Gamma过程退化失效可靠性分析

退化型失效产品,可通过退化失效分析对其进行可靠性统计推断。性能退化一般是一个随机过程,并且是单调变化的,为描述产品的退化,给出了一个随机Gamma过程模型,通过求解该过程的首达时分布即可获得产品的失效分布。由于解析方法求解存在很大的难度,给出了一种基于仿真的求解方法。利用所得模型对强激光装置所用的某型金属化膜脉冲电容器进行了可靠性分析,说明了模型的适用性。     

基于秩相关系数的加速贮存退化失效机理一致性检验

利用加速贮存试验数据推断长贮产品贮存寿命的前提是,提高应力水平仅仅增大失效速率而不改变失效机理.提出了基于Spearman秩相关系数的贮存退化失效机理一致性检验的非参数定量方法.分析了加速贮存退化失效机理一致性检验的内涵就是检验退化曲线形状的一致性;然后给出了基于Spearman秩相关系数检验配对样本序列一致性的原理和步骤;进一步,通过某型发射药实例数据和单调递减退化仿真数据,验证了方法的有效性.      

随机环境应力冲击下基于多参数相关退化的导弹部件寿命预测

为了解决某型导弹部件的贮存寿命预测问题,提出了一种随机环境应力冲击下基于多参数相关退化的寿命预测方法。针对产品存在退化失效与突发失效两种失效模式,利用Wiener、Gamma及Inverse Gaussian等随机过程模型拟合各性能参数的退化数据,并采用Copula函数进行相关性退化失效建模;利用随机环境应力冲击解释突发失效的机理,并采用非均匀泊松过程对突发失效建模;进而建立退化失效与突发失效竞争的贮存寿命预测模型。实例应用说明所提方法能够反映出导弹部件的失效规律,比传统预测方法具有更高的预测准确性,具有较好的工程应用价值。     

基于退化失效与突发失效竞争的导弹剩余寿命预测

为了提高导弹剩余寿命预测结果的准确性,本文综合利用导弹的性能退化数据和突发失效时间数据,提出了基于退化失效和突发失效竞争的剩余寿命预测方法。在引入状态空间模型评估出整弹退化程度的基础上,采用Gamma过程建立退化失效模型;在假定突发失效概率与整弹性能退化程度相关的前提下,采用Weibull分布建立突发失效模型;进而建立退化失效与突发失效竞争模式下的导弹可靠度模型。案例应用证明了所提方法的有效性,对准确预测导弹剩余寿命,有效开展视情维修具有一定的工程价值。     

基于故障数据的某型导弹失效风险排序方法

以某型导弹寿命预测为研究背景,按专业将该型导弹分为弹体、动力系统、电子电气设备等8个分系统,采用FTA-FMMEA方法分别对其进行失效模式和机理分析,并引入严酷度等级和失效模式发生概率等级,构建失效模式风险评价模型,对导弹各分系统的失效危害度进行定量分析。根据服役期间导弹现场失效数据并结合先验信息,提出了基于Bayes估计的各失效模式发生概率求取方法,给出了导弹各分系统的失效排序,确定了导弹薄弱环节,为后续贮存寿命预估提供依据。     

基于退化模型的失效机理一致性检验方法

有效的加速试验必须保证产品的失效机理不变。针对加速退化试验(ADT)可靠性建模的特点,提出了一种基于退化模型的失效机理一致性检验方法。以基于随机过程和基于退化轨迹拟合的退化模型为例,通过加速系数的2种等效定义分别建立了模型参数与失效机理不变的内在联系,进一步推导出其参数在不同应力下须满足的关系。在合理假定检验样本服从正态分布的基础上,利用t统计量对样本的一致性进行检验。通过2个ADT实例验证了所提检验方法的合理性与可行性。     

液体火箭发动机失效的Weibull分布环境因子

针对液体火箭发动机,给出了检验天地环境下失效机理是否相同的统计方法,基于这个前提,推导了天地环境因子的极大似然估计,并用数值例说明了这些方法。     

民用飞机共因失效分析方法研究

对共因失效分析的定性分析方法与定量分析模型进行了深入研究,为特殊风险分析、共模失效分析、区域安全性分析等民机共因失效定性分析方法制定了分析程序,给出了Beta因子模型、基本参数模型、多希腊字母模型、二项失效率模型、马尔可夫模型等共因失效定量分析模型,为民用飞机适航符合性验证与型号合格审定提供技术支持.     

