CN115659520A - 一种发动机寿命参数的处理方法 - Google Patents
一种发动机寿命参数的处理方法 Download PDFInfo
- Publication number
- CN115659520A CN115659520A CN202211410848.2A CN202211410848A CN115659520A CN 115659520 A CN115659520 A CN 115659520A CN 202211410848 A CN202211410848 A CN 202211410848A CN 115659520 A CN115659520 A CN 115659520A
- Authority
- CN
- China
- Prior art keywords
- parameters
- working condition
- parameter
- verification space
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 238000012795 verification Methods 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims 1
- 230000001502 supplementing effect Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 17
- 230000035882 stress Effects 0.000 description 11
- 239000012530 fluid Substances 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005211 surface analysis Methods 0.000 description 2
- 230000008646 thermal stress Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种发动机寿命参数的处理方法，属于发动机寿命管理技术领域，包括参数的预处理，参数的相关性分析，建立验证空间，非标工况分析，补充仿真分析，解决了对发动机的实际运行参数分别在典型工况和非标工况下进行分析处理的技术问题，本发明建立起离散工况点和寿命损伤模型之间的逻辑联系，能够获得所关心部件上下游的热力学参数，并然后通过高精度热流固和非线性力学耦合分析，获得部件级的温度和应力分布，为下游的寿命分析提供精准的输入。
Description
技术领域
本发明属于发动机寿命管理技术领域，尤其涉及一种发动机寿命参数的处理方法。
背景技术
飞行器的飞行参数、发动机参数是通过飞行器上众多传感器获取的数据。这些飞参、发参中的部分参数，例如飞行高度、飞行速度、环境温度、发动机转速、油门杆位置、运行温度等，在经过过滤、筛选等预处理之后可以直接作为后续统计计算的数据，服务于发动机的寿命管理系统。
现在主流的大数据方法，对于核心叶片损伤的预测作用有限，原因在于几点：
(1)失效数据少。
(2)失效现象的信息记录不完整。
(3)传感器的布设位置离失效部位远，信号噪音大。
(4)传感器信号的变化晚于叶片的失效，导致抓取信号变化规律困难。
因此，对于发动机的这些关重件，需要用不同的思路来处理。
发明内容
本发明的目的是提供一种发动机寿命参数的处理方法，解决了对发动机的实际运行参数分别在典型工况和非标工况下进行分析处理的技术问题。
为实现上述目的，本发明采用如下技术方案：
一种发动机寿命参数的处理方法，包括如下步骤：
步骤1：建立参数预处理服务器、参数相关性分析服务器、非标工况分析服务器和补充仿真服务器，参数预处理服务器、参数相关性分析服务器、非标工况分析服务器和补充仿真服务器之间通过互联网相互通信；
参数预处理服务器获取发动机的实际运行参数，对实际运行参数进行预处理；
步骤2：参数相关性分析服务器调取预处理后的实际运行参数，筛选出多个具有典型工况指向的特征参数，将这些特征参数作为验证空间的指标，建立验证空间；
通过验证空间来对典型工况下的输入参数进行异常数据的筛选，得到典型工况参数点和非标工况参数点；
步骤3：非标工况分析服务器调取非标工况参数点，基于热力学理论采用多变量过约束条件下的最优化迭代算法建立非标工况分析模型，对非标工况参数点进行处理，得到非标工况下部件级别的性能参数；
步骤4：补充仿真服务器以现有的仿真分析结果作为基础，结合发动机的验证空间，进行典型工况或非标工况下的补充仿真分析，获取验证空间边缘条件下的关键部件载荷分布状况，建立实际运行工况参数与部件载荷之间的关系。
优选的，在执行步骤1时，对典型运行参数和整机级别的输入参数进行预处理包括对数据的奇异点、跳跃点的筛选和删除。
优选的，在执行步骤2时，通过验证空间来对典型工况下的输入参数进行异常数据的筛选具体为将预处理后的实际运行参数与验证空间进行对比，将落入验证空间内的参数点视为典型工况并放行，将未落入验证空间内的参数点视为非标工况并列为异常数据。
