JP3243065B2 - Deterioration / damage prediction device for structural parts - Google Patents
Deterioration / damage prediction device for structural partsInfo
- Publication number
- JP3243065B2 JP3243065B2 JP16129793A JP16129793A JP3243065B2 JP 3243065 B2 JP3243065 B2 JP 3243065B2 JP 16129793 A JP16129793 A JP 16129793A JP 16129793 A JP16129793 A JP 16129793A JP 3243065 B2 JP3243065 B2 JP 3243065B2
- Authority
- JP
- Japan
- Prior art keywords
- damage
- parameter
- probability
- probability distribution
- structural component
- 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.)
- Expired - Fee Related
Links
- 230000006866 deterioration Effects 0.000 title claims description 42
- 230000007704 transition Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 description 29
- 239000007789 gas Substances 0.000 description 23
- 238000010586 diagram Methods 0.000 description 11
- 238000000034 method Methods 0.000 description 9
- 230000000737 periodic effect Effects 0.000 description 9
- 238000007619 statistical method Methods 0.000 description 8
- 230000008439 repair process Effects 0.000 description 7
- 238000005315 distribution function Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Description
【０００１】[0001]
【産業上の利用分野】本発明は、発電用タービン等に用
いられる構造部品に発生する劣化・損傷を予測する構造
部品の劣化・損傷予測装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an apparatus for predicting deterioration / damage of a structural component used in a power generation turbine or the like.
【０００２】[0002]
【従来の技術】発電用ガスタービン等の構造物は、安全
性を確保するため定期的に点検を行い、その構造部品の
損傷を検知している。さらに、近年では、構造物の安定
運用と構造部品の補修・交換コストの最適化を目指し
て、構造部品の損傷・劣化・寿命の予測が強く求められ
ている。2. Description of the Related Art In order to ensure safety, structures such as gas turbines for power generation are regularly inspected to detect damage to their structural components. Furthermore, in recent years, there is a strong demand for predicting damage, deterioration, and life of structural components with the aim of optimizing the stable operation of structures and repair / replacement costs of structural components.
【０００３】このような構造部品の損傷・劣化等を予測
する技術としては、例えば特開平４−２６５４２５号公
報のような劣化・損傷の予測方法及びその装置が各種提
案されている。As a technique for predicting such damage / deterioration of a structural component, various methods and devices for predicting deterioration / damage as disclosed in Japanese Patent Application Laid-Open No. 4-265425 have been proposed.
【０００４】又、特願平４−３１２３２７号に示すよう
に、複数の因子が複合して劣化・損傷の原因となる場合
や、劣化・損傷が非線形的に進行し予測が困難な現象に
対しても劣化・損傷を予測できる方法やその装置が提案
されている。[0004] As shown in Japanese Patent Application No. 4-313327, there are cases where a plurality of factors are combined to cause deterioration or damage, or a phenomenon in which deterioration or damage progresses nonlinearly and is difficult to predict. A method and an apparatus for predicting deterioration / damage have been proposed.
【０００５】ところで、構造部品の劣化・損傷は、運転
時間や起動停止回数等の運転パラメータの推移に伴って
進行するため、これら運転パラメータを予測するには、
部材の軟化やき裂発生状況などの劣化・損傷パラメータ
と運転パラメータとの関係を推定し、これに基づいて構
造部品の劣化・損傷を予測するもとなる。[0005] Since deterioration and damage of structural components progress with changes in operating parameters such as operating time and the number of times of starting and stopping, it is necessary to predict these operating parameters.
The relationship between the deterioration / damage parameter such as the softening state of the member and the crack initiation state and the operation parameter is estimated, and the deterioration / damage of the structural component is predicted based on this.
【０００６】又、構造物の安全性と安定運用を達成する
ためには、次回の定期検査、或いは次々回の定期検査時
における損傷を予測する必要があるが、常に定常状態で
運用される構造物や運転パラメータの推移によって点検
時期を決定することが可能な構造物では、上記予測の手
法により適切な保守管理が可能である。Further, in order to achieve the safety and stable operation of the structure, it is necessary to predict damage at the next periodic inspection or the next periodic inspection. In a structure in which the inspection time can be determined based on changes in the operating parameters and the operation parameters, appropriate maintenance management can be performed by the above-described prediction method.
【０００７】しかしながら、劣化・損傷に寄与する運転
パラメータの一部を計測することが困難な場合や、点検
時期の変更が困難な構造物の場合などでは、点検時の運
転パラメータ自体に不確定性が生じる。However, when it is difficult to measure a part of the operating parameters contributing to deterioration or damage, or in the case of a structure in which it is difficult to change the inspection time, the operating parameters themselves at the time of inspection are uncertain. Occurs.
【０００８】例えば、ピークロード用に用いられる発電
プラント機器では、年間の運転パラメータは、機構や社
会情勢等に大きく変動する。又、発電プラントは、夏・
冬の最大負荷時に点検を行なうことが事実上不可能であ
り、点検が春・秋に集中するため、他のプラントとの調
整の上点検計画が定められている。この点検計画を変更
することは、コスト等の面から困難であり、点検時期の
選択の自由度が極めて小さい。従って、点検時の運用パ
ラメータには、不確定性が大きく、必ずしも実用的に劣
化・損傷を予測できなかった。For example, in power plant equipment used for peak loads, annual operating parameters greatly vary depending on the mechanism, social conditions, and the like. Also, the power plant
It is virtually impossible to perform inspections at the maximum load in winter, and inspections are concentrated in spring and autumn. Therefore, an inspection plan is determined by coordination with other plants. Changing the inspection plan is difficult in terms of cost and the like, and the degree of freedom in selecting the inspection time is extremely small. Therefore, the operational parameters at the time of inspection have a large degree of uncertainty, and it has not always been possible to predict deterioration or damage practically.
【０００９】[0009]
【発明が解決しようとする課題】以上のように運転パラ
メータが変動する場合に、構造部品の劣化・損傷を予測
することができない。そこで本発明は、運転パラメータ
が変動する場合でも、的確に構造部品の劣化・損傷の分
布を予測できる構造部品の劣化・損傷予測装置を提供す
ることを目的とする。When the operating parameters fluctuate as described above, it is impossible to predict the deterioration and damage of the structural parts. Therefore, an object of the present invention is to provide a structural component deterioration / damage prediction device capable of accurately predicting the distribution of deterioration / damage of a structural component even when the operating parameters fluctuate.
【００１０】又、本発明は、予測した次回の点検時にお
ける劣化・損傷の確率分布を基に、構造部品の使用限界
を決定できる構造部品の劣化・損傷予測装置を提供する
ことを目的とする。Another object of the present invention is to provide a structural component deterioration / damage predicting apparatus capable of determining the use limit of a structural component based on the predicted probability distribution of deterioration / damage at the time of the next inspection. .
