基于參數漂移的機載設備檢測間隔優化

黃加陽，左洪福，蔡 景，閆洪勝

(1.北京航空航天大學，北京 100191； 2.上海民用飛機健康監控工程技術研究中心，上海 200241；3.南京航空航天大學，南京 211106)

【后勤保障與裝備管理】

基于參數漂移的機載設備檢測間隔優化

黃加陽1,2，左洪福3，蔡 景3，閆洪勝3

(1.北京航空航天大學，北京 100191； 2.上海民用飛機健康監控工程技術研究中心，上海 200241；3.南京航空航天大學，南京 211106)

為提高具有參數漂移特征設備的可靠度，開展了基于參數漂移的檢測間隔優化研究。針對設備參數存在隨機干擾的現象，采用異常值檢驗法，研究了干擾參數的剔除方法；以剔除異常值后的參數為基礎，采用無偏估計方法，對設備參數的漂移系數和擴展系數進行了估計研究；建立了可靠度與參數漂移量之間的定量關系，根據設備的可靠度的要求，優化得到檢測間隔值，通過實例進行了驗證。

參數漂移；檢測；間隔；優化

大量的電子設備在實際工程應用中由于自身性能退化或者受到使用環境，譬如電流、電壓、濕度、溫度和振動等的影響，會存在參數漂移的現象[1-2]。如參數的漂移被限定在一定的范圍內，通常不會造成設備的故障；但是，隨著設備使用時間的增加，或者使用環境的惡化，參數漂移的偏離速度和波動幅度逐漸提高。當參數漂移超過規定的范圍時，就會導致可靠度降低，甚至設備失效。

為了避免設備失效事件的發生，需要定期檢測設備的參數。如果檢測間隔過長，那么很多設備在檢測之前就已經發生參數嚴重漂移導致大量失效事件發生；如果檢測間隔過短，會導致過多的干預設備運行并且使得相應的人力和成本增加。因此，有必要根據設備已有的檢測數據，優化得到一個合理的設備檢測間隔[3]。

在已有的設備檢測數據中，有些數據屬于異常數據，是由于突發因素或者偶發因素造成的，譬如外界某個強電場或強磁場的隨機干擾，這種干擾會引起參數的大幅度漂移，但持續時間較短，而且隨著干擾的消失，參數波動會回到原有的水平。因此，隨機干擾通常不會造成設備的功能故障。但是這些受隨機因素干擾的參數值需從已有數據中剔除，以免對設備整體參數的漂移研究以及檢測間隔優化造成影響。

為此，本文首先采用異常值檢驗法，剔除受隨機因素干擾的參數值。在此基礎上，采用無偏估計，對設備參數的漂移系數和擴展系數進行估計。最后，建立可靠度與參數漂移量的定量關系，從而優化得到特定可靠度要求下的檢測間隔值，并進行實例驗證。

1 參數的異常檢驗

在實際工程中，工程技術人員憑借經驗經常會從技術或者物理層面判斷一個設備的參數是否屬于異常值。但是在設備量或參數記錄數非常多的情況下，這種基于經驗的方法，有時會變得難以執行，而基于統計的異常值剔除法相對更加有效。

異常數值檢驗方法有很多，比較通用的方法有：奈爾檢驗法、格拉布斯檢驗法、狄克遜檢驗法、偏度-峰度檢驗法、Fisher型統計檢驗法、G和D型統計檢驗法等。雖然方法各不相同，但找出異常值的效果基本類似。本文采用相對通用的奈爾檢驗法，對設備參數進行異常數值檢驗。奈爾檢驗法有上側情形檢驗法、下側情形檢驗法和雙側情形檢驗法之分[4-6]。本文采用更具代表性的雙側情形檢驗法進行異常檢驗，假定有n個按檢測間隔期T，多次檢測得到的設備參數的樣本值，排列序列為

(1)

(2)

根據以上的步驟，可以對剔除異常值的參數序列進行進一步的異常值檢驗，直至沒有異常值為止。

2 設備可靠度與參數漂移量的定量關系

2.1 漂移參數的估計

假定設備在0時刻，參數完全正常，處于原點x0。經過時間T進行檢測， 檢測得到的參數值x(T)，參數漂移量記為Δx(T)，即

經過大量的實踐統計表明Δx(T)服從均值為C·T，方差為D·T的正態分布[7-8]，即

其中:C為設備參數的漂移系數；D為設備參數的擴展系數。

由于x(T)=x0+Δx(T)，因此x(T)服從

(3)

假定經過異常值檢驗后得到的樣本容量為m(m≤n)，對應的樣本分別為

因此，可得

(4)

因此，可得

(5)

2.2 設備可靠度與參數漂移量

假定設備允許的參考變化范圍是[xL,xH]；xL,xH分別為參數允許的最小值和最大值。參數從原點x0開始，經過一定時間T后，參數值x(T)依舊處于[xL,xH]范圍內的概率，即為設備的可靠度R(T)。顯而易見，隨著檢測間隔T的增加，x(T)處于[xL,xH]范圍內的概率減少，因此，必須要選擇合適的間隔T值，確保設備的可靠度[9]。

根據正態分布函數性質，可得

(6)