优选的，在执行步骤2时，在特征参数中，通过参数分析，得到关联度不大的两到三个变量，作为验证空间的维度，并挑选出有代表性的工况点作为验证空间的外轮廓，建立验证空间，验证空间用于表征发动机的工况状态并反应不同发动机的特性差异。
优选的，在执行步骤2时，具体包括根据参数的关联度，参数之间的协方差关系，来确定好各个参数的关联度，根据关联度比较小的参数来确定好验证空间的维度；并挑选出有代表性的工况点作为验证空间的外轮廓，建立验证空间，验证空间用于表征发动机的工况状态并反应不同发动机的特性差异。
优选的，在执行步骤3时，具体包括非标工况点的参数的选取；是基于热力学理论采用多变量过约束条件下的最优化迭代算法建立非标工况分析模型，对非标工况参数点进行处理，得到非标工况下部件级别的性能参数。
本发明所述的一种发动机寿命参数的处理方法，解决了对发动机的实际运行参数分别在典型工况和非标工况下进行分析处理的技术问题，本发明建立起离散工况点和寿命损伤模型之间的逻辑联系，能够获得所关心部件上下游的热力学参数，并然后通过高精度热流固和非线性力学耦合分析，获得部件级的温度和应力分布，为下游的寿命分析提供精准的输入。
附图说明
图1是本发明的主流程图；
图2是本发明的发动机的性能参数验证空间的模型示意图；
图3是本发明的透平叶片的压力分布与温度分布计算结果图；
图4是本发明的叶片综合应力计算结果图。
具体实施方式
由图1-图4所示的一种发动机寿命参数的处理方法，包括如下步骤：
步骤1：建立参数预处理服务器、参数相关性分析服务器、非标工况分析服务器和补充仿真服务器，参数预处理服务器、参数相关性分析服务器、非标工况分析服务器和补充仿真服务器之间通过互联网相互通信；
参数预处理服务器获取发动机的实际运行参数，对实际运行参数进行预处理；
对典型运行参数和整机级别的输入参数进行预处理包括对数据的奇异点、跳跃点的筛选和删除。
步骤2：参数相关性分析服务器调取预处理后的实际运行参数，筛选出多个具有典型工况指向的特征参数，将这些特征参数作为验证空间的指标，建立验证空间；
发动机的实际运行参数(包括飞参和发参)，例如环境温度、发动机转速、油门杆位置、运行温度等，进行过滤、筛选等预处理，得到极限和典型的运行工况点。其中典型工况就是常见的工况情况，比如表1中，高度是0时马赫数是0。高度是8000时，马赫数是1.5。
在特征参数中，通过参数分析，得到关联度不大的两到三个变量，作为验证空间的维度，并挑选出有代表性的工况点作为验证空间的外轮廓，建立验证空间，验证空间用于表征发动机的工况状态并反应不同发动机的特性差异；
参数分析如下：如进出口温度、压力、流量，转速以及环境参数，根据关联公式
得到关联度不大的两到三个变量，其中Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。
通过验证空间来对典型工况下的输入参数进行异常数据的筛选，得到典型工况参数点和非标工况参数点；
在本实施例中，典型的工况是根据实际情况得到的，即通过实际传感器采集来的数据建立的典型工况。
通过验证空间来对典型工况下的输入参数进行异常数据的筛选具体为将预处理后的实际运行参数与验证空间进行对比，将落入验证空间内的参数点视为典型工况并放行，将未落入验证空间内的参数点视为非标工况并列为异常数据。
根据参数的关联度，参数之间的协方差关系，来确定好各个参数的关联度，根据关联度比较小的参数来确定好验证空间的维度；并挑选出有代表性的工况点作为验证空间的外轮廓，建立验证空间，验证空间用于表征发动机的工况状态并反应不同发动机的特性差异。
本实施例中，需要采集发动机典型运行参数，例如燃气发生器转速Ng、动力涡轮转速Np、动力涡轮输出扭矩Mkp、燃气涡轮后温度T45、发动机进口压力P1、发动机进口温度T1、压气机出口压力P3、油门杆角度PLA、以及相应的时间戳等信息。这一部分采集的数据应尽可能包含所有运行时间下可能的工况对应的参数特征，其中某些具有典型工况指向性的特征将被选取，作为验证空间的指标。
在本实施例获取的信息中，主要以燃气涡轮盘的转速Ng作为工况的指标参数。但是仅仅依赖Ng一个参数是不能描述发动机的真实工况的，因此需要继续总结其他的指标变化特征。
获取了原始运行数据之后，需要根据数据的变化快慢确定用于分析的数据提取频率，再进行去毛刺等初步清洗操作，得到有效的运行参数数据集。
步骤3：非标工况分析服务器调取非标工况参数点，基于热力学理论采用多变量过约束条件下的最优化迭代算法建立非标工况分析模型，会通过前面或者后面部件传感器数据推算到计算部位上，对非标工况参数点进行处理，得到非标工况下部件级别的性能参数；
非标工况点的参数的选取，是基于热力学理论采用多变量过约束条件下的最优化迭代算法建立非标工况分析模型，对非标工况参数点进行处理，得到非标工况下部件级别的性能参数。
步骤4：补充仿真服务器以现有的仿真分析结果作为基础，结合发动机的验证空间，进行典型工况或非标工况下的补充仿真分析，获取验证空间边缘条件下的关键部件载荷分布状况，建立实际运行工况参数与部件载荷之间的关系。
