Nothing Special   »   [go: up one dir, main page]

CN108804794B - 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法 - Google Patents

一种基于分区的涡轮盘疲劳寿命及失效风险评估方法 Download PDF

Info

Publication number
CN108804794B
CN108804794B CN201810550493.4A CN201810550493A CN108804794B CN 108804794 B CN108804794 B CN 108804794B CN 201810550493 A CN201810550493 A CN 201810550493A CN 108804794 B CN108804794 B CN 108804794B
Authority
CN
China
Prior art keywords
turbine disk
life
distribution
failure
fatigue
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
CN201810550493.4A
Other languages
English (en)
Other versions
CN108804794A (zh
Inventor
胡殿印
王荣桥
刘茜
史颖
胡如意
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN201810550493.4A priority Critical patent/CN108804794B/zh
Publication of CN108804794A publication Critical patent/CN108804794A/zh
Application granted granted Critical
Publication of CN108804794B publication Critical patent/CN108804794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • 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
    • G06F2119/06—Power analysis or power optimisation
    • 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
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，步骤：(1)获取涡轮盘几何、载荷、材料随机变量概率分布。(2)进行涡轮盘有限元分析，获取应力和应变分布，并基于温度分布和应力分布形成初始分区。(3)确定每一个区域失效相应的疲劳寿命模型，代入应力分布和应变分布计算每一个区域的失效风险。(4)选定某一疲劳寿命，基于步骤(3)中各区域的失效风险，进行分区优化得到优化后的分区方案。(5)基于优化后分区方案，重复步骤(3)得到每一个区域输入变量和疲劳寿命的第一级响应面；同时建立每一个分区失效寿命和涡轮盘失效寿命的第二级响应面。基于两级响应面模型，利用协同的方法得到涡轮盘概率寿命概率寿命分布和累积概率分布，即不同寿命下涡轮盘失效风险。