【００１１】[0011]
【課題を解決するための手段】請求項１によれば、構造
部品の劣化・損傷に寄与する運転パラメータに基づいて
構造部品の損傷パラメータの確率分布を予測する損傷パ
ラメータ確率予測手段と、構造部品の運転記録及びその
運用形態の予測に基づいて運転パラメータの推移の確率
分布を予測する運転パラメータ推移予測手段と、損傷パ
ラメータの確率分布及び運転パラメータ推移の確率分布
に基づいて運用期間中の任意の時刻における構造部品の
損傷パラメータの確率分布を予測する損傷パラメータ予
測手段とを備えて上記目的を達成しようとする構造部品
の劣化・損傷予測装置である。According to the first aspect, damage parameter probability prediction means for predicting a probability distribution of damage parameters of a structural component based on operating parameters contributing to deterioration and damage of the structural component; Operating parameter transition prediction means for predicting the probability distribution of the operating parameter transition based on the operation record and the prediction of the operation mode thereof, and any operation during the operation period based on the probability distribution of the damage parameter and the operating parameter transition And a damage parameter predicting means for predicting a probability distribution of a damage parameter of the structural component at a time.
【００１２】請求項２によれば、構造部品の劣化・損傷
に寄与する運転パラメータに基づいて構造部品の損傷パ
ラメータの確率分布を予測する損傷パラメータ確率予測
手段と、構造部品の運転記録及びその運用形態の予測に
基づいて運転パラメータの推移の確率分布を予測する運
転パラメータ推移予測手段と、損傷パラメータの確率分
布及び運転パラメータ推移の確率分布に基づいて運用期
間中の任意の時刻における構造部品の損傷パラメータの
確率分布を予測する損傷パラメータ予測手段と、この予
測された損傷パラメータの確率分布から時刻において構
造部品の損傷パラメータが予め定められた限界値を越え
る確率を求める部品損傷確率算出手段と、この確率と予
め定められた許容値とを比較して構造部品の使用限界を
判定する使用限界判定手段とを備えて上記目的を達成し
ようとする構造部品の劣化・損傷予測装置である。According to the second aspect, damage parameter probability prediction means for predicting the probability distribution of the damage parameter of the structural component based on the operation parameter contributing to the deterioration and damage of the structural component, the operation record of the structural component and its operation Operating parameter transition prediction means for predicting the probability distribution of the transition of the operating parameter based on the prediction of the form, and the damage distribution of the structural component at any time during the operation period based on the probability distribution of the damage parameter and the probability distribution of the operating parameter transition Damage parameter prediction means for predicting a probability distribution of parameters; component damage probability calculation means for determining a probability that a damage parameter of a structural component exceeds a predetermined limit value at a time from the predicted damage parameter probability distribution; A service limit that determines the service limit of a structural component by comparing the probability with a predetermined tolerance And a constant means a deterioration and damage prediction apparatus structural components to be achieved the above objects.
【００１３】請求項３によれば、複数の構造部品の劣化
・損傷に寄与する運転パラメータに基づいて各構造部品
の損傷パラメータの確率分布を予測する損傷パラメータ
確率予測手段と、各構造部品の運転記録及びその運用形
態の予測に基づいて運転パラメータの推移の確率分布を
予測する運転パラメータ推移予測手段と、損傷パラメー
タの確率分布及び運転パラメータ推移の確率分布に基づ
いて運用期間中の任意の時刻における構造部品の損傷パ
ラメータの確率分布を予測する損傷パラメータ予測手段
と、この予測された損傷パラメータの確率分布から時刻
において各構造部品の損傷パラメータが予め定められた
限界値を越える確率を求める損傷確率算出手段と、この
求められた確率から各構造部品のうち少なくとも１つの
損傷パラメータが限界値を越える確率を求め、この確率
と予め定められた許容値とを比較して構造部品の使用限
界を判定する使用限界判定手段とを備えて上記目的を達
成しようとする構造部品の劣化・損傷予測装置である。According to the third aspect, damage parameter probability prediction means for predicting the probability distribution of the damage parameter of each structural component based on the operating parameters contributing to deterioration and damage of the plurality of structural components, and operation of each structural component An operation parameter transition prediction means for predicting the probability distribution of the transition of the operation parameter based on the record and the prediction of the operation mode, and at any time during the operation period based on the probability distribution of the damage parameter and the probability distribution of the operation parameter transition. Damage parameter prediction means for predicting the probability distribution of the damage parameter of the structural component, and damage probability calculation for obtaining the probability that the damage parameter of each structural component exceeds a predetermined limit value at a time from the predicted damage parameter probability distribution Means and from this determined probability at least one damage parameter of each structural component A use limit determining means for determining a use limit of the structural component by comparing the probability with a predetermined allowable value to determine the probability of exceeding the boundary value. It is a damage prediction device.
【００１４】[0014]
【作用】請求項１によれば、構造部品の劣化・損傷に寄
与する運転パラメータに基づいて構造部品の損傷パラメ
ータの確率分布を予測するするとともに、構造部品の運
転記録及びその運用形態の予測に基づいて運転パラメー
タの推移の確率分布を予測する。次に損傷パラメータの
確率分布及び運転パラメータ推移の確率分布に基づい
て、運用期間中の任意の時刻における構造部品の損傷パ
ラメータの確率分布を予測する。According to the first aspect, the probability distribution of the damage parameter of the structural component is predicted based on the operating parameter contributing to the deterioration and damage of the structural component, and the operation record of the structural component and the prediction of the operation mode thereof are predicted. The probability distribution of the transition of the operation parameter is predicted based on the operation parameter. Next, the probability distribution of the damage parameter of the structural component at any time during the operation period is predicted based on the probability distribution of the damage parameter and the probability distribution of the operating parameter transition.
【００１５】請求項２によれば、上記同様に運用期間中
の任意の時刻における構造部品の損傷パラメータの確率
分布を予測すると、この予測された損傷パラメータの確
率分布から時刻において構造部品の損傷パラメータが予
め定められた限界値を越える確率を求め、この確率と予
め定められた許容値とを比較して構造部品の使用限界を
判定する。According to the second aspect, when the probability distribution of the damage parameter of the structural component at an arbitrary time during the operation period is predicted in the same manner as described above, the damage parameter of the structural component at the time is estimated from the predicted probability distribution of the damage parameter. Is determined to exceed a predetermined limit value, and the probability is compared with a predetermined allowable value to determine a use limit of the structural component.
【００１６】請求項３によれば、複数の構造部品により
構成される部品群に対する場合、上記の如く各構造部品
の損傷パラメータが予め定められた限界値を越える確率
を求め、この確率から各構造部品のうち少なくとも１つ
の損傷パラメータが限界値を越える確率を求める。そし
て、この確率と予め定められた許容値とを比較して構造
部品の使用限界を判定する。According to the third aspect, in the case of a component group composed of a plurality of structural components, the probability that the damage parameter of each structural component exceeds a predetermined limit value as described above is determined, and from this probability, each structural component is determined. Determine the probability that at least one damage parameter of the part will exceed a threshold value. Then, the use limit of the structural component is determined by comparing this probability with a predetermined allowable value.