本实施例中，通过对离散的工况点进行处理，得到被分析部件上下游的性能参数。本实施例采用的非标工况分析方法是基于热力学理论，采用多变量过约束条件下的最优化迭代算法，在仅提供整机级别的输入参数，例如进出口温度、压力、流量，转速以及环境参数等的情况下，准确给出实际工况下部件级别的性能参数，例如针对燃气涡轮工作叶片，可以给出燃烧室出口温度、转子叶片前端温度等，保证后续CAE仿真输入条件直接针对于对象部件，最终保障计算结果的精度。
以下是本实施例对非标工况分析模型的验证数据：
第一个验证对象为AL-31F发动机，其基本参数为：进口空气质量流量112kg/s，风扇压比3.54，压气机压比6.46，涵道比0.571，涡轮前温度1665K，开加力。表1所示为选取的5个典型工况下仿真计算结果与实际情况的对比。
表1
从表1可以看出，该仿真计算精度基本在工程上允许的误差范围之内，但是在第五个工况下仿真计算结果与实际数据误差稍大，究其原因主要还是在模拟仿真时，相应流通部件的流体动力学损失和它的工作特性曲线数据不是很精准。由此可以得出用该方法进行仿真研究的结果在工程上是可信的，但是为了保证本次研究计算结果的精度尽可能小，在确定飞行范围时飞行高度尽量不要超过第五个工况的值。因此需要更多的工况数据用于上述方法的计算中，不仅可以实现工况的梳理与分析，也能提高计算模型的准确性和可靠性。
第二个验证对象为SGT-400轻型燃气轮机，其具备一个燃气发生器(GG)和一个动力涡轮(PT)，从主要结构和输出能量的形式上和涡轴发动机类似。该机型的基本参数为：进口空气质量流量39.7kg/s，压气机压比16.25，动力涡轮前温度1112K，排气温度818K。表2所示为选取的4个不同功率条件下仿真计算结果与实际情况的对比。
表2
从表2的结果可以看出，25％～100％功率范围内仿真计算得到的温度和压力的误差在±0.38％以内，其中高温部件的温度偏差为±5K，具备足够高的工程应用精度。相比其他参数，燃料耗量的预测误差稍大，在2.10％和5.68％之间，说明当前的模型对于燃料的变动相对敏感。
目前根据客户提供的3小时工况数据，我们针对动力涡轮一级盘进行了部分的计算。对比如表4的原始的工况划分，可以看到这三小时的的工况落在工况4或工况5附近。未来需要更长时间的运行数据进行如表3的分析，实现工况的精细化划分。
| 工况 | 状态 | Ng | T45(℃) | 时间(h) |
| 1 | 起飞 | 45000(100％) | 846 | 32.92 |
| 2 | 中间 | 44450 | 830 | 42.5 |
| 3 | 最大连续 | 44000 | 815 | 27.92 |
| 4 | 巡航及以下 | 43700 | 20 | |
| 5 | 空慢 | 35100 | 23.33 | |
| 6 | 地慢 | 33750 | 5.33 |
表3
以下为本实施例的一个具体的应用场景，根据温度和应力载荷状况所对应的飞参和发参参数，开发出发动机的验证空间。该验证空间能够准确的描述该型号发动机的工况分布，而不是仅仅依赖单一维度的转速来描述。最终该验证空间将被用于准确的标定发动机的工况范围，最终用于实现工况-载荷-寿命的映射建立。
涡轮叶片工作时物理场环境很复杂，在高温燃气的剧烈冲刷下叶片旋转从而产生巨大的推力，其主要载荷形式包括离心力、气动力、热应力、腐蚀力、结构激振应力及其耦合作用。考虑主要形式为离心力、气动力及热应力。
热流体分析
CFD是流场中部件结构分析的重要前处理步骤，在本实施例中，CFD分析的目的是为叶片和轮盘的结构变形计算提供稳态和动态载荷输入。通过计算，得到了叶片和轮盘所在区域流质的压力和温度分布，并量化了其对转子叶片的动态载荷特性。图3为使用CFD工具计算的透平叶片的压力分布与温度分布结果。在本实施例，基于典型工况和非标工况划分方法，将对不同细分的工况进行CFD分析，以求获得准确的温度输入和气动载荷信息。
结构力学分析
有限单元法FEM是对复杂工况条件下多部件设备进行应力分析的常用方法。本实施例，结构有限元计算是为了得到各种不同工况下叶片的变形和应力分布状况。有限元分析FEA的结果数据为叶片的损伤分析和寿命预测提供基本输入参数值。图4为某机械叶片的整体应力计算结果展示。
工况与载荷信息的响应面分析
典型和非标的工况分析，为后续的CFD分析和FEM分析提供了相应的边界条件；同样，CFD与FEM分析后获得的温度分布与综合应力分布结果将与工况条件一并，使用响应面分析的方法，选取直接影响部件载荷状态的几个关键运行参数，建立如下式的温度、应力和这些参数之间的高阶多项表达式。
其中，σi为部件某位置的应力水平，Ti为部件某位置的温度情况，xi为与应力变化显著相关的设计变量，yi为与温度变化显著相关的设计变量，b表示多项式系数，k表示最大值，c表示多项式系数；j表示阶数；i表示阶数；o表示(b和c的下标)常量值。
本实施例中，图2中的NPT是转速，T48是温度。
本发明所述的一种发动机寿命参数的处理方法，解决了对发动机的实际运行参数分别在典型工况和非标工况下进行分析处理的技术问题，本发明建立起离散工况点和寿命损伤模型之间的逻辑联系，能够获得所关心部件上下游的热力学参数，并然后通过高精度热流固和非线性力学耦合分析，获得部件级的温度和应力分布，为下游的寿命分析提供精准的输入。
Claims (6)
