《可靠性工程》課程教學的幾點思考

孫新利++蔡星會++韓西寧+盧江仁1+王國亮

摘要：概括了研究生《可靠性工程》教學現狀，針對可靠性的應用情況，介紹了幾種常用數據處理方法及期在研究生教學過程中的具體應用，對未來“可靠性工程”研究生教育的具體實踐提出了相應的建議。

關鍵詞：可靠性工程；數據融合；小子樣；課程建設

引 言

《可靠性工程》在火箭軍工程大學研究生教育中屬于可靠性研究領域的一本入門課程。其授課內容側重基礎性和理論性。在長期的授課中體會到這種內容安排有概念明確、循序漸漸、方法系統等明顯優點。同時在長期授課中也發現有一些問題需要探討，比較突出的問題是，研究生課程如何與學生工作后面臨的工作對象聯系起來。我校研究生進入部隊后接觸的裝備多數是高精尖裝備，其可靠性研究具有其特殊性。實際上，特殊對象的可靠性研究應該是《可靠性工程》課程的后續內容，是在掌握《可靠性工程》一般理論和方法的基礎上的進一步深入探索和研究的內容，但是學生一般完成《可靠性工程》學習后很少有機會進一步繼續學習具體裝備應用內容，那么在《可靠性工程》課程授課中如何體現和滿足學生這種需求？結合教學體會，在《可靠性工程》課程授課后期適當結合高精尖裝備的特殊性增加了4-6學時的內容拓展，效果良好。教學組結合個人教學體會，談談拓展的具體內容和具體做法。

可靠性評估的基礎是數據問題，評估的手段是方法問題，高精尖裝備在數據處理和評估方法這兩方面都有其特殊性。

一、數據處理方法

（一）、問題的提出

對于由許多不同單元組成的復雜產品，例如導彈、衛星等大型系統，由于人力、資金、時間限制，系統可靠性試驗數量很少，甚至不做系統試驗，屬于小子樣分析問題。同時，在進行大型復雜系統的可靠性分析時又存在大量的單元試驗信息。

大型復雜系統在進行設計、研制過程中，為了使其能夠滿足可靠性的要求，必須進行嚴格的質量控制和可靠性管理，在一系列的可靠性活動中，將會獲得系統各個單元在不同環境、不同條件下的許多試驗信息，而對復雜系統可靠性的評價恰恰直接依賴于這些試驗信息。從信息論的角度來看，只有充分利用這些信息，才能對復雜系統的可靠性有較深刻的認識。但是，如何合理利用這些單元在不同環境下的試驗信息卻是一個有待于深入研究的問題。

具體到高精尖裝備而言，這種特征很明顯，有關高精尖裝備數據的問題可以概括為兩個方面，一是來源雜，二是數量少。

來源雜，即多信息源數據問題。在高精尖裝備的不同研制階段、定型期間以及服役期間的各個環節中都會記錄一些有關高精尖裝備的質量信息，因此在工程實踐中，存在著高精尖裝備質量信息來源于多種信息源的問題。來源于不同信息源質量信息的母體、特性均不同，在統計上，它們不屬于同一總體，經典統計中關于獨立、同分布的前提未必滿足，按照可靠性理論，多信息源的數據不能直接用于可靠性評估與研究中。

數量少，即小子樣問題。目前一些型號的服役高精尖裝備都只有X發，其歷年數據都達不到可靠性評估中最基本的樣本數量要求。在可靠性研究中，基礎數據越多，研究結論越可信。當數據很少時，甚至直接導致研究結論不采用，因此開展小子樣、多信息源數據的融合技術研究和可靠性研究，全面利用已收集到的所有高精尖裝備質量數據，對于提高研究成果的可信度是相當必要的。

（二）、解決問題的思路

1、數據融合

數據融合是近年來興起的一種研究多源信息綜合處理的新技術，基本目的是充分利用由多個來源所獲得的信息，實現信息互補和優化。雖然可用于數據融合的算法很多，如貝葉斯推理、D.S證據理論、模糊集理論、神經網絡數據融合等，但這些方法各有利弊，只是在一定條件下對具體問題求解，對信息的處理往往側重于某一方面的最優。

目前國內外的數據融合方法比較多，一般都具有各自特點，例如綜合平均法、Bayes估計法、Dempster-ShMter（簡稱為D—S法）、Bayes方法、模糊邏輯法、基于參數估計的產品可靠性試驗數據融合方法、神經網絡數據融合法等。

