CN112883578B - 一种机车车辆散热器剩余寿命预测方法 - Google Patents
一种机车车辆散热器剩余寿命预测方法 Download PDFInfo
- Publication number
- CN112883578B CN112883578B CN202110227750.2A CN202110227750A CN112883578B CN 112883578 B CN112883578 B CN 112883578B CN 202110227750 A CN202110227750 A CN 202110227750A CN 112883578 B CN112883578 B CN 112883578B
- Authority
- CN
- China
- Prior art keywords
- radiator
- corrosion
- maximum
- data
- residual life
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000003137 locomotive effect Effects 0.000 title claims abstract description 25
- 230000007797 corrosion Effects 0.000 claims abstract description 152
- 238000005260 corrosion Methods 0.000 claims abstract description 152
- 238000005096 rolling process Methods 0.000 claims abstract description 16
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 52
- 239000007788 liquid Substances 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 3
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims 1
- 230000008439 repair process Effects 0.000 abstract description 16
- 108091006146 Channels Proteins 0.000 description 11
- 238000001816 cooling Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种机车车辆散热器剩余寿命预测方法：可以根据机车车辆不同检修周期(服役时间)拆解下来的散热器的腐蚀状态观察和检测，掌握散热器的宏观和微观腐蚀状态；获得散热器局部腐蚀最大腐蚀深度数据；以散热器局部腐蚀最大腐蚀深度数据为特征参数，用概率统计分析方法预测散热器最大腐蚀深度，总结散热器最大腐蚀深度的动力学规律，计算确定散热器剩余寿命。该方法可预测散热器最大腐蚀深度和散热器剩余寿命，为延长散热器高级修周期、提高运用可靠性提供了科学准确的依据。
Description
技术领域
本发明涉及换热技术领域，具体为一种机车车辆散热器剩余寿命预测方法。
背景技术
冷却系统的功能是有效转移机车车辆重要设备(例如牵引系统、制动系统等)工作时产生的热量，保证设备在合适的温度下工作。因此，冷却系统是机车车辆设备安全、可靠、高效运行的重要保障。散热器是冷却系统的核心部件，一旦散热器失效，冷却系统将无法继续工作，机车车辆牵引系统或制动系统将无法正常运行。可见，散热器对机车车辆可靠、安全运行至关重要。
随着国内电力机车、电动车组大批量投入运用，延长机车车辆关键部件高级修周期、提高其使用寿命已经成为各方共同关注的关键技术问题。但延长关键部件的高级修周期，需要了解其使用寿命。
国内外对机车车辆冷却系统用散热器使用寿命的研究还处于探索阶段，还没有成熟的寿命评估方法。对散热器失效方面的研究文献很少，且几乎都集中在泄漏失效规律、泄漏失效原因和防护措施方面。
发明内容