【００１７】[0017]
(1) 以下、本発明の第１実施例についてガスタービン静
翼の疲労損傷予測に適用した場合について図面を参照し
て説明する。ガスタービン静翼には、定期検査のたびに
疲労き裂が多数観察される。この疲労き裂は、軽微のも
のの場合はそのまま無補修で再度運用に共されるが、き
裂が大きく進展すると、ガスタービン破損の原因とな
り、重大な事故に発展する可能性がある。(1) Hereinafter, a first embodiment of the present invention will be described with reference to the drawings when applied to the prediction of fatigue damage of a gas turbine stationary blade. Many fatigue cracks are observed in gas turbine stationary blades at every periodic inspection. This fatigue crack is used again without repair if it is a minor one, but if the crack grows greatly, it may cause damage to the gas turbine and cause a serious accident.
【００１８】又、事故に至らない場合でも、疲労き裂の
進展により燃焼ガスの流れ特性が変化し、ガスタービン
の性能を低下させることとなる。このため、ガスタービ
ン静翼の保守管理においては、疲労き裂の予測が最も重
要な課題とされている。Further, even if no accident occurs, the flow characteristics of the combustion gas change due to the propagation of the fatigue crack, and the performance of the gas turbine is reduced. Therefore, prediction of fatigue cracks is the most important issue in maintenance management of gas turbine stationary blades.
【００１９】ガスタービン静翼は、セグメントと呼ばれ
る翼単位を円周上に配置して構成されているが、本実施
例では、このセグメントの鋼性を表す指標として、き裂
長さの総和Ｄを損傷パラメータとして用いる。The gas turbine stationary blade is constituted by arranging blade units called segments on the circumference. In this embodiment, the sum D of the crack lengths is used as an index indicating the steel property of the segment. Used as damage parameter.
【００２０】又、疲労き裂の発生・進展に寄与する運転
パラメータとしては、ガスタービンプラントの運転時間
や起動停止回数等が考えられるため、構造部品の損傷形
態を考慮して、これらの運転パラメータを組み合わせて
損傷予測を行えばよい。The operating parameters contributing to the initiation and propagation of fatigue cracks include the operating time of the gas turbine plant and the number of times the gas turbine plant is started and stopped. May be combined to perform damage prediction.
【００２１】又、運転パラメータは、必ずしもスカラー
量である必要はなく、複数の運転パラメータガ相互に影
響し合うような損傷形態の場合には、ベクトル量を運転
パラメータとして用いてもよい。The operation parameter is not always required to be a scalar quantity, and in the case of a damage form in which a plurality of operation parameters affect each other, a vector quantity may be used as the operation parameter.
【００２２】ガスタービン静翼の疲労き裂の場合には、
その発生・進展メカニズムがプラントの起動停止に伴う
熱疲労によるものと考えられることから、ここでは起動
停止回数のみを運転パラメータｘとして用いる。In the case of a fatigue crack of a gas turbine stator blade,
Since the generation / progress mechanism is considered to be caused by thermal fatigue accompanying the start / stop of the plant, only the number of start / stops is used here as the operating parameter x.
【００２３】図１はかかる損傷パラメータとしてき裂長
さの総和Ｄを用い、運転パラメータｘとして起動停止回
数を用いた構造部品の劣化・損傷予測装置の構成図であ
る。損傷パラメータ確率予測手段１は、構造部品の劣化
・損傷に寄与する運転パラメータに基づいて構造部品の
損傷パラメータの確率分布を予測する機能を有してい
る。FIG. 1 is a block diagram of an apparatus for predicting deterioration / damage of a structural part using the total sum D of crack lengths as such a damage parameter and the number of times of starting and stopping as an operating parameter x. The damage parameter probability prediction means 1 has a function of predicting a probability distribution of a damage parameter of a structural component based on an operation parameter that contributes to deterioration and damage of the structural component.
【００２４】具体的な機能を説明すると、損傷パラメー
タ確率予測手段１には、図２の機能流れ図に示すよう
に、き裂検査記録データベース１０１及び運転記録デー
タベース１０２が備えられている。き裂検査記録データ
ベース１０１には、定期検査記録１０３が格納されて管
理されている。Explaining the specific functions, the damage parameter probability predicting means 1 is provided with a crack inspection record database 101 and an operation record database 102 as shown in the functional flowchart of FIG. The periodic inspection record 103 is stored and managed in the crack inspection record database 101.
【００２５】統計解析部１０４は、き裂検査記録データ
ベース１０１の個々の構造部品のき裂検査記録を解析し
て分布の統計量を求める機能を有している。すなわち、
ガスタービン静翼に発生する個々のき裂長さは、対数正
規分布にほぼ従うため、個々では統計量としてき裂個数
ｎ、き裂長さの対数の平均μL 及びき裂長さの対数の分
散ＶL を取る。次に各定期検査の統計解析結果と運転記
録データベース１０２により、き裂分布の統計量の推移
傾向を予測することができる。The statistical analysis unit 104 has a function of analyzing the crack inspection record of each structural component in the crack inspection record database 101 and obtaining the distribution statistics. That is,
Individual crack length generated in the gas turbine stationary blade, since nearly lognormal distribution, the number裂個Individual can as statistics n, crack length of the log of the mean mu L and crack length of the logarithm of the variance V Take L Next, from the statistical analysis result of each periodic inspection and the operation record database 102, it is possible to predict the transition tendency of the statistics of the crack distribution.
【００２６】[0026]
【数１】 (Equation 1)
【００２７】損傷パラメータ予測部１０６は、これらの
統計量の予測値を用いて、次の推定を実行する。（１−
ｐ）の信頼水準で、起動停止回数ｘ回でのき裂長さの総
和Ｄは、The damage parameter prediction unit 106 performs the following estimation using the predicted values of these statistics. (1-
With the confidence level of p), the sum D of the crack lengths at the number of times of starting and stopping times is:
【００２８】[0028]
【数２】 と予測する。従って、損傷量Ｄの運転パラメータｘに対
する確率密度関数、ｆ(x,D) は、(Equation 2) To predict. Therefore, the probability density function f (x, D) for the operation parameter x of the damage amount D is
【００２９】[0029]
【数３】 と表される。(Equation 3) It is expressed as
【００３０】損傷パラメータの確率密度予測部１０７
は、与えられた起動停止回数ｘを入力し、上記式(3) に
より図３に示すような運転パラメータに対する損傷パラ
メータＤの確率密度関数ｆ(x,D) を算出する機能を有す
る。Damage parameter probability density prediction unit 107
Has a function of inputting the given number x of start and stop and calculating the probability density function f (x, D) of the damage parameter D for the operation parameter as shown in FIG.
【００３１】一方、運転パラメータ推移予測手段２は、
図４に示すように運転記録データベース２０１に格納さ
れた構造部品の運転記録、及び運用予測データベース２
０２に格納された運用形態の予測に基づいて、運転パラ
メータの推移の確率分布を予測する機能を有している。On the other hand, the operating parameter transition prediction means 2
As shown in FIG. 4, the operation records of the structural components stored in the operation record database 201 and the operation prediction database 2
It has a function of predicting the probability distribution of the transition of the operating parameter based on the prediction of the operation mode stored in 02.
