考虑检测阈值与局部修复的燃气轮机部件维护决策模型研究

针对燃气轮机叶片传统定时维护策略成本高、保守性强的痛点，研究人员构建了融合非破坏性检测阈值(Dth)与混合修复(blending repair)的维护决策模型。通过动态贝叶斯网络(DBNs)量化局部修复对劣化行为的影响，结合自适应风险规划方法，实现比完美修复模型降低21%成本的效果，为航空发动机关键部件维护提供新范式。

　　

在航空发动机领域，燃气轮机叶片长期面临"过度维护"的困境。传统安全寿命法(Safe Life Method)要求定期更换所有叶片，而损伤容限法(Damage Tolerance Method)虽能根据检测结果决策，却难以准确建模实际维修场景。更棘手的是，现有维护模型往往忽略两个关键因素：非破坏性检测(NDI)的阈值限制（如仅能识别≥5%深度的裂纹），以及混合修复(blending repair)这种既非完美修复也非最小修复的"中间态"维护手段。这些问题导致维护成本居高不下——据统计，航空发动机30%的维护成本源于不必要的叶片更换。

针对这一难题，韩国国防技术规划与推进研究院(KRIT)支持的科研团队在《Engineering Applications of Artificial Intelligence》发表研究，创新性地将检测能力量化为概率检测曲线(POD curves)，并首次建立混合修复的转移矩阵模型。通过动态贝叶斯网络(DBNs)整合时变劣化行为与观测数据，结合自适应风险规划框架，开发出能同步优化检测阈值与修复策略的决策模型。关键技术包括：1)基于J85发动机一级压缩机叶片中心榫疲劳裂纹数据构建DBNs网络；2)采用部分可观测马尔可夫决策过程(POMDP)处理检测不确定性；3)引入贝叶斯自适应更新算法动态调整转移矩阵；4)通过马尔可夫链蒙特卡洛-吉布斯采样(MCMC-Gibbs)解决高维计算难题。

动态贝叶斯网络用于失效概率估计
研究将裂纹生长过程离散化为12个状态，建立包含隐藏变量(真实裂纹长度)和观测变量(检测结果)的双层DBNs结构。当检测阈值D_th设为5%时，模型能识别0.15mm的初始裂纹，而传统10%阈值会漏检38%的早期损伤。

模型概览
应用于J85发动机中心榫的案例显示：在裂纹增长率RFM=10%的严苛条件下，采用D_th=5%阈值时，混合修复能在第3决策步介入，将后续失效概率压制在10^-5以下，较完美修复模型节省17.3万美元/年维护成本。

讨论
检测能力与修复策略存在协同效应——当D_th从10%提升至5%，混合修复使用率增加2.4倍。但值得注意的是，在极端工况(RFM>15%)下，过度依赖混合修复会使累计失效风险上升1.8倍，此时需启动替换策略。

结论
该研究突破性地实现了三个创新：1)首次量化混合修复对裂纹扩展速率的影响系数η=0.63±0.12；2)构建检测-修复联合优化框架，使维护成本降低21%；3)开发的自适应DBNs-POMDP算法可动态更新劣化模型。这些成果不仅适用于航空发动机，还可推广至核电叶片、风电齿轮箱等高端装备维护领域。正如通讯作者Do-Nyun Kim指出："该模型的价值在于用工程可实现的检测精度，达成了接近理论极限的成本优化效果。"