本发明提供一种机车车辆散热器剩余寿命预测方法，可以根据机车车辆不同检修周期拆解下来的散热器的腐蚀状态观察和检测，掌握散热器的宏观和微观腐蚀状态；获得散热器局部腐蚀最大腐蚀深度数据；用统计分析方法预测散热器最大腐蚀深度；总结散热器腐蚀动力学规律；计算确定散热器剩余寿命。
为了实现上述目的，本发明的技术方案是：
一种机车车辆散热器剩余寿命预测方法，其特征在于，所述方法包括以下步骤：
S1、获取进行机车车辆散热器剩余寿命分析对应的样本数据，所述样本数据用于表征机车车辆散热器在不同检修周期(服役时间)条件下，被标记为散热器表面腐蚀采样点时所对应的表面腐蚀状态数据，所述表面腐蚀状态数据至少包括局部腐蚀最大腐蚀深度数据；
S2、获取局部腐蚀最大腐蚀深度数据的预测数据并创建预测函数，所述预测函数用于表征所述局部腐蚀最大腐蚀深度数据与时间变化对应的变化趋势；
S3、获取某一检修周期(服役时间)条件下，局部腐蚀最大腐蚀深度数据的预测数据达到腐蚀损伤容限时的总服役时间；
S4、计算预测散热器剩余寿命。
进一步的，所述样本数据获取方法如下：
S11、选取样本
首先，选择机车车辆至少3个不同时间段的检修周期(服役时间)t拆解下来的散热器作为腐蚀剩余寿命分析样件；
其次，将作为分析样件的散热器沿长度方向划分为n个区域，确定散热器液体通道总数量为N，以散热器液体通道为单元，结合n个区域，确定并制作散热器腐蚀剩余寿命分析样板；
检查每个分析样板的宏观表面腐蚀状态，初步判断分析样板腐蚀最大区域，然后检测每个分析样板的微观表面腐蚀状态，确定每个腐蚀剩余寿命分析样板的腐蚀最严重的局部区域并标记；
按照相同的尺寸截取上述标记的区域作为散热器微观腐蚀分析样块毛坯，对截取的每个样块毛坯进行标记，然后修整所述毛坯，去除多余翅片和杂质，然后将所述毛坯放入注模，浇注利于磨削观察测量的物质后静置至完全固化，形成散热器剩余寿命分析样块；
S12、获取样本数据
检测每个所述分析样块的局部腐蚀最大腐蚀深度，所用方法如下：
(1)用抛光机多次磨削散热器剩余寿命分析样块与空气流动方向垂直的截面；
(2)每次磨削至规定尺寸后，用显微镜观测样块磨削表面；
(3)测量所述表面的局部腐蚀最大腐蚀深度，并标注dmax i。
进一步的，所述预测函数建立方法如下：
S21、预测散热器局部腐蚀的最大腐蚀深度：
(1)将检测到的机车车辆同一检修周期(服役时间)t的散热器剩余寿命分析样块的最大腐蚀深度dmax按从小到大排序，并将数据序号依次记为1、2、……、i、……、M，记对应的最大腐蚀深度数据序列dmax 1、dmax 2、……、dmax i、……、dmax M；
(2)按统计分析法极值Ι型分布公式F(yi)＝i/(M+1)和yi＝-ln[-ln(F(yi))]分别计算对应每一个数据的累计概率F(yi)和隐函数yi；
(3)以检测得到的一组最大局部腐蚀深度dmax为横坐标，以计算得到的对应的一组隐函数yi为纵坐标，绘制yi-dmax数据图；
(4)对yi-dmax数据曲线进行拟合，得回归方程：
y＝kx+b (1)
(5)根据极值Ι型分布，计算统计变量α，α＝1/k；计算统计参量λ，λ＝-αb；
(6)按可靠性数据收集和分析原则及具体样板采集细则计算回归周期(也称再现时间)TM，所述TM为腐蚀分析样板上下表面积之和与腐蚀分析样块采样区域最大腐蚀深度采样所涉及的表面积之比；
(7)计算隐函数y，y＝-ln[-ln(1-1/TM)]；
(8)计算最大腐蚀深度预测值x，x＝αy+λ；
(9)重复所述(1)～(8)，计算每一个检修周期(服役时间)t的散热器最大腐蚀深度预测值x；
S22、总结散热器局部腐蚀最大腐蚀深度的动力学规律，以得到所述局部腐蚀最大腐蚀深度数据与时间变化对应的变化趋势，方法如下：
(1)以检修周期(服役时间)t为横坐标，以最大腐蚀深度深度预测值x为纵坐标，做x-t关系曲线；
(2)对x-t关系曲线进行数据拟合，得出散热器最大腐蚀深度x随检修周期(服役时间)t变化的动力学方程：
x＝f(t) (2)。
进一步的，由所述公式(2)预测最大腐蚀深度达到腐蚀损伤容限δ时的总服役时间tδ，所述腐蚀损伤容限δ是以强度仿真分析方法来确定的散热器隔板的最大允许减薄厚度。
进一步的，所述剩余寿命为所述总服役时间tδ减去已服役时间。
有益效果：本发明提供的一种机车车辆散热器剩余寿命预测方法，可预测服役散热器最大腐蚀深度和散热器剩余寿命，为延长散热器高级修周期、提高运用可靠性提供了科学准确的依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明机车车辆散热器剩余寿命预测方法流程图；
