To avoid the use of specific conversion coefficients with high expense and unacceptable prediction accuracy, a probability-based prediction method is proposed by considering probabilistic feature parameters, to predict the service safety life (SSL) of aeroengine turbine blades. The direct correlation between laboratory remaining life (LRL) and SSL was firstly established by considering probabilistic feature parameters. By conducting Combined high and low Cycle Fatigue (CCF) tests of turbine blades, the effectiveness of the developed method was validated based on the failure event. The proposed method was further verified by predicting the SSL of treated blades with certain operation time. In respect of the studies, it is illustrated that (1) the SSL of turbine blade can be reasonably reflected by the LRL in respect of probabilistic feature parameters; (2) the prediction errors of the raw and treated blades are 2.2% and 12.7%, respectively, indicating that the developed probability-based prediction method has acceptable prediction precision and is an effective method in the SSL prediction of aeroengine turbine blades; (3) the developed method needs less samples than the specific conversion coefficients method, indicating that the SSL prediction of turbine blade needs fewer time and costs. The efforts of this study provide a promising approach for the SSL prediction of turbine blades, offer a useful guidance for the service life management of aeroengine turbine blades to reduce the cost of expense and time and enhance the safety of aeroengine operation.

为了避免使用昂贵的特定转换系数和无法接受的预测精度，提出了一种基于概率的预测方法，其中考虑了概率特征参数，以预测航空发动机涡轮叶片的使用寿命（SSL）。首先通过考虑概率特征参数来建立实验室剩余寿命（LRL）与SSL之间的直接关联。通过对涡轮机叶片进行高，低周疲劳联合（CCF）测试，基于故障事件验证了所开发方法的有效性。通过在一定的操作时间下预测处理后的刀片的SSL，进一步验证了该方法的有效性。在研究方面，结果表明：（1）LRL可以在概率特征参数方面合理反映涡轮叶片的SSL特性。（2）原始叶片和处理叶片的预测误差分别为2.2％和12.7％，这表明所开发的基于概率的预测方法具有可接受的预测精度，是航空发动机涡轮叶片SSL预测的有效方法；（3）所开发的方法比特定的转换系数方法需要更少的样本，这表明涡轮叶片的SSL预测需要更少的时间和成本。这项研究的努力为涡轮叶片的SSL预测提供了一种有前途的方法，为航空发动机涡轮叶片的使用寿命管理提供了有用的指导，以减少费用和时间成本并提高航空发动机运行的安全性。（2）原始叶片和处理叶片的预测误差分别为2.2％和12.7％，这表明所开发的基于概率的预测方法具有可接受的预测精度，是航空发动机涡轮叶片SSL预测的有效方法；（3）所开发的方法比特定的转换系数方法需要更少的样本，这表明涡轮叶片的SSL预测需要更少的时间和成本。这项研究的努力为涡轮叶片的SSL预测提供了一种有前途的方法，为航空发动机涡轮叶片的使用寿命管理提供了有用的指导，以减少费用和时间成本并提高航空发动机运行的安全性。（2）原始叶片和处理叶片的预测误差分别为2.2％和12.7％，这表明所开发的基于概率的预测方法具有可接受的预测精度，是航空发动机涡轮叶片SSL预测的有效方法；（3）所开发的方法比特定的转换系数方法需要更少的样本，这表明涡轮叶片的SSL预测需要更少的时间和成本。这项研究的努力为涡轮叶片的SSL预测提供了一种有前途的方法，为航空发动机涡轮叶片的使用寿命管理提供了有用的指导，以减少费用和时间成本并提高航空发动机运行的安全性。表明所开发的基于概率的预测方法具有可接受的预测精度，是航空发动机涡轮叶片SSL预测的有效方法；（3）所开发的方法比特定的转换系数方法需要更少的样本，这表明涡轮叶片的SSL预测需要更少的时间和成本。这项研究的努力为涡轮叶片的SSL预测提供了一种有前途的方法，为航空发动机涡轮叶片的使用寿命管理提供了有用的指导，以减少费用和时间成本并提高航空发动机运行的安全性。表明所开发的基于概率的预测方法具有可接受的预测精度，是航空发动机涡轮叶片SSL预测的有效方法；（3）所开发的方法比特定的转换系数方法需要更少的样本，这表明涡轮叶片的SSL预测需要更少的时间和成本。这项研究的努力为涡轮叶片的SSL预测提供了一种有前途的方法，为航空发动机涡轮叶片的使用寿命管理提供了有用的指导，以减少费用和时间成本并提高航空发动机运行的安全性。表明涡轮叶片的SSL预测需要更少的时间和成本。这项研究的努力为涡轮叶片的SSL预测提供了一种有前途的方法，为航空发动机涡轮叶片的使用寿命管理提供了有用的指导，以减少费用和时间成本并提高航空发动机运行的安全性。表明涡轮叶片的SSL预测需要更少的时间和成本。这项研究的努力为涡轮叶片的SSL预测提供了一种有前途的方法，为航空发动机涡轮叶片的使用寿命管理提供了有用的指导，以减少费用和时间成本并提高航空发动机运行的安全性。