1.一种发动机寿命参数的处理方法，其特征在于：包括如下步骤：
步骤1：建立参数预处理服务器、参数相关性分析服务器、非标工况分析服务器和补充仿真服务器，参数预处理服务器、参数相关性分析服务器、非标工况分析服务器和补充仿真服务器之间通过互联网相互通信；
参数预处理服务器获取发动机的实际运行参数，对实际运行参数进行预处理；
步骤2：参数相关性分析服务器调取预处理后的实际运行参数，筛选出多个具有典型工况指向的特征参数，将这些特征参数作为验证空间的指标，建立验证空间；
通过验证空间来对典型工况下的输入参数进行异常数据的筛选，得到典型工况参数点和非标工况参数点；
步骤3：非标工况分析服务器调取非标工况参数点，基于热力学理论采用多变量过约束条件下的最优化迭代算法建立非标工况分析模型，对非标工况参数点进行处理，得到非标工况下部件级别的性能参数；
步骤4：补充仿真服务器以现有的仿真分析结果作为基础，结合发动机的验证空间，进行典型工况或非标工况下的补充仿真分析，获取验证空间边缘条件下的关键部件载荷分布状况，建立实际运行工况参数与部件载荷之间的关系。
2.如权利要求1所述一种发动机寿命参数的处理方法，其特征在于：在执行步骤1时，对典型运行参数和整机级别的输入参数进行预处理包括对数据的奇异点、跳跃点的筛选和删除。
3.如权利要求1所述一种发动机寿命参数的处理方法，其特征在于：在执行步骤2时，通过验证空间来对典型工况下的输入参数进行异常数据的筛选具体为将预处理后的实际运行参数与验证空间进行对比，将落入验证空间内的参数点视为典型工况并放行，将未落入验证空间内的参数点视为非标工况并列为异常数据。
4.如权利要求1所述一种发动机寿命参数的处理方法，其特征在于：在执行步骤2时，在特征参数中，通过参数分析，得到关联度不大的两到三个变量，作为验证空间的维度，并挑选出有代表性的工况点作为验证空间的外轮廓，建立验证空间，验证空间用于表征发动机的工况状态并反应不同发动机的特性差异。
5.如权利要求1所述一种发动机寿命参数的处理方法，其特征在于：在只需步骤2时，具体包括根据参数的关联度，参数之间的协方差关系，来确定好各个参数的关联度，根据关联度比较小的参数来确定好验证空间的维度；并挑选出有代表性的工况点作为验证空间的外轮廓，建立验证空间，验证空间用于表征发动机的工况状态并反应不同发动机的特性差异。
6.如权利要求1所述一种发动机寿命参数的处理方法，其特征在于：在执行步骤3时，具体包括非标工况点的参数的选取；是基于热力学理论采用多变量过约束条件下的最优化迭代算法建立非标工况分析模型，对非标工况参数点进行处理，得到非标工况下部件级别的性能参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211410848.2A CN115659520B (zh) | 2022-11-11 | 一种发动机寿命参数的处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211410848.2A CN115659520B (zh) | 2022-11-11 | 一种发动机寿命参数的处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115659520A true CN115659520A (zh) | 2023-01-31 |
| CN115659520B CN115659520B (zh) | 2024-07-05 |
Family
ID=
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970965A (zh) * | 2014-05-26 | 2014-08-06 | 中国航空动力机械研究所 | 燃气涡轮发动机加速寿命试验试车方法 |
| WO2018044507A1 (en) * | 2016-08-29 | 2018-03-08 | Siemens Corporation | Machine learning-aided model-based method for estimating gas turbine component life |
| CN109033709A (zh) * | 2018-08-30 | 2018-12-18 | 电子科技大学 | 基于非线性疲劳损伤累积理论的构件疲劳寿命评估方法 |
| CN109711559A (zh) * | 2018-08-16 | 2019-05-03 | 苏州先机动力科技有限公司 | 一种基于物理机理模型的燃气轮机部件健康管理系统 |
| US20200148395A1 (en) * | 2018-01-26 | 2020-05-14 | Dalian University Of Technology | Method for prediction of key performance parameters of aero-engine in transition condition |
| CN111198100A (zh) * | 2020-01-09 | 2020-05-26 | 中国航发沈阳发动机研究所 | 一种航空发动机关键件使用寿命监控方法 |