Description

一种基于分区的涡轮盘疲劳寿命及失效风险评估方法
技术领域
本发明是一种针对航空发动机涡轮盘结构疲劳概率寿命及失效风险预测方法，它是一种基于分区和协同响应面的涡轮盘结构疲劳概率寿命及失效风险预测方法，属于航空航天发动机技术领域。
背景技术
航空发动机是一种极限产品，工作在高温、高压、高转速等的复杂载荷/环境下；发动机性能及安全性指标的提高，要求发动机重量轻、长寿命、高可靠性(如，安全飞行对发动机结构件则要求低的破坏概率，可达10-5-10-7次/飞行小时)。传统的可靠性分析方法只考虑危险点处单一失效模式对疲劳寿命的影响，预测精度较差难以指导工程实际应用。
涡轮盘疲劳寿命及失效风险预测时，未考虑涡轮盘不同部位失效模式的差异及其对疲劳寿命的影响，而本发明考虑涡轮盘不同部位对涡轮盘疲劳寿命和失效风险的影响，可以得到具有一定可靠度的涡轮盘疲劳寿命和失效风险，用于涡轮盘可靠性评估。
现有文献Enright M P,Moody J P,Sobotka J C.Optimal automated fracturerisk assessment of 3d gas turbine engine components[C]//ASME Turbo Expo 2016:Turbomachinery Technical Conference and Exposition.American Society ofMechanical Engineers,2016:V07BT29A005-V07BT29A005.中提出了针对发动机轮盘的分区失效风险评估方法，文中从轮盘中缺陷出发进行分区研究，但在分区计算疲劳失效时并未考虑各区域失效模式的差异性，采用统一的疲劳失效模型进行研究；同时在得到各分区失效寿命后，没有考虑各失效之间的相关性对疲劳失效寿命的影响。本发明补充了该发明的不足，在对涡轮盘进行分区后，考虑各区域失效模式的差异性进行疲劳寿命计算，并利用协同响应面方法考虑不同区域失效模式相关性对疲劳寿命的影响。
发明内容
本发明技术解决方案：克服现有技术无法考虑涡轮盘不同部位失效模式的差异及其对疲劳寿命影响的不足，提供了一种考虑涡轮盘不同部位对涡轮盘疲劳寿命和失效风险影响的疲劳寿命预测方法，可以得到具有一定可靠度的涡轮盘疲劳寿命和失效风险，用于涡轮盘可靠性评估。
本发明一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，实现步骤如下：
从涡轮盘几何、载荷、材料等随机变量的分散性出发，结合粉末涡轮盘应力、温度分布及有限元网格进行区域划分，通过引入协同响应面方法量化各区域失效风险相关性对整盘失效的影响，本发明提出基于分区的涡轮盘失效风险研究方法，其流程见图1。
(1)获取随机变量分布：针对涡轮盘可靠性分析中几何、载荷、材料三类随机变量，获取随机变量概率分布。
(2)建立初始分区：对涡轮盘进行有限元网格划分，结合几何、载荷、材料三类随机变量分布施加边界条件进行整盘有限元分析，获取应力分布和应变分布。以有限元网格为基本单元，结合随机变量中温度分布和有限元分析得到的应力分布，对应力和温度分布相近的相邻有限元网格单元进行合并，形成涡轮盘初始分区。
(3)分区失效风险分析：针对各分区中温度、载荷特征，判断每一个区域失效模式特征，选用相应失效的疲劳寿命模型结合应力/应变分布确定该区域疲劳失效寿命Yi，并基于试验设计DOE方法建立随机输入变量和疲劳寿命的多项式代理模型。在此基础上利用蒙特卡罗算法对几何、载荷、材料三类随机变量进行抽样，获取初始分区中每一个区域的疲劳失效寿命的概率分布，从而得到相应的失效风险。
(4)分区方案优化：选定某一疲劳寿命，基于步骤(3)中初始分区中每一个区域对应的失效风险，对于高风险区域，基于应力和温度分布重新细化分区，对于低风险区域，合并应力和温度相邻区域，得到优化后的分区方案，共n分区。
(5)涡轮盘概率寿命分析：基于优化后分区方案，重复步骤(3)得到各分区输入随机变量和疲劳寿命的多项式代理模型，为第一级响应面；考虑到每一个区域中有一处发生失效则涡轮盘发生失效，建立每一个区域失效和涡轮盘失效的响应面关系为第二级响应面。基于两种响应面，利用协同的方法，得到整盘概率寿命概率寿命分布，从而得到不同寿命下涡轮盘失效风险，从而实现对涡轮盘的概率寿命评估。
所述步骤(1)中随机变量概率分布获取方法为：①通过灵敏度分析筛选涡轮盘关键几何尺寸，针对关键几何尺寸通过真实涡轮盘测量得到几何随机变量概率分布；②基于外场统计数据采用载荷谱转换方法获取载荷随机变量概率分布；③针对优化后分区方案中每一个区域对应涡轮盘的相应区域进行取样，开展取样件标准件试验，利用贝叶斯推理方法获取材料随机变量概率分布。
所述步骤(2)中对应力和温度分布相近的相邻有限元网格单元进行合并时以温度50℃-100℃和应力50Mpa-100Mpa为间隔合并相邻有限元网格。
所述步骤(3)中每一个区域失效特征包括低循环疲劳、高低周复合疲劳、蠕变-疲劳。
所述步骤(3)中，具体实施过程如下：针对初始分区中每个分区确定失效模式，利用有限元分析得到的应力分布和应变分布确定每个分区的疲劳失效寿命；然后利用试验设计DOE方法建立各分区随机变量和疲劳寿命间多项式代理模型，并利用蒙特卡罗算法对随机变量进行抽样，得到每一个区域的疲劳失效寿命的概率分布。
所述步骤(4)中分区优化方法为对于失效风险大于整体失效风险水平2/3的区域，基于应力分布和温度分布，缩小应力和温度分布的间隔，对区域进行重新细化分区，对于失效风险小于整体失效风险水平1/3的区域，扩大应力和温度分布的间隔，合并应力和温度相邻区域。
