RU2725299C1 - Способ оценки технического состояния лопаток турбины газотурбинного двигателя - Google Patents
Способ оценки технического состояния лопаток турбины газотурбинного двигателя Download PDFInfo
- Publication number
- RU2725299C1 RU2725299C1 RU2020103736A RU2020103736A RU2725299C1 RU 2725299 C1 RU2725299 C1 RU 2725299C1 RU 2020103736 A RU2020103736 A RU 2020103736A RU 2020103736 A RU2020103736 A RU 2020103736A RU 2725299 C1 RU2725299 C1 RU 2725299C1
- Authority
- RU
- Russia
- Prior art keywords
- values
- turbine blades
- engine
- turbine
- blades
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Изобретение относится к способам оценки технического состояния лопаток турбин газотурбинных двигателей в процессе их эксплуатации. Способ заключается в том, что предварительно определяют предельно допустимые значения повреждаемости лопаток турбины по результатам испытаний, рассеяние критических размеров лопаток по результатам их обмера, зоны лопаток турбины с наибольшей повреждаемостью, рассчитывают значения повреждаемости каждой из определенных зон лопаток турбины с учетом рассеяния в зависимости от значений параметров цикла двигателя и обучают нейросеть для каждой зоны лопаток турбины на основе рассчитанных значений их повреждаемости. В качестве входных величин каждая нейросеть имеет значения параметров цикла двигателя, а в качестве выходных величин - значения повреждаемости соответствующей зоны лопаток турбины. В процессе эксплуатации двигателя измеряют его основные параметры, включающие температуру и давление воздуха на входе в двигатель, по их значениям определяют и фиксируют текущие значения параметров цикла двигателя, с учетом которых определяют значения накопленной повреждаемости зон лопаток турбины с использованием обученных нейросетей. Значения накопленной повреждаемости зон лопаток турбины сравнивают с предельно допустимыми значениями повреждаемости лопаток турбины и по результатам сравнения делают вывод о техническом состоянии лопаток турбины. Технический результат - повышение достоверности оценки технического состояния лопаток турбины газотурбинного двигателя. 4 ил., 1 табл.
Description
Изобретение относится к области эксплуатации газотурбинных двигателей, а именно к способам оценки технического состояния лопаток турбин газотурбинных двигателей.
Известен способ оценки технического состояния газовой турбины (RU 2480806, 2013 г.), характеризующийся тем, что в процессе эксплуатации турбины измеряют ее основные параметры и обучают нейросеть, которая в качестве входных величин имеет значения параметров цикла двигателя, а в качестве выходных величин -значения повреждаемости турбины.
Известный способ предназначен для диагностики технического состояния газовой турбины в целом и не позволяет оценить техническое состояние лопаток.
Наиболее близким к заявляемому техническому решению является способ оценки технического состояния газотурбинного двигателя (RU 2389998, 2010 г.), характеризующийся тем, что предварительно определяют предельно допустимые значения повреждаемости деталей двигателя по результатам испытаний, рассчитывают значения повреждаемости деталей двигателя в зависимости от значений параметров цикла двигателя, включающих температуру газа за турбиной, частоту вращения двигателя и температуру воздуха за компрессором, в процессе эксплуатации двигателя измеряют его основные параметры, включающие температуру и давление воздуха на входе в двигатель, по их значениям определяют и фиксируют текущие значения параметров цикла двигателя, с учетом которых определяют значения накопленной повреждаемости деталей двигателя, сравнивают их с предельно допустимыми значениями повреждаемости и по результатам сравнения делают вывод о техническом состоянии газотурбинного двигателя.
Недостатками известного способа являются сложность его практической реализации и низкая достоверность результатов при оценке технического состояния лопаток турбины газотурбинного двигателя, обусловленная отсутствием учета геометрической и физической нелинейности лопаток турбины при расчете их повреждаемости.
Технической проблемой, на решение которой направлено заявляемое изобретение, является сложность практической реализации способа, позволяющего достоверно оценивать техническое состояние лопаток турбины газотурбинного двигателя в зонах лопаток с наибольшей повреждаемостью в процессе эксплуатации двигателя.
Технический результат, достигаемый при осуществлении настоящего изобретения, заключается в повышении достоверности оценки технического состояния лопаток турбины газотурбинного двигателя.
