易遭疲劳失效的构件的维护方法 本申请是1996年11月27日递交的临时申请No.60/031,507的继续，该申请的全部内容列作本申请的参考。
本发明与维护易遭疲劳失效的构件有关。
众所周知，构件的疲劳寿命在设计许多机械、射流和电动装置和系统中是一个主要因素。在要求高可靠性的系统中，构件的疲劳寿命甚至更为苛刻。飞机的燃气涡轮发动机是要求高可靠性的系统的一个例子，对于这种系统，构件地疲劳寿命是一个关键性的因素。对于燃气涡轮发动机的高能转子构件来说，部件的疲劳寿命特别关键，因为它们显著威胁着飞机安全，如果发生难以控制的损坏的话。考虑到任何飞机燃气涡轮发动机中机件失效的潜在灾难性后果，飞机发动机工业已研究了非常复杂的设计方法，力图保证所有关键性发动机构件能在一组给定的工作条件下可靠地满足运行寿命的要求。因此，由于反复运行体上工作循环而引起的疲劳失效是工程设计人员非常关注的失效模式，因为它直接影响最终产品的可靠性和寿命周期费用。所以，对设计构件来说特别强调要安全地使所设计的构件的疲劳寿命尽量增长。
许多年来在飞机工程领域内设计易疲劳机件遵循的主要途径是通常所谓的“安全寿命”方法。安全寿命方法所根据的是对于任何给定的设计都可以决定性地计算出在产生疲劳裂纹或其它疲劳迹象前能经受的最少负载循环数的原则。这个最少负载循环数必需考虑到机件尺寸、材料特性和工作环境(环境条件)各方面的变化。在安全寿命方法中，这个最少工作循环数确定后，就可以确立机件的退役极限或寿命。退设极限通常设为小于最少负载循环数，以保证一定的安全裕量。至少有一个发动机生产厂家通常已采用安全系数3来确定它的退役极限。熟悉本技术领域的人员可以理解，安全寿命方法能用于任何机械、电动或射流构件。
确定燃气涡轮发动机的新构件的安全寿命的一个典型过程涉及以下几个步骤：
·确定期望工作循环
·确立最少的发动机和失效发动机的热力学条件
·利用热力学条件进行暂态热传导分析
·利用热传导结果进行有限元应力分析
·确立构件中几个位置的最大运算应变范围，以考虑环境条件和发动机变差的“任务混合”
·根据应变范围和现有试样的疲劳数据确定最短疲劳寿命
·根据运行经验、测试经验等对最短寿命施加安全系数，确定构件的退役极限
虽然在理论上保证了高度的可靠性，但安全寿命方法仍有某些缺点。例如，由于这种方法本质上是决定性的，而且全都假设为最小值，因此大量构件在远未到出现裂纹或其他失效迹象前就被迫退役。对于飞机发动机工业来说，这是不经济的，许多发动机被迫从机翼上取下拆除，使尚可使用的机件被拆下抛弃掉。
此外，经验表明，尽管应用了安全寿命方法，运行中还可能发生疲劳失效。对于飞机发动机来说，这种与实际不一致通常是由于下列原因之一引起的：
·热传导或应力分析不精确
·工作循环规定得不正确，或操作员用了与所假设的不同的工作循环
·控制系统硬件失效，使发动机在不同于所假设的热力学条件下运行
·控制逻辑有问题，使发动机在不同于所假设的热力学条件下运行
而且，由于所声称的某个构件的安全寿命是在不需要检查的情况下计算出来的，因此这个构件在达到它的退役极限前一般不加检查。这是通常的情况，即使这个机件由于一些其他维修原因尚可加以利用。如果得出安全寿命极限所根据的原始分析证明是非保守的，那么就会丧失检测一系列发动机中有害的疲劳趋向的宝贵时机，往往一出现有问题的迹象就是实际失效。或者，如果得出安全寿命极限所根据的原始分析证明是过于保守的，那么就需要被迫将机件拆下加以检查的复杂而费时的程序，以收集可以延长使用期的数据。
本发明的主要目的是提供一种在使用期间对易遭疲劳失效的构件进行维护的方法。具体地说，这是一种维护系统内易疲劳构件的方法，可以维护和提高系统的可靠性或安全性，同时为系统用户降低了系统运行成本。