所述步骤(5)中协同方法为首先对第一级响应面中几何、载荷和材料三类随机因素抽样获取概率寿命分布，在此基础上，对第一级响应面的输出疲劳失效寿命进行抽样，作为第二级响应面的输入变量，最终得到涡轮盘概率寿命分布。
本发明与现有技术有益效果在于：现有文献Enright M P,Moody J P,Sobotka JC.Optimal automated fracture risk assessment of 3d gas turbine enginecomponents[C]//ASME Turbo Expo 2016:Turbomachinery Technical Conference andExposition.American Society of Mechanical Engineers,2016:V07BT29A005-V07BT29A005.中提出了针对发动机轮盘的分区失效风险评估方法，文中从轮盘中缺陷出发进行分区研究，但在分区计算疲劳失效时并未考虑各区域失效模式的差异性，采用统一的疲劳失效模型进行研究；同时在得到各分区失效寿命后，没有考虑各失效之间的相关性对疲劳失效寿命的影响。本发明补充了该发明的不足，在对涡轮盘进行分区后，分区各分区的失效模式，基于该区域失效模式所对应的概率寿命模型，进行概率疲劳寿命分析，在此基础上利用协同响应面方法考虑不同区域失效模式相关性对疲劳寿命的影响，得到准确度更高的概率疲劳寿命及失效风险。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图，对本发明涡轮盘失效风险评估研究方法做进一步说明。
从涡轮盘几何、载荷、材料等随机变量的分散性出发，结合粉末涡轮盘应力、温度分布及有限元网格进行区域划分，通过引入协同响应面方法量化各区域失效风险相关性对整盘失效的影响，本发明提出基于分区的涡轮盘失效风险研究方法，其流程见图1。
(1)获取随机变量分布：针对涡轮盘可靠性分析中几何、载荷、材料等n个随机变量{Xn}，获取随机变量概率分布f(Xi)，具体方法为：①以涡轮盘最大等效应力为目标函数进行灵敏度分析，筛选出涡轮盘关键几何尺寸，针对关键几何尺寸通过真实涡轮盘测量得到尺寸统计数据，考虑到如果加工工艺过程稳定，而且严格按照尺寸公差中心加工，机械零件尺寸为随机变量且服从正态分布，选用K-S检验方法确定几何尺寸概率分布；②基于外场统计数据，采用循环矩阵法进行载荷谱转换方法获取温度、转速等载荷参量分布，具体方法为：首先去除伪读数，然后提取载荷峰谷值，筛选有效峰谷值，通过雨流计数法法进行载荷谱转化；③开展涡轮盘不同部位取样件标准件试验，基于确定部位的失效概率模型，利用贝叶斯推理方法结合已有材料手册上材料参数分布和试验数据，确定材料参数分布。
(2)建立初始分区：对涡轮盘进行有限元网格划分，结合几何、载荷、材料等随机变量分布施加边界条件进行涡轮盘有限元分析，获取应力和应变分布。以有限元网格为基本单元，结合随机变量中温度分布和有限元分析得到的应力分布，对应力和温度分布相近的相邻有限元网格单元进行合并，如以温度50℃-100℃和应力50Mpa-100Mpa为间隔合并相邻有限元网格，形成涡轮盘初始分区。
(3)分区失效风险分析：针对(2)得到的涡轮盘初始分区中温度分布范围，判断初始分区中每一个区域对应的失效模式，选用相应失效的疲劳寿命模型，如盘心区域为低循环疲劳选择Manson-Coffin公式、盘缘榫接部位为高低周复合疲劳选择Miner损伤模型、盘缘部位为蠕变-疲劳选择基于机械功的寿命模型，在寿命模型中代入步骤(2)有限元获取的应力和应变确定该区域疲劳失效寿命Yi；然后采用试验设计DOE方法，如拉丁超立方抽样，对几何、载荷、材料等随机变量进行抽样，计算相应的该区域疲劳失效寿命分布，基于随机变量和疲劳失效寿命间对应关系，建立多项式代理模型即响应面Y＝F0(X1,X2,…,Xn)；最后利用蒙特卡罗算法对响应面Y＝F(X1,X2,…,Xn)中几何、载荷、材料等随机变量Xi进行蒙特卡罗抽样，获取各区域疲劳失效的概率寿命分布，从而得到各区域疲劳寿命对应的失效风险。
(4)分区方案优化：选定某一疲劳寿命，如N＝10000循环，基于步骤(3)初始分区中每一个区域对应的失效风险，对于失效风险大于等于整体失效风险水平2/3的区域，基于应力分布和温度分布，缩小应力和温度分布的间隔，对区域进行重新细化分区，对于失效风险小于整体失效风险水平1/3的区域，扩大应力和温度分布的间隔，合并应力和温度相邻区域，得到优化后的分区方案，共n分区。
(5)涡轮盘概率寿命分析：基于优化后分区方案，重复步骤(3)得到各分区输入随机变量和疲劳失效寿命之间的多项式代理模型，为第一级响应面，即Y＝F(X1,X2,…,Xn)；考虑到优化后的分区方案中每一个区域中有一处发生失效则涡轮盘发生失效，建立各区域失效和涡轮盘失效的响应面关系为第二级响应面，即，Z＝G(Y1,Y2,…,Yn)＝MIN(Y1,Y2,…,Yn)，其中MIN表示最小值，即涡轮盘总寿命等于每一个区域失效寿命最小值。基于两级响应面模型，利用协同的方法，即首先对第一级响应面中几何、载荷、材料等随机变量抽样得到每一个区域疲劳失效寿命概率分布，然后对第一级响应面抽样得到的每一个区域失效寿命进行第二次抽样作为第二级响应面输入变量，从而得到涡轮盘疲劳失效寿命概率分布和疲劳失效寿命累积概率分布即为涡轮盘在。
提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。