Решение технической проблемы с достижением заявленного технического результата обеспечивается реализацией способа оценки технического состояния лопаток турбины газотурбинного двигателя, заключающегося в том, что предварительно определяют предельно допустимые значения повреждаемости лопаток турбины по результатам испытаний, рассеяние критических размеров лопаток по результатам их обмера, зоны лопаток турбины с наибольшей повреждаемостью, рассчитывают значения повреждаемости каждой из определенных зон лопаток турбины с учетом рассеяния в зависимости от значений параметров цикла двигателя, включающих температуру Т*г газа на входе в турбину, частоту NТВД вращения двигателя и температуру Т*к воздуха за компрессором, и обучают нейросеть для каждой зоны лопаток турбины на основе рассчитанных значений их повреждаемости, причем в качестве входных величин каждая нейросеть имеет значения параметров цикла двигателя, а в качестве выходных величин - значения повреждаемости соответствующей зоны лопаток турбины, в процессе эксплуатации двигателя измеряют его основные параметры, включающие температуру tвx и давление Рвх воздуха на входе в двигатель, по их значениям определяют и фиксируют текущие значения параметров цикла двигателя, с учетом которых определяют значения накопленной повреждаемости зон лопаток турбины с использованием обученных нейросетей, сравнивают их с предельно допустимыми значениями повреждаемости лопаток турбины и по результатам сравнения делают вывод о техническом состоянии лопаток турбины.
Указанные существенные признаки обеспечивают решение технической проблемы с достижением заявленного технического результата, так как только совокупность существенных признаков, составляющих изобретение, позволяет повысить достоверность оценки технического состояния лопаток турбины газотурбинного двигателя в зонах лопаток с наибольшей повреждаемостью в процессе эксплуатации двигателя.
Настоящее изобретение поясняется следующим подробным описанием способа оценки технического состояния лопаток турбины газотурбинного двигателя со ссылкой на иллюстрации, где:
на фиг. 1 показаны гистограммы плотностей распределения размеров лопаток в характерных точках сечения пера лопатки;
на фиг. 2 представлен вид твердотельной модели лопатки;
на фиг. 3 представлен вид конечно-элементной модели лопатки;
на фиг. 4 представлен вид конечно-элементной модели лопатки с расположением зон с наибольшей повреждаемостью;
на фиг. 5 представлен фрагмент обучающей выборки суррогатной модели лопатки в виде таблицы.
Способ оценки технического состояния лопаток турбины газотурбинного двигателя осуществляется следующим образом.
Предварительно определяют предельно допустимые значения повреждаемости лопаток турбины по результатам испытаний, рассеяние критических размеров лопаток по результатам их обмера и зоны лопаток турбины с наибольшей повреждаемостью.
Предельно допустимые значения повреждаемости лопаток турбины, в частности, определяют по результатам испытаний лопаток или образцов в условиях многофакторного нагружения:
- испытаний на малоцикловую усталость в условиях повышенных температур с выдержкой;
- испытаний на ползучесть при переменной нагрузке.
В ходе испытаний может быть осуществлена проверка возможности использования линейного суммирования повреждаемости (см. Биргер И.А., Шорр Б.Ф. и др., «Термопрочность деталей машин», Москва, изд. «Машиностроение», 1975, 455 с.), а в случае невозможности его использования по результатам анализа могут быть выбраны другие законы накопления повреждаемости (Багмутов В.П., Савкин А.Н. Оценка долговечности стали на основании нелинейной модели накопления повреждаемости // XIII Мiжнародний колоквiум "Механiчна втома металiв". - 2006. - С. 380-385).
Под «рассеянием критических размеров» в рамках настоящей заявки понимаются виды и статистические параметры законов распределения размеров лопаток, оказывающие наибольшее влияние на характеристики прочности лопаток, например, шаг замкового соединения типа «елочка», угол установки лопаток (см. Б.Е. Васильев, "Using of robust design methods for the Fir-tree optimization problem", Proceedings of the ASME Turbo Expo 2018, GT 2018-75685, 2018).