图2是本发明所述机车车辆散热器芯体结构示意图；
图3是本发明所述机车车辆散热器微观腐蚀分析样块示意图；
图4是本发明yi-dmax数据曲线进行拟合曲线图；
图5是本发明x-t关系拟合曲线图；
图6是本发明所述机车车辆散热器腐蚀损伤容限示意图。
其中：1、液体通道单元；2、液体通道单元下表面；3、液体通道单元上表面；4、空气侧翅片；N1、N2、……、Ni、……、N为散热器液体通道顺序号；n1、n2、……、ni、……、n为沿液体通道长度方向划分的区域；A、空气流动方向；B、液流方向。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供了一种机车车辆散热器剩余寿命预测方法，如附图1所示，所述方法包括以下步骤：
S1、获取进行机车车辆散热器剩余寿命分析对应的样本数据，所述样本数据用于表征机车车辆散热器在不同检修周期(服役时间)条件下，被标记为散热器表面腐蚀采样点时所对应的表面腐蚀状态数据，所述表面腐蚀状态数据至少包括局部腐蚀最大腐蚀深度数据；
优选的，所述样本数据获取方法如下：
首先选取样本；
选择机车车辆至少3个不同时间段的检修周期(服役时间)t拆解下来的散热器作为腐蚀剩余寿命分析样件，如附图1所示；
对于动车组散热器：选择动车组A3修(三级修，120万公里或3年)、A4修(四级修，240万公里或6年)、A5修(五级修，480万公里或12年)拆解下来的散热器作为腐蚀剩余寿命分析样件；
对于机车散热器：选择机车C4修(四级修，50万公里或3年)、C5修(五级修，100万公里或6年)、C6修(六级修，200万公里或12年)拆解下来的散热器作为腐蚀剩余寿命分析样件。
如附图2和附图3所示，其中图中的B表示液流方向，确定散热器剩余寿命分析样板的方法为：
(1)以相同的区域划分规律，将机车车辆不同检修周期的散热器沿长度方向划分为n个区域，一般n＝1-20；
(2)确定散热器液体通道总数量，按上、中、下(散热器内空气流动方向A水平时)或左、中、右(散热器内空气流动方向A垂直时)顺序，将每个液体通道连同其表面的空气侧翅片分别记作液体通道1、2、……、N；
(3)以散热器液体通道为单元,，结合n个区域，按上、中、下(或左、中、右)基本均布的原则确定并制作散热器剩余寿命分析样板，并标记为N-n；
优选地，选择液体通道1、≈N/4、≈N/2、≈3/4N、N；结合散热器样件沿长度方向划分的n个区域，确定散热器剩余寿命分析样板：
1-1、1-2、……、1-ni、……、1-n；
N/4-1、N/4-2、……、N/4-ni、……、N/4-n；
N/2-1、N/2-2、……、N/2-ni、……、N/2-n；
3/4N-1、3/4N-2、……、3/4N-ni、……、3/4N-n；
N-1、N-2、……、N-ni、……、N-n。
此选取规律只是本发明的一个优选实施例，也可按事先确定的其它采样规律选取。
优选的，目视检查每个腐蚀剩余寿命分析样板的宏观表面(液体通道板或管壁表面)的腐蚀状态；接下来用显微镜等仪器观察检测每个腐蚀剩余寿命分析样板的微观表面腐蚀状态，确定每个腐蚀剩余寿命分析样板的腐蚀最严重的局部区域并标记。
优选的，按照相同的尺寸(长a×宽b不小于10×10)，截取散热器中每个所述腐蚀剩余寿命分析样板的腐蚀最严重的局部区域作为散热器微观腐蚀分析样块毛坯，对截取的每个样块的毛坯进行标记；修整所述微观腐蚀分析样块毛坯，去除多余翅片和杂质，将所述毛坯放入注模，浇注利于磨削观察测量的物质后静置至完全固化，形成散热器剩余寿命分析样块，本实施例用的是透明有机树脂进行浇注。
其次，获取样本数据；
(1)用抛光机多次磨削散热器剩余寿命分析样块液体通道截面，每次磨削进程控制在20μm-3mm；
优选的，磨削截面是与空气流动方向垂直的横截面；
(2)每次磨削至规定尺寸后，用显微镜观测样块磨削表面；
(3)测量所述表面的局部腐蚀最大腐蚀深度，并标注dmax i。
S2、获取局部腐蚀最大腐蚀深度数据的预测数据并创建预测函数，所述预测函数用于表征所述局部腐蚀最大腐蚀深度数据与时间变化对应的变化趋势；
优选的，预测每一个检修周期(服役时间)t的散热器局部腐蚀的最大腐蚀深度，方法如下：