【００３２】ガスタービンの起動停止回数は、日間起動
停止（ＤＳＳ）運転、週間起動停止（ＷＳＳ）運転等の
運用形態の違いにより大きく異なる。又、運用開始前に
は、試運転を行うが、この場合は、起動停止が頻繁に行
われる。The number of times the gas turbine is started and stopped varies greatly depending on the operation mode such as daily start / stop (DSS) operation and weekly start / stop (WSS) operation. Before starting the operation, a trial operation is performed. In this case, the start and stop are frequently performed.
【００３３】統計解析部２０３は、ガスタービンの運転
記録データベース２０１を運用形態ごとに分類し、それ
ぞれの運用形態につき、統計解析を行う。ガスタービン
の起動停止回数は、同一の運用形態の場合は、ほぼ正規
分布に従うため、ここでは統計量として年間の起動停止
回数の平均Ｍと分散Ｖとを算出する機能を有する。The statistical analysis unit 203 classifies the operation record database 201 of the gas turbine for each operation mode, and performs a statistical analysis for each operation mode. Since the number of start / stop times of the gas turbine substantially follows a normal distribution in the case of the same operation mode, the gas turbine has a function of calculating the average M and the variance V of the number of start / stop times per year as statistics.
【００３４】[0034]
【数４】 運転パラメータの確率密度予測部２０５は、上記式(4)
により運転パラメータｘの確率密度関数ｇ(t,x) を算出
する機能を有する。すなわち、(Equation 4) The operating parameter probability density prediction unit 205 calculates the above equation (4)
Has the function of calculating the probability density function g (t, x) of the operating parameter x by That is,
【００３５】[0035]
【数５】 ただし、ｘo は予測時の起動停止回数 時刻ｔに対して運転パラメータの確率密度関数を求めた
結果の一例を図５に示す。(Equation 5) Here, x o is shown in FIG. 5 as an example of the result obtained by calculating the probability density function of the operating parameter with respect to the number of times of starting and stopping at the time t.
【００３６】運転・損傷状態予測部３は、損傷パラメー
タの確率分布及び運転パラメータ推移の確率分布に基づ
いて運用期間中の任意の時刻における構造部品の損傷パ
ラメータの確率分布を予測する機能を有している。The operation / damage state prediction unit 3 has a function of predicting the probability distribution of the damage parameter of the structural component at an arbitrary time during the operation period based on the probability distribution of the damage parameter and the probability distribution of the transition of the operation parameter. ing.
【００３７】この運転・損傷状態予測部３は、運転パラ
メータの分布ｇ(t,x) と、運転パラメータに対する損傷
パラメータの分布ｆ(x,D) の積を求め、時刻ｔにおける
損傷パラメータと運転パラメータの組の確率密度関数ｆ
(x,D) ・ｇ(t,x) を図６に示す例の通りに求める。The operation / damage state prediction unit 3 obtains the product of the distribution g (t, x) of the operation parameter and the distribution f (x, D) of the damage parameter with respect to the operation parameter, and calculates the damage parameter at the time t and the operation Probability density function f of a set of parameters
(x, D) · g (t, x) is obtained as in the example shown in FIG.
【００３８】損傷パラメータ予測部４は、時刻ｔにおけ
る図７の斜線部分の面積、損傷パラメータの確率密度を
求める機能を有している。損傷パラメータの確率密度
は、損傷パラメータＤの関数となり、その分布関数ｈ
(t,D) は、The damage parameter prediction unit 4 has a function of calculating the area of the hatched portion in FIG. 7 and the probability density of the damage parameter at time t. The probability density of the damage parameter is a function of the damage parameter D and its distribution function h
(t, D) is
【００３９】[0039]
【数６】 となる。(Equation 6) Becomes
【００４０】ここでは、上記式(6) を図８に示す手順に
従って処理する。すなわち、連続量である損傷パラメー
タＤを図９に示すように幅ΔＤで離散化し、ｈ(t,D) を
数値積分により求め、配列｛Ｄｉ：幅ΔＤの等差配
列｝、及び配列（ｈｉ：ｈ(t,D)｜Ｄ＝Ｄｉ｝を算出す
ることで、損傷パラメータの確率密度分布関数の計算を
行う。Here, the above equation (6) is processed according to the procedure shown in FIG. That is, the damage parameter D, which is a continuous quantity, is discretized by a width ΔD as shown in FIG. 9, h (t, D) is obtained by numerical integration, and an array {Di: an equality array of width ΔD} and an array (hi : H (t, D) | D = Di｝ to calculate the probability density distribution function of the damage parameter.
【００４１】次に上記の如く構成された装置の作用につ
いて説明する。損傷パラメータ予測手段１の統計解析部
１０４は、き裂検査記録データベース１０１の個々の構
造部品のき裂検査記録を解析し、分布の統計量を求め
る。Next, the operation of the above-configured device will be described. The statistical analysis unit 104 of the damage parameter prediction means 1 analyzes the crack inspection record of each structural component in the crack inspection record database 101, and obtains a distribution statistic.
【００４２】すなわち、ガスタービン静翼に発生する個
々のき裂長さは、対数正規分布にほぼ従うため、ここで
統計量としてき裂個数ｎ、き裂長さの対数の平均μL 及
びき裂長さの対数の分散ＶL を取る。[0042] That is, each crack length generated in the gas turbine stationary blade, since nearly lognormal distribution, where the mean mu L and crack length logarithm of裂個number n, crack length can as statistic Take the logarithmic variance V L.
【００４３】次に統計解析部１０４は、上記式(1) によ
り定期検査時のプラントの起動停止回数ｘo 、定期検査
時のき裂個数ｎo 、検査時のき裂長さの対数の平均
μLo、及び検査時のき裂長さの対数の分散ＶLoを用い
て、起動停止回数ｘにおけるき裂個数推定値、き裂長さ
の対数の平均の推定値、及びき裂長さの対数の分散の推
定値を算出する。そして、統計量予測部１０５は上記式
(1) の各定数Ａ1 、Ｂ1 、Ｃ1 や分散を求める。Next, the statistical analysis unit 104 calculates the number of start and stop times x o of the plant at the time of the periodic inspection, the number of cracks n o at the time of the periodic inspection, and the average μ of the logarithm of the crack length at the time of the inspection according to the above equation (1). Using Lo , and the logarithmic variance of the crack length at the time of inspection V Lo , the estimated number of cracks at the number of times of starting and stopping x, the estimated value of the logarithm of the crack length, and the variance of the logarithm of the crack length are calculated. Calculate the estimated value. Then, the statistic prediction unit 105 calculates the above equation
The constants A 1 , B 1 , C 1 and the variance of (1) are obtained.