В качестве примера на фиг. 1 показаны гистограммы плотностей распределения размеров лопаток в характерных точках 1-6 сечения пера лопатки, по которым можно определить, с какой вероятностью встретится определенный размер лопатки в ходе обмера. Характерные точки назначаются на основании анализа результатов обмера и выбираются таким образом, чтобы любой профиль лопатки можно было описать через задание отклонений в этих точках. Каждая точка имеет свой закон распределения и, соответственно, может быть описана своими параметрами распределения (среднеквадратическое отклонение, математическое ожидание, коэффициент эксцесса и др.) Количество этих параметров определяют в ходе разработки параметрической модели лопатки. Внешний вид гистограммы наглядно показывает возможный диапазон изменения размеров в каждой точке по всей выборке (по всему числу) лопаток. Так, размеры в точке 2 лежат в более узком диапазоне изменения, чем у точки 1, где разброс шире. Положение точек 1 и 4 (а также 3 и 6) в итоге определяют радиусы скругления входной и выходной кромки каждой лопатки, что позволяет учитывать геометрическую нелинейность лопаток турбины при расчете повреждаемости.
Зоны лопаток турбины с наибольшей повреждаемостью могут быть определены исходя из:
- распределения повреждаемости по результатам проведения предварительных расчетов прочности лопаток на нескольких режимах работы двигателя;
- опыта эксплуатации двигателя;
- конструктивных особенностей профильной части, замковой части, галтелей лопаток.
Предварительно также рассчитывают значения повреждаемости каждой из определенных зон лопаток турбины с учетом рассеяния в зависимости от значений параметров цикла двигателя, включающих температуру Т*г газа на входе в турбину, частоту NТВД вращения двигателя и температуру Т*к воздуха за компрессором.
В качестве примера для осуществления данного этапа может быть использован известный из уровня техники программный комплекс Ansys, с помощью которого на основе параметрической модели лопатки производится построение твердотельной (фиг. 2) и конечно-элементной (фиг. 3) моделей лопатки с учетом рассеяния размеров лопаток в пределах допусков и расчет значений повреждаемости лопаток для множества сочетаний значений параметров цикла двигателя. При этом для учета рассеяния размеров лопаток могут быть использованы вероятностно-статистические методы, а для генерации конечно-элементной модели - элементы второго порядка.
На фиг. 4 представлен вид конечно-элементной модели лопатки с расположением зон с наибольшей повреждаемостью.
При проведении расчетов может учитываться также физическая нелинейность лопаток турбины, в частности пластичность и ползучесть материала лопаток (Б.Е. Васильев, «Определение расчетной долговечности деталей турбин с помощью пользовательской модели ползучести в конечно-элементном комплексе Ansys», Вестник МГТУ им. Н.Э. Баумана, сер. «Машиностроение», 2012, с. 166-174; Б.Е. Васильев, А.Селиванов, "Numerical Method of single-crystal turbine blade static strength estimation taking into account plasticity and creep effects", 2019, "Materials Physics and Mechanics" 42, c. 311-322).
Обучают нейросеть для каждой зоны лопаток турбины на основе рассчитанных значений их повреждаемости, причем в качестве входных величин каждая нейросеть имеет значения параметров цикла двигателя, а в качестве выходных величин - значения повреждаемости соответствующей зоны лопаток турбины.
В качестве примера реализации для обучения нейросетей применяется способ обучения с учителем по парам входных-выходных величин.
На фиг. 5 представлен фрагмент обучающей выборки в виде таблицы, где в первой колонке указан порядковый номер узла конечно-элементной модели, в колонках 2-4 - величина соответствующего параметра цикла двигателя, а в пятой колонке - рассчитанная величина (Р) повреждаемости в узле конечно-элементной модели.
При обучении нейросетей решается задача оптимизации их внутренних параметров (веса и смещения активационных функций нейронов) с целью найти такие значения внутренних параметров, при которых нейросеть максимально точно прогнозирует выходные значения по входным значениям обучающей выборки. Для корректировки внутренних параметров применяется метод обратного распространения ошибки. Для прогнозирования не только математического ожидания остаточного ресурса, но и его среднеквадратичного отклонения, при обучении нейросетей применяется составная функция потерь. Обученные нейросети реализуют суррогатную модель повреждаемости лопаток, работающую в режиме реального времени на нейросетевом микроконтроллере, являющемся составной частью счетчика ресурса.