Claims (6)

1.一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，其特征在于，实现步骤如下：
(1)获取随机变量分布：针对涡轮盘可靠性分析中几何、载荷和材料三类随机变量，获取随机变量概率分布；
(2)建立初始分区：对涡轮盘进行有限元网格划分，结合几何、载荷和材料三类随机变量分布施加边界条件进行涡轮盘有限元分析，获取应力分布和应变分布，以有限元网格为基本单元，结合随机变量中温度分布和有限元分析得到的应力分布，对应力和温度分布相近的相邻有限元网格单元进行合并，形成涡轮盘初始分区；
(3)分区失效风险分析：针对(2)得到的涡轮盘初始分区中温度分布范围，判断初始分区中每一个区域对应的失效模式，针对第i个分区，选择相应失效的疲劳寿命模型，利用步骤(2)中有限元分析得到的应力分布和应变分布，确定第i个分区的疲劳失效寿命Yi，并基于试验设计DOE方法建立随机变量和疲劳寿命之间的多项式代理模型；然后利用蒙特卡罗算法对几何、载荷和材料三类随机变量进行抽样，获取涡轮盘初始分区中每一个区域的疲劳失效寿命的概率分布，从而得到相应的失效风险；
(4)分区方案优化：选定某一疲劳寿命，基于步骤(3)初始分区中每一个区域对应的失效风险，进行分区优化得到优化后的分区方案；
(5)涡轮盘概率寿命分析：基于优化后的分区方案，重复步骤(3)得到各分区输入随机变量和疲劳失效寿命之间的多项式代理模型，为第一级响应面；优化后的分区方案中每一个区域中有一处发生失效，则涡轮盘发生失效，据此建立优化后的分区方案中每一个区域的疲劳失效寿命和涡轮盘疲劳失效寿命的响应面关系，为第二级响应面；基于两级响应面模型，利用协同的方法得到涡轮盘概率寿命分布，从而最终得到涡轮盘失效风险。
2.根据权利要求1所述的一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，其特征在于：所述步骤(1)中，随机变量概率分布获取方法为：
①通过灵敏度分析筛选涡轮盘关键几何尺寸，针对关键几何尺寸通过真实涡轮盘测量得到几何随机变量概率分布；
②基于外场统计数据采用载荷谱转换方法获取载荷随机变量概率分布；
③针对优化后分区方案中每一个区域对应涡轮盘的相应区域进行取样，开展取样件标准件试验，利用贝叶斯推理方法获取材料随机变量概率分布。
3.根据权利要求1所述的一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，其特征在于：所述步骤(2)中，对应力和温度分布相近的相邻有限元网格单元进行合并时，以温度50℃-100℃和应力50Mpa-100Mpa为间隔合并相邻有限元网格。
4.根据权利要求1所述的一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，其特征在于：所述步骤(3)中，初始分区中每一个区域对应的失效模式包括低循环疲劳、高低周复合疲劳、蠕变-疲劳。
5.根据权利要求1所述的一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，其特征在于：所述步骤(4)中，分区优化方法为对于失效风险大于等于整体失效风险水平2/3的区域，基于应力分布和温度分布，缩小应力和温度分布的间隔，对区域进行重新细化分区，对于失效风险小于整体失效风险水平1/3的区域，扩大应力和温度分布的间隔，合并应力和温度相邻区域。
6.根据权利要求1所述的一种基于分区的涡轮盘疲劳寿命及失效风险评估方法，其特征在于：所述步骤(5)中，协同方法为：首先对第一级响应面中几何、载荷和材料三类随机因素抽样获取概率寿命分布，在此基础上，对第一级响应面的输出疲劳失效寿命进行抽样，作为第二级响应面的输入变量，最终得到涡轮盘概率寿命分布。
CN201810550493.4A 2018-05-31 2018-05-31 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法 Active CN108804794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810550493.4A CN108804794B (zh) 2018-05-31 2018-05-31 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810550493.4A CN108804794B (zh) 2018-05-31 2018-05-31 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法

Publications (2)

Publication Number Publication Date
CN108804794A CN108804794A (zh) 2018-11-13
CN108804794B true CN108804794B (zh) 2019-03-05

Family

ID=64089880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810550493.4A Active CN108804794B (zh) 2018-05-31 2018-05-31 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法

Country Status (1)