另一个目的是提供一种经改善的确立易疲劳构件的寿命极限的途径。本发明的再一个目的是提供一种便于检测意外或非规定失效模式的易疲劳构件的维护方法。本发明的又一个目的是提供一种利用实时健全性监测能力方便地延长易疲劳构件寿命的方法。还有一个目的是提供一种定量估计在构件或产品(诸如涡轮发动机)寿命周期期间各种维护方案的效用的工具。本发明的又一个目的是减少被迫拆下构件的次数。
在这样一种方法中可以达到上述一个或多个目的，这种方法利用在模拟一系列构件运行中的统计分布来预测在所假设的检查程序的整个一段固定的时间增量内这些构件的失效率。这些预测用来确定一个操作规划，包括通过检测出带有失效迹象的构件、在失效前除去这些构件以保持可接受的失效率的检查程序。这个检查程序提供了从实际运行得到的实际疲劳数据。随着检查数据库的逐渐形成，结合这些数据修改模拟。然后，根据经修改的模拟更新预测失效率和操作规划。
具体地说，可以达到上述一个或多个目的的在使用期间对易遭疲劳失效的构件的维护方法包括下列步骤：
a)确定实际使用中易遭疲劳失效的一个给定构件的出现疲劳迹象的概率分布和疲劳失效寿命的概率分布；
b)设定给定构件的可接受运行失效率；
c)预报在一段第一时间增量期间将投入运行的每个给定构件；
d)模拟在整个第一时间增量期间这些给定构件的运行和检查情况，根据下列各项确定对这些给定构件的一个可接受操作规划：
1)出现疲劳迹象的概率分布和疲劳失效寿命的概率分布，
2)在检查任何一个给定构件期间检测到可检测疲劳迹象的概率，
3)所预报的在第一时间增量期间将投入运行的构件，以及
4)可接受运行失效率；
e)将多个给定构件投入运行；
f)按照操作规划检查投入运行的给定构件，以便：
1)收集运行给定构件中产生的疲劳数据，
2)如果检查期间检测到其中有一个给定构件有疲劳迹象，将这个给定构件退出运行，以防运行失效；
g)根据在检查期间收集到的疲劳失效数据确定给定构件的经修改的出现疲劳迹象的概率分布和疲劳失效寿命的概率分布；
h)预报在下一时间增量期间将投入运行的每个给定构件；
i)重新模拟在整个下一时间增量期间这些给定构件的运行和检查情况，根据下列各项确定对这些给定构件的一个经修改的可接受操作规划：
1)经修改的出现疲劳迹象的概率分布和疲劳失效寿命的概率分布，
2)在检查任何一个给定构件期间检测到可检测疲劳迹象的概率，
3)所预报的在下一时间增量期间将投入运行的构件，以及
4)可接受运行失效率；
j)按照经修改的操作规划检查投入运行的给定构件，以便：
1)收集运行给定构件中产生的附加疲劳失效数据，以及
2)如果检查期间检测到其中有一个给定构件有疲劳迹象，将这个给定构件退出运行，以防运行失效。
在一个实施方式中，这种方法还包括重复步骤g)至j)直到步骤i)指示为了达到这个可接受运行失效率不再需要修改操作规划为止的步骤。
在本说明的附图中：
图1为例示体现本发明的一种方法的流程图；
图2为例示本发明中所采用的理论上描述一个构件发生疲劳龟裂的分布的weibull积累概率函数的曲线图；以及
图3为例示本发明中所采用的Monte Carlo模拟的流程图。
本发明所提出的方法的流程图示于图1。如方框10所示，本方法的初始步骤之一是根据实际运行情况确定一个易遭疲劳失效的构件的出现疲劳迹象的概率分布和疲劳失效寿命的概率分布。另一个初始步骤是设置这个构件的可接受运行失效率，如方框12所示。此外必需对在第一时间增量期间将投入运行的每个构件作出预报，如方框14所示。这一步骤包括预报将有多少构件投入运行和将投入运行的每个专用构件的疲劳历史和特性。如方框16所示，在初始步骤10、12和14之后，对这些构件在整个第一时间增量期间的运行和检查情况进行模拟，确定对这些构件的可接受操作规划。模拟是根据在方框10确定的出现疲劳迹象的概率分布和疲劳失效寿命的概率分布、在方框14确定的在检查任何一个构件期间检测到可检测疲劳迹象的概率和预报的在第一时间增量期间将投入运行的构件以及在方框12设置的可接受运行失效率进行的。