При этом реализация суррогатной модели происходит в несколько этапов:
- построение плана расчетов, формирование выборки для обучения нейронных сетей;
- выполнение расчетов и коррекция плана расчетов;
- выбор архитектуры модели (количество скрытых слоев нейросетей и количество нейронов в каждом слое);
- обучение нейронных сетей на 80% выборки;
- валидация результатов модели на 20% выборки и анализ точности работы модели;
- экспорт суррогатной модели на нейросетевой микроконтроллер.
В процессе эксплуатации двигателя измеряют его основные параметры, включающие температуру tвх и давление Рвх воздуха на входе в двигатель, по их значениям определяют и фиксируют текущие значения параметров цикла двигателя, с учетом которых определяют значения накопленной повреждаемости зон лопаток турбины с использованием обученных нейросетей, сравнивают их с предельно допустимыми значениями повреждаемости лопаток турбины и по результатам сравнения делают вывод о техническом состоянии лопаток турбины.
В случае использования линейного суммирования повреждаемости значения накопленной повреждаемости зон лопаток турбины могут быть определены как сумма значений повреждаемости зон лопаток турбины, получаемых на выходе нейросетей. При этом в случае, если значения накопленной повреждаемости превышают предельно допустимые, может быть сделан вывод о невозможности дальнейшей эксплуатации лопаток, в ином случае эксплуатация может быть продолжена.
В частном случае предварительно также определяют диапазоны изменения основных параметров двигателя по результатам его испытаний, а при измерении основных параметров двигателя проверяют их соответствие определенным диапазонам изменения основных параметров двигателя.
Для реализации заявленного способа при использовании счетчика ресурса текущие значения основных параметров двигателя передаются на нейросетевой микроконтроллер в режиме реального времени для их дальнейшей обработки счетчиком и получения вывода о техническом состоянии лопаток турбины. При этом подтверждается достижение заявленного технического результата - повышение достоверности оценки технического состояния лопаток турбины, а также дополнительно обеспечивается повышение быстродействия счетчика ресурса.
Claims (1)
- Способ оценки технического состояния лопаток турбины газотурбинного двигателя, заключающийся в том, что предварительно определяют предельно допустимые значения повреждаемости лопаток турбины по результатам испытаний, рассеяние критических размеров лопаток по результатам их обмера, зоны лопаток турбины с наибольшей повреждаемостью, рассчитывают значения повреждаемости каждой из определенных зон лопаток турбины с учетом рассеяния в зависимости от значений параметров цикла двигателя, включающих температуру Т*г газа на входе в турбину, частоту NТВД вращения двигателя и температуру Т*к воздуха за компрессором, и обучают нейросеть для каждой зоны лопаток турбины на основе рассчитанных значений их повреждаемости, причем в качестве входных величин каждая нейросеть имеет значения параметров цикла двигателя, а в качестве выходных величин - значения повреждаемости соответствующей зоны лопаток турбины, в процессе эксплуатации двигателя измеряют его основные параметры, включающие температуру tвх и давление Рвх воздуха на входе в двигатель, по их значениям определяют и фиксируют текущие значения параметров цикла двигателя, с учетом которых определяют значения накопленной повреждаемости зон лопаток турбины с использованием обученных нейросетей, сравнивают их с предельно допустимыми значениями повреждаемости лопаток турбины и по результатам сравнения делают вывод о техническом состоянии лопаток турбины.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020103736A RU2725299C1 (ru) | 2020-01-29 | 2020-01-29 | Способ оценки технического состояния лопаток турбины газотурбинного двигателя |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020103736A RU2725299C1 (ru) | 2020-01-29 | 2020-01-29 | Способ оценки технического состояния лопаток турбины газотурбинного двигателя |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2725299C1 true RU2725299C1 (ru) | 2020-06-30 |
Family
