航空发动机MTBF的Bayes评估

针对航空发动机的试验样本量和故障数据少,采用传统的数学平均值法对其平均故障间隔时间（MTBF）评估不能反映其真实可靠性水平的问题,基于Bayes理论,把历史试验数据视为先验信息,采用矩等效方法确定先验分布,然后通过Bayes理论综合现场试验数据,建立了一种基于Bayes理论的航空发动机MTBF评估方法。该方法可以扩大MTBF评估所需的信息量。采用所提出的Bayes方法对某航空发动机MTBF进行评估,得到其MTBF评估值为302.68h,比采用数学平均值法约提高了18.7%,评估结果更符合实际。表明该方法可应用于航空发动机MTBF的评估。      

利用性能参数回归分析的航空发动机MTBF预计

航空发动机可靠性指标平均故障间隔时间（MTBF）的预计方法有多种,在发动机立项阶段数据缺乏的情况下建议优先选用统计回归法进行发动机可靠性指标MTBF的预测。为了在发动机预先研究阶段能够预计发动机的可靠性水平,利用系数修正的方法对国外的预计回归公式进行修正,可以得到1个新的回归预计公式,但该公式存在飞机参数不明确时无法进行应用的缺点,因此,基于仅利用发动机性能参数进行多元线性统计回归分析得到了新的预计公式,结果表明：新的预计发动机MTBF的回归公式可以在配装飞机不明确的情况下,仅利用发动机本身的性能参数即可大概估算出发动机的MTBF水平,预计效率高,可以为发动机立项论证时可靠性指标MTBF提供参考依据。综合来看,该方法可以实现立项阶段根据飞机参数、发动机性能参数进行发动机可靠性指标MTBF的快速预计,有一定的参考价值。     

某型发动完全寿命数据基于威布尔分布模型的MTBF计算研究

本文对国内某型现役航空发动机的完全寿命数据进行了收集整理,并通过假设检验得到了用威布尔分布模型处理这些数据优于采用其它模型的结论。接着采用三参数威布尔分布混模法对该型发动机317起故障的故障间隔时间进行了计算分析,得到了其MTBF的分布均值和给定置信度下的置信区间。结果表明,威布尔分布能够较好地反映该型发动机故障间隔时间的实际分布规律。通过本文研究,建立了对外场使用发动机MTBF统计评估的基本思路和方法。     

某涡喷发动机可靠性增长分析

航空发动机的研制特点决定了试车故障数据兼有同步纠正和异步纠正的性质，为了更好的评价航空发动机的可靠性．对一组有可靠性增长的试车故障数据采用了MIL-HDBK-189介绍的带同步纠正性质的处理方法，所得结果与采用Crow的带异步纠正性质的统计分析方法计算的结果进行比较，可以发现：两种方法对趋势检验的结论和对平均故障间隔时间（MTBF）的极大似然估计基本一致。     

采用Duane模型评估航空发动机平均故障间隔时间

针对某型航空发动机,采用Duane模型进行了可靠性数据分析,并采用2种数值分析方法进行了曲线拟合,从而给出了可靠性指标(平均故障间隔时间MTBF)的评估值。     

某型军用发动机使用可靠性评估

某型军用航空发动机在实际使用中故障频发,为了寻找制约整机可靠性提高的薄弱环节,提高飞机战备完好性,提出了基于部件系统及其重要性的航空发动机可靠性评估方法。并依据外场故障数据,利用该方法对某型发动机的使用可靠性进行了评估。采用层次分析方法（AnalyticHierarchyProcess,AHP）,建立了具有3层评估指标的整机使用可靠性评估系统。运用数理统计的方法,根据同类型故障的寿命分布模型计算其可靠性指标。运用加权融合的方法获得部件系统及整机的平均故障间隔时间TM,用以评估发动机的使用可靠性,为该型发动机各个部件系统的外场维护及定检时间提供了参考。     

基于可靠性增长预测模型的航空发动机可靠性评估

通过可靠性增长预测模型充分利用定型前内场台架试验及外场试飞提供的大量数据对技术状态不断变化的发动机进行可靠性评估,并与经典的累计平均故障间隔时间(MTBF)估算值作了比较,结果表明:传统的累计MTBF评估方法没有考虑研制过程中技术状态的不断变化和可靠性不断增长的情况,故评估的可靠性值不符合实际情况;而可靠性增长预测模型合理、有效、实用.      

某型涡喷发动机的可靠性增长分析

针对某型涡喷发动机的一组含零故障的多台不同步截尾故障数据。给出了趋势检验、AMSAA模型的拟合优度检验及模型参数的极大似然估计方法。分析表明，该型发动机有显著的可靠性增长，且可用AMSAA模型拟合其故障数据，在考虑零故障后，其参数及MTBF的极大似然估计（MLE）更为可信。     

基于AMSAA模型的系统可靠性评估方法研究

针对航空机载设备可靠性增长试验数据不规则的特点,在AMSAA模型的基础上提出了识别异常点的AMSAA模型与处理截断数据的AMSAA模型,并给出了模型拟合优度检验方法。经实例验证表明,识别异常点的AMSAA模型可以在给定置信度下识别出异常点并排除异常点对瞬时MTBF（平均故障间隔时间）极大似然估计值的干扰;截断数据的AMSAA模型能够利用被截取的部分数据,得到准确的瞬时极大似然估计值。     

系统可靠性增长评估模型研究

根据系统在研制期间故障强度变化规律,考虑故障间隔时间影响的情况下,提出了广义可靠性增长评估模型,分析了其参数特性,并给出了拟合优度检验方法;然后,给出了定时截尾和定数截尾情况下,模型参数的极大似然估计公式,采用Simpson方法将积分函数化为求和函数,使得参数估计计算方便,给出了趋势检验方法给出了可靠性增长评估公式;最后,结合发动机故障数据进行了的实例分析,结果表明,模型对试验数据拟合较好,评估结果符合工程实际,模型具有实际应用价值.      

基于模糊积分的航空发动机MTBF动态评估方法

针对传统评估方法无法解决航空发动机可靠性评估的滞后问题,采用模糊积分方法建立航空发动机动态可靠性评估模型.引入故障强度因子,建立降半正态型分布的故障强度因子函数表示故障纠正过程.通过故障强度因子得到模糊密度,采用Choquet模糊积分方法融合发动机各阶段可靠性指标,解决了航空发动机可靠性指标的动态评估问题.对在研的某小型涡扇发动机进行了应用研究,结果表明采用Choquet模糊积分数据融合方法进行动态评估能考虑到不同阶段故障数据的重要性,对发动机当前的可靠性水平能给予更加科学的评价.      

基于AMSAA模型的无人直升机可靠性评估

根据某无人直升机可靠性数据，基于AMSAA模型，对该型无人直升机可靠性进行了评估，得到该无人直升机系统可靠性指标，评判该无人直升机现阶段可靠性水平增长的趋势。该方法可以为其它型号的无人直升机的可靠性评估提供借鉴。     

某型涡扇发动机使用可靠性评估

对某型发动机进行使用故障统计分析,得到故障随使用时间、故障类型的分布和平均故障间隔时间、返修率等可靠性参数。对该型发动机使用返修记录进行统计分析,得到发动机返修、提前换发与发动机返修后使用寿命的关系,以对该型发动机寿命控制提供借鉴或依据。     

航空发动机的模糊故障诊断方法研究

提出了一种基于T-S模糊模型的故障诊断方法, 该方法从样本空间提取模糊规则, 在模糊系统参数最优化的同时实现了对模糊系统结构的自适应优化, 并给出了故障判定的阈值确定方法.以某涡扇发动机定检稳态的机载记录数据为依据, 将基于T-S模糊模型的故障诊断方法应用于航空发动机, 研究结果表明, 该方法能准确地判定某涡扇发动机的健康状况, 将其应用于航空发动机故障诊断是可行、有效的.      

研发阶段涡扇发动机模型自适应方法

为了实现研发阶段涡扇发动机整机试验数据的快速评估和模型自适应,提出一种发动机模型自适应方法。该方法以整机试验数据为输入,结合气动热力过程约束方程和发动机整机匹配约束条件,重构出各部件的性能参数。文中提出了按照高压涡轮导向器喉部流通能力确定核心机流量的方法,并以载荷系数为媒介实现叶轮机械部件参数修正计算,完成了小涵道比涡扇发动机的自适应建模计算。计算结果表明,17个测量参数与计算结果完全一致,该方法完成单个状态点自适应计算的平均时间约为1.44ms,主要部件特性的修正系数在0.95～1.05。采用该方法计算的部件特性参数自适应修正系数可为发动机性能调试和故障诊断提供依据。     

基于神经网络的直升机可靠性预计

本文基于人工神经网络技术,利用现有军用直升机与可靠性相关因素的评分值和它们的可靠性参数值(MTBF),建立基于神经网络的军用直升机可靠性预计模型。经过检验表明,这种基于神经网络技术的可靠性预计方法为新机研制提供了一种有效可行的可靠性预计方法。     

一种基于ROM模型的测试性指标论证方法

针对实践中缺乏理论性、可实施性强的测试性指标论证方法的现状,提出了一种基于可靠度、战备完好率与可维修度（ROM）模型的测试性指标论证方法。从战备完好率（O）、可靠度（R）、可维修度（M）关系式入手,将关系式中的可靠度和可维修度分别用平均故障间隔时间（MTBF）和平均修复时间（MTTR）替换,再建立MTBF和MTTR与故障诊断率、虚警率和机内测试（BIT）故障率的关系式并代入"ROM"关系式,得到战备完好率与测试性指标之间的关系式,建立待解指标与BIT数量之间的关系式,通过代入和消减参数得到战备完好率随BIT数量变化曲线,通过找到曲线极值点得到最佳BIT数量,进而得到最佳的测试性指标。在模型构建和指标求解过程中进行了较为充分的仿真分析,得到了大量与经验相符的规律性结论,为不同对象应用该方法进行参数设置时提供了较为充分的参考。最后应用本文方法对某光电一体化设备进行了指标论证,演示并验证了本文方法的有效性。     

基于故障检测的某涡扇发动机维修决策方法

为有效解决某涡扇发动机过度维修造成发动机性能衰减、维修周期长、维修成本高的难题,以某涡扇发动机大修手册和维修工艺为依据,研究了基于故障检测的发动机维修流程和修理模式,建立专家诊断系统和基于BP(back propagation)神经网络的故障诊断模型,并用数台涡扇发动机真实性能数据验证故障诊断模型的可靠性,其诊断准确率高达95%,综合两者的诊断信息,制定可靠的维修方案,优化维修流程,提出了一种基于故障检测的维修决策方法.通过某涡扇真实排气温度高发动机应用验证表明:所提出的维修决策方法,有效排除故障,提高发动机的修理质量,降低维修成本,具有良好的工程应用价值.      

发动机试车气路故障诊断系统的设计与应用

以发动机整机试验数据为研究对象,建立了一套发动机试车气路故障诊断系统.首先阐述了该系统的设计功能和总体流程逻辑;使用故障模式法和调整模式法建立了气路部件故障诊断和优化调整模块;然后以一个双轴分排涡扇发动机为例,针对气路部件故障诊断和优化调整给出了考虑噪声的数值试验分析.最后就该系统的发展进行了讨论.      

可靠性增长幂律模型的Bayes推断及在发动机上的应用

对作同步故障截尾与时间截尾的Ｋ个独立相同的幂律过程,即可靠性增长幂律模型,在无信息先验分布下给出了过程参数、当前的系统ＭＴＢＦ（平均故障间隔时间）与故障强度的Ｂａｙｅｓ点估计与区间估计,并将之与经典方法进行了比较,可避免非随机化最优置信下限的保守性和随机化最优置信下限的随机性。最后用两台发动机的数值例说明了这些方法。