| CN111666635A (zh) * | 2020-06-18 | 2020-09-15 | 广州地铁集团有限公司 | 一种轨道列车转向架疲劳寿命估算方法 |
| CN112699926A (zh) * | 2020-12-25 | 2021-04-23 | 浙江中控技术股份有限公司 | 基于人工智能技术的水泥生料立磨饱磨异常识别方法 |
| CN112949092A (zh) * | 2021-04-08 | 2021-06-11 | 北京航空航天大学 | 一种多阶段定期抽检型产品贮存寿命评估的离散参数回归法 |
| KR20220102876A (ko) * | 2021-01-14 | 2022-07-21 | 한국자동차연구원 | 엔진오일의 수명 예측장치 및 그 방법 |
| CN114880909A (zh) * | 2022-06-16 | 2022-08-09 | 毕节高新技术产业开发区国家能源大规模物理储能技术研发中心 | 一种基于机器学习的涡轮动态过程流固耦合方法 |
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970965A (zh) * | 2014-05-26 | 2014-08-06 | 中国航空动力机械研究所 | 燃气涡轮发动机加速寿命试验试车方法 |
| WO2018044507A1 (en) * | 2016-08-29 | 2018-03-08 | Siemens Corporation | Machine learning-aided model-based method for estimating gas turbine component life |
| US20200148395A1 (en) * | 2018-01-26 | 2020-05-14 | Dalian University Of Technology | Method for prediction of key performance parameters of aero-engine in transition condition |
| CN109711559A (zh) * | 2018-08-16 | 2019-05-03 | 苏州先机动力科技有限公司 | 一种基于物理机理模型的燃气轮机部件健康管理系统 |
| CN109033709A (zh) * | 2018-08-30 | 2018-12-18 | 电子科技大学 | 基于非线性疲劳损伤累积理论的构件疲劳寿命评估方法 |
| CN111198100A (zh) * | 2020-01-09 | 2020-05-26 | 中国航发沈阳发动机研究所 | 一种航空发动机关键件使用寿命监控方法 |
| CN111666635A (zh) * | 2020-06-18 | 2020-09-15 | 广州地铁集团有限公司 | 一种轨道列车转向架疲劳寿命估算方法 |
| CN112699926A (zh) * | 2020-12-25 | 2021-04-23 | 浙江中控技术股份有限公司 | 基于人工智能技术的水泥生料立磨饱磨异常识别方法 |
| KR20220102876A (ko) * | 2021-01-14 | 2022-07-21 | 한국자동차연구원 | 엔진오일의 수명 예측장치 및 그 방법 |
| CN112949092A (zh) * | 2021-04-08 | 2021-06-11 | 北京航空航天大学 | 一种多阶段定期抽检型产品贮存寿命评估的离散参数回归法 |
| CN114880909A (zh) * | 2022-06-16 | 2022-08-09 | 毕节高新技术产业开发区国家能源大规模物理储能技术研发中心 | 一种基于机器学习的涡轮动态过程流固耦合方法 |
Non-Patent Citations (5)
| Title |
|---|
| WANG DA-WE: "Methods of airworthiness verification for approved life of aero-engine limited-life parts", ENGINEERING, 31 December 2015 (2015-12-31) * |
| 单晓明;黄金泉;周文祥;蔡建斌;旷桂兰;: "涡轴发动机性能在线监测技术研究及试验验证", 航空动力学报, no. 04, 17 April 2013 (2013-04-17), pages 9 - 17 * |
| 王帆: "高速客车转向架构架载荷特性及结构振动研究", 中国硕士优秀学位论文全文数据库, 1 July 2007 (2007-07-01) * |
| 王荣桥;刘飞;胡殿印;李达;: "基于贝叶斯理论的低循环疲劳寿命模型不确定性量化", 航空学报, no. 09, 2 June 2017 (2017-06-02) * |
