基于GM（1，1）模型的飛機故障數量預測方法

孫海霞，趙培仲，戚佳睿，夏毅銳

（海軍航空工程學院青島校區，山東青島266041）

基于GM（1，1）模型的飛機故障數量預測方法

孫海霞，趙培仲，戚佳睿，夏毅銳

（海軍航空工程學院青島校區，山東青島266041）

基于某型飛機年度故障數量的歷史數據，運用灰色系統理論建立了GM（1，1）模型，對該飛機年度故障數量進行預測，并對模型精確度進行了驗證。結果表明，所建的模型準確、有效，可以為飛機未來幾年的故障數量預測提高有效的參考。

灰色GM（1，1）模型；預測；故障數量

0 引言

飛機的維修保障費用在其壽命周期費用中居主要地位，對軍用飛機來說，使用維修費通常占壽命周期費用65%～80%。而飛機的年故障數量是決定年度維修費用的最主要因素，也是得出飛機維修保障需求規律的重要參數，精確預測其數量是提高裝備維修效益和保障精確化水平的重要前提。由于飛機在服役年限內發生的故障數量具有很大的不確定性，且相關的數據信息較少，針對這一特點建模時以灰色理論為依據。

灰色系統建模，是在削弱原始信息隨機性，建立灰色“模塊”的基礎上，應用微分擬合法直接將時間序列轉化為微分方程的，建立的是抽象系統發展變化的動態模型。運用這種模型對系統進行分析，可以反映出系統內部機制變化過程的本質，可用以預測控制。灰色系統模型的一般形式為GM（h，n），它是h階n個變量的微分方程，不同的h和n的GM模型，有不同的意義和用途。常用的預測模型為GM（h，1），即只有一個變量的GM模型。由于h越大，計算越復雜，且精度也不一定就高，因此h一般在3階以下。本文選用h=1的GM（1，1）模型，即單序列一階線形動態模型來估算飛機年度故障數量。

1 灰色GM（1，1）預測模型

1.1 模型的建立

GM（1，1）模型的實質是對原始數據做一次累加生成1-AGO，使生成的數據序列呈一定的規律性，再作一次累減生成，還原求出模擬值，并進行預測。其構建步驟如下：

（1）輸入原始數列X（0）（非負序列），X（0）＝（x（0）（1），x（0）（2），…，x（0）（n））。

（3）Z（1）為X（1）的緊鄰均值生成序列，Z（1）＝（z（1）（2），z（1）（3），…，z（1）（n）），式中，z（1）（k）=0.5x（1）（k）+0.5x（1）（k-1），k= 2，3，…，n。

（5）灰色微分方程為z（0）（k）+az（1）（k）=b。

（6）灰色微分方程的最小二乘估計滿足a^=（BTB）-1BTY。

（9）檢驗誤差。

1.2 模型的精度檢驗及預測值精度評估方法

為確保所建立的GM（1，1）模型的預測精度，還需要進行模型精度檢驗，模型精度檢驗常用的方法有殘差檢驗、關聯度檢驗和后驗差檢驗等方法。本文選用殘差檢驗和后驗差檢驗方法進行檢驗，方法步驟如下。

（3）預測值精度評估方法。上述兩種檢驗方法中，相對誤差和均方差比值越小越好，小誤差概率越大越好。常用的精度等級評估參照表1。

2 基于GM（1，1）模型的某型飛機年度故障數量預測

2.1 GM（1，1）模型的建立

某型飛機2008～2013年的年故障總數量數據如表2所示。將以上數據輸入灰色系統理論建模軟件中，計算過程和結果如下。

表1 GM（1，1）模型精度檢驗等級參照表

表2 某型飛機2008～2013年的年實際故障總數量

——Start——

第［1］步，原始序列的初始化

初始化后的序列：125，131，141，146，153，158

第［2］步，原始序列的1-AGO

1-AGO序列：125.00，256.00，397.00，543.00，696.00，854.00，

第［3］步，1-AGO的緊鄰均值生成

緊鄰均值生成序列：190.50，326.50，470.00，619.50，775.00

第［4］步，發展系數和灰色作用量的計算

第［5］步，模擬值的計算

125.00 ，132.96，139.08，145.48，152.18，159.18，

第［6］步，計算殘差

殘差=9.87

——End——

表3 該飛機年故障總數量預測值

2.2 模型精度檢驗（表4）

表4 模型精度檢驗表

對照表1可知，本模型的預測模擬精度等級為“一級”，滿足精度要求。預測值與實際值的對比情況如表5所示，通過對比可以看出預測值與實際值相差很小，也說明模型的精度較高，能較好的預測未來幾年發生的故障數量。

表5 某型飛機2008～2013年的年故障總數量

2.3 部件故障數量建模

在統計故障中，飛機的某些部件的故障較多。采用相同的原理和方法，亦可將故障數較多的部件進行建模分析預測。比如，發動機的年故障數量數據如表6所示。

表6 2008～2013年發動機部件的年故障數量

根據以上建立的預測模型，可以計算出發動機在2008～2013發生的年故障數（表7），還可以預測發動機在未來幾年發生的故障數量，例如2014～2018年的故障總數分別為34，39，46，53。

表7 2008～2013年發動機部件的年故障總數量

通過對比預測值與實際值，可以看出預測值與實際值相差很小，亦說明模型的精度較高，能較好的預測未來幾年發動機發生的故障數量。

3 結語

通過建立GM（1，1）模型，根據2008～2013年的故障統計數據，分別對年度飛機總的故障數和發動機部件的故障數進行了建模預測。通過精度檢驗及實際值與預測值的對比，可以看出本研究建立的預測模型具有較高的預測精度，符合實際的預測需求。

隨著、裝備服役年限的增加，真實的故障數據會不斷增加。所以，根據新的數據，還可以采取新陳代謝的方法，進一步改進模型，提高預測的準確性。因為在實際中，裝備自身的情況和日常的維護情況都會影響到裝備的故障情況。裝備和日常維護工作的情況都會隨時間有不同的變化，因此，及時考慮新的數據是十分必要的。

［1］張恒喜，劉曉東，郭基聯.飛機全壽命費用預測模型（ALCCE-2）研究報告［R］.西安：空軍工程大學工程學院，1994.

［2］孫德全.飛機維修品質與維修性設計［M］.北京：中國人民解放軍總后勤部司令部，1987.

［3］鄧聚龍.灰色理論基礎［M］.武漢：華中科技大學出版社，2002.

［4］徐鳳建.GM（1，1）模型在裝備維修保障成本預測中的應用［J］.電子產品可靠性與環境試驗，2010，28（6）：14-17.

［5］陳郁紅，劉軍.灰色預測在無人機維修費用估算中的應用［J］.北京航空航天大學學報，2004，30（3）：214-216.

［6］劉建.航天型號使用維修費用的GM模型估算方法研究［J］.航天工業管理，2004（11）：17-20.

［7］陳勇.民用飛機維修成本分析與評估［D］.南京：南京航空航天大學，2006．

［8］范紅軍.軍用飛機維修保障費用的GM（1，1）預測［J］.微計算機信息，2011，27（5）：126-127.

［9］白暴力，楊琳.飛機維修費用估算的分析［J］.空軍工程大學學報（自然科學版），2005，6（5）：8-10.

［10］劉慕霄.改進GM（1，1）模型在艦船維修費用預測中的應用［J］.艦船電子工程，2010，30（12）：151-154.

〔編輯 凌瑞〕

E953

B

10.16621/j.cnki.issn1001-0599.2017.03.53