操作规划将包括一个检查程序，还可以包括对于运行这些构件和有目标地拆除、替换和修复这些构件的指导。如方框18和20所示，将多个构件投入运行，按照操作规划加以检查。检查用来收集由于运行这些构件而产生的疲劳数据，如果在检查期间检测到有一个构件有疲劳迹象，就将这个构件替换掉或退出运行，以免发生运行故障，如方框22所示。在方框24，根据检查期间所收集的疲劳失效数据确定构件的经修改的出现疲劳迹象的概率分布和疲劳失效寿命的概率分布。此外，如方框26所示，对在下一时间增量期间将投入运行的构件作出预报。这个预报包括有关在方框18在当前时间增量期间已投入运行的新构件和在方框22被除去或替换的构件的信息。接着，如箭头28所示，对这些构件在整个下一时间段期间的运行和检查情况进行重新模拟，根据在方框24确定的经修改的出现疲劳迹象的概率分布和疲劳失效寿命的概率分布、在方框26确定的在检查任何一个构件期间检测到可检测疲劳迹象的概率和预报的在下一时间增量期间将投入运行的构件以及在方框12设置的可接受运行失效率确定一个对这些构件的经修改的可接受操作规划。然后，在每次迭代期间利用经修改的操作规划重复方框10、18、20、22、24和26所示步骤，直到步骤16指示为了达到可接受运行失效率不再需要修改操作规划为止。
下面通过将本方法用于燃气涡轮发动机的转子详细说明本发明的情况。然而，应当指出的是，本方法可以用于任何易遭疲劳失效的构件，而不局限于用于燃气涡轮发动机或燃气涡轮发动机的转子，除非在权利要求中有具体说明。
在一种为涡轮发动机新设计的转子首次投入运行使用时，本方法起初遵循传统的安全寿命途径。因此，规定具体的工作循环，确定各个热动态点，进行必要的热传导和应力分析，从而确立确定性最短预测寿命(即产生疲劳裂纹或其他疲劳迹象的最少工作循环数)。此后，本方法就与安全寿命途径不同，这最短寿命既不用作退役寿命，也不用来计算退役寿命。相反，经验表明，对于疲劳失效有一个统计分布，这个统计分布可以用weibull积累概率函数F(t)=1-e-(tη)β]]>很好表示。其中：t为构件的工作循环数；η为特征寿命，与平均失效时间成正比；而β表示分布的形状参数，是weibull曲线的斜率。这斜率标明了失效模式的类别，如：早期失效(β＜1)，随机失效(1＜β＜2)，以及衰老失效(β＞2)。
确定了一个构件的最短寿命后，可以通过假设这个确定性最短预测寿命表示一个已知的出现概率，产生对于这个新部件的weibull分布。对于新的设计来说，假设失效寿命服从正态分布，而确定性最短预测寿命确定了概率为0.135％的超过点(-3σ)。这一点起着确定所假设的weibull分布的作用，而通过这点的曲线的斜率起初根据经验设定。在这些假设下，可以为任何构件构成理论上的出现疲劳迹象的分布，例如如图2所示的出现疲劳龟裂的分布。weibull分析的详细情况可参阅R.B.Abemethg,J.E.Breneman,C.H.Medlin和G.L.Reinman的“weibull分析手册”(“weibull AnalysisHandbook”1983,U.S.Air Force AFWAL-TR-83-2079,AD# A143100)。
本方法的下个步骤是将预测的weibull分布用于Monte Carlo模拟。Monte Carlo技术采用概率分布，预报有多少转子叶轮在运行中将出现和扩展裂纹而失效。Monte Carlo模拟考虑的有：构件使用时间，根据预测的weibull分布得出的裂纹出现率，裂纹增长率，检查率，检查期间的检测概率，以及新生产的转子的投入运行。总模拟流程图例示于图3。
由图3可见，每个构件和它当前的相应使用时间(循环数或小时数)以直方图形式输入这个模型。算法用一个随机数产生器为每个构件根据各自所产生的分布指定一个裂缝发生时间和检查间隔。为了确定实际失效寿命，这种模拟或者使用根据线弹性断裂力学得出的裂缝增长率和初始裂缝为0.032”的假设，或者使用一个统计失效分布，如weibull分布。