Bayes方法主要用來進行決策層融合，它是通過把先驗信息和樣本信息合成為后驗分布，對檢測目標作出推斷。Bayes方法的優點是能充分利用已有信息；缺點是對先驗概率比較敏感，并且要找到一個合適的先驗分布不容易。一些情況下，裝備均有一些先驗信息，因此，基于Bayes理論的統計推斷，在高精尖裝備可靠性研究領域還是時常見到的。在授課中，在對若干主流方法進行簡要介紹的基礎上，以Bayes方法為例子，著重詳細介紹數據融合原理、方法、步驟，以及應用范圍和特點。不同研究領域，可以根據自身研究對象特點，選擇不同的數據融合方法作為實例進行闡述。

2、異母體分布融合

異母體分布的融合是數據融合中的一種，尤其是適用于高精尖裝備的數據類型。

對于不同環境、不同條件下的異母體多源信息融合問題，目前有許多學者進行了研究，得到了一些有益的結論。小子樣條件下可靠性試驗信息融合方法主要是對異總體分布參數進行建模，主要模型有線性模型、非線性模型、序化模型、分離可交換量模型等。上述模型均有各自的特點和適用范圍。例如：線性模型和非線性模型對異總體分布參數進行參數化建模，處理簡便，信息利用充分，如果模型準確，則信息融合效果良好，如果模型不準確，則融合效果欠佳，如何提高其穩健性有待進一步研究；而序化模型利用不同總體分布參數的序化關系，結合Bayes方法對各階段的可靠性試驗信息進行集成綜合，優點是穩健性較好，適用面較廣，可以應用于可靠性、精度等各項產品性能指標的信息融合，缺點是綜合利用信息后的結論會偏保守些；分離可交換量模型針對具體問題分離出不同環境、不同條件下可交換的量，利用統計方法進行信息融合。

3、機理分析

在熟悉部件材料性質的情況下，通過失效機理分析可以獲得部件材料的失效分布等，從而為可靠性分析奠定基礎，材料物理失效機理研究已經逐漸成為可靠性研究中的重要的基礎性支撐。

二、性能退化無失效/小子樣問題

（一）、問題的提出

小子樣問題不僅僅單獨存在于高精尖裝備領域，也普遍存在于高造價復雜產品。究其原因，主要有以下幾種：a.限于人力難為的客觀原因（如地震預報，歷史上只留下少數記錄）；b.限于取樣代價太大（如核彈試驗，其所需人力、物力、財力十分寵大）；c.限于取樣周期太長（如不常見的疾病，患者樣本幾年才可能遇上一個）。越復雜的產品，其取樣代價越大，取樣周期越長，其試驗樣本就越有可能是小子樣。

（二）、解決問題的思路

1、退化模型與預測

隨著廠家生產出越來越多的高可靠性產品，基于性能退化分析的可靠性評估方法越來越受到重視。性能退化分析相對于傳統可靠性分析，對信息的利用更加全面，在一定程度上能夠提高分析精度。更重要的，該方法在可靠性試驗中不需要產品出現失效，能顯著縮短試驗時間，減少試驗樣本量。

目前基于性能退化的可靠性評估方法主要有兩類。

一類是假設性能退化服從某種特定的退化軌道模型，如指數退化軌道，BS模型，冪律退化軌道等，根據試驗數據估計模型參數，在此基礎上預測產品的偽失效壽命時間，利用預測得到的產品壽命可對產品的可靠性進行評估。這類方法的不足在于許多產品的性能退化軌道經常很難準確得知，強行假設產品性能退化服從某個軌跡會使評估存在較大的模型誤差。但如果壽命預測較為準確，可靠性評估結果將與實際吻合。

第二類是基于性能退化量分布的可靠性評估方法，這類方法假設退化量是服從某一分布族的隨機量，且分布族的參數向量是時間的函數。通過建模求解分布參數，基于退化量分布就可以對指定時刻的產品可靠性進行評定。這類方法可能導致積累的計算誤差。

2、小子樣處理方法介紹

針對小子樣問題涌現出了各種各樣的處理方法。例如，基于灰色預測的小子樣性能退化可靠性分析、基于Bayes性能退化模型的可靠性評定方法等，其中，基于“小樣本”和“貧信息”的灰色系統理論已在很多領域得到了廣泛的應用，成功地解決了許多信息不完全的預測問題?；疑A測是指根據過去及現在已知的或非確知的信息，建立一個從過去引申到將來的GM模型，從而確定系統在未來發展變化的趨勢，為規劃決策做依據。利用灰色預測可以解決小子樣下性能退化可靠性分析中信息不完全，樣本量少的問題，可以在退化軌道的未知的情況下保證偽壽命預測的精度，得到可信的可靠性評定結果。

