离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用

离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用（共4篇）

篇1：离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用

离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用

结合固体火箭发动机的有效试验信息,运用离散的AMSAA模型计算固体火箭发动机的可靠性增长趋势,并用基于遗传算法的思想求参数的最大似然估计及似然函数的.极值.最后求解出最终研制的可靠性置信下限.结果表明:此模型与算法的运用,有效地利用实验信息,反映了发动机的可靠性增长过程,并可节省样本试验经费.

作 者：吕海峰 戴新生 王鹏 於杨 LV Haifeng DAI Xinsheng WANG Peng YU Yang 作者单位：空军工程大学导弹学院,陕西三原,713800刊 名：弹箭与制导学报 PKU英文刊名：JOURNAL OF PROJECTILES, ROCKETS, MISSILES AND GUIDANCE年，卷(期)：28(1)分类号：V435关键词：离散AMSAA模型 遗传算法 极大似然估计

篇2：离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用

采用这种方法,并不是简单的用合格与不合格来判断指标测试结果,而是用不合格状态来缓慢替代合格状态。比如,1万米是航程指标要求,但是测得的航程达到了9999米,那么如果采用传统的判断方法,就需要将其判定为不合格,这样显然是不妥的。那么就可以依据模糊理论的概念,将其评价为大概合格。鱼雷测试项目主要包括两个方面,分别是性能指标和功能指标,我们用线性描述来判定性能指标的合格与失败之间的过度状态,那么在隶属度分布方面,就可以选择梯形以及半梯形分布。主要有三种情况需要考虑,如下图所示:

一是可以利用偏小型半梯形分布来描述有上限指标的项目,比如辐射噪声等,那么就可以将其表示为:

当x ≤ a时,u(x)=1,当a ≤ x

二是可以利用偏大型半梯形分布来描述有下限指标的项目,比如航程等项目;它的合格表达式是这样的:

当x

三是如果某些指标既有上限,还有下限,如深度偏差等,那么在描述时,就可以采用梯形分布。可以用这样的公式来表达它的合格度:

当x

我们可以利用离散隶属度分布来表示功能指标的测试结果,因为它并不是连续变化的,通常情况下,用这几个等级来划分合格度,当u(x) 分别为1、a、b、和0时,分别表示为完全合格、基本合格、基本不合格以及完全不合格。要紧密结合具体情况,来提前确定,结合过度带的宽度和位置来对合格度进行准确描述。

2条次合格度评价模型

当项目合格度确定下来之后,就需要综合评判鱼雷系统的可靠性。通常会应用加权平均法和模糊综合评判法,在实践过程中,发现这些方法的应用存在着一定的弊端,因为要想得到实验的合格度,就需要对项目的重要度进行确定, 但是却无法明显的反应出单个项目情况,如果项目完全失败,获得的合格度也可能很高。要想得到合格度为0的评价, 就需要保证所有失败都没有成功,这样就无法将实际情况真实的反映出来。另外,在这种方法,将主观量引入了进来, 这样就无法对鱼雷实际的可靠性水平进行客观评价。本文提出了一种新的算法, 具体是这样的:如果a=A(U)=B(U),那么,

3 Bayes评定方法

通过Bayes评定方法的应用,可以将验前信息有效利用起来,这样试验样本就可以得到大量的节约,因此经常会应用到可靠性评定中。如果采用的是传统的Bayes方法,那么就会对试验信息的准确性过于依赖,如果没有准确的描述试验结果,将会对评定结果产生直接的影响。因此,本文在对试验结果进行表示时,采用的模糊数,定义两个特殊的模糊数,这两个模糊数的意思分别为大概合格以及基本不合格来对每条次试验结果进行描述, 那么模糊数的和就是总的合格条次。因为条次的合格度表示为u∈[0,1],那么定义隶属函数就可以表示为:

当0 ≤ u ≤ 1,那么µ0=1-u,µ1= u。

如果合格度在1/2以下,那么就说明基本不合格,那么可以将其表示为三元数(0,0,u);如果u在1/2以上,那么就将其表示为大概合格,可以将其表示为(u,1,1)。

4结语

通过上文的叙述分析我们可以得知, 以往应用的方法来对鱼雷可靠性进行评价时,往往存在着诸多的弊端,无法将鱼雷可靠性程度真实的反映出来;针对这种情况,本文提出了一种全新算法,构建一个模型,在模糊理论的基础上,利用Bayes方法来评定鱼雷的可靠性。通过实践研究表明,这种方法具有很大的优势,可以真实客观的反映出来鱼雷的可靠性程度。