基于强度退化的齿轮可靠性计算模型研究及应用

为了研究强度退化对齿轮可靠性的影响,针对一般工作环境下具有多种失效模式的齿轮,通过引入条件概率,考虑零件失效相关性和材料性能退化因素,利用动态应力-强度干涉模型建立基于强度退化的齿轮可靠性的计算模型。以某型齿轮可靠度计算为例,其计算结果表明:在考虑材料强度退化时,齿轮的可靠度随工作时间的增加不断降低,验证了该计算模型的准确性。     

无失效数据下液体火箭发动机的E-Bayes可靠性分析

为了解决航空航天产品、造价昂贵的产品及高可靠性产品的可靠性评估,本文在无失效数据情况下,对液体火箭发动机进行了可靠性分析.应用E-Bayes(Expected-Bayesian)估计法,在有关研究的基础上,针对液体火箭发动机热试车过程中可能出现的无失效数据情况,确定了失效概率的先验分布,并给出了E-Bayes估计和多层...     

基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法

为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标(HIs)选取方案,并考虑环境及模型参数不确定性,进行模型不确定性仿真,基于健康数据与性能衰退数据间的马氏距离对部件性能衰退进行检测。提出了基于随机森林-支持向量回归(RF-SVR)的剩余使用寿命(RUL)估计方法,利用通过RF特征选择优化的SVR模型实现部件RUL估计。最后基于某型民用涡扇发动机机械液压模型仿真数据对该方法进行了验证,结果表明:该方法的性能衰退检测虚警率及漏报率低于2%,RUL估计误差低于3%,可为航空发动机燃油系统的预测性维护提供参考。      

Reliability estimation of mechanical seals based on bivariate dependence analysis and considering model uncertainty

The reliability estimation of mechanical seals is of crucial importance due to their wide applications in pumps in various mechanical systems. Failure of mechanical seals might cause leakage, and might lead to system failure and other relevant consequences. In this study, the reliability estimation for mechanical seals based on bivariate dependence analysis and considering model uncertainty is proposed. The friction torque and leakage rate are two degradation performance indicators of mechanical seals that can be described by the Wiener process, Gamma process, and inverse Gaussian process. The dependence between the two indicators can be described by different copula functions. Then the model uncertainty is considered in the reliability estimation using the Bayesian Model Average (BMA) method, while the unknown parameters in the model are estimated by Bayesian Markov Chain Monte Carlo (MCMC) method. A numerical simulation study and fatigue crack study are conducted to demonstrate the effectiveness of the BMA method to capture model uncertainty. A degradation test of mechanical seals is conducted to verify the proposed model. The optimal stochastic process models for two performance indicators and copula function are determined based on the degradation data. The results show the necessity of using the BMA method in degradation modeling.     

飞机整体驱动发电机可靠性与维修策略探究

针对飞机整体驱动发电机可靠性分析手段缺乏、故障样本小且维修策略相对保守的问题,提出了以历史故障数据为驱动的贝叶斯和马尔可夫链融合的可靠性分析方法。 首先,利用蒙特卡洛方法对故障数据预处理以增大样本空间,并通过最大信息熵法求解飞机整体驱动发电机的先验分布;其次,利用马尔可夫链方法对复杂后验分布进行解算;最后,以可靠性为中心给出飞机 IDG 的维修建议。 经过数值仿真软件计算后得 IDG 的累计失效函数参数估计误差分别为 0. 121 3 和 0. 001 3,误差较小。 仿真结果表明,提出的可靠性分析方法适用于小样本空间的飞机 IDG 可靠性分析,并根据结果给出了维修建议。     

基于CNN 与BiLSTM 的退化设备剩余使用寿命预测

针对DC-DC 变换器难以建立物理退化模型的问题,提出了一种基于卷积神经网络和双向长短期记忆 神经网络的剩余寿命预测算法。首先,通过对DC-DC 变换器中关键器件进行失效模式分析,得到DC-DC 变换 器的失效特征参数;然后,采用卷积神经网络对多传感器信号进行融合和特征提取,获得百分比指数退化指标; 其次,将获得的健康指标输入到融合注意力机制的双向记忆神经网络中,利用注意力机制对输出结果进行加权 融合,利用不同的权重值优化预测模型,最后,利用蒙特卡洛丢弃法获得剩余寿命的区间估计,并通过仿真数 据验证了所提出方法的有效性。     

A new remaining useful life estimation method for equipment subjected to intervention of imperfect maintenance activities

As the key part of Prognostics and Health Management (PHM), Remaining Useful Life (RUL) estimation has been extensively investigated in recent years. Current RUL estimation studies considering the intervention of imperfect maintenance activities usually assumed that maintenance activities have a single influence on the degradation level or degradation rate, but not on both. Aimed at this problem, this paper proposes a new degradation modeling and RUL estimation method taking the influence of imperfect maintenance activities on both the degradation level and the degradation rate into account. Toward this end, a stochastic degradation model considering imperfect maintenance activities is firstly constructed based on the diffusion process. Then, the Probability Density Function (PDF) of the RUL is derived by the convolution operator under the concept of First Hitting Time (FHT). To implement the proposed RUL estimation method, the Maximum Likelihood Estimation (MLE) is utilized to estimate the degradation related parameters based on the Condition Monitoring (CM) data, while the Bayesian method is utilized to estimate the maintenance related parameters based on the maintenance data. Finally, a numerical example and a practical case study are provided to demonstrate the superiority of the proposed method. The experimental results show that the proposed method could greatly improve the RUL estimation accuracy for the degrading equipment subjected to imperfect maintenance activities.     

基于加速退化试验和粒子滤波的电子设备故障预测方法

针对导弹电子设备故障预测问题,提出了一种基于综合环境加速退化试验(ADT)和粒子滤波的故障预测新方法。首先,不同于传统的ADT方案,仅以单个样本为试验对象,采用步进加速的思想,将性能退化理论拓展为加速性能退化理论(APDT),建立基于电子设备寿命退化速度的加速寿命退化模型。其次,为克服环境应力等测试不确定性因素对预测精度的影响,定义了电子设备退化度的概念,将寿命预测的不确定性问题转化为设备退化度最优估计问题,利用改进粒子滤波算法求解出电子产品动态退化的最优估计值,进而实现设备的全寿命评估。最后,实例说明该方法可行、有效,并大大提高了试验的效费比。     

Aircraft air conditioning system health state estimation and prediction for predictive maintenance

The vast potential of system health monitoring and condition based maintenance on modern commercial aircraft is being realized through the innovative use of Airplane Condition Monitoring System (ACMS) data. However there are few methods addressing the issues of failure prognostics and predictive maintenance for commercial aircraft Air Conditioning System (ACS). This study developed a Bayesian failure prognostics approach using ACMS data for predictive maintenance of ACS. First, a health index characterizing the ACS health state is inferred from a multiple sensor signals using a data driven method. Then a dynamic linear model is proposed to describe the degradation process for failure prognostics. Bayesian inference formulas are carried out for degradation estimation and prediction. The developed approach is applied on a passenger aircraft fleet with ACMS data recorded for one year. The analysis of the case study shows that the developed method can produce satisfactory prognostics results, where all the ACS failure precursors are identified in advance, and the relative errors for the failure time prediction made when just entering the degradation warning stage are less than 8%. This would allow operators to proactively plan future maintenance.     

基于半随机滤波-期望最大化算法的剩余寿命在线预测

剩余寿命(RL)预测是设备预测维护的关键环节。准确在线预测能够为维护策略的实时安排提供更加精确的技术支持,有效避免失效的发生。工程实际中,反映设备退化过程的性能指标往往不能直接监测,为解决隐含退化过程的剩余寿命在线预测问题,提出一种基于半随机滤波-期望最大化(EM)算法的预测方法。首先以剩余寿命为隐含状态,构建状态空间模型描述直接监测数据与设备剩余寿命间的随机关系。为实现单个设备剩余寿命的在线预测,依据到当前时刻为止的监测数据,采用扩展卡尔曼滤波(EKF)与期望最大化算法相互协作的方法实时估计与更新模型未知参数和剩余寿命分布。最后,将该方法用于惯性测量组合(IMU)剩余寿命在线预测问题,实验结果表明该方法能够提高预测的准确性并减少预测的不确定性。