(1)整理最大腐蚀深度数据：将检测到的机车车辆同一检修周期t的散热器剩余寿命分析样块的最大腐蚀深度dmax按从小到大排序，并将数据序号依次记为1、2、……、i、……、M，记对应的最大腐蚀深度数据序列dmax 1、dmax 2、……、dmax i、……、dmax M；
(2)按概率统计分析法极值Ι型分布公式F(yi)＝i/(M+1)和yi＝-ln[-ln(F(yi))]分别计算对应每一个数据的累计概率F(yi)和隐函数yi；
(3)以检测得到的一组最大局部腐蚀深度dmax为横坐标，以计算得到的对应的一组隐函数yi为纵坐标，绘制yi-dmax数据图；
(4)对yi-dmax数据曲线进行拟合，得回归方程，如附图4所示：
y＝kx+b (1)
(5)根据极值Ι型分布，计算统计变量α，α＝1/k；计算统计参量λ，λ＝-αb；
(6)按可靠性数据收集和分析原则及具体样板采集细则计算回归周期(也称再现时间)TM，其中，TM为腐蚀分析样板上下表面积之和与腐蚀分析样块采样区域最大腐蚀深度采样所涉及的表面积之比。
(7)计算隐函数y，y＝-ln[-ln(1-1/TM)]；
(8)计算最大腐蚀深度预测值x，x＝αy+λ；
(9)重复所述步骤(1)～(8)，计算每一个检修周期(服役时间)t的散热器最大腐蚀深度预测值x。
优选的，总结散热器局部腐蚀最大腐蚀深度的动力学规律以得到所述局部腐蚀最大腐蚀深度数据与时间变化对应的变化趋势，方法如下：
(1)以检修周期(服役时间)t为横坐标，以最大腐蚀深度深度预测值x为纵坐标，做x-t关系曲线；
(2)对x-t关系曲线进行数据拟合，得出散热器最大腐蚀深度x随检修周期(服役时间)t变化的动力学方程，如附图5所示：
x＝f(t) (2)。
S3、获取某一检修周期(服役时间)条件下，局部腐蚀最大腐蚀深度数据的预测数据达到腐蚀损伤容限时的总服役时间；
优选的，由所述公式(2)预测最大腐蚀深度达到腐蚀损伤容限δ时的总服役时间tδ；所述的腐蚀损伤容限δ是以强度仿真分析方法来确定的散热器隔板的最大允许减薄厚度，如附图6所示。
S4：计算预测散热器剩余寿命，所述散热器剩余寿命为总服役时间tδ减去已服役时间ti。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种机车车辆散热器剩余寿命预测方法，其特征在于，所述方法包括以下步骤：
S1、获取进行机车车辆散热器剩余寿命分析对应的样本数据，所述样本数据用于表征机车车辆散热器在不同检修周期条件下，被标记为散热器表面腐蚀采样点时所对应的表面腐蚀状态数据，所述表面腐蚀状态数据至少包括局部腐蚀最大腐蚀深度数据；
S2、获取局部腐蚀最大腐蚀深度数据的预测数据并创建预测函数，所述预测函数用于表征所述局部腐蚀最大腐蚀深度数据与时间变化对应的变化趋势；
所述预测函数建立方法如下：
S21、预测散热器局部腐蚀的最大腐蚀深度：
(1)将检测到的机车车辆同一检修周期t的散热器腐蚀剩余寿命分析样块的最大腐蚀深度dmax按从小到大排序，并将数据序号依次记为1、2、……、i、……、M，记对应的最大腐蚀深度数据序列dmax1、dmax2、……、dmaxi、……、dmax M；
(2)按概率统计分析法极值Ι型分布公式F(yi)＝i/(M+1)和yi＝-ln[-ln(F(yi))]分别计算对应每一个数据的累计概率F(yi)和隐函数yi；
(3)以检测得到的一组最大局部腐蚀深度dmax为横坐标，以计算得到的对应的一组隐函数yi为纵坐标，绘制yi-dmax数据图；
(4)对yi-dmax数据曲线进行拟合，得回归方程：
y＝kx+b
(5)根据极值Ι型分布，计算统计变量α，α＝1/k；计算统计参量λ，λ＝-αb；
(6)按可靠性数据收集和分析原则及具体样板采集细则计算回归周期TM，所述TM为腐蚀分析样板上下表面积之和与腐蚀分析样块采样区域最大腐蚀深度采样所涉及的表面积之比；
(7)计算隐函数y，y＝-ln[-ln(1-1/TM)]；
(8)计算最大腐蚀深度预测值x，x＝ay+λ；
(9)重复所述(1)～(8)，计算每一个检修周期t的散热器最大腐蚀深度预测值x；
S22、总结散热器局部腐蚀最大腐蚀深度的动力学规律，以得到所述局部腐蚀最大腐蚀深度数据与时间变化对应的变化趋势，方法如下：
(1)以检修周期t为横坐标，以最大腐蚀深度深度预测值x为纵坐标，做x-t关系曲线；