【００４４】次に損傷パラメータ予測部１０６は、（１
−ｐ）の信頼水準で、起動停止回数ｘ回でのき裂長さの
総和Ｄを上記式(2) により予測する。そして、確率密度
予測部１０７は、与えられた起動停止回数ｘを入力し、
上記式(3) により図３に示すような運転パラメータに対
する損傷パラメータＤの確率密度関数ｆ(x,D) を算出す
る。Next, the damage parameter prediction unit 106 calculates (1
With the confidence level of -p), the total sum D of the crack lengths at the start / stop times x times is predicted by the above equation (2). Then, the probability density prediction unit 107 inputs the given number of times of starting and stopping x,
The probability density function f (x, D) of the damage parameter D with respect to the operation parameters as shown in FIG. 3 is calculated by the above equation (3).
【００４５】一方、運転パラメータ推移予測手段２の統
計解析部２０３は、ガスタービンの運転記録データベー
ス２０１を運用形態ごとに分類し、それぞれの運用形態
につき、統計解析を行う。ここでは統計量として年間の
起動停止回数の平均Ｍと分散Ｖとを算出する。On the other hand, the statistical analysis section 203 of the operation parameter transition prediction means 2 classifies the operation record database 201 of the gas turbine for each operation mode, and performs a statistical analysis for each operation mode. Here, the average M and the variance V of the number of times of starting and stopping per year are calculated as statistics.
【００４６】統計量予測部２０４は、評価対象部品を有
するガスタービンの次回定期検査時期と運用予測データ
ベース２０２に格納された運用形態の予測とに基づい
て、次回定期検査時間での期間をｔ年とした場合、この
期間の起動停止回数の平均と分散を上記式(1) により推
定する。The statistic prediction unit 204 sets the period at the next periodic inspection time to t years based on the next periodic inspection time of the gas turbine having the component to be evaluated and the operation mode prediction stored in the operation prediction database 202. In this case, the average and variance of the number of times of starting and stopping during this period are estimated by the above equation (1).
【００４７】運転パラメータの確率密度予測部２０５
は、上記式(4) により運転パラメータｘの確率密度関数
ｇ(t,x) を算出する。そうして、運転・損傷状態予測部
３は、運転パラメータの分布ｇ(t,x) と運転パラメータ
に対する損傷パラメータの分布ｆ(x,D) の積を求め、時
刻ｔにおける損傷パラメータと運転パラメータの組の確
率密度関数ｆ(x,D) ・ｇ(t,x) を求める。Operating parameter probability density prediction unit 205
Calculates the probability density function g (t, x) of the operating parameter x by the above equation (4). Then, the operation / damage state prediction unit 3 obtains the product of the distribution g (t, x) of the operation parameter and the distribution f (x, D) of the damage parameter with respect to the operation parameter, and obtains the damage parameter and the operation parameter at time t. , The probability density function f (x, D) · g (t, x) is determined.
【００４８】この結果、損傷パラメータ予測部４は、時
刻ｔにおける図６の斜線部分の面積、損傷パラメータの
確率密度を求める。この損傷パラメータの確率密度は、
損傷パラメータＤの関数となり、その分布関数ｈ(t,D)
は、上記式(6) に示す。As a result, the damage parameter prediction section 4 obtains the area of the hatched portion in FIG. 6 and the probability density of the damage parameter at time t. The probability density of this damage parameter is
It becomes a function of the damage parameter D, and its distribution function h (t, D)
Is shown in the above equation (6).
【００４９】このように上記第１実施例によれば、運転
パラメータに基づいて構造部品の損傷パラメータの確率
分布を予測するとともに構造部品の運転記録及びその運
用形態の予測に基づいて運転パラメータの推移の確率分
布を予測し、これら損傷パラメータの確率分布及び運転
パラメータ推移の確率分布に基づいて、運用期間中の任
意の時刻における構造部品の損傷パラメータの確率分布
を予測するようにしたので、運転パラメータが変動する
場合でも、的確に構造部品の劣化・損傷の分布を予測で
きる。 (2) 次に本発明の第２実施例について説明する。なお、
図１と同一部分には同一符号を付してその詳しい説明は
省略する。As described above, according to the first embodiment, the probability distribution of the damage parameter of the structural component is predicted on the basis of the operating parameter, and the transition of the operating parameter is predicted on the basis of the operation record of the structural component and the prediction of its operation mode. The probability distribution of the damage parameter of the structural component at any time during the operation period is predicted based on the probability distribution of the damage parameter and the probability distribution of the operation parameter transition. , The distribution of deterioration / damage of structural components can be accurately predicted. (2) Next, a second embodiment of the present invention will be described. In addition,
The same reference numerals are given to the same parts as those in FIG.
【００５０】図１０は構造部品の劣化・損傷予測装置の
機能流れ図である。部品損傷確率算出部５は、予め定め
た損傷パラメータの限界値Ｄｃと上記損傷パラメータ予
測部４により得られた損傷パラメータの確率密度の分布
とにより、時刻ｔにおいて損傷パラメータが限界値Ｄｃ
を越える確率Ｐ(t) を求める機能を有している。すなわ
ち、FIG. 10 is a functional flowchart of the apparatus for predicting deterioration / damage of a structural part. The component damage probability calculation unit 5 determines the damage parameter at time t based on the predetermined damage parameter limit value Dc and the probability density distribution of the damage parameter obtained by the damage parameter prediction unit 4 at time t.
Has a function of obtaining a probability P (t) exceeding. That is,
【００５１】[0051]
【数７】 ここでは、図１１及び図１２に示すように、確率密度分
布関数の計算で得られる配列｛Ｄｉ｝及び｛ｈｉ｝を用
いて、部品損傷確率Ｐ(t) により算出する。(Equation 7) Here, as shown in FIG. 11 and FIG. 12, the component damage probability P (t) is calculated using the arrays {Di} and {hi} obtained by calculating the probability density distribution function.
【００５２】[0052]
【数８】 (Equation 8)
【００５３】使用限界判定部６は、部品損傷確率Ｐ(t)
と予め設定された許容損傷確率Ｐｃとを比較し、Ｐ(t)
＜Ｐｃの場合に継続使用可能と判定し、Ｐ(t) ≧Ｐｃの
場合に補修又は交換が必要と判定する機能を有してい
る。The usage limit judging section 6 calculates the component damage probability P (t).
Is compared with a preset allowable damage probability Pc, and P (t)
If <Pc, it is determined that continuous use is possible, and if P (t) ≧ Pc, repair or replacement is required.
【００５４】かかる構成であれば、部品損傷確率算出部
５は、予め定めた損傷パラメータの限界値Ｄｃと損傷パ
ラメータ予測部４により得られた損傷パラメータの確率
密度の分布とにより、時刻ｔにおいて損傷パラメータが
限界値Ｄｃを越える確率Ｐ(t) を求める。With this configuration, the component damage probability calculation unit 5 determines the damage at time t based on the predetermined damage parameter limit value Dc and the probability density distribution of the damage parameter obtained by the damage parameter prediction unit 4. The probability P (t) that the parameter exceeds the limit value Dc is determined.
