趙節芳 馬連鳳 靳曉姣


摘要:本文通過研究現場數據特性后進行數據統計,基于數據利用可靠性分析軟件分析了最佳失效分布類型及對應的分布參數,并對擬合的失效分布進行假設檢驗,確定了功率模塊的失效分布函數和可靠度函數,以此開展了功率模塊使用階段的可靠性預測,為預防性維修修程的制定提供數據支撐。同時,本文提供的方法為軌道交通行業產品進行試驗數據、現場數據分析時提供參考。
關鍵詞:現場數據,可靠性預測,預防性維修,失效分布,假設檢驗
引言
目前,軌道交通機車組檢修修程多以計劃預防修為主,修程通常較為保守。例如變流器功率模塊一般在未達到使用壽命就被更換下來,造成維修成本增加,給軌道交通系統運營造成了壓力。如何在保證安全可靠的同時延長維修更換周期,降低維修成本,需要進行可靠性分析,預測現行預防性維修周期下功率模塊的可靠度及中位壽命。本文通過收集及統計分析大量的機車變流器功率模塊實際運用數據,進行可靠性預測,預測結果可為延長維修周期、降低成本提供數據支撐。
1 數據統計
可靠性數據特性
可靠性數據來源于產品壽命周期各階段的一切可靠性活動,本次分析數據是從實際使用現場收集得到的現場數據,包括產品開始工作至故障的時間(故障時間)及開始工作至統計時還未故障的工作時間(無故障工作時間),這類似于隨機截尾試驗,因此現場數據具有隨機截尾的特性。
數據統計
根據隨機截尾特性進行數據統計,首先確定樣本范圍為從產品上線至今,再統計可靠性數據,包括故障時間和無故障工作時間。統計故障時間時,僅統計能反映產品可靠性的有效關聯故障,統計項點包含產品編號、上線日歷時間t1、故障日歷時間t2、每天平均工作小時數h,將統計截止日歷時間設為t3,則:
2可靠性預測
2.1 數據擬合及最優分布分析
數據統計分析的目標是獲取產品總體的性質,根據所選取的樣本對總體的分布做出合理的統計推斷。本次基于現場數據利用RELEX軟件進行數據擬合及擬合優度檢驗,采用點估計進行數據擬合,常用的點估計有:矩估計、極大似然估計等,其中極大似然估計具有通用性且最精確。擬合結果如圖1,可以看出最優分布是兩參數指數分布,大量的試驗和經驗證明,電子產品的壽命服從指數分布,本次以兩參數指數分布進行參數估計。
2.1.1 參數估計
指數分布的失效分布函數F(t)和可靠度函數R(t)分別為:
使用RELEX對兩參數指數分布進行參數估計,得到刻度參數θ為66074,位置參數γ為6.732,同時得到可靠度與時間關系圖(圖2),獲得功率模塊失效時間分布,以便進行可靠性分析,預測給定可靠度下功率模塊的運行時間以及給定運行時間下功率模塊的可靠度。
2.1.2 假設檢驗
參數估計后需通過假設檢驗判斷原假設的真實性,本次選用檢驗精度更高、計算更簡便的K-S檢驗法進行假設檢驗,步驟為:先將分析數據從小到大排列,再計算每個失效數據的 ,將其與經驗分布函數的 進行比較并計算差值,取差值的絕對值最大值即為K-S檢驗統計量 (式5); 為在顯著性水平α下的檢驗臨界值;當 ≤ 時,不拒絕原假設,否則拒絕原假設。對于大于50的大樣本數據,在顯著性水平α為5%下,通過經驗公式6計算檢驗臨界值 。
2.2 可靠性預測
根據以上可靠性模型、失效分布函數、可靠度函數及可靠性參數,進行功率模塊可靠性預測。
現行的機車功率模塊維修策略為C5修時進行維修,C6修時更換,現計算C5、C6修時的可靠度。C5修時的工作時間約為6年即12504小時,C6修時的工作時間約為12年即25008小時,代入式8計算可靠度分別為0.7937、0.63。同理,可計算可靠度為0.5時的工作時間為37546小時,即此時在線使用的功率模塊將有50%失效,該時間遠大于C6修更換功率模塊的時間,該結果可為延長維修功率模塊更換周期提供數據支撐。
同樣地,將可靠性參數和C5、C6修對應的時間代入式7可分別得到C5、C6修時的失效概率為0.2063、0.37,該結果可為備件策略的制定提供數據支撐。
3結論
本次基于現場數據,利用可靠性分析軟件對數據進行擬合,分析失效分布,并進行參數估計和假設檢驗,確定了失效分布類型及函數,最終對功率模塊進行了可靠性預測,分析結論可為延長功率模塊的維修更換周期和制定備件策略提供數據支撐。
參考文獻
【1】趙宇,楊軍,馬小兵.可靠性數據分析教程【M】 北京:北京航空航天大學出版社 2009.
【2】鮑超.基于Minitab的地鐵車輛光電式速度傳感器可靠性分析【J】 機電工程技術2019年第48卷第05期.
作者簡介:趙節芳(1979年5月—),女,漢族,籍貫:山西省運城市,本科學歷,高級工程師,研究方向為可靠性技術及工程應用。