| 许春光;王国莹;梁惠杰;文洋;李鹏;赵志强;张炜;胡锦川;: "高强化柴油机铝合金活塞承载特性研究", 车用发动机, no. 02, 25 April 2020 (2020-04-25) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6466858B1 (en) | Methods and apparatus for monitoring gas turbine engine operation | |
| CN102928232B (zh) | 一种航空发动机整机性能衰退趋势预测方法 | |
| CN112507452A (zh) | 航空发动机涡轮叶片可靠性数字孪生建模方法 | |
| US20130046507A1 (en) | Method and system for analysis of turbomachinery | |
| US9091616B2 (en) | Engine operations support systems and methods for reducing fuel flow | |
| CN111079232A (zh) | 一种预测旋流畸变进气对航空发动机性能影响的计算方法 | |
| CN115879247A (zh) | 一种基于系统辨识的轮盘关键部位应力计算方法 | |
| CN117763760A (zh) | 一种发动机叶片及轮盘寿命计算方法和系统 | |
| US20200380180A1 (en) | Method of designing and producing a turbine | |
| CN115659520B (zh) | 一种发动机寿命参数的处理方法 | |
| CN115659520A (zh) | 一种发动机寿命参数的处理方法 | |
| CN115587499B (zh) | 一种航空发动机典型瞬态历程编制方法 | |
| Yao et al. | High-fidelity numerical analysis of per-rev-type inlet distortion transfer in multistage fans: Part I—simulations with selected blade rows | |
| Ramachandran et al. | Development of efficient compressors for turbochargers | |
| Wirkowski | Modelling the characteristics of axial compressor of variable flow passage geometry, working in the gas turbine engine system | |
| Liu et al. | The Strength Analysis of CFM56 Engine Blade | |
| CN117972361B (zh) | 一种航空发动机关键件寿命预测方法及装置 | |
| Templalexis et al. | Correlation Between Engine and Aircraft Loadings for Several Mission Types | |
| Kim et al. | A study on one-dimensional model correction for axial-flow compressors based on measurement data | |
| Yong et al. | Nonlinear adaptation for performance model of an aero engine using QPSO | |
| Kim et al. | Suitability of performance adaptation methods for updating the thermodynamic cycle model of a turboprop engine | |
| Vogel et al. | A Top-Down Approach for quantifying the contribution of high pressure compressor deterioration mechanisms to the performance deterioration of Turbofan engines | |
| Gorelov | Conjugate Heat Transfer Validation of Gas Turbine Engine Cooling Turbine Vanes | |
| Kim | A data-driven modeling method for an aero gas turbine engine system based on the transient data | |
| CN115952628B (zh) | 一种计算航空发动机涡轮盘盘心等效应力的方法 |
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 |