式中φ(x)為標準正態分布函數。因此，根據設備的可靠度要求Rreq值，可以反推得到設備的檢測間隔T*值。

3 實例分析

已知某發動機控制系統的燃油泵額定的壓力允許變化范圍為(45 MPa,55 MPa)。該部件原定的檢測間隔是30天，每次檢測得到的數據如表1所示，檢測后通過修復壓力恢復到標準值x0=48 MPa。

表1 燃油泵30天的壓力檢測值

3.1 異常參數的剔除

根據式(1)和式(2)可以得到

表2列出了部分奈爾檢驗法臨界值，從表2可以看出，如果取檢出水平α=5%，則可得

R1-0.05/2(30)=3.089

表2 奈爾檢驗法臨界值(部分)

圖1 檢測參數序列及異常值

剔除異常值以后，重新進行奈爾檢驗，根據式(1)和式(2)可以得到

根據奈爾檢驗法的判定準則，重新判定為無異常值存在。

3.2 參數漂移參數的估計

基于表1中除去序號26的檢測數據，進行參數估計，按照式(4)和式(5)，分別可得

所以，根據式(3)，可知x(T)服從

x(T)～N(50+0.055 2·T,0.136 4·T)

3.3 檢測間隔的優化

根據發動機控制系統的燃油泵額定壓力允許的變化范圍可知：xL=45 MPa，xH=55 MPa。所以，根據式(6)可得

(7)

由式(7)可以得到可靠度R(T)與檢測間隔T的關系如圖2所示。

圖2 可靠度R(T)與檢測間隔T的關系

根據圖2，可以得到特定可靠度條件下的檢測間隔值，譬如：設備的可靠度要求為0.99或0.98，那么對應得到的檢測間隔

根據以上的研究，就可以根據發動機控制系統燃油泵的不同使用可靠性要求，優化調整檢測間隔。

4 結束語

針對具有參數漂移特征的設備，利用已有的設備檢測參數，通過研究異常值檢驗法，以及基于無偏估計的參數漂移系數和擴展系數的估計方法，建立了設備可靠度與參數漂移量的定量關系，實現了對設備檢測間隔值的優化，對設備的運行維護具有指導意義。

[1] 翟亞利，張志華，李大偉.具有漂移特征的退化可靠性評估方法研究[J].系統工程理論與實踐,2014(10):2710-2715.

[2] 翟亞利，張志強，鐘強暉.具有參數漂移特征的退化可靠性評估方法[J].海軍工程大學學報,2013(2):107-112.

[3] 張曉燕.飛行間隔標準的安全評估研究[D].天津:中國民航大學,2007.

[4] 溫雯，郝志峰，楊曉偉，等.基于假設檢驗及異常點剔除的穩健LS-SVM回歸[J].模式識別與人工智能,2010(2):241-249.

[5] 邵婷婷，張水利，張永波.兩種剔除異常數據的方法比較[J].現代電子技術,2008(24):148-150.

[6] 李麗容，田琛.工程測量中異常數據的剔除[J].石油儀器,1998(5):28-29.

[7] 蘇再興，王志福，萬瑩，等.基于正態分布參數無偏估計的幾個結果[J].渤海大學學報(自然科學版),2010(3):250-254.

[8] 陳春華.缺失數據下特殊指數分布參數的無偏估計[D].武漢：華中師范大學,2008.

[9] 李彥彬，府天潔，劉成緒.一種基于定期檢測的導彈可靠度計算方法[J].四川兵工學報,2011(10):1-3.

(責任編輯 唐定國)

Inspection Interval Optimization Method of Airborne Equipment with Parameters Drift Feature

HUANG Jia-yang1,2，ZUO Hong-fu3，CAI Jing3，YAN Hong-sheng3

(1.Beihang University, Beijing 100191, China; 2.Shanghai Engineering Research Center of Civil Aircraft Health Monitoring, Shanghai 200241, China； 3. Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China)

In order to improve the reliability of the equipment with parameter drift, the optimization of the inspection interval based on the parameter drift was carried out. Firstly, accordingly to the phenomenon of random interference existing in collecting equipment parameters, outlier test method was applied to eliminate the data with random interference; Secondly, based on the remaining parameters without random interference, unbiased estimation method was studied to obtain drift coefficient and expansion coefficient of parameters; Finally, the quantitative relationship between reliability and parameter drift was researched to optimize the inspection interval of equipment based on required reliability of the equipment, and the method was verified by an example.

parameters drift; inspection; interval; optimization

2016-10-12；

2016-11-15 作者簡介：黃加陽(1983—),男,碩士,高級工程師,主要從事民機可靠性分析與健康管理研究。

10.11809/scbgxb2017.03.023

黃加陽，左洪福，蔡景.基于參數漂移的機載設備檢測間隔優化[J].兵器裝備工程學報，2017(3):101-103.

format:HUANG Jia-yang，ZUO Hong-fu，CAI Jing, et al.Inspection Interval Optimization Method of Airborne Equipment with Parameters Drift Feature[J].Journal of Ordnance Equipment Engineering,2017(3):101-103.

TB114.3

A

2096-2304(2017)03-0101-03