ID=71510429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2020103736A RU2725299C1 (ru) | 2020-01-29 | 2020-01-29 | Способ оценки технического состояния лопаток турбины газотурбинного двигателя |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2725299C1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115420481A (zh) * | 2022-07-26 | 2022-12-02 | 北京航空航天大学 | 一种航空发动机涡轮叶片热机械疲劳壁厚方向非均匀温度场调试方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2236671C1 (ru) * | 2003-04-14 | 2004-09-20 | Открытое акционерное общество "Научно-производственное объединение "Сатурн" | Способ эксплуатации авиационного газотурбинного двигателя по его техническому состоянию |
RU2389998C1 (ru) * | 2008-11-13 | 2010-05-20 | Открытое акционерное общество "Авиадвигатель" | Способ оценки технического состояния авиационного газотурбинного двигателя |
RU2480806C2 (ru) * | 2007-10-26 | 2013-04-27 | Сименс Акциенгезелльшафт | Способ анализа функционирования газовой турбины |
-
2020
- 2020-01-29 RU RU2020103736A patent/RU2725299C1/ru active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2236671C1 (ru) * | 2003-04-14 | 2004-09-20 | Открытое акционерное общество "Научно-производственное объединение "Сатурн" | Способ эксплуатации авиационного газотурбинного двигателя по его техническому состоянию |
RU2480806C2 (ru) * | 2007-10-26 | 2013-04-27 | Сименс Акциенгезелльшафт | Способ анализа функционирования газовой турбины |
RU2389998C1 (ru) * | 2008-11-13 | 2010-05-20 | Открытое акционерное общество "Авиадвигатель" | Способ оценки технического состояния авиационного газотурбинного двигателя |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115420481A (zh) * | 2022-07-26 | 2022-12-02 | 北京航空航天大学 | 一种航空发动机涡轮叶片热机械疲劳壁厚方向非均匀温度场调试方法 |
CN115420481B (zh) * | 2022-07-26 | 2024-06-11 | 北京航空航天大学 | 一种航空发动机涡轮叶片热机械疲劳壁厚方向非均匀温度场调试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Probabilistic physics of failure-based framework for fatigue life prediction of aircraft gas turbine discs under uncertainty | |
JP3186866B2 (ja) | 構造部材の劣化・損傷予測方法およびその予測装置 | |
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 | |
CN112507452A (zh) | 航空发动机涡轮叶片可靠性数字孪生建模方法 | |
CN112906281B (zh) | 一种基于拟蒙特卡洛抽样的涡轮盘裂纹扩展可靠性分析方法 | |
KR20090122977A (ko) | 균열 진전 예측 방법 및 균열 진전 예측 프로그램을 수록한 컴퓨터 판독 가능한 기록 매체 | |
RU2725299C1 (ru) | Способ оценки технического состояния лопаток турбины газотурбинного двигателя | |
Gao et al. | Dynamic probabilistic-based LCF damage assessment of turbine blades regarding time-varying multi-physical field loads | |
Cao et al. | Stochastic modeling of fatigue crack growth for bolt holes in turbine disc | |
CN110895624B (zh) | 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法 | |
Huo et al. | Research on fretting fatigue life estimation model considering plastic effect | |
CN110889077A (zh) | 基于Kendall相关系数的加速贮存与自然贮存退化数据一致性检验方法 | |
CN114254533B (zh) | 考核疲劳振动对产品组部件固定角度影响和预测的方法 | |
CN114492074A (zh) | 一种概率损伤容限评估分析方法 | |
CN115169241A (zh) | 一种数据-模型互驱动的TiAl合金疲劳寿命预测方法 | |
CN110889083B (zh) | 基于窗谱估计的退化数据一致性检验法 | |
YANG | Performance Analysis on the Reliability Attributes of NHPP Software Reliability Model Applying Exponential and Inverse-Exponential Lifetime Distribution | |
CN110907269A (zh) | 一种基于微观划痕的钛合金疲劳寿命预测方法 | |
Fong et al. | Design of an Intelligent PYTHON Code for validating crack growth exponent by monitoring a crack of zig-zag shape in a cracked pipe | |
Keller | A practical approach to implementing linear elastic fracture mechanics in gas turbine rotor disk analyses | |
CN116973294B (zh) | 考虑环境腐蚀速率与荷载历程匹配关系的腐蚀疲劳试验方法 | |
RU2796563C1 (ru) | Способ эксплуатации авиационного газотурбинного двигателя по его техническому состоянию | |
Ghoreishi et al. | Experimental and numerical modal analysis of the first and second stage compressor blades | |
RU2818426C1 (ru) | Способ эксплуатации авиационного газотурбинного двигателя по его техническому состоянию | |
RU2708500C1 (ru) | Способ оценки параметров профиля поверхности на основе вероятностно-статистической классификации спектра профилограммы |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PC43 | Official registration of the transfer of the exclusive right without contract for inventions |
Effective date: 20210804 |