【００５５】次に使用限界判定部６は、部品損傷確率Ｐ
(t) と予め設定された許容損傷確率Ｐｃとを比較し、Ｐ
(t) ＜Ｐｃの場合に継続使用可能と判定し、Ｐ(t) ≧Ｐ
ｃの場合に補修又は交換が必要と判定する。Next, the usage limit judging section 6 calculates the component damage probability P
(t) is compared with a preset allowable damage probability Pc.
If (t) <Pc, it is determined that continuous use is possible, and P (t) ≧ P
In the case of c, it is determined that repair or replacement is necessary.
【００５６】このように上記第２実施例によれば、運用
期間中の任意の時刻における構造部品の損傷パラメータ
の確率分布を予測すると、この予測された損傷パラメー
タの確率分布から時刻において構造部品の損傷パラメー
タが予め定められた限界値を越える確率を求め、この確
率と予め定められた許容値とを比較して構造部品の使用
限界を判定するようにしたので、予測した次回の点検時
における劣化・損傷の確率分布を基に、構造部品の使用
限界を決定できる。 (3) 次に本発明の第３実施例について説明する。なお、
図１と同一部分には同一符号を付してその詳しい説明は
省略する。As described above, according to the second embodiment, when the probability distribution of the damage parameter of the structural component at an arbitrary time during the operation period is predicted, the structural component at the time is predicted from the predicted probability distribution of the damage parameter. The probability that the damage parameter exceeds a predetermined limit value is determined, and the probability is compared with a predetermined allowable value to determine the use limit of the structural component. -It is possible to determine the usage limit of structural parts based on the probability distribution of damage. (3) Next, a third embodiment of the present invention will be described. In addition,
The same reference numerals are given to the same parts as those in FIG.
【００５７】図１３は構造部品の劣化・損傷予測装置の
機能流れ図である。ところで、複数の部品により構成さ
れている部品群の損傷を評価する場合には、複数部品の
うち最も損傷の大きいものが限界値を越えるか否かを判
定する必要がある。FIG. 13 is a functional flow chart of the apparatus for predicting deterioration / damage of a structural part. By the way, when evaluating the damage of a component group composed of a plurality of components, it is necessary to determine whether or not the most damaged component among the plurality of components exceeds a limit value.
【００５８】ガスタービン静翼の場合は、コストや部品
管理の観点から、補修・交換等をセグメント毎ではな
く、１群のセグメント全てに対して行う場合が少なくな
い。ここでは、単一の部品の使用限界の判定のみでな
く、部品群の使用限界の判定を行うものである。In the case of the gas turbine stationary blade, from the viewpoint of cost and parts management, repair and replacement are often performed not for each segment but for all the segments in one group. Here, not only the determination of the usage limit of a single component but also the determination of the usage limit of a component group is performed.
【００５９】部品損傷確率算出部７は、部品群の損傷確
率ＰG (t) を部品群を構成する部品のうち少なくとも１
つに限界値を越える損傷が発生する確率と定義し、算出
した部品ごとの損傷確率から、部品群の損傷確率を算出
する機能を有している。損傷確率算出部８は、部品ｉの
部品損傷確率をＰｉ(t) と書くと、上述の定義により部
品群の損傷確率ＰG (t) を、The component damage probability calculation unit 7 determines the damage probability P G (t) of the component group by at least one of the components constituting the component group.
In addition, it has a function of calculating the probability of occurrence of damage exceeding the limit value and calculating the damage probability of the component group from the calculated damage probability of each component. When the damage probability calculation unit 8 writes the component damage probability of the component i as Pi (t), the damage probability calculation unit calculates the damage probability P G (t) of the component group according to the above definition.
【００６０】[0060]
【数９】 として表し、この式により損傷確率ＰG (t) を求める機
能を有している。(Equation 9) And has a function of calculating the damage probability P G (t) from this equation.
【００６１】部品群使用限界判定部９は、損傷確率ＰG
(t) と予め設定された許容損傷確率ＰGCとを比較し、Ｐ
G (t) ＜ＰGCの場合に継続使用可能と判定し、ＰG (t)
≧ＰGCの場合に補修又は交換が必要と判定する機能を有
している。The component group use limit judging section 9 calculates the damage probability P G
(t) is compared with a preset allowable damage probability P GC, and P
If G (t) <P GC , it is determined that continuous use is possible, and P G (t)
It has a function to determine that repair or replacement is necessary when ≧ P GC .
【００６２】かかる構成であれば、部品損傷確率算出部
７は、算出した部品ごとの損傷確率から、部品群の損傷
確率を算出し、次の損傷確率算出部８は、その部品群の
損傷確率ＰG (t) を求める。With this configuration, the component damage probability calculation unit 7 calculates the damage probability of the component group from the calculated damage probability of each component, and the next damage probability calculation unit 8 calculates the damage probability of the component group. Find P G (t).
【００６３】そして、部品群使用限界判定部９は、損傷
確率ＰG (t) と予め設定された許容損傷確率ＰGCとを比
較し、ＰG (t) ＜ＰGCの場合に継続使用可能と判定し、
ＰG(t) ≧ＰGCの場合に補修又は交換が必要と判定す
る。Then, the parts group use limit judging section 9 compares the damage probability P G (t) with a preset allowable damage probability P GC, and if P G (t) <P GC , the component group use limit determination section 9 can continue to use the damage probability P G (t). Is determined,
If P G (t) ≧ P GC , it is determined that repair or replacement is necessary.
【００６４】このように上記第３実施例によれば、複数
の構造部品により構成される部品群に対する場合、各構
造部品の損傷パラメータが予め定められた限界値を越え
る確率を求め、この確率から各構造部品のうち少なくと
も１つの損傷パラメータが限界値を越える確率を求め、
この確率と予め定められた許容値とを比較して構造部品
の使用限界を判定するようにしたので、予測した次回の
点検時における劣化・損傷の確率分布を基に、複数の構
造部品の使用限界を判定できる。As described above, according to the third embodiment, in the case of a part group constituted by a plurality of structural parts, the probability that the damage parameter of each structural part exceeds a predetermined limit value is obtained, and from this probability, Determining the probability that at least one damage parameter of each structural component exceeds a threshold value;
Since the use limit of the structural component is determined by comparing this probability with a predetermined allowable value, the use of a plurality of structural components based on the predicted distribution of deterioration and damage at the next inspection is predicted. Limits can be determined.
【００６５】なお、本発明は、上記各実施例に限定され
るものでなくその要旨を変更しない範囲で変形してもよ
い。例えば、ガスタービンの燃焼ライナに発生するき裂
も、ガスタービンプラントの起動停止回数と、良好な対
応関係があり、き裂長さの確率密度分布の形は異なるも
のの、ガスタービン静翼のき裂予測の場合と同様の手順
により、損傷予測及び使用限界推定が可能である。The present invention is not limited to the above embodiments, but may be modified within the scope of the invention. For example, cracks that occur in the combustion liner of a gas turbine also have a good relationship with the number of times the gas turbine plant has been started and stopped.Although the probability density distribution of the crack length differs, Damage prediction and service limit estimation can be performed by the same procedure as in the case of prediction.