确定了裂缝发生、检查和失效寿命后，就根据平均用户使用率老化每个构件一段规定的时间。随着构件的老化，对由weibull分布指定的寿命进行评估，确定它的最终状况。这最终结果是反复使每个构件经过随时间发生的所有可能事件得出的。例如，在一个构件到达所计算的检查时间时，程序就对检查进行模拟，根据对于所使用的具体检查类型的检测概率确定是否发现裂缝。检查概率曲线考虑了根据裂缝增长率利用众所周知的Paris规律得出的裂缝长度以及检查的系统误差。如果发现一条裂缝，就除去这个构件，加以研究和替换；否则，返回到运行现场，指定一个新的检查时间。如果构件在下次检查前就达到了它的失效寿命，就预测在运行中会失效。
模拟也可以设计成考虑通常构件所存在的多种失效模式。具体地说，在某些情况下，一种模式引起的裂缝可以按另一种模式扩展。这些不同的模式可以利用复杂或简单的组合统计(如超几何、二项式分布)定为相互独立或相关的。这使机件的复杂失效特性可以用单个或一系列失效分布来模拟，而不必试图对各种失效模式的物理失效机制进行建模。这在例如高循环疲劳可以缩短低循环疲劳寿命的情况下是有用的。高循环疲劳机制的建模通常困难得多，而转换后的失效率数据通常是可以得到的，或者能很方便地用比低循环疲劳寿命小许多的有限时间间隔(如工作很少的几个小时)来近似。
除了处理多种失效模式，Monte Carlo模拟可以包括各种预防性或校正性操作，可以在不同的模拟时间点引进模拟，以评估它们的影响。这些操作的例子包括：改变设计，用改换投入试验的新生产的单元的失效分布来模拟；缩短或增长检查之间的间隔；改变发动机的操作程序，用根据对改变使用将怎样影响限制寿命的那些部分的应力的分析预测改变裂缝发生或失效分布来模拟；改变检查方法；以及引进构件修复，用迫使该单元退出运行而用一个零时间单元和新的裂缝发生或失效分布来代替。
因此，通过对每个构件在一段规定的时间间隔上进行模拟，就可确定有多少构件将龟裂，有多少构件将加以检查，有多少龟裂的构件将在检查中发现，以及有多少构件将失效和由于什么模式引起的。这模拟重复大量次数(10,00-100,000次)后加以平均。经平均的结果于是用于指导对构件的检查程序。通常，转子的运行失效认为是不可接受的。因此，如果经平均的结果的模拟得出在这段时间间隔内运行失效超过0.5，那么可以对检查程序进行修改，以免出现这样大的失效。通常，这可以缩短检查程序的检查间隔或改进检查过程来实现。或者，为了防止这样大的失效也可以采用除去高时间构件和/或改变构件的运行情况。
为了验证分析中固有的基本假设和有利于及早检测到有害的疲劳趋势，希望能从检查中收集到尽可能多的数据。在是一个新的发动机的情况下，每个返回检修车间的转子在每一个时机都要加以检查，例如在例行维护的车间巡视期间。检查结果用来修改weibull分布。在假设的龟裂分布用实际现场数据代替时，可以重新评估经常性检查的要求，如果得到分析的支持，可以延长检查之间的间隔，最后，分析过程可以全部根据实际检查数据，从而可以使对周期性检查的要求最佳化。
很可能检查程序会揭示运行中有多种失效模式，其中有一些可能在原始分析时没有加以考虑。在这种情况下，可以将新的模式包括在Monte Carlo模拟内，迅速产生更新的预报。此外，潜在的设计改变的可行性可以通过允许在车间巡视期间为各个构件引进新“固定”的失效分布加以评估。在一个发动机设计达到完全成熟时，实际失效率将很好地根据检查程序确定。此时，就能精确地确定检查准则和退役极限，保证所要求的失效发生率，同时又充分利用机件。这种方法的一个相当成功的情况的研究可参见1996年11月22日的递交的共同未决临时申请60/031,507，该申请的全部内容已列作本申请的参考。