Country Link
CN (1) CN108804794B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598079B (zh) * 2018-12-12 2023-04-28 中国北方发动机研究所(天津) 一种气缸盖分区疲劳寿命预估方法
CN110069860B (zh) * 2019-04-23 2022-06-14 中国航空综合技术研究所 伸缩节可靠性疲劳寿命评估方法
WO2020216458A1 (en) 2019-04-26 2020-10-29 Siemens Industry Software Nv Machine learning approach for fatigue life prediction of additive manufactured components
CN110532726B (zh) * 2019-09-09 2021-05-07 北京航空航天大学 一种基于贝叶斯校准的涡轮盘非局部概率寿命评估方法
CN111177974B (zh) * 2019-12-24 2022-12-06 北京航空航天大学 基于双层嵌套寻优和子集模拟的结构小失效概率计算方法
CN112906278A (zh) * 2021-03-04 2021-06-04 南京航空航天大学 基于应力-强度干涉模型的转子系统圆弧端齿连接结构可靠性评估方法
CN113033023A (zh) * 2021-04-22 2021-06-25 苏州华碧微科检测技术有限公司 一种机械系统的功能失效表征检测方法
CN113361164A (zh) * 2021-06-04 2021-09-07 西北工业大学 基于Model-Free抽样的涡轮机匣低周疲劳寿命预测方法
CN114577589B (zh) * 2022-04-28 2022-08-19 北京乾合晶芯电子技术有限公司 用于金属材料低周疲劳的检测的评价方法及检测系统
CN114756973B (zh) * 2022-05-16 2024-06-14 北京航空航天大学 一种涡轮盘辐板倒圆部位的多轴蠕变-疲劳模拟件设计方法
CN117473841B (zh) * 2023-12-28 2024-03-26 中国航发四川燃气涡轮研究院 考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5751982B2 (ja) * 2011-08-11 2015-07-22 三菱日立パワーシステムズ株式会社 発電プラント及びその改造方法
US9870236B2 (en) * 2012-06-04 2018-01-16 Vestas Wind Systems A/S Control system for a wind turbine
DE102013213023A1 (de) * 2013-07-03 2015-01-08 Continental Automotive Gmbh Läufer für eine Turboladereinrichtung, Turboladereinrichtung mit einem Läufer und Welle für einen solchen Läufer
CN105404756B (zh) * 2015-12-17 2018-03-30 北京航空航天大学 一种涡轮叶盘结构寿命可靠性设计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
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

Also Published As

Publication number Publication date
CN108804794A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108804794B (zh) 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法
CN112507452B (zh) 航空发动机涡轮叶片可靠性数字孪生建模方法
Yildirim et al. Aircraft gas turbine engine health monitoring system by real flight data
US9797328B2 (en) Equipment health monitoring method and system and engine
CN102682208B (zh) 基于Bayes信息更新的涡轮盘概率故障物理寿命预测方法
US8417410B2 (en) Operations support systems and methods with power management
Wang et al. Review of geometric uncertainty quantification in gas turbines
CN106777554B (zh) 基于状态基线的航空发动机气路单元体健康状态评价方法
CN110083984B (zh) 一种涡轮叶片区间损伤容限分析方法
Aretakis et al. Turbofan engine health assessment from flight data
CN107667280B (zh) 机器部件的调度检查和预测寿命终止
Brandão et al. Thermo-mechanical modeling of a high pressure turbine blade of an airplane gas turbine engine
CN110096801A (zh) 一种航空发动机高压涡轮盘动态可靠性预测方法
CN110532726B (zh) 一种基于贝叶斯校准的涡轮盘非局部概率寿命评估方法
CN104428727A (zh) 用于通过监测涡轮机的性能来检测所述涡轮机的劣化的方法
Liu et al. In-service aircraft engines turbine blades life prediction based on multi-modal operation and maintenance data
RU2308014C2 (ru) Способ эксплуатации двигателя
Huang et al. A modified fusion model-based/data-driven model for sensor fault diagnosis and performance degradation estimation of aero-engine
CN103823978A (zh) 替代燃料在航空发动机中安全性的认证方法及其系统
Heinze et al. The impact of geometric scatter on high-cycle-fatigue of compressor blades
Kong et al. Study on condition monitoring of 2-Spool turbofan engine using non-linear gas path analysis method and genetic algorithms
Weiss et al. Probabilistic finite-element analyses on turbine blades
Alozie et al. An adaptive model-based framework for prognostics of gas path faults in aircraft gas turbine engines
Yu et al. Selection method of monitoring parameter optimization in prognostics and health management based on grey clustering decision
Naeem Impacts of low-pressure (LP) compressors’ fouling of a turbofan upon operational-effectiveness of a military aircraft

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