【００６６】又、ガスタービン部品のクリープ変形は、
ガスタービンプラントの運転時間と良好な対応関係があ
り、運転パラメータとしてプラントの運転時間をとる
と、損傷の確率密度分布及び運転パラメータの確率密度
分布の形は異なるものの、上記同様の手順により、損傷
予測及び使用限界推定が可能である。The creep deformation of the gas turbine component is
There is a good correspondence with the operation time of the gas turbine plant.If the operation time of the plant is taken as the operation parameter, the probability density distribution of the damage and the form of the probability density distribution of the operation parameter differ, Prediction and usage limit estimation are possible.
【００６７】[0067]
【発明の効果】以上詳記したように本発明によれば、運
転パラメータが変動する場合でも、的確に構造部品の劣
化・損傷の分布を予測できる構造部品の劣化・損傷予測
装置を提供できる。又、本発明は、予測した次回の点検
時における劣化・損傷の確率分布を基に、構造部品の使
用限界を決定できる構造部品の劣化・損傷予測装置を提
供できる。As described above in detail, according to the present invention, it is possible to provide a structural component deterioration / damage prediction apparatus capable of accurately predicting the distribution of deterioration / damage of a structural component even when operating parameters fluctuate. Further, the present invention can provide a structural component deterioration / damage predicting apparatus capable of determining a use limit of a structural component based on a predicted probability distribution of deterioration / damage at the next inspection.
【図１】本発明に係わる構造部品の劣化・損傷予測装置
の第１実施例を示す構成図。FIG. 1 is a configuration diagram showing a first embodiment of a device for predicting deterioration / damage of a structural component according to the present invention.
【図２】同装置における損傷パラメータ確率予測手段の
具体的な機能構成図。FIG. 2 is a specific functional configuration diagram of damage parameter probability prediction means in the apparatus.
【図３】運転パラメータに対する損傷パラメータの確率
分布の一例を示す図。FIG. 3 is a diagram showing an example of a probability distribution of a damage parameter with respect to an operation parameter.
【図４】同装置における運転パラメータ推移予測手段の
具体的な機能構成図。FIG. 4 is a specific functional configuration diagram of an operation parameter transition prediction unit in the device.
【図５】運転パラメータの確率分布の一例を示す図。FIG. 5 is a diagram showing an example of a probability distribution of operating parameters.
【図６】運転・損傷確率分布の一例を示す図。FIG. 6 is a diagram showing an example of an operation / damage probability distribution.
【図７】損傷の確率分布の概念図。FIG. 7 is a conceptual diagram of a probability distribution of damage.
【図８】損傷パラメータの確率密度分布手法の流れ図。FIG. 8 is a flowchart of a probability density distribution method of a damage parameter.
【図９】同手法での損傷パラメータの離散化を示す図。FIG. 9 is a view showing discretization of a damage parameter by the same method.
【図１０】本発明に係わる構造部品の劣化・損傷予測装
置の第２実施例を示す構成図。FIG. 10 is a configuration diagram showing a second embodiment of a device for predicting deterioration / damage of a structural component according to the present invention.
【図１１】部品損傷確率算出手法の流れ図。FIG. 11 is a flowchart of a component damage probability calculation method.
【図１２】同手法での確率密度分布の配列を示す図。FIG. 12 is a diagram showing an arrangement of a probability density distribution in the same method.
【図１３】本発明に係わる構造部品の劣化・損傷予測装
置の第３実施例を示す構成図。FIG. 13 is a configuration diagram showing a third embodiment of a device for predicting deterioration and damage of a structural component according to the present invention.
１…損傷パラメータ確率予測手段、２…運転パラメータ
推移予測手段、３…運転・損傷状態予測部、４…損傷パ
ラメータ予測部、５…部品損傷確率算出部、６…使用限
界判定部、７…部品損傷確率算出部、８…損傷確率算出
部、９…部品群使用限界判定部。DESCRIPTION OF SYMBOLS 1 ... Damage parameter probability prediction means, 2 ... Operation parameter transition prediction means, 3 ... Operation / damage state prediction section, 4 ... Damage parameter prediction section, 5 ... Part damage probability calculation section, 6 ... Use limit determination section, 7 ... Parts Damage probability calculation unit, 8: damage probability calculation unit, 9: parts group usage limit determination unit.
フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G01N 17/00 G01M 19/00 G05B 23/02 G06F 17/00 ＪＩＣＳＴファイル（ＪＯＩＳ)Continuation of the front page (58) Fields investigated (Int. Cl. 7 , DB name) G01N 17/00 G01M 19/00 G05B 23/02 G06F 17/00 JICST file (JOIS)
Claims (3)
ラメータに基づいて前記構造部品の損傷パラメータの確
率分布を予測する損傷パラメータ確率予測手段と、 前記構造部品の運転記録及びその運用形態の予測に基づ
いて前記運転パラメータの推移の確率分布を予測する運
転パラメータ推移予測手段と、 前記損傷パラメータの確率分布及び前記運転パラメータ
推移の確率分布に基づいて運用期間中の任意の時刻にお
ける前記構造部品の損傷パラメータの確率分布を予測す
る損傷パラメータ予測手段と、を具備したことを特徴と
する構造部品の劣化・損傷予測装置。1. Damage parameter probability prediction means for predicting a probability distribution of a damage parameter of a structural component based on an operating parameter contributing to deterioration and damage of the structural component, and an operation record of the structural component and a prediction of its operation mode Operating parameter transition prediction means for predicting the probability distribution of the transition of the operating parameter based on the probability distribution of the damage parameter and the probability distribution of the operating parameter transition of the structural component at any time during the operation period based on the probability distribution of the operating parameter transition An apparatus for predicting deterioration / damage of a structural component, comprising: damage parameter prediction means for predicting a probability distribution of a damage parameter.
ラメータに基づいて前記構造部品の損傷パラメータの確
率分布を予測する損傷パラメータ確率予測手段と、 前記構造部品の運転記録及びその運用形態の予測に基づ
いて前記運転パラメータの推移の確率分布を予測する運
転パラメータ推移予測手段と、 前記損傷パラメータの確率分布及び前記運転パラメータ
推移の確率分布に基づいて運用期間中の任意の時刻にお
ける前記構造部品の損傷パラメータの確率分布を予測す
る損傷パラメータ予測手段と、 この予測された損傷パラメータの確率分布から前記時刻
において前記構造部品の損傷パラメータが予め定められ
た限界値を越える確率を求める部品損傷確率算出手段
と、 この確率と予め定められた許容値とを比較して前記構造
部品の使用限界を判定する使用限界判定手段と、を具備
したことを特徴とする構造部品の劣化・損傷予測装置。2. Damage parameter probability predicting means for predicting a probability distribution of damage parameters of the structural component based on operating parameters contributing to deterioration and damage of the structural component, and an operation record of the structural component and a prediction of its operation mode Operating parameter transition prediction means for predicting the probability distribution of the transition of the operating parameter based on the probability distribution of the damage parameter and the probability distribution of the operating parameter transition of the structural component at any time during the operation period based on the probability distribution of the operating parameter transition Damage parameter prediction means for predicting a probability distribution of damage parameters; and component damage probability calculation means for determining a probability that the damage parameter of the structural component exceeds a predetermined limit value at the time from the predicted damage parameter probability distribution. And comparing the probability with a predetermined tolerance to use the structural component. Deterioration and damage prediction apparatus structural components, characterized in that anda use limit determining means for determining the field.
