[發明專利]一種基于現場數據的機載設備可靠性預測方法

在審

• 申請號: 201910731822.X
• 申請日: 2019-08-08
• 公開（公告）號: CN110457654A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 孫永全;閆曉光
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于現場數據的機載設備可靠性預測方法，涉及機載設備可靠性預測技術領域；它的預測方法：步驟一：現場運行條件下對機載設備可靠性開展Bayes統計推斷；步驟二：結合現場運行過程建立產品故障次數預測模型；步驟三：理論分析、計算、實驗方法和步驟；本發明在現場運行條件下，基于現場數據對機載設備進行Bayes統計推斷，給出可靠性測度點估計與置信限，達到評估機載設備可靠性的目標；利用現場故障數據預測未來時間區間內產品故障次數。然后再研究數據特征通過機器學習算法實現故障預測，達到對未來可能發生故障的類型以及發生故障與否預測的目標。

技術領域

本發明屬于機載設備可靠性預測技術領域，具體涉及一種基于現場數據的機載設備可靠性預測方法。

背景技術

近年來，國外在可靠性評估方面的研究主要集中于Bayes分析、回歸分析，對于區間數據的研究與應用較多。從上世紀90年代以來，Bayes 分析一直是國外學者研究的熱點。文獻研究了 Bayes方法在區間數據分析中的應用。文獻討論了參數多層先驗分布模型的應用。文獻則在前人研究的基礎上，系統而全面的論述了Bayes方法的意義及與其他方法的對比、先驗信息與分布、Bayes點估計與區間估計、Bayes假設檢驗、Bayes數值計算、經驗Bayes方法等內容。這些文獻的特點是針對Bayes方法本身具有透徹的研究，但不足在于它們僅限于一般的統計領域，在可靠性統計分析，特別是在可靠性先驗信息的轉化與融合方面還有較大的欠缺。另外隨著客機逐步投入使用，導致各自的數據起點不同，使得現場數據將變得更為復雜。可以認為，在研究先驗信息轉化的基礎上，結合現場運行條件利用Bayes理論對機載設備進行統計推斷是開展機載設備可靠性預測的基本問題。

預測未來時刻產品故障次數，有利于合理確定備件儲備數量，已成為熱門研究方向。國外從20世紀60年代起已開始對壽命預測進行研究與應用。傳統方法通過樣本容量與累積失效概率乘積獲得預測結果，未能給出故障數的預測分布，但預測風險較高。在常用壽命分布下給出未來時刻產品故障次數置信限，如周源泉、Nelson 等人給出了指數分布、Weibull 分布、以及對數正態分布條件下產品未來時刻故障次數的預測限。雖然有利于降低預測風險，但是在伴隨維修的航空產品故障次數預測方面具有局限性。隨機過程在描述伴隨維修的產品故障過程方面具有優勢，據此給出產品故障次數預測限更符合工程實際。如 Yu 和周源泉在故障截尾和時間截尾下基于齊次 Poisson 過程給出了經典精確預測限、正態近似預測限、Bayes 精確預測限、Fiducial 預測限。Nader 基于非齊次泊松過程給出了可修系統故障次數的 Bayes 預測限。對于具有異步運行的機載設備，各產品投入運行時間歷程不同，導致其同一時刻的故障過程強度具有差異性，同一區間內故障次數也不同。現場異步運行給產品故障次數預測帶來挑戰。可認為，現場運行條件下未來時間區間內產品故障次數預測是基于現場故障數據研究機載設備可靠性的難點。