(2)对x-t关系曲线进行数据拟合，得出散热器最大腐蚀深度x随检修周期t变化的动力学方程：
x＝f(t)；
S3、获取某一检修周期条件下，局部腐蚀最大腐蚀深度数据的预测数据达到腐蚀损伤容限时的总服役时间；
S4、预测散热器剩余寿命。
2.如权利要求1所述的一种机车车辆散热器剩余寿命预测方法，其特征在于，所述样本数据获取方法如下：
S11、选取样本
首先，选择机车车辆至少3个不同时间段的检修周期t拆解下来的散热器作为腐蚀剩余寿命分析样件；
其次，将作为分析样件的散热器沿长度方向划分为n个区域，确定散热器液体通道总数量为N，以散热器液体通道为单元，结合n个区域，确定并制作散热器腐蚀剩余寿命分析样板；
检查每个分析样板的宏观表面腐蚀状态，初步判断分析样板腐蚀最大区域，然后检测每个分析样板的微观表面腐蚀状态，确定每个腐蚀剩余寿命分析样板的腐蚀最严重的局部区域并标记；
按照相同的尺寸截取上述标记的区域作为散热器微观腐蚀分析样块毛坯，对截取的每个样块毛坯进行标记，然后修整所述毛坯，去除多余翅片和杂质，然后将所述毛坯放入注模，浇注利于磨削观察测量的物质后静置至完全固化，形成散热器腐蚀剩余寿命分析样块；
S12、获取样本数据
检测每个所述分析样块的局部腐蚀最大腐蚀深度，所用方法如下：
(1)用抛光机多次磨削散热器剩余寿命分析样块与空气流动方向垂直的截面；
(2)每次磨削至规定尺寸后，用显微镜观测样块磨削表面；
(3)测量所述表面的局部腐蚀最大腐蚀深度，并标注dmaxi。
3.如权利要求1所述的一种机车车辆散热器剩余寿命预测方法，其特征在于，由所述公式(2)预测最大腐蚀深度达到腐蚀损伤容限δ时的总服役时间tδ，所述腐蚀损伤容限δ是以强度仿真分析方法来确定的散热器隔板的最大允许减薄厚度。
4.如权利要求3所述的一种机车车辆散热器剩余寿命预测方法，其特征在于，所述剩余寿命为所述总服役时间tδ减去已服役时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110227750.2A CN112883578B (zh) | 2021-03-01 | 2021-03-01 | 一种机车车辆散热器剩余寿命预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110227750.2A CN112883578B (zh) | 2021-03-01 | 2021-03-01 | 一种机车车辆散热器剩余寿命预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112883578A CN112883578A (zh) | 2021-06-01 |
| CN112883578B true CN112883578B (zh) | 2024-01-30 |
Family
ID=76055153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110227750.2A Active CN112883578B (zh) | 2021-03-01 | 2021-03-01 | 一种机车车辆散热器剩余寿命预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112883578B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004218602A (ja) * | 2003-01-17 | 2004-08-05 | Mitsui Eng & Shipbuild Co Ltd | 蒸気タービン動翼の寿命及び余寿命の診断方法、並びに蒸気タービンの余寿命の診断方法 |
| CN108536926A (zh) * | 2018-03-21 | 2018-09-14 | 西安建筑科技大学 | 基于改进自适应gev分布的腐蚀油气管道剩余寿命分析方法 |
-
2021
- 2021-03-01 CN CN202110227750.2A patent/CN112883578B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004218602A (ja) * | 2003-01-17 | 2004-08-05 | Mitsui Eng & Shipbuild Co Ltd | 蒸気タービン動翼の寿命及び余寿命の診断方法、並びに蒸気タービンの余寿命の診断方法 |
| CN108536926A (zh) * | 2018-03-21 | 2018-09-14 | 西安建筑科技大学 | 基于改进自适应gev分布的腐蚀油气管道剩余寿命分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| Gumbel分布的油气管道的剩余寿命预测;张新生;曹乃宁;王小完;;中国安全科学学报(第09期);全文 * |
| 基于Gumbel极值分布的大型原油储罐剩余寿命预测;韩克江;田灿;王新生;罗磊;石磊;;科学技术与工程(第13期);全文 * |
| 钢丝裂纹扩展估算模型及其在预腐蚀疲劳寿命计算中的应用;郑祥隆;谢旭;李晓章;钱利芹;申永刚;;土木工程学报(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112883578A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101162234B (zh) | 汽轮机高温部件的剩余寿命预测方法 | |
| CN110610260A (zh) | 行车能耗预测系统、方法、存储介质和设备 | |
| CN102252843B (zh) | 一种滚动轴承性能变异的评估方法 | |
| CN103293014A (zh) | 一种桥梁疲劳损伤状态与剩余寿命的评估方法 | |
| CN108460230A (zh) | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 | |
| CN113705602B (zh) | 一种基于轻量级网络的轨道列车滚动轴承故障诊断方法 | |
| Ma et al. | A prediction method based on stepwise regression analysis for train axle temperature | |
| CN112989660B (zh) | 基于偏最小二乘法的地铁杂散电流下管道腐蚀预测方法 | |
| CN107563053A (zh) | 一种航空发动机轮盘疲劳寿命非局部概率设计方法 | |
| CN114638164B (zh) | 一种预测电站压力管道高温蠕变寿命的方法 | |
| CN117877646B (zh) | 基于不同评价指标的轮轨材料滚动接触疲劳损伤预测方法 | |
| CN116825243A (zh) | 一种基于多源数据的热障涂层服役寿命预测方法及系统 | |
| CN112883578B (zh) | 一种机车车辆散热器剩余寿命预测方法 | |
| CN117494531B (zh) | 一种基于有限元和XGBoost算法的中碳钢脱碳深度预测方法 | |
| CN110544034A (zh) | 一种输电线路交叉跨越风险评估方法 | |
| CN114429003A (zh) | 锅炉四管寿命预测方法的系统 | |
| CN109359742B (zh) | 一种地铁子系统预防维修周期的生成方法 | |
| CN113011638B (zh) | 一种机车车辆散热器泄漏率预测方法 | |
| CN113010962B (zh) | 一种基于加速腐蚀试验的散热器腐蚀剩余寿命的预测方法 | |
| CN115455747B (zh) | 一种钢轨波磨评价及维修管理方法、系统及电子设备 | |
| CN109490334B (zh) | 一种运用残余应力预测模型的t字型锻件无损测试方法 | |
| CN110555188A (zh) | 一种动车组车轮参数磨耗趋势的分析方法 | |
| CN109784590B (zh) | 一种基于cagm(1,1)-bpnn的在役油气管道腐蚀预测方法 | |
| CN112649354A (zh) | 一种多传感器测量金属管道腐蚀的综合评价方法 | |
| CN113112024A (zh) | 一种随机多裂纹随机扩展的预测与控制方法及系统 |
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 |