運転パラメータに基づいて前記各構造部品の損傷パラメ
ータの確率分布を予測する損傷パラメータ確率予測手段
と、 前記各構造部品の運転記録及びその運用形態の予測に基
づいて前記運転パラメータの推移の確率分布を予測する
運転パラメータ推移予測手段と、 前記損傷パラメータの確率分布及び前記運転パラメータ
推移の確率分布に基づいて運用期間中の任意の時刻にお
ける前記構造部品の損傷パラメータの確率分布を予測す
る損傷パラメータ予測手段と、 この予測された損傷パラメータの確率分布から前記時刻
において前記各構造部品の損傷パラメータが予め定めら
れた限界値を越える確率を求める損傷確率算出手段と、 この求められた確率から前記各構造部品のうち少なくと
も１つの損傷パラメータが前記限界値を越える確率を求
め、この確率と予め定められた許容値とを比較して前記
構造部品の使用限界を判定する使用限界判定手段と、を
具備したことを特徴とする構造部品の劣化・損傷予測装
置。3. Damage parameter probability prediction means for predicting a probability distribution of a damage parameter of each structural component based on an operating parameter contributing to deterioration / damage of a plurality of structural components; Operating parameter transition prediction means for predicting the probability distribution of the transition of the operation parameter based on the prediction of the operation mode, at any time during the operation period based on the probability distribution of the damage parameter and the probability distribution of the operation parameter transition Damage parameter prediction means for predicting the probability distribution of the damage parameter of the structural component; and determining the probability that the damage parameter of each structural component exceeds a predetermined limit value at the time from the predicted damage parameter probability distribution. Damage probability calculating means, and at least one of the structural components from the determined probability. Service limit determining means for determining a probability that one damage parameter exceeds the limit value, comparing the probability with a predetermined allowable value to determine a use limit of the structural component. Deterioration / damage prediction device for structural parts.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP16129793A JP3243065B2 (en) | 1993-06-30 | 1993-06-30 | Deterioration / damage prediction device for structural parts |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP16129793A JP3243065B2 (en) | 1993-06-30 | 1993-06-30 | Deterioration / damage prediction device for structural parts |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0778022A JPH0778022A (en) | 1995-03-20 |
| JP3243065B2 true JP3243065B2 (en) | 2002-01-07 |
Family
ID=15732437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP16129793A Expired - Fee Related JP3243065B2 (en) | 1993-06-30 | 1993-06-30 | Deterioration / damage prediction device for structural parts |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3243065B2 (en) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3490975B2 (en) * | 2001-01-10 | 2004-01-26 | 関西ペイント株式会社 | Deterioration prediction method for building exterior materials |
| JP2002372440A (en) * | 2001-06-14 | 2002-12-26 | Ho Jinyama | Signal recording device having state judging method, device, and function |
| JP4067811B2 (en) * | 2001-11-12 | 2008-03-26 | 株式会社日立製作所 | Remote monitoring system and remote monitoring method for high temperature parts |
| JP2016177676A (en) * | 2015-03-20 | 2016-10-06 | 株式会社東芝 | Diagnosis device, diagnosis method, diagnosis system and diagnosis program |
| JP6462607B2 (en) * | 2016-02-24 | 2019-01-30 | 日本電信電話株式会社 | Data complementing apparatus and data complementing method |
| CN107358596B (en) * | 2017-04-11 | 2020-09-18 | 阿里巴巴集团控股有限公司 | Vehicle loss assessment method and device based on image, electronic equipment and system |
| CN112435215B (en) | 2017-04-11 | 2024-02-13 | 创新先进技术有限公司 | Image-based vehicle damage assessment method, mobile terminal and server |
| JP7251950B2 (en) * | 2018-11-09 | 2023-04-04 | 株式会社日立製作所 | Plant inspection plan optimization device and method |
| US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
| WO2022175044A1 (en) | 2021-02-18 | 2022-08-25 | Inait Sa | Annotation of 3d models with signs of use visible in 2d images |
| US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
| WO2023175659A1 (en) * | 2022-03-14 | 2023-09-21 | 三菱電機株式会社 | Crack growth prediction device, crack inspection system, and crack growth prediction method |
-
1993
- 1993-06-30 JP JP16129793A patent/JP3243065B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0778022A (en) | 1995-03-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3243065B2 (en) | Deterioration / damage prediction device for structural parts | |
| US6226597B1 (en) | Method of maintaining components subject to fatigue failure | |
| CN109359894B (en) | RPN-based risk evaluation method and device for electric power metering equipment | |
| Wu et al. | Prognostics of machine health condition using an improved ARIMA-based prediction method | |
| US7873581B2 (en) | Method and system for determining the reliability of a DC motor system | |
| EP2837984B1 (en) | Process to optimize the maintenance of technical systems | |
| JP2821149B2 (en) | Plant life management device | |
| CN111648992B (en) | Gas turbine compressor fault identification early warning method | |
| Djeddi et al. | Operational reliability analysis applied to a gas turbine based on three parameter Weibull distribution | |
| CN115063100A (en) | Data analysis-based implementation cost management and control system for road construction project | |
| CN116128145A (en) | Power equipment state maintenance strategy optimization method | |
| CN115575579A (en) | Carbon monitoring method and system based on monitoring source analysis | |
| EP1538502B1 (en) | Plant apparatus operation support device | |
| CN114879619A (en) | Digital workshop energy optimization method and system | |
| JP3054039B2 (en) | Plant maintenance support equipment | |
| CN114169718A (en) | Method for improving reliability of wind turbine generator based on state evaluation of wind turbine generator | |
| CN111341396A (en) | Method and system for evaluating material corrosion safety in atmospheric environment | |
| CN116628976A (en) | Comprehensive evaluation method for state change of hydraulic turbine unit equipment | |
| WO2023286659A1 (en) | Failure predicting device, failure predicting method, and program | |
| Townson et al. | Optimization of dragline load | |
| CN115204658A (en) | Method and system for assessing health state of oil supply equipment of hydroelectric generating set | |
| CN113722946A (en) | Creep-fatigue life prediction method and prediction system for steam turbine rotor | |
| Jardine et al. | Interpretation of inspection data emanating from equipment condition monitoring tools: method and software | |
| CN117272844B (en) | Method and system for predicting service life of distribution board | |
| Cempel et al. | A new method of symptom based processing for machinery condition recognition and forecasting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081019 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081019 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091019 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |