件的红外光谱图像的第一信号。另外，该方法包括经由控制器至少部分地基于第一信号来确定部件的当前状态，并经由控制器将部件的当前状态与预测状态进行比较。此外，该方法包括经由控制器更新部件的预测状态，使得部件的预测状态与当前状态匹配。此外，该方法包括经由控制器至少部分地基于比较来更新部件的个体模型的至少一个参数。
附图说明
当参考附图阅读以下详细描述时，将更好地理解本公开的这些及其他特征，方面和优点，其中在整个附图中，相同的字符表示相同的部分，其中：
图1是燃气涡轮系统的实施例的框图，该燃气涡轮系统包括用于监控燃气涡轮系统的涡轮部件的光学监控系统；
图2是涡轮区段的实施例的横截面视图，包括可以由图1的光学监控系统监控的各种涡轮部件；
图3是可用于监控图1的燃气涡轮系统的涡轮部件的光学监控系统的实施例的框图；
图4是图1的燃气涡轮系统的涡轮叶片的状态的实施例的图形表示；以及
图5是用于确定图1的燃气涡轮系统内的涡轮叶片的预测叶片状态和当前叶片状态的方法的实施例的流程图。
具体实施方式
本文公开的实施例可以通过采集和分析燃气涡轮发动机部件的视觉光谱图像和红外(IR)光谱图像来增强燃气涡轮发动机的操作和维护。在某些实施例中，用于光学监控燃气涡轮发动机的系统包括在燃气涡轮发动机的壳体(例如，涡轮壳体等)内的视口。系统还包括位于壳体外部并光学联接到视口的光学连接。光学连接被配置为将图像从壳体的内部传送到照相机单元。照相机单元可以包括一个或多个照相机，以从壳体的内部捕捉视觉和IR光谱图像。一个或多个照相机可以包括在公共外壳内以减小照相机单元的尺寸。另外，照相机单元可以输出指示视觉和IR光谱图像的信号。
在一些实施例中，视觉和IR光谱图像被输出到控制器，该控制器至少部分地基于视觉和IR光谱图像来确定燃气涡轮发动机部件(例如一个或多个叶片)的状态。例如，控制器可以至少部分地基于叶片的个体模型和燃气涡轮发动机的操作时间来确定燃气涡轮发动机的叶片的预测叶片状态。基于视觉和IR光谱图像，控制器还可以确定叶片的当前状态。然后，控制器将当前叶片状态与预测叶片状态进行比较。控制器还将当前叶片状态作为边界条件提供给个体模型。基于该比较，控制器还更新个体模型的参数，使得预测叶片状态与当前叶片状态匹配。因此，对预测叶片状态的监控提供了对叶片何时已经达到其服务极限的更精确的确定。
现在转到附图，图1是燃气涡轮系统10(例如，旋转机械)的实施例的框图，该燃气涡轮系统10包括用于监控燃气涡轮系统10的涡轮部件的光学监控系统。燃气涡轮系统10包括燃料喷射器12，燃料供给14和燃烧室16。如图所示，燃料供给14通过燃料喷射器12将液体燃料和/或气体燃料(例如天然气)输送到燃烧室16。如下所述，燃料喷射器12喷射燃料并使燃料与压缩空气混合。燃烧室16点燃并燃烧燃料空气混合物，然后将热的加压废气传递到涡轮18中。涡轮18包括具有固定轮叶或叶片的一个或多个定子，以及具有相对于定子旋转的叶片的一个或多个转子。废气通过涡轮转子叶片，从而驱动涡轮转子旋转。涡轮转子和轴19之间的联接引起轴19的旋转，如图所示，轴19也被联接到遍及燃气涡轮系统10的多个部件。最后，燃烧过程的排气作为废气20离开燃气涡轮系统10。
压缩机22包括刚性安装到转子上的叶片，该转子由轴19驱动旋转。当空气通过旋转叶片时，空气压力增加，从而为燃烧室16提供足够的空气用于适当的燃烧。压缩机22经由进气口24将空气引入燃气涡轮系统10。此外，轴19可以被联接到负载26，该负载26经由轴19的旋转而被提供动力。负载26可以是可以使用燃气涡轮系统10的旋转输出动力的任何合适的装置，例如发电机或外部机械负载。例如，负载26可以包括发电机，飞机或飞行器的螺旋桨等。进气口24经由合适的机构(例如冷进气口)将空气30吸入燃气涡轮系统10。然后，空气30流过压缩机22的叶片，该压缩机22向燃烧室16提供压缩空气32。特别地，燃料喷射器12可以将压缩空气32和燃料14作为燃料空气混合物34喷射到燃烧室16中。或者，压缩空气32和燃料14可以直接被喷射到燃烧室中进行混合和燃烧。
如图所示，燃气涡轮系统10包括光学监控系统36，该光学监控系统36被光学联接到涡轮18。在所示实施例中，光学监控系统36包括一个或多个光学连接38(例如，光继电器，光纤电缆，光波导等)，该光学连接38在照相机单元42和进入涡轮18的视口40之间延伸。光学连接38可以设置在基本上刚性的管内。视口40设置在涡轮18的壳体的开口内。开口从壳体的内侧延伸到壳体的外侧。光学连接38位于壳体外部并且被光学联接到视口40。光学连接38被配置为通过视口40接收涡轮18内的部件的图像，并将该图像提供给照相机单元42。在一些实施例中，部件是涡轮的叶片，具有多个叶片的转子，叶片和转子周围的环境，或其组合。然而，为了便于讨论，部件将作为涡轮的叶片(例如，涡轮叶片)进行讨论。照相机单元42采集涡轮18内的叶片(例如，部件)的视觉图像(例如，视觉光谱图像)和红外(IR)图像(例如，IR光谱图像)。照相机单元42包括一个或多个照相机，其获取涡轮18内的叶片的视觉图像和IR图像。在一些实施例中，照相机单元42包括一个或多个照相机，每个照相机被配置为捕捉视觉图像和IR图像两者。此外，照相机单元42可以包括捕捉视觉图像的至少一个视觉照相机45视觉和捕捉IR图像的至少一个IR照相机47。例如，照相机单元42可以包括一个视觉照相机45和一个IR照相机47，一个视觉照相机45和大于一个的IR照相机47，大于一个的视觉照相机45和一个IR照相机47，或大于一个的视觉照相机45和大于一个的IR照相机47。在一些实施例中，视觉照相机45和IR照相机47位于结构上联接到光学连接38的共享外壳43内。另外，视觉照相机45和/或IR照相机47可以是微型照相机(即，非常小的照相机)，从而可以容易地操纵照相机45、47以捕捉视觉和IR图像。在一些实施例中，视觉照相机45和IR照相机47可以组合在一起和/或以与上述方式不同的组合来组合。
照相机单元42被配置为捕捉涡轮18的壳体内的叶片的视觉图像和IR图像，并输出指示视觉图像和IR图像的信号。例如，照相机单元42的视觉照相机45可以输出指示视觉图像的信号(例如，第二信号)，并且IR照相机47可以输出指示IR图像的信号(例如，第一信号)。在一些实施例中，照相机单元42可以不包括视觉照相机45，这样仅采用IR图像来执行本文所讨论的技术。此外，如果信号指示具有在期望波长范围内的波长的图像时，则可以仅采集来自照相机单元42的信号。对于照相机单元42的视觉照相机45和IR照相机47，所期望的波长范围可以不同。也就是说，照相机单元42可以通过利用吸收式滤光器，双向色滤光器或另一种合适类型的滤光器来过滤不期望的噪声或波长范围，用于产生具有针对照相机单元42的每个照相机45、47的期望波长范围内的波长的图像。然后，光学监控系统36基于来自照相机单元42的视觉和IR图像来确定当前叶片状态(例如，当前状态，当前部件状态)。在照相机单元42不包括视觉照相机的实施例中，光学监控系统36可以基于来自IR照相机47的IR图像来确定当前叶片状态。
在所示实施例中，控制器44被通信地联接到照相机单元42。控制器44被配置为接收指示视觉和IR图像的信号。然后控制器44基于指示视觉图像和IR图像的信号来确定当前叶片状态。因为光学监控系统36可以利用视觉图像和IR图像两者来确定每个叶片的当前状态，所以光学监控系统36采集比仅采用叶片的视觉图像的监控系统更多关于叶片的信息。例如，当前叶片状态可以限定叶片的各种状态。包括在当前叶片状态中的叶片的状态可以包括叶片的热障涂层的散裂量，叶片内被堵塞的冷却孔的数量，叶片上的碎屑量，叶片的氧化量，叶片的腐蚀量或其组合的当前状态。当前叶片状态还可以包括与叶片相关联的其它信息，例如叶片的结构完整性和/或叶片内裂纹的状态。在监控叶片以外的部件的实施例中，可以分别确定其它当前状态。例如，具有环境障涂层的其它部件(例如衬垫)可以具有指示环境障涂层的散裂量的当前部件状态。
当前叶片状态可以根据与当前叶片状态的每个状态相关联的单元来限定。例如，当前叶片状态可以是叶片的每个状态的线性阵列，每个元件具有相应于每个状态的单元。也就是说，当前叶片状态可以指定叶片的热障涂层为5mm厚，叶片内的10个冷却孔被堵塞，以及2mm的碎屑已经积聚在叶片上。在一些实施例中，当前叶片状态被表示为当前叶片状态的每个状态的相应的服务极限的百分比。例如，当热障涂层为0mm厚时，可以达到热障涂层的服务极限。然后，如果当前叶片状态指示散裂已经将热障涂层的厚度从10mm减小到4mm，则热障涂层的状态的当前叶片状态可以是60％。另外，如果当裂纹为10mm时达到裂纹的服务极限，且叶片包括3mm裂纹，则裂纹的状态的当前叶片状态可以是30％。在一些实施例中，当前叶片状态可以被限定为具有相对于相应的服务极限的最高百分比的叶片的状态的百分比。也就是说，如果当前叶片状态的热障涂层的状态为60％，并且当前叶片状态的裂纹的状态为30％，则当前叶片状态为60％。在某些实施例中，当前叶片状态的百分比是最高状态百分比，因为最高状态百分比可以在当前叶片状态的其它状态之前达到该状态的相应的服务极限。
控制器44接收或生成每个叶片的个体模型。然后，控制器44使用每个叶片的个体模型来确定每个叶片的预测叶片状态(例如，预测状态，预测部件状态)。控制器44可以将当前叶片状态，指示叶片的视觉图像和IR图像的信号或描述叶片的其它数据输入到个体模型。在一些实施例中，个体模型利用与叶片周围的环境相关联的参数和/或叶片上的预期磨损率。例如，个体模型的参数可以包括叶片的形状，叶片所处的涡轮区段的预期操作温度，叶片所处的涡轮区段的预期操作压力，在预期操作温度和/或操作压力下叶片上的热障涂层的预期散裂率，叶片上的预期碎屑聚集率，叶片内的冷却孔的预期堵塞率(例如，基于预期碎屑聚集率)，叶片或其它部件的环境障涂层的散裂率，叶片上的碎屑聚集率，叶片或其它部件的氧化率、叶片或其它部件的腐蚀率以及其它合适的参数，或其组合。一个或多个参数可以至少部分地基于另一个参数的值来确定。例如，冷却孔的预期堵塞率可以至少部分地基于预期碎屑聚集率。
在一些实施例中，控制器44基于叶片的个体模型和涡轮18的操作时间来确定预测叶片状态。也就是说，控制器44使用个体模型在确定的时间来确定(例如，预测)预测叶片状态的各种状态的值。例如，预测叶片状态可以限定与当前叶片状态相同或相似的叶片的状态。即，包括在预测叶片状态中的叶片的状态可以包括叶片的热障涂层的散裂量、叶片内堵塞的冷却孔的数量、叶片上的碎屑量或其组合的预测状态。预测叶片状态还可以包括与叶片相关联的其它信息，例如叶片的结构完整性和/或叶片内裂纹的状态。
在一些实施例中，控制器44存储涡轮循环计数。涡轮循环计数可以描述涡轮18或燃气涡轮系统10的操作时间。涡轮循环计数是涡轮18已经被激活然后被停用多少次的计数。在燃气涡轮系统10位于飞行器内的实施例中，涡轮循环计数可以对应于飞行器的飞行循环数。基于每个叶片的个体模型，控制器44可以基于稍后的涡轮循环计数来确定每个叶片的预测叶片状态。实际上，可以为任何涡轮循环计数确定预测状态。预测叶片状态也可以基于涡轮18的总运行时间或涡轮18的另一操作时间来确定。
控制器44可以利用当前叶片状态和预测叶片状态来促进叶片和涡轮18的短期和/或长期健康监控。例如，在使用个体模型来确定与当前叶片状态相同的操作时间的预测叶片状态之后，控制器44将预测叶片状态与当前叶片状态进行比较。然后，控制器44可以更新个体模型的参数，以生成在当前叶片状态的阈值内的新的预测叶片状态。也就是说，控制器44从先前确定的当前叶片状态的操作时间到当前叶片状态的操作时间来确定预测叶片状态。此外，控制器44还提供当前叶片状态作为个体模型的边界条件。以这种方式，预测叶片状态连续地基于最近确定的当前叶片状态。
此外，虽然本实施例涉及监控涡轮18的叶片，但是应当理解，这里公开的视觉和IR监控技术可以应用于其它领域。例如，具有视觉和IR功能的光学监控系统可应用于涡轮18的其它部件，例如衬垫，护罩和/或喷嘴。具有视觉和IR功能的光学监控系统也可应用于燃气涡轮系统10的其它部件，例如燃烧室16和/或压缩机22。
图2是涡轮区段的实施例的横截面视图，包括各种涡轮部件，例如可以由光学监控系统36监控的叶片。如图所示，来自燃烧室的废气20在轴向方向48和/或周向方向50上流入涡轮18。图示的涡轮18包括至少两个级，图2中示出了前两个级。其它涡轮构造可以包括更多或更少的涡轮级。例如，涡轮可以包括1,2,3,4,5,6或更多个涡轮级。第一涡轮级包括轮叶52和叶片54，轮叶52和叶片54在围绕涡轮18的周向方向50上基本等间距地间隔开。第一级轮叶52被刚性地安装到涡轮外壳，并被构造成将废气20引向叶片54。第一级叶片54被安装到转子56，转子56由流过叶片54的废气20驱动旋转。转子56转而又被联接到驱动压缩机和负载的轴。然后废气20流过第二级轮叶58和第二级叶片60。第二级叶片60也被联接到转子56。当废气20流过每个级时，来自气体的能量被转换为转子56的旋转能量。在经过每个涡轮级之后，废气20在轴向方向48上离开涡轮18。
在所示实施例中，每个第一级轮叶52在径向方向64上从端壁62向外延伸。端壁62构造成阻止热废气20接合转子56。类似的端壁可以存在于第二级轮叶58附近，以及随后的下游轮叶(如果存在的话)附近。类似地，每个第一级叶片54在径向方向64上从平台66向外延伸。平台66是柄68的一部分，柄68将叶片54联接到转子56。柄68还包括密封件或天使翼(angel wing)70，其构造成阻止热废气20接合转子56。类似的平台和天使翼可以存在于第二级叶片60附近，以及随后的下游叶片(如果存在的话)附近。此外，护罩72从第一级叶片54径向向外定位。护罩72构造成减少绕过叶片54的废气20的量。气体绕过是不希望的，因为来自绕过气体的能量不能被叶片54捕获并转化为旋转能量。虽然下面参照监控燃气涡轮系统的涡轮18内的个体叶片54来描述光学监控系统36，但是应当理解，光学监控系统36可以用于监控其它旋转和/或往复机械内的部件，例如其中蒸汽或另一工作流体通过涡轮的叶片以产生旋转输出的涡轮。此外，由光学监控系统36监控的部件可以包括在燃气涡轮系统内的热气路径内的其它部件。例如，可以为护罩72，天使翼70，柄68等确定相应的当前状态和预测状态。另外，这些部件可以包括燃气涡轮系统的压缩机或燃烧室内的合适元件。
在所示实施例中，光学连接38将视口40光学联接到照相机单元42。如图所示，光学连接38被配置为将叶片54的图像或叶片54和叶片周围的环境传送到照相机单元42。视口40可以在轴向方向48、周向方向50和/或径向方向64有角度，以将视口40引向叶片54的所需区域或涡轮18内部的所需区域。此外，视口40可以位于叶片54的上游以便于监控叶片54的上游部分，或者位于叶片54的下游以便于监控叶片54的下游部分。在一些实施例中，多个视口40被布置在燃气涡轮系统10的多个位置。多个视口40中的每一个视口都可以具有相应的光学连接38以通信地联接到照相机单元42。
在所示实施例中，视口40被布置在壳体73的开口内，并且在某些实施例中，被布置在涡轮18的护罩72中。开口从壳体73的内侧延伸到壳体的外侧，并且视口被配置为从壳体73的内部接收图像。光学连接38位于壳体73的外部并且被光学联接到视口40。光学连接38被配置为将图像从视口40传送到照相机单元42。如图所示，光学连接38可以基本上是直的，或者光学连接38可以包括在光学连接38和位于涡轮壳体73外部的其它部件之间建立间隙的曲线。
尽管在所示的实施例中视口40被引向第一级叶片54，但是应当理解，在替代实施例中，视口40可以被引向其它涡轮部件。例如，一个或多个视口40可以被引向第一级轮叶52，第二级轮叶58，第二级叶片60，端壁62，平台66，天使翼70，护罩72，涡轮18内的其它部件，或其组合。进一步的实施例可以包括被引向涡轮18内的多个部件的视口40。光学监控系统36可以在视口40的视场内采集每个叶片的IR图像。在一些实施例中，光学监控系统还在视口40的视场内采集每个叶片的视觉图像。以这种方式，控制器44可以确定当前叶片状态，确定预测叶片状态，将当前叶片状态与预测叶片状态进行比较，更新预测状态以匹配当前状态，以及基于比较来更新个体模型的参数，从而向光学监控系统36提供输入，如下所述。
照相机单元42从光学连接38接收图像，并输出指示在相应的波长范围内的视觉和热图像的信号。照相机单元42可以在一段时间内捕捉多个图像。可以理解，某些叶片(例如上述的第一级叶片54)可以沿着涡轮18的周向方向50高速旋转。因此，为了捕捉这种叶片54的图像，照相机单元42可以以足以向控制器44提供每个叶片54的基本上静止图像的频率操作。例如，在某些实施例中，照相机单元42可以以大于大约100、1000、10,000、20,000、40,000、60,000、80,000或100,000Hz或更高的频率输出指示视觉图像和IR图像的信号。在某些实施例中，照相机单元42可以以短于大约25、20、15、10、5、3、2、1或0.5微秒或更短的积分时间来输出指示视觉图像和IR图像的信号。
照相机单元42可以包括一个或多个视觉照相机45和一个或多个IR照相机47，以采集和传输指示视觉图像和IR图像的信号。然后，控制器44可以从视觉照相机45和IR照相机47接收视觉图像和IR图像，以执行本文讨论的技术。某些实施例还可以在相同的光学连接38上和/或在共享外壳内采用视觉照相机45和IR照相机47。照相机单元42可以仅包括适于采集IR图像的IR照相机47。另外，照相机单元42可以包括大于一个的视觉照相机45，大于一个的IR照相机47，检测视觉图像和IR图像两者的一个或多个组合照相机，或其组合。
涡轮18内的各种部件(例如，轮叶52和58，叶片54和60，端壁62，平台66，天使翼70，护罩72等)暴露于来自燃烧室的热废气20。因此，可能期望在涡轮18的操作期间监控一个或多个叶片54、56的当前叶片状态。当前叶片状态可以限定叶片的各种状态。包括在当前叶片状态中的叶片的状态可以包括叶片的热障涂层的散裂量、叶片内堵塞的冷却孔的数量、叶片上的碎屑量、叶片的氧化量、叶片的腐蚀量、叶片的结构完整性、叶片内裂纹的状态或其组合的当前状态。
光学监控系统36的控制器44可以采集和存储涡轮的第一级叶片54的视觉图像和IR图像，以确定和监控每个叶片54的当前叶片状态。因此，当前叶片状态可被用于识别和监控具有最接近其相应的服务极限的一个或多个状态的一个或多个叶片54。光学监控系统36产生或接收每个叶片54的个体模型。另外控制器44利用个体模型来确定与当前叶片状态相同的操作时间的预测叶片状态。然后，控制器44可以将预测叶片状态与当前叶片状态进行比较并更新个体模型的参数。此外，控制器44提供当前叶片状态作为个体模型的边界条件。
通过利用叶片54的视觉图像和IR图像两者来更新叶片54的个体模型，与仅依靠视觉图像的监控系统相比，光学监控系统36确定了叶片54的更精确的预测叶片状态。然后，如果当前叶片状态达到与叶片的服务极限相对应的阈值状态，叶片的预测状态达到阈值状态，或者它们的任意组合，则控制器44可以执行控制动作。在具有一个或多个叶片的实施例中，控制器44可以基于具有最接近叶片的服务极限的当前叶片状态和/或预测叶片状态的叶片来执行控制动作。
光学监控系统36在叶片54的工作寿命期间的几个点确定叶片54的当前叶片状态。例如，叶片54的初始状态确定可以在燃气涡轮系统10被用于操作飞行器之前被执行。初始状态确定可以在燃气涡轮系统10第一次被操作员接收时或者在燃气涡轮系统10处于测试台上时被执行。叶片54的初始状态确定可以被用作未来状态确定的基准。此外，控制器44可以利用初始状态确定来识别个体叶片54。控制器44可以分析视觉图像和IR图像以识别标记，代码，条形码，发动机序列号，或个体叶片54的其它特征。然后，控制器44可以将识别出的特征映射到个体叶片54中的某些叶片。在某些实施例中，控制器44基于模式匹配算法来识别个体叶片54。作为示例，如果在叶片54上识别出独特的视觉特征，则该独特的视觉特征可以与叶片54相关联。此外，该独特的视觉特征可被用于随后对该特定叶片54的识别。这样，可以将当前叶片状态与每个识别出的叶片54的预测叶片进行比较。在一些实施例中，经由设置在旋转叶片54之间或邻近旋转叶片54的标记来执行个体叶片的识别。因此，照相机单元42可以捕捉标记和叶片54的图像。基于转子56的旋转速度和叶片54之间的已知周向距离，控制器44然后可以识别个体叶片54。
在一些实施例中，当燃气涡轮系统10在稳定状态下操作时执行初始状态确定。当叶片54已经升温到稳定状态温度时和/或当叶片54的温度不随燃气涡轮系统10的连续操作而改变时，可以达到稳定状态。在一些实施例中，叶片54的温度由控制器基于叶片54的视觉图像和/或IR图像来确定。燃气涡轮系统10的操作加热叶片54，从而产生贯穿其中的温度分布。因此，IR照相机47捕捉指示叶片54的温度分布的图像，控制器44可以采用该图像来确定当前叶片状态。因此，当在稳定状态温度下拍摄时，IR图像具有增加的有效性，因为叶片54的温度分布指示叶片54的操作温度分布。
此外，叶片54的视觉图像可以通过涡轮18的手动曲柄(例如，当涡轮18不在操作时)来捕捉，因为视觉图像可以在周围环境的温度下被捕捉。在视觉照相机和IR照相机从公共光学连接38接收图像的实施例中，视觉图像可以在大约与IR图像相同的时间(例如，在相同的涡轮循环期间)被捕捉。在一些实施例中，照相机单元42不包括视觉照相机45，并且光学监控系统36基于IR图像来确定叶片的当前状态和预测状态。
在燃气涡轮系统10已经操作一段时间之后，控制器44可以执行随后的状态确定。例如，在已经经过多个涡轮循环之后，控制器44可以接收视觉图像和IR图像，然后使用视觉图像和IR图像来确定当前叶片状态。控制器44还确定与当前叶片状态相同的操作时间的预测叶片状态。也就是说，在随后的状态确定期间，控制器44可以确定叶片54的当前叶片状态，叶片54的预测叶片状态，或它们的组合。如果当前叶片状态达到与叶片的服务极限相对应的阈值状态，叶片的预测状态达到阈值状态，或它们的任意组合，则控制器44可以执行控制动作。以这种方式，控制器44可以精确地监控叶片54以确定当前叶片状态，预测叶片状态，和/或当前叶片状态和预测叶片状态的各种状态何时达到相应的服务极限。
图3是可用于监控燃气涡轮系统10的涡轮部件的光学监控系统36的实施例的框图。如图所示，控制器44接收输入100并使用用于每个涡轮叶片的个体模型104来产生输出102。
在一些实施例中，控制器44基于到控制器44的输入100来确定预测叶片状态和/或当前叶片状态。例如，控制器44可以从照相机单元42、从布置在燃气涡轮系统10内的传感器、从燃气涡轮系统10的控制元件或其组合接收传感器数据110。例如，视觉照相机45和IR照相机47可以分别地传输指示视觉图像和IR图像的信号。然后，照相机单元42将指示视觉图像和IR图像的信号作为输入100输出到控制器44。在一些实施例中，来自照相机单元42的信号可以在燃气涡轮系统10的稳定状态操作期间被传输，例如当燃气涡轮系统10以空转(idle)推力操作时。传感器数据110还可以包括飞行信息(例如，全权限数字发动机控制(FADEC)信息)。此外，输入100可以包括燃气涡轮系统10的历史数据112。在一些实施例中，历史数据112是先前作为传感器数据110由控制器44接收并储存在存储装置中的数据。
在所示实施例中，提供给控制器44的输入100包括用于个体模型104的模型参数114。在一些实施例中，基于涡轮叶片的初始状态确定和/或基于一般模型参数114(例如，对于特定类型的叶片在测试台上确定的参数)来初始确定模型参数114。控制器44利用个体模型104和叶片的初始状态确定作为边界条件，以确定燃气涡轮系统10的稍后操作时间的预测叶片状态。例如，如果控制器确定某一叶片具有1mm碎屑积聚在叶片表面上，则控制器会将1mm碎屑积聚作为边界条件，用于稍后确定碎屑积聚。
如上所述，提供给控制器44的模型参数114可以描述叶片，叶片周围的环境和/或叶片上的预期磨损率。例如，模型参数114可以包括叶片的几何形状，叶片所处的涡轮区段的预期操作温度，和/或叶片所处的涡轮区段的预期操作压力。此外，模型参数114可以包括预期磨损率，例如在预期操作温度和/或操作压力下叶片上的热障涂层的预期散裂率，叶片上的预期碎屑聚集率，叶片内的冷却孔的预期堵塞率(例如，基于预期碎屑聚集率)，叶片或其它部分的环境障涂层的散裂率，叶片上的碎屑聚集率，叶片或其它部件的氧化率、叶片或其它部件的腐蚀率以及其它合适的参数，或其组合。参数中的一个或多个可以至少部分地基于另一个参数的值来确定。例如，冷却孔的预期堵塞率可以至少部分地基于预期碎屑积聚率。预期的磨损率可以是线性的，二次的，对数的，或对燃气涡轮系统的部件的预期磨损的另一种表示。默认的预期磨损率可以被提供给控制器44，用于初始化个体模型104。
此外，提供给控制器44的模型参数114可以包括叶片的阈值状态，该阈值状态对应于叶片的一个或多个状态的服务极限。也就是说，阈值状态可以对应于服务极限，使得控制器采用阈值状态来确定是否输出指示修理或更换叶片、修理或更换涡轮、停止旋转机械或其组合的建议的信号。然后控制器可以将当前叶片状态与预测叶片状态进行比较，更新预测叶片状态以匹配当前叶片状态，并且基于该比较来更新个体模型104的参数，如下所述。
基于输入100和个体模型104，控制器44确定输出102。例如，控制器44至少部分地基于来自一个或多个照相机的视觉图像和IR图像来为每个叶片确定当前状态120。另外，控制器44至少部分地基于涡轮的操作时间和叶片的个体模型来为每个叶片确定预测状态122。当前状态120包括叶片的热障涂层的散裂量、叶片内堵塞的冷却孔的数量、叶片上的碎屑量、叶片的结构完整性、叶片内的裂纹状态或其组合的当前状态。另外，预测状态122包括叶片的热障涂层的散裂量、叶片内堵塞的冷却孔的数量、叶片的氧化量、叶片的腐蚀量、叶片上的碎屑量、叶片的结构完整性、叶片内的裂纹状态或其组合的预测状态。
当前状态120和预测状态122可以分别是具有相对于相应的服务极限的最高状态百分比的状态的状态百分比。例如，当前状态122可以指示热障涂层的散裂量是散裂的服务极限的30％，堵塞的冷却孔的数量是堵塞冷却孔的服务极限的40％，并且叶片上的碎屑量是碎屑的服务极限的50％。因此，当前状态120可以被认为具有50％的状态百分比，因为碎屑量具有50％的最高状态百分比。监控最接近其服务极限的当前状态120的状态允许控制器确定何时最可能推荐叶片的服务。例如，控制器33可以基于具有最接近其相应的服务极限的当前状态120和/或预测状态的叶片来控制燃气涡轮系统并执行控制动作。
控制器44可以提供指示当前状态120的信号，和/或可以将预测状态122提供给显示器123，以通知操作员每个叶片的当前状态120和/或预测状态122。控制器44可以将每个叶片的当前状态120和/或预测状态122与相应的服务极限(例如，作为模型参数114提供)进行比较。也就是说，控制器44可以将当前状态的每个状态和预测状态122的每个状态与每个状态的相应的服务极限进行比较。如果当前状态120，预测状态122和/或当前状态120或预测状态122的任何状态超过服务极限，则控制器44可以执行控制动作。在一些实施例中，控制动作包括向显示器123输出指示警报的信号。警报可以指示修理或更换叶片的建议、修理或更换涡轮的建议、停止旋转机械的建议、或其组合。
在一些实施例中，如果叶片上的碎屑量具有相对于碎屑量的服务极限的最大状态百分比，则警报还可以指示推荐在叶片或涡轮上执行清洁操作。在执行清洁操作之后，控制器44可以再次确定指示叶片上的碎屑量的状态。也就是说，可以将与叶片上的碎屑量相关的视觉图像和IR图像作为边界条件提供给叶片的个体模型，从而相应地重新调整状态百分比。
此外，控制器44将每个叶片的当前状态120与预测状态122进行比较。至少部分地基于比较，控制器44用更新的模型参数124来更新每个叶片的个体模型104。更新的模型参数124代替模型参数114。更新的模型参数124可以使个体模型104对齐以解释叶片的当前状态120和预测状态122之间的差异。
例如，如果控制器44预测叶片将具有1mm长的裂纹，然后接收指示裂纹为2mm长的视觉图像和IR图像，则模型参数114被更新为更新的模型参数124。也就是说，用更新的模型参数124代替模型参数114，直到叶片的预测状态122(例如，裂纹的预测长度)与叶片的当前状态120(例如，裂纹的当前长度)匹配。也就是说，基于更新的模型参数124来重新确定预测状态122，直到叶片的当前状态120与预测状态122匹配。因此，模型参数被更新，直到预测状态122与当前状态120匹配。如果预测状态122和当前状态120在预定阈值内彼此对应，则匹配可以被认为是可接受的。在某些实施例中，控制器44采用具有更新的模型参数124的个体模型104来产生叶片的服务极限预测(例如，叶片的状态何时将达到其相应的服务极限)。以这种方式，与不使用视觉图像和IR图像两者的监控系统相比，控制器44利用由照相机单元42采集的视觉图像和IR图像来提供更准确的当前状态120用于与预测状态122进行比较。
在某些实施例中，控制器44是具有被配置为处理来自照相机单元42的数据的电子电路的电子控制器。例如，控制器44可包括一个或多个处理器130和一个或多个存储部件132，例如一个或多个存储装置和一个或多个储存装置。处理器130可用于执行软件，例如图像处理软件等。此外，处理器130可以包括一个或多个微处理器，例如一个或多个“通用”微处理器，一个或多个专用微处理器，和/或专用集成电路(ASICS)，或其某种组合。例如，处理器130可以包括一个或多个精简指令集(RISC)处理器。
存储部件132(例如，非易失性储存器)的储存装置可包括只读存储器(ROM)，闪速存储器，硬盘驱动器或任何其它合适的光学，磁性或固态储存介质或其组合。储存装置可以储存数据(例如，图像数据等)，指令(例如，用于处理图像的软件或固件等)，和任何其它合适的数据。存储部件132的存储装置可包括易失性存储器，例如随机存取存储器(RAM)和/或非易失性存储器(例如ROM)。存储装置可储存各种信息且可被用于各种目的。例如，存储装置可储存供处理器执行的处理器可执行指令(例如，固件或软件)，例如用于确定预测叶片状态，确定当前叶片状态，将当前叶片状态与预测叶片状态进行比较，更新预测状态以匹配当前叶片状态，更新个体模型的参数或其组合的指令。
在某些实施例中，控制器44可以包括通信装置134(例如，网络接口，无线通信模块等)，该通信装置134被配置为例如与远程服务器或基于云的计算机网络(例如，控制器，远程控制器)通信(例如，经由有线或无线信号)。在这样的实施例中，控制器44可以输出指示叶片的视觉图像和IR图像的信号。在某些实施例中，远程服务器或网络(例如，控制器，远程控制器)可以储存和/或处理来自照相机单元42的信号，以促进涡轮部件的短期和/或长期健康监控。例如，远程服务器或网络可以从照相机单元42或控制器44接收信号来确定当前叶片状态。通过个体模型，远程服务器或网络还可以确定预测叶片状态，将当前叶片状态与预测叶片状态进行比较，更新预测叶片状态以匹配当前叶片状态，基于比较更新个体模型的参数，或其组合。在一些实施例中，省略了远程服务器或网络，并且控制器44位于远离照相机单元42的位置。
图4是图1的燃气涡轮系统10的涡轮叶片的当前叶片状态152和预测叶片状态154的实施例的图形表示150，其经由叶片的个体模型来确定。为了说明的目的示出的当前叶片状态152和预测叶片状态154可以解释上述涡轮叶片的各种状态。在一些实施例中，当前叶片状态152和预测叶片状态152具有与最接近其相应的服务极限的叶片的状态相同的状态百分比。附图标记156(X轴)表示涡轮循环。在一些实施例中，涡轮循环被限定为燃气涡轮系统内的涡轮的完整循环。例如，涡轮循环可以被限定为涡轮被通电然后被关闭的每个实例。如图所示，可以每500个涡轮循环确定当前叶片状态152和预测叶片状态154。在一些实施例中，状态确定之间的涡轮循环156的数量可以大于或小于500个涡轮循环。另外，附图标记158(Y轴)表示针对当前叶片状态152和预测叶片状态154两者的每个叶片的叶片状态。如本文所讨论的，较高的叶片状态158指示更接近相应的服务极限(例如，在状态百分比方面)的叶片状态。另外，较大的磨损率和预期的磨损率分别对应于当前叶片状态152和预测的叶片状态154的较大斜率。
示出了针对2000个涡轮循环的叶片的叶片状态152、154。在一些实施例中，当前叶片状态152可以经由照相机单元42输出的视觉图像和IR图像来确定。在一些实施例中，当前叶片状态152可以仅每500个涡轮循环被确定一次。使用上面讨论的个体模型，控制器可以为每个涡轮循环156确定预测叶片状态154。然而，在图4中，预测叶片状态154仅被示出为每500个涡轮循环被确定。基于叶片的预测叶片状态154和/或当前叶片状态152，控制器可以传输指示推荐叶片维修的警报。作为叶片状态158的更新的估计，预测叶片状态154可以被光学监控系统用来更精确地预测叶片何时接近服务极限。通过依靠更精确的预测叶片状态152，光学监控系统更精确地确定何时应当执行叶片和燃气涡轮系统10的维修和检修。
在某些实施例中，控制器至少部分地基于叶片的个体模型和涡轮循环的数量来确定预测叶片状态154。为了确定预测叶片状态154，光学监控系统可以在已经发生一定数量的涡轮循环之前执行初始状态确定160。控制器可以接收指示叶片的视觉图像和IR图像的信号，然后确定初始当前叶片状态。然后，光学监控系统可以储存视觉图像和IR图像或在已经发生多个涡轮循环(例如5、10、100或更多个涡轮循环)之前从叶片的视觉图像和IR图像确定的初始当前叶片状态。将初始当前叶片状态提供给控制器，以提高经由个体模型确定的下一个预测叶片状态的精确度。基于初始状态确定160，下一个确定的预测叶片状态可以比从默认初始叶片状态确定的预测叶片状态更精确。
在已经完成一定量的涡轮循环171(例如500个涡轮循环)之后，光学监控系统可以执行第一状态确定170以监控燃气涡轮系统的叶片。在第一状态确定170期间，视觉和IR照相机向控制器输出指示叶片的视觉图像和IR图像的信号。控制器经由识别个体叶片54的标记，代码，条形码，发动机序列号或其它特征来识别视觉图像和IR图像内的个体叶片。然后，控制器将由控制器基于个体模型确定的预测叶片状态154与叶片的当前叶片状态152进行比较。例如，如图所示，预测叶片状态154的最高状态的状态百分具有比当前叶片状态152的最高状态的状态百分比低的状态百分比。这样，在第一状态确定170处，叶片的最高状态的第一当前磨损率172(例如，初始状态确定和第一状态确定之间的当前磨损率)大于用于确定预测叶片状态154的第一预测磨损率174(例如，初始状态确定和第一状态确定之间的预测磨损率)。为了改进个体模型，控制器然后基于叶片的预测叶片状态154和当前叶片状态152之间的比较来更新个体模型的参数，使得控制器生成与当前叶片状态152(例如，在阈值状态百分比内)匹配的预测叶片状态154。
例如，基于比较，控制器可以确定应该更新个体模型的一个或多个参数。作为一个示例，控制器可以识别出涡轮在比估计的操作温度更高的温度下操作，从而导致当前磨损率172大于第一预测磨损率174。然后，控制器更新估计的操作温度并重新确定预测叶片状态154，直到预测叶片状态154与当前叶片状态152匹配。以此方式，将预测叶片状态154与当前叶片状态进行比较，并且通过更新个体模型的参数来减少任何识别的差异。此外，控制器将当前叶片状态152作为边界条件输入到个体模型，以便从已知的起始点确定未来的预测叶片状态154。
在第一状态确定170之后执行涡轮循环156中的一些涡轮循环181的第二状态确定180处，预测叶片状态154大约等于当前叶片状态152(例如，在阈值叶片百分比内)。也就是说，预测叶片状态154的最高状态的状态百分比大约等于当前叶片状态152的最高状态的状态百分比。在某些实施例中，控制器确定预测视觉图像和IR图像，以与当前视觉图像和IR图像进行比较。然后，当预测叶片状态154和当前叶片状态152大约相等时，从照相机单元接收的视觉图像和IR图像基本上对应于预测视觉图像和IR图像。因此，第二当前磨损率182(例如，第一和第二状态确定之间的当前磨损率)基本上等于第二预测磨损率184(例如，第一和第二状态确定之间的预测磨损率)。基于第一状态确定170提供给个体模型的参数和输入(例如，先前接收的当前叶片状态，先前接收的视觉图像和IR图像)在第二状态确定180处建立了叶片状态的准确预测。控制器可以将在第二状态确定180处确定的当前叶片状态152作为边界条件提供给个体模型。此外，将任何其它传感器数据或历史数据作为输入提供给个体模型，因此稍后的预测叶片状态154是从大部分可用的信息预测出的。
在第二状态确定180之后执行一些涡轮循环191的第三状态确定190期间，照相机单元向控制器输出指示视觉图像和IR图像的信号。控制器至少部分地基于信号再次确定叶片的当前叶片状态152。此外，将当前叶片状态152与预测叶片状态154进行比较。经过比较，控制器确定预测叶片状态154的最高状态的状态百分比不在当前叶片状态152的最高状态的状态百分比的阈值范围内。在一些实施例中，阈值范围可对应于预测叶片状态154的状态百分比与当前叶片状态152的状态百分比之间的百分比差，例如相差5％，相差10％，相差25％等。个体模型的参数被更新，直到由控制器确定的预测叶片状态154处于在第三状态确定190期间确定的当前叶片状态152的阈值范围内。在一些实施例中，只有当当前叶片状态152的每个状态与预测叶片状态154的每个状态匹配时，才认为当前叶片状态152和预测叶片状态154相等。因此，修改第三预测磨损率194(例如，第二和第三确定之间的预测磨损率)直到预测磨损率194在距第三当前磨损率192(例如，第二和第三确定之间的当前磨损率)的阈值距离内。
此外，在第三状态确定190之后进行了一定量的涡轮循环156的第四状态确定200期间，预测叶片状态154的最高状态的状态百分比在与当前叶片状态152的最高状态的状态百分比的阈值差内。因此，个体模型估计出在距第四当前磨损率202(例如，第三和第四确定之间的当前磨损率)的阈值距离内的第四预测磨损率204(例如，第三和第四确定之间的预测磨损率)。
涡轮叶片的叶片状态158的图形表示150还包括服务极限202，其对应于叶片状态，该叶片状态指示修理或更换叶片的建议，修理或更换涡轮的建议，停止涡轮的建议或其组合。例如，如果预测叶片状态154或当前叶片状态152大于执行当前叶片状态或预测叶片状态154的确定的涡轮循环156处的服务极限202，则控制器可以执行控制动作。例如，控制器可以传输指示警报的信号。警报指示修理或更换叶片的建议，修理或更换涡轮的建议，停止旋转机械的建议，或其任何组合。
产生精确地确定(例如，预测)叶片何时将达到服务极限的预测叶片状态允许燃气涡轮系统的更有效和经济的操作。也就是说，光学监控系统利用视觉图像和IR图像两者来精确地预测燃气涡轮系统中的叶片状态，以精确地推荐叶片或部件的修理或更换，从而积极地影响燃气涡轮系统的安全性和效率。此外，虽然本文讨论的示例包括小于当前叶片状态的某些预测叶片状态，但是应当理解，在其它实施例中，预测叶片状态和当前叶片状态之间的关系可以采取不同的形式。例如，预测叶片状态可以替代地具有大于当前叶片状态的某些状态百分比。
图5是用于确定图1的燃气涡轮系统内的涡轮叶片的预测叶片状态和当前叶片状态的方法300的实施例的流程图。在某些实施例中，方法300至少部分地由光学监控系统的控制器执行。尽管参照燃气涡轮系统的多个叶片描述了方法300，但是应当理解，方法300可以类似地在燃气涡轮系统的单个叶片或燃气涡轮系统的其它部件上被执行。如图所示，方法300可选地从捕捉(框302)涡轮系统的每个叶片视觉图像开始，然后其可被储存在控制器的存储部件中。方法300可以另外可选地包括捕捉(框304)涡轮系统的每个叶片的视觉图像，然后其也可被储存在控制器的存储部件中。如上所述，视觉图像和IR图像可以作为从光学监控系统的照相机单元被采集的多个图像。照相机单元将指示视觉图像和IR图像的信号传输到控制器。只有当燃气涡轮发动机已经达到稳定状态时，才可以采集IR图像，从而叶片被充分加热到它们相应的操作温度分布。如上所述，可以在已经发生预定数量的涡轮循环之前执行初始状态确定。初始状态确定将视觉图像和IR图像和/或从视觉图像和IR图像确定的当前叶片状态作为边界条件提供给控制器，用于为每个叶片初始化个体模型，从而提供已知的叶片状态，从该已知的叶片状态确定稍后的预测叶片状态。
方法300可选地包括初始化(框306)每个叶片的个体模型。在一些实施例中，基于默认边界条件，参数和/或预测磨损率来初始化每个叶片的个体模型。默认初始化可以是特定于叶片在其中的涡轮或燃气涡轮系统的类型，而不提供与每个个体叶片有关的特定信息。也就是说，当不执行初始状态确定时，可以基于叶片的情境信息来初始化模型。然而，在执行框302和/或框304的一些实施例中，基于当燃气轮机系统是新的，最近修理的和/或最近清洁时执行的初始状态确定来初始化每个叶片的个体模型。
方法300可进一步包括至少部分地基于其相应的个体模型和燃气涡轮发动机的运行时间或涡轮循环来确定(框308)叶片的预测叶片状态。当燃气涡轮系统正在正常操作时，控制器可以远离燃气涡轮系统，基于个体模型产生预测叶片状态。在某些实施例中，个体模型包括参数和边界条件。例如，这些参数可以描述叶片的几何形状，叶片上的热障涂层的类型，热障涂层的厚度，叶片中的冷却孔的位置，或描述叶片的其它变量。
此外，方法300可以可选地包括捕捉(框310)每个叶片的视觉图像。方法300包括捕捉(框312)每个叶片的IR图像。视觉图像和IR图像可以由上述照相机单元的视觉照相机和IR照相机捕捉。然后，照相机单元将指示视觉图像和IR图像的信号传输到控制器。然后，方法300包括基于指示视觉图像和IR图像的信号来确定(框314)每个叶片的当前叶片状态。然后将当前叶片状态与预测叶片状态进行比较(框316)。基于该比较，方法300可以包括更新(框318)每个叶片(例如，具有与当前叶片状态相差超过阈值的预测叶片状态的每个叶片)的个体模型的参数。例如，如果确定预测叶片状态与当前叶片状态相差超过该阈值，则更新个体模型的参数或输入(框318)，直到预测叶片状态相对于当前叶片状态在阈值内。在一些实施例中，重新确定预测叶片状态，直到预测叶片状态与当前叶片状态匹配。
接下来，方法300包括判定(节点320)预测叶片状态和当前叶片状态中的至少一个是否已经达到与叶片的服务极限相对应的阈值状态。如果预测叶片状态或当前叶片状态之一高于服务极限，则方法300可以包括执行(框322)控制动作。例如，控制器可以传输指示警报的信号。警报可以指示修理或更换叶片的建议，修理或更换涡轮的建议，停止涡轮的建议，清洁涡轮的建议或其组合。因为预测叶片状态可以是稍后时间的叶片状态的预测，所以如果稍后时间在时间阈值内(例如，在500个涡轮循环内，在30天内)，则控制器可以传输指示警报的信号。如果预测叶片状态和当前叶片状态都低于服务极限，则方法300可以循环回到框308，以继续确定燃气涡轮系统的叶片的预测叶片状态和当前叶片状态。
应当理解，本文所描述的方法300仅仅是示例性的，并且可以根据需要执行其它判定和框。例如，在一些实施例中，当控制器确定叶片可能超过服务极限时，可以经由光学监控系统比最初计划更早地检查燃气涡轮发动机。此外，如果在某个时间的当前叶片状态或预测叶片状态超过一个叶片的服务极限，则可以不基于当前叶片状态和预测叶片状态之间的比较来更新个体模型的参数，边界条件和/或预测叶片状态。
此外，尽管已经将本技术描述为监控涡轮的叶片的当前状态和预测状态，但是应当理解，在其它实施例中，可以通过本公开的光学监控系统来监控其它部件。例如，光学监控系统可以确定燃气涡轮系统内的热气路径内的其它部件的当前状态和预测状态。例如，相应的当前状态和预测状态可以被确定为护罩，衬垫，天使翼，密封件，柄或其组合。
本公开的技术效果包括捕捉IR图像和可选地捕捉视觉图像以建立燃气涡轮系统的更精确的预测叶片状态。预测叶片状态被控制器用来基于在叶片达到其服务极限之前的预期时间来确定燃气涡轮系统10的服务间隔。基于为燃气涡轮系统10的每个叶片54提供的个体模型和燃气涡轮系统10的操作时间，控制器生成相应的叶片的预测叶片状态，然后控制器将预测叶片状态与当前叶片状态进行比较。基于该比较，(例如，当预测叶片状态和当前叶片状态在阈值内不匹配时)个体模型的参数和边界条件被更新。因此，本文公开的技术增加了叶片和燃气涡轮系统10的服务极限确定的精确度。
本书面描述使用示例来公开本主题，包括最佳模式，并且还使得本领域技术人员能够实践本主题，包括制造和使用任何装置或系统以及执行任何并入的方法。本公开的专利范围由权利要求限定，并且可以包括本领域技术人员想到的其它示例。如果这些其它示例具有与权利要求的字面语言相同的结构元件，或者如果它们包括与权利要求的字面语言没有实质性差别的等效结构元件，则这些其它示例意图落入权利要求的范围内。

Claims (20)

1.一种包括控制器的光学监控系统，其特征在于，所述控制器被配置为：
至少部分地基于旋转机械的操作时间和部件的个体模型来确定所述旋转机械的内部中的所述部件的预测状态；
从一个或多个照相机接收指示所述部件的红外光谱图像的第一信号；
至少部分地基于所述第一信号来确定所述部件的当前状态；
将所述部件的所述当前状态与所述预测状态进行比较；以及
更新所述部件的所述预测状态，使得所述部件的所述预测状态与所述当前状态匹配，并且至少部分地基于所述比较来更新所述部件的所述个体模型的至少一个参数。
2.根据权利要求1所述的光学监控系统，其特征在于，其中，所述部件的所述预测状态包括所述部件的热障涂层的预测散裂量、所述部件的环境障涂层的预测散裂量、所述部件的被堵塞的冷却孔的预测数量、所述部件的预测氧化量、所述部件的预测腐蚀量、所述部件上碎屑的预测聚集量或其组合；并且
其中所述部件的所述当前状态包括所述部件的所述热障涂层的当前散裂量、所述部件的环境障涂层的当前散裂量、所述部件的被堵塞的冷却孔的当前数量、所述部件的当前氧化量、所述部件的当前腐蚀量、所述部件上碎屑的当前聚集量或其组合。
3.根据权利要求1所述的光学监控系统，其特征在于，其中，所述控制器被配置为基于发动机序列号、设置在所述部件上的标记、所述部件的所述当前状态与所述部件的所述预测状态的比较或其组合来从多个部件中识别所述部件。
4.根据权利要求1所述的光学监控系统，其特征在于，其中，所述控制器被配置为从一个或多个照相机接收指示所述部件的视觉光谱图像的第二信号，其中所述控制器被配置为至少部分地基于所述第二信号来确定所述部件的所述当前状态，并且其中所述控制器被配置为至少部分地基于所述部件的所述预测状态、所述部件的所述当前状态或其组合来确定所述部件的服务极限。
5.根据权利要求4所述的光学监控系统，其特征在于，其中，所述控制器被配置为在所述旋转机械完成预定数量的循环之前执行的所述部件的初始状态确定期间，基于从所述一个或多个照相机接收的所述第一信号和所述第二信号来生成所述个体模型的所述至少一个参数。
6.根据权利要求1所述的光学监控系统，其特征在于，其中，所述控制器被配置为响应于所述部件的所述当前状态达到或超过与所述部件的服务极限相对应的阈值状态、所述部件的所述预测状态达到或超过所述预测状态时的所述阈值状态或其组合来执行控制动作。
7.根据权利要求6所述的光学监控系统，其特征在于，其中，所述控制动作包括输出指示警报的信号，其中所述警报指示修理或更换所述部件的建议、修理或更换所述旋转机械的建议、停止所述旋转机械的建议、清洁所述旋转机械的建议或其组合。
8.根据权利要求1所述的光学监控系统，其特征在于，其中，所述部件的所述个体模型的所述至少一个参数包括所述旋转机械的操作温度、所述旋转机械的操作压力、所述部件的热障涂层的散裂率、所述部件的环境障涂层的散裂率、所述部件上的碎屑聚集率、所述部件的氧化率、所述部件的腐蚀率、所述部件的冷却孔的堵塞率或其组合。
9.根据权利要求1所述的光学监控系统，其特征在于，其中，所述控制器被配置为确定所述部件的所述当前状态，将所述当前状态与所述预测状态进行比较，并且在所述旋转机械已经操作了阈值操作时间之后更新所述预测状态和所述个体模型的所述至少一个参数。
10.根据权利要求1所述的光学监控系统，其特征在于，其中，所述控制器被配置为至少部分地基于来自存储部件的历史数据来确定所述部件的所述预测状态，其中，所述历史数据包括在所述旋转机械的操作期间储存的数据。
11.根据权利要求10所述的光学监控系统，其特征在于，其中，所述历史数据包括飞行信息、与所述旋转机械相关的全权限数字发动机控制信息或其组合。
12.根据权利要求1所述的光学监控系统，其特征在于，其中，所述控制器位于远离所述旋转机械的物理位置。
13.一种被配置为与旋转机械的内部光学通信的光学监控系统，其特征在于，所述光学监控系统包括：
一个或多个照相机，所述一个或多个照相机被配置为接收所述旋转机械的所述内部中的至少一个部件的红外光谱图像，其中，所述一个或多个照相机被配置为输出指示所述红外光谱图像的第一信号；以及
控制器，所述控制器通信地联接到所述一个或多个照相机且被配置为：
至少部分地基于所述旋转机械的操作时间和所述至少一个部件的个体模型来确定所述至少一个部件的预测状态；
接收从所述一个或多个照相机输出的所述第一信号；
至少部分地基于所述第一信号来确定所述至少一个部件的当前状态；
将所述至少一个部件的所述当前状态与所述预测状态进行比较；以及
更新所述至少一个部件的所述预测状态，使得所述至少一个部件的所述预测状态与所述当前状态匹配，并且至少部分地基于所述比较来更新所述至少一个部件的所述个体模型的至少一个参数。
14.根据权利要求13所述的光学监控系统，其特征在于，其中，所述至少一个部件的所述预测状态包括所述至少一个部件的热障涂层的预测散裂量、所述至少一个部件的环境障涂层的预测散裂量、所述至少一个部件的被堵塞的冷却孔的预测数量、所述至少一个部件的预测氧化量、所述至少一个部件的预测腐蚀量、所述至少一个部件上碎屑的预测聚集量或其组合；并且
其中，所述至少一个部件的所述当前状态包括所述至少一个部件的所述热障涂层的当前散裂量、所述至少一个部件的环境障涂层的当前散裂量、所述至少一个部件的被堵塞的冷却孔的当前数量、所述至少一个部件的当前氧化量、所述至少一个部件的当前腐蚀量、所述至少一个部件上碎屑的当前聚集量或其组合。
15.根据权利要求13所述的光学监控系统，其特征在于，其中，所述控制器被配置为从一个或多个照相机接收指示所述至少一个部件的视觉光谱图像的第二信号，其中所述控制器被配置为至少部分地基于所述第二信号来确定所述至少一个部件的所述当前状态，并且其中所述控制器被配置为至少部分地基于所述至少一个部件的所述预测状态、所述至少一个部件的所述当前状态或其组合来确定所述至少一个部件的服务极限。
16.根据权利要求13所述的光学监控系统，其特征在于，其中，所述至少一个部件包括多个部件，其中，所述控制器被配置为确定所述多个部件的所述预测状态，确定所述多个部件的所述当前状态，以及基于所述多个部件中的第一部件来执行控制动作，所述第一部件包括最接近所述第一部件的对应服务极限的预测状态、当前状态或其任意组合。
17.一种用于确定旋转机械的内部中的部件的状态的方法，其特征在于，包括：
经由控制器，至少部分地基于所述旋转机械的操作时间和所述部件的个体模型来确定所述部件的预测状态；
经由所述控制器，从一个或多个照相机接收指示所述部件的红外光谱图像的第一信号；
经由所述控制器，至少部分地基于所述第一信号来确定所述部件的当前状态；
经由所述控制器，将所述部件的所述当前状态与所述预测状态进行比较；
经由所述控制器，更新所述部件的所述预测状态，使得所述部件的所述预测状态与所述当前状态匹配；以及
经由所述控制器，至少部分地基于所述比较来更新所述部件的所述个体模型的至少一个参数。
18.根据权利要求17所述的方法，其特征在于，包括：
经由所述控制器，从所述一个或多个照相机接收指示所述部件的视觉光谱图像的第二信号；
经由所述控制器，至少部分地基于所述第二信号来确定所述部件的所述当前状态；以及
经由所述控制器，至少部分地基于所述部件的所述预测状态、所述部件的所述当前状态或其组合来确定所述部件的服务极限。
19.根据权利要求17所述的方法，其特征在于，包括如果所述部件的所述当前状态达到或超过与所述部件的服务极限相对应的阈值状态、所述部件的所述预测状态达到或超过所述预测状态时的所述阈值状态或其任何组合，则经由所述控制器执行控制动作。
20.根据权利要求17所述的方法，其特征在于，其中，所述部件的所述个体模型的所述至少一个参数包括所述旋转机械的操作温度、所述旋转机械的操作压力、所述部件的热障涂层的散裂率、所述部件的环境障涂层的散裂率、所述部件上的碎屑聚集率，所述部件的氧化率、所述部件的腐蚀率、所述部件的冷却孔的堵塞率或其组合。
CN201880048559.8A 2017-07-26 2018-06-29 用于燃气涡轮发动机的监控系统 Active CN110945226B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/660,608 US11199105B2 (en) 2017-07-26 2017-07-26 Monitoring system for a gas turbine engine
US15/660,608 2017-07-26
PCT/US2018/040204 WO2019022918A1 (en) 2017-07-26 2018-06-29 MONITORING SYSTEM FOR GAS TURBINE ENGINE

Publications (2)

Publication Number Publication Date
CN110945226A CN110945226A (zh) 2020-03-31
CN110945226B true CN110945226B (zh) 2022-10-04

Family

ID=65039818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880048559.8A Active CN110945226B (zh) 2017-07-26 2018-06-29 用于燃气涡轮发动机的监控系统

Country Status (3)

Country Link
US (1) US11199105B2 (zh)
CN (1) CN110945226B (zh)
WO (1) WO2019022918A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12115679B2 (en) 2020-10-29 2024-10-15 General Electric Company Systems and methods of servicing equipment

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10680897B2 (en) * 2017-07-31 2020-06-09 Cisco Technology, Inc. Network modification impact prediction
US10504221B2 (en) * 2017-09-28 2019-12-10 Intel Corporation Methods, apparatus and systems for monitoring devices
US10900377B2 (en) * 2018-04-23 2021-01-26 Honeywell International Inc. System and method for monitoring for sand plugging in gas turbine engines
US11300069B2 (en) * 2018-11-28 2022-04-12 Honeywell International Inc. Self-generating engine-specific health monitoring model from generic model base
GB201908494D0 (en) 2019-06-13 2019-07-31 Rolls Royce Plc Computer-implemented methods for training a machine learning algorithm
GB201908496D0 (en) * 2019-06-13 2019-07-31 Rolls Royce Plc Computer-implemented methods for determining compressor operability
ES2800826A1 (es) 2019-06-25 2021-01-04 Gen Electric Control de un sistema de generación de energía mediante la monitorización visual de un componente durante su operación
ES2800824A1 (es) * 2019-06-25 2021-01-04 Gen Electric Control de un sistema de generación de energía mediante la monitorización visual de un indicador durante su funcionamiento
CN114165338B (zh) * 2020-09-11 2023-06-23 中国航发商用航空发动机有限责任公司 发动机冷却气流温度预测方法和装置、控制方法和设备
US11935290B2 (en) 2020-10-29 2024-03-19 Oliver Crispin Robotics Limited Systems and methods of servicing equipment
US20220135006A1 (en) * 2020-10-29 2022-05-05 General Electric Company Systems and methods of servicing equipment
US11685051B2 (en) 2020-10-29 2023-06-27 General Electric Company Systems and methods of servicing equipment
US11915531B2 (en) * 2020-10-29 2024-02-27 General Electric Company Systems and methods of servicing equipment
US20220138699A1 (en) * 2020-10-29 2022-05-05 General Electric Company Systems and methods of servicing equipment
US11938907B2 (en) 2020-10-29 2024-03-26 Oliver Crispin Robotics Limited Systems and methods of servicing equipment
US11874653B2 (en) * 2020-10-29 2024-01-16 Oliver Crispin Robotics Limited Systems and methods of servicing equipment
JP2023025354A (ja) * 2021-08-10 2023-02-22 東芝エネルギーシステムズ株式会社 ブレード損傷評価装置、方法及びプログラム
EP4234414A1 (en) * 2022-02-25 2023-08-30 Airbus Operations GmbH Method and system for monitoring a laminar flow on a surface of an aircraft
US12055053B1 (en) * 2023-04-18 2024-08-06 Rtx Corporation Rotor blade inspection system

Family Cites Families (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE412127B (sv) 1978-06-15 1980-02-18 Aga Ab Anordning for ett optiskt element
US4306835A (en) 1979-11-20 1981-12-22 Avco Corporation Air purging unit for an optical pyrometer of a gas turbine engine
US4657386A (en) 1985-11-14 1987-04-14 United Technologies Corporation In-flight engine control optical pyrometer
US4786188A (en) 1986-02-27 1988-11-22 Rosemont Inc. Purge air system for a combustion instrument
US4836689A (en) 1986-02-27 1989-06-06 Rosemount Inc. Asymmetric purge air system for cleaning a lens
US4784491A (en) 1986-06-03 1988-11-15 General Electric Company System to protect optics against dirty environments
US4738528A (en) 1987-04-03 1988-04-19 General Electric Co. Pyrometer vortex purge air cleaning system with center masked pyrometer lens
US4934137A (en) 1988-12-14 1990-06-19 Allied-Signal Inc. Temperature measurement in turbine engines
US5146244A (en) 1990-01-23 1992-09-08 Rosemount Inc. Window purging system for a combustion instrument
JP3415663B2 (ja) 1992-12-28 2003-06-09 アルストム 冷却面を衝撃式に冷却するための装置
US5421652A (en) 1993-12-21 1995-06-06 General Electric Company Pyrometer adapter
GB9411160D0 (en) 1994-06-03 1994-07-27 Land Infrared Ltd Improvements relating to radiation thermometers
US5820337A (en) 1995-01-03 1998-10-13 General Electric Company Double wall turbine parts
US5626462A (en) 1995-01-03 1997-05-06 General Electric Company Double-wall airfoil
US5640767A (en) 1995-01-03 1997-06-24 Gen Electric Method for making a double-wall airfoil
US5724816A (en) 1996-04-10 1998-03-10 General Electric Company Combustor for a gas turbine with cooling structure
US5822853A (en) 1996-06-24 1998-10-20 General Electric Company Method for making cylindrical structures with cooling channels
US6000908A (en) 1996-11-05 1999-12-14 General Electric Company Cooling for double-wall structures
US5813836A (en) 1996-12-24 1998-09-29 General Electric Company Turbine blade
US20080101683A1 (en) 1999-12-22 2008-05-01 Siemens Power Generation, Inc. System and method of evaluating uncoated turbine engine components
JP4039797B2 (ja) 2000-10-03 2008-01-30 株式会社リコー 光走査装置および画像形成装置
US6761031B2 (en) 2002-09-18 2004-07-13 General Electric Company Double wall combustor liner segment with enhanced cooling
US6796709B2 (en) 2002-11-21 2004-09-28 General Electric Company Turbine blade (bucket) health monitoring and prognosis using infrared camera
US7501630B2 (en) 2003-02-21 2009-03-10 Koninklijke Philips Electronics N.V. Gas measurement system
JP4099665B2 (ja) 2003-09-26 2008-06-11 株式会社Ｉｈｉ パージエア流路構造
US6992315B2 (en) 2004-03-10 2006-01-31 Siemens Westinghouse Power Corporation In situ combustion turbine engine airfoil inspection
US7231817B2 (en) 2005-01-18 2007-06-19 Siemens Power Generation, Inc. Inspection system for a turbine blade region of a turbine engine
US9273614B2 (en) 2005-09-12 2016-03-01 Industrial Turbine Company (Uk) Limited Determination of a signal indicative of shaft power
US7432505B2 (en) * 2006-05-04 2008-10-07 Siemens Power Generation, Inc. Infrared-based method and apparatus for online detection of cracks in steam turbine components
US7619728B2 (en) 2007-07-26 2009-11-17 General Electric Company Methods and systems for in-situ machinery inspection
AU2009204137B2 (en) 2008-01-08 2013-01-31 Amo Wavefront Sciences Llc Systems and methods for measuring surface shape
US8432440B2 (en) 2009-02-27 2013-04-30 General Electric Company System and method for adjusting engine parameters based on flame visualization
US8063372B2 (en) * 2009-03-06 2011-11-22 Siemens Energy, Inc. Apparatus and method for temperature mapping a rotating turbine component in a high temperature combustion environment
CN102203397B (zh) 2010-01-25 2013-10-23 丰田自动车株式会社 燃气轮机的控制装置及燃气轮机的起动方法
US20110267428A1 (en) * 2010-04-30 2011-11-03 General Electric Company System and method for mapping a two-dimensional image onto a three-dimensional model
US8997498B2 (en) 2011-10-12 2015-04-07 General Electric Company System for use in controlling the operation of power generation systems
US8413493B1 (en) * 2011-12-12 2013-04-09 Florida Turbine Technologies, Inc. Method for detecting a defect on an operating turbine rotor blade
US9217852B2 (en) * 2012-01-31 2015-12-22 Siemens Energy, Inc. System and method for online inspection of turbines using an optical tube with broadspectrum mirrors
US9778141B2 (en) * 2012-01-31 2017-10-03 Siemens Energy, Inc. Video inspection system with deformable, self-supporting deployment tether
US9709463B2 (en) * 2012-01-31 2017-07-18 Siemens Energy, Inc. Method and system for surface profile inspection of off-line industrial gas turbines and other power generation machinery
US9057710B2 (en) * 2012-01-31 2015-06-16 Siemens Energy, Inc. System and method for automated optical inspection of industrial gas turbines and other power generation machinery
US9330449B2 (en) 2013-03-15 2016-05-03 Digital Wind Systems, Inc. System and method for ground based inspection of wind turbine blades
US9335216B2 (en) * 2013-06-24 2016-05-10 General Electric Company System and method for on-line optical monitoring and control of a gas turbine engine
US9134199B2 (en) * 2013-06-24 2015-09-15 General Electric Company Optical monitoring system for a gas turbine engine
WO2015060956A2 (en) 2013-10-04 2015-04-30 United Technologies Corporation Automatic control of turbine blade temperature during gas turbine engine operation
US9470147B2 (en) * 2013-11-12 2016-10-18 Siemens Energy, Inc. Apparatus and method for determining a temperature distribution of a hot-temperature flow in a turbine engine
US9706152B2 (en) * 2013-11-20 2017-07-11 General Electric Company Remote transmission, manipulation, and display of infrared camera data
US9832396B2 (en) * 2013-12-18 2017-11-28 United Technologies Corporation Composite image processing for LWIR images using geometric features
US9706140B2 (en) * 2013-12-18 2017-07-11 United Technologies Corporation Natural resolution processing for LWIR images
US9670793B2 (en) * 2014-04-18 2017-06-06 Siemens Energy, Inc. IR sensor/system for detection of heating associated with crack propagation during operation of rotating equipment
US9305345B2 (en) * 2014-04-24 2016-04-05 General Electric Company System and method for image based inspection of an object
US9400217B2 (en) * 2014-06-03 2016-07-26 Siemens Energy, Inc. Dual infrared band apparatus and method for thermally mapping a component in a high temperature combustion environment
US10060830B2 (en) * 2014-06-09 2018-08-28 United Technologies Corporation In-situ system and method of determining coating integrity of turbomachinery components
US9708927B2 (en) * 2014-07-09 2017-07-18 Siemens Energy, Inc. Optical based system and method for monitoring turbine engine blade deflection
US9759200B2 (en) 2014-07-18 2017-09-12 General Electric Company Wind tower and wind farm inspections via unmanned aircraft systems
US20160140263A1 (en) * 2014-11-18 2016-05-19 General Electric Company System and method for determining the current and future state of health of a power transformer
US10626748B2 (en) 2014-12-08 2020-04-21 General Electric Company System and method for predicting and managing life consumption of gas turbine parts
US9776731B1 (en) * 2016-09-29 2017-10-03 The Boeing Company Methods and apparatus for detecting aircraft surface deformations

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12115679B2 (en) 2020-10-29 2024-10-15 General Electric Company Systems and methods of servicing equipment

Also Published As

Publication number Publication date
CN110945226A (zh) 2020-03-31
WO2019022918A1 (en) 2019-01-31
US20190032508A1 (en) 2019-01-31
US11199105B2 (en) 2021-12-14

Similar Documents

Publication Publication Date Title
CN110945226B (zh) 用于燃气涡轮发动机的监控系统
CN109113804B (zh) 发动机和电机健康状况监测方法及燃气涡轮发动机
CN103592053B (zh) 用于涡轮发动机的蠕变寿命管理系统及操作其的方法
CN108223137B (zh) 用于确定燃气涡轮发动机机队性能劣化的系统和方法
US11346239B2 (en) Heat flux measurement system
JP5981709B2 (ja) タービンエンジン内の破砕を検出するシステム及び方法
CN102539162A (zh) 压缩机健康监测的方法和系统
JP2010144727A (ja) ロータブレード健全性を監視するためのシステム及び方法
US20220144454A1 (en) Contamination accumulation modeling
EP3276439B1 (en) System and method for assessing the health of a first apparatus by monitoring a dependent second apparatus
EP3460197A1 (en) Engine wash identifier method and engine wash analytics
US20160301880A1 (en) System to prognose gas turbine remaining useful life
US9708927B2 (en) Optical based system and method for monitoring turbine engine blade deflection
US20170070686A1 (en) Flash thermography borescope
US9134199B2 (en) Optical monitoring system for a gas turbine engine
EP3102886B1 (en) Method for monitoring a combustor
US20210404348A1 (en) Turbine engine sealing and method
WO2018160270A2 (en) System and method for monitoring hook wear in a gas turbine engine
CN109906363B (zh) 闪光热成像管道镜
JP4354358B2 (ja) ガスタービンにおける高温部品の寿命診断方法
KR102224983B1 (ko) 가스터빈 연소기의 점검 진단 장치
KR20230148669A (ko) 머신 러닝 기반의 가스터빈 압축기 성능 분석 방법 및 시스템, 그리고 이를 이용한 압축기 세정 장치
KR20190024183A (ko) 가스터빈 발전설비용 정비 시스템

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