三、評定方法的問題

在可靠性評估方法研究中，存在兩個常見問題：一是在目前評定中，多數是采用可靠性串聯方式評定方法值得商榷，二是多種評定方法的結果的驗證和融合問題。

（一）、串聯式評定方法的探討

1、問題的提出

在目前評定中，多數是采用可靠性串聯方式，即在眾多的高精尖裝備定檢指標中，如果有一個或若干個稍微超差，那么即判定這發高精尖裝備不合格。這種方法當然是最安全的，但是也經常錯殺無辜，即即使個別超差，這被評估裝備也能正常工作。其主要原因有兩個（1）高精尖裝備設計時，參數控制余量太大，過于保守，（2）有些參數超差在實際運行中是互相抵消的，而不是疊加。一些高精尖裝備歷經多次延壽，仍在服役，這在一定程度上說明了目前的可靠性串聯評定方式不是很適合于高精尖裝備的可靠性評定。

2、解決問題的思路

概括起來講，傳統和經典計算方法是基于數理統計理論和可靠性理論，對測量數據進行處理，獲得評估結果，其核心是以數據為基礎，以可靠性理論為手段（方法），獲得評估結論。這種方法沒有考慮產品的運行機理，以及產品各個部件的性能參數綜合變化對產品最終指標的影響。實際上，在許多情況下，產品部件指標參數的降低對產品最終性能指標的影響是交叉的，其交叉影響只有通過其運行過程的物理分析才能認識清楚?；谶@種思想，在授課中將科研成果引入教學中，側重介紹了科研成果“基于爆轟機理的可靠性仿真技術”，該方法基于某裝置力學爆炸過程分析進行可靠性仿真評估，主要是以物理運行過程的仿真計算為手段，獲得評估結論。

（二）、多評估結果的融合問題

1、問題的提出

在飛行器、艦船控制等領域里，往往要根據從多個傳感器輸出的觀測數據來估計某些目標參數，例如高度、速度、距離、位置等。針對這樣一個工程估計問題，眾多的科研工作者常?；诓煌枷胩岢鼋鉀Q問題的多種數學模型，每一種模型均可根據某些觀測數據經過模型運算給出目標參數的估計，有些模型甚至可以給出多個估計。由于這些模型的思想不同，針對同一組測試樣本的估計結果的精度和可靠性也各不相同，甚至在某些樣本下某一估計模型的結果可能會出現失效或者大的偏差。對于顯性的失效，我們可以利用失效門限來識別并剔除，但是對于隱性的大偏差問題，由于沒有額外的信息來識別，所以在單估計模型下很難克服。當只存在兩個估計模型時，又由于估計模型數目太少以及待估計參數的先驗分布未知等問題，傳統的置信距離一致性檢測算法和Bayes估計方法不能適用。因此，如何設計有效的數據融合算法，對兩個估計模型的估計結果有效地分析、綜合，研究它們的互補性，識別并剔除其中一個模型在某些樣本下的大偏差估計，最終給出一個精度更高、可靠性也更高的目標參數的估計，就成為一個值得研究的問題。

2、解決思路

----基于BP神經網絡的多模型估計融合算法

BP（Back Propagation）神經網絡是模擬人腦的信息處理機制而構造出來的一種并行信息處理模型，它有分布式存儲和聯想記憶功能，具有較強的自適應性和自組織性，具有任意的非線性映射能力，能被用來對兩個估計模型的輸出結果進行有效的分析和綜合，提高估計的精度和可靠性。中國工程物理研究院胡偉等人開展了“基于BP神經網絡的多模型估計融合算法”研究，提出了多結果融合的一種解決辦法。

四、結束語

總的來看，這類與專業相關的理論課程，在授課中不能完全采用普通基礎理論課程的授課方法，應更加靈活多樣，不拘形式，在簡要闡述研究概況的基礎上，結合學生興趣所在，采用提出問題、給出解決問題思路的方法，對具體內容進行較為深入的研討式授課，效果較好。

參考文獻：

[1]孫新利，陸長捷.工程可靠性教程.北京：國防工業出版社，2005

[2]唐雪梅，張金槐，邵鳳昌，李榮.武器裝備小子樣試驗分析與評估.北京：國防工業出版社，2001

[3]張永強，劉琦，周經綸.基于Bayes性能退化模型的可靠性評定.電子產品環境與可靠性試驗.Vol24，NO8，2006

[4]姚東林.小子樣系統靠性研究，沈陽航空航天大學碩士論文，2010

[5]曹欣.基于小子樣性能退化數據的可靠性評估方法研究.第二炮兵工程學院碩士學位論文，2009

[6]滿軍.基于Bayes小子樣理論的多源信息融合方法研究，國防科學技術大學碩士論文，2005

[7]熊蓮花.無失效數據的可靠性統計分析.吉林大學碩士論文，2004

[8]梁慶衛，宋保維，邵成，盧軍，肖乾.小子樣產品的可靠性評定.機械設計與制造，No.1，2004