摘要：通过研究发现,以往通常将布尔系统理论应用到鱼雷可靠性评定之中,这样就存在着很大的弊端,因为对于一些合格到不合格之间的过度状态无法完全考虑进来。针对这种情况,基于模糊数学的基本理论,我们提出了一种新的合格度计算方法,并且构建了一种模型,将试验结果用模糊数来表示,利用Bayes方法来科学评定鱼雷的可靠性水平。本文简要分析了Bayes方法在鱼雷系统可靠性试验与评定分析中的应用,希望可以提供一些有价值的参考意见。

篇3：离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用

安全评定在压力容器和管道技术中的应用, 自70年代已引起了广泛的重视, 主要是由于核电和海上采油事业发展的需要。日本早在1975年即在钢结构协会成立“安全可靠性研究组”, 1978年无损检测委员会进行了“设备使用中定期检查有效性”研究, 1983年JWES断裂力学缺陷评定规范中已列入可靠性方法的评定。英国在80年代初就颁布了可靠性标准。我国于80年代初开始对压力容器可靠性工程进行研究, 在球罐、高温高压换热器、贮罐等装置中取得了一定进展, 获得显著的经济和社会效益;开展了带焊接缺陷结构的完整性研究, 并将模糊集理论引入压力容器可靠性评估。由于核容器的安全性一直是大家很关注的问题, 国外学者在核容器的可靠性分析及核容器和核管道的结构完整性评定中采用概率断裂力学方法进行了大量研究, 取得了大量成果。以下是可靠性分析在压力容器安全评定中的一些应用。

1 K应力强度因子法

符号说明:

K1-应力强度因子, K1=Fσ

C-缺陷长半轴, mm

a-缺陷短半轴, mm

ψ-第二类椭圆积分,

t-容器壁厚, mm

K1c-平面应变断裂韧性,

E-杨氏弹性模量, MPa

Μ-泊松比, μ=0.3

σs-屈服极限, MPa

δcr-COD的临界值, mm

当K1≤0.6K1c时, 构件是安全的, 因此, K1≤0.6K1c的概率可靠度Rc=P (K1≤0.6K1c) 。反之, 当K1>0.6K1c时将产生失稳扩展, 所以, K1>0.6K1c的概率就是失稳概率Pk, 即Pk=P (K1>0.6K1c) 。

极限方程:

将K1, K1c代入f (x) 方程,

然后利用Monte Carlo法计算其可靠度。

2 裂纹间断张开位移 (COD) 方法

符号说明:

允许裂纹尺寸, mm

等效裂纹尺寸, mm

e-总拉应变

屈服应力作用下的弹性应变

a-缺陷短半轴, mm

F, ψ-同前

COD法各有关参数和计算公式按照我国压力容器缺陷评定规范CVDA-1984进行。

当a≤am, 时构件是安全的, 因此, a≤am, 的概率可靠度

反之, 当a>am时, 将产生失稳扩展, 所以, a>am, 的概率就是失稳概率

极限方程:

按照CVDA一1984, 允许裂纹尺寸a按下式计算:

当e/es≤1时, am=δcr/2πes (e/es) 2

当e/es>1时, am=δcr/π (e+es)

因为, σ<σs时, 材料未发生屈服, 故有e/es≤1。

等效缺陷a=a (F/ψ) 2, 因此, 极限方程为

同样, 利用Monte Carlo法计算其可靠度。

1984年我国发布了“压力容器缺陷评定规范 (CVDA-84) ”, 它采用COD设计曲线法, 反映了当时国内外的技术水平。实践证明, CVDA是一个安全的工程方法, 取得了巨大的经济效益和社会效益。

3 基于R6的强度应力干涉模型

假设当一种与失效方式相联系的应力5超过该失效方式所控制的强度R时, 认为失效事件E将发生。

其中, γ是强度差。

其中, Xi为独立参量i=0, 1, 2, …, n;这里把Xi作为随机变量来处理, 因此γ也是随机变量当γ<0时表示结构将失效。

函数G是由以前的经验在作了一定的假设之后提炼出的模型而得到的。找出随机变量X, 的分布:F (Xi) =p (Xi<xi) 然后把它代入式 (2) , 便可得到γ, 再把γ代入式 (1) 便可以得到失效概率分布。

CEGB R6标准采用的是双判据准则。对结构完整性的评定通过失效评定图 (FAD) 得以进行。其横坐标为标准化的裂纹实际载荷, 纵坐标为标准化的裂纹驱动力。得到基于R6的失效概率为:

其中f (a) 表示裂纹尺寸的概率密度函数pa表示某一确定性尺寸a的缺陷由于断裂韧性和流变应力的概率分布而引起的Kr和Lr的可变性的联合概率密度分布函数。AFAIL为失效评定图 (FAD) 上的失效区, 即失效评定曲线 (FAC) 上方的面积。定义二重积分:

表示在给定的裂纹尺寸ai下结构的失效概率。对此可以采用Monte Carlo模拟方法求解, 得到

4 基于R6方法的缺陷概率评定

概率断裂力学是考虑结构或构件随机参量的有效方法。基于FAD图的缺陷安全评定技术是将评定点 (Lr, Kr) 点到由失效评定曲线构成的失效评定图上, 当该评定点落在评定线以内区域时认为该缺陷是可以接受的;反之, 当评定点落在评定线以外区域时认为该缺陷是不安全的。事实上, 当考虑结构随机参数后评定点 (Lr, Xr) 将成为一随机变量, 设其密度函数为fKr, Lr (Kr, Lr) 。只要确定了评定点的联合概率密度函数就可以求出缺陷结构的可靠度, 然后分别以断裂韧性、载荷以及裂纹尺寸为随机变量来计算失效概率。

基于R6方法的概率断裂力学分析可以将结构失效的两种极端形式--脆断和塑性失稳融为一体;用以参数形式表示的概率密度函数求解失效概率可以避免求解复杂的联合概率密度函数。

实践证明, 在安全评定中引入可靠性理论, 对压力容器进行可靠性分析, 能更全面、更符合实际地反映压力容器的宏观情况, 是一种先进的、可行的方法。

参考文献

[1]戴树和等编可靠性工程及其在化工设备中的应用.北京:化学工业出版社, 1991.

[2]朱颖卿, 陈庆, 郝正泉, 王明娥.可靠性理论在压力容器缺陷安全评定中的应用[J].Chemical e-quipment technology (化工装备技术) , 1997, 18:49-52.

[3]张新国, 谢根栓, 谢禹钧.压力容器缺陷评定的可靠性方法研究[J].Journal of petrochemical universities (石油化工高等学校学报) , 2000, 13:65-70.

[4]俞树荣, 王志文.压力容器安全评定的现代方法[J].Chemical Mechanics (化工机械) , 1995, 22:176-182.

篇4：离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用

某组件是产品中的关键组件，属机电产品，工作中执行机构动作，如果其机构动作不可靠，必将导致全产品完全失效，因此，在研制过程中，特别关注其可靠性水平。但现有实验室条件，无法模拟其工作环境，也无法使其真实动作，因此，结合其他试验考核，安排了真实条件下的试验，除验证其功能、性能指标外，还激励出可能的故障，发现存在的问题，找出不足，加以纠正、改进和完善，提高和验证其可靠性水平，从而提高全产品的可靠性水平。但真实条件下的试验，试验成本高，试验数据获取困难，因此，从有限的试验数据中，充分挖掘潜在的、价值较大的信息，是十分重要的。

本文收集了某组件真实条件下的试验数据，运用AMSAA可靠增长模型、二项分布的顺序约束阶段可靠性增长模型、成败型可靠性评定模型，对其不同阶段的可靠性变化情况、达到的可靠性水平进行了分析、评价，目的是为试验转阶段和改进决策提供可信的依据。

1 试验实施情况

结合研制进度，某组件试验分A、B两个阶段和三个过程(A、B1、B2)进行，试验阶段安排与试验数据如表一所示。其中，A阶段是原理验证阶段，试验目的是验证原理的可行性，试验中出现故障仅进行简单纠正，无纠正措施，对某组件不进行改进，试验共进行了47次，出现故障6次;根据A阶段试验结果，对某组件进行改进设计，开始B阶段的试验，B阶段的试验共进行51次，故障出现3次。B阶段分B1、B2两个过程进行，B1过程试验的目的是激励故障的发生，试验中建立FRACAS系统，实施故障排查和归零，并适时改进设计，试验共进行了32次，出现故障3次。之后，确定其技术状态，转入验证试验B2过程。B2过程试验的目的是在技术状态一致的基础上，验证和鉴定某组件达到的可靠性水平，为能否参加全产品的试验提供决策依据，试验共进行了19次，无故障发生，中止试验，组件的技术状态按此固化，并参与全产品的试验。

2 可靠性分析方法

为了全面了解某组件在不同阶段的可靠性和阶段、过程间的可靠性变化情况，根据试验实施和试验数据获取实际，按下述原则进行可靠性分析：

(1)采用AMSAA模型分析B阶段试验的可靠性变化情况;

(2)采用二项分布的顺序约束阶段可靠性增长模型，对比分析A阶段试验与B阶段试验、B1过程试验与B2过程试验的可靠性变化情况;

(3)采用二项分布评估模型评估各阶段的可靠性水平。

由于篇幅所限，AMSAA模型、二项分布的顺序约束阶段可靠性增长模型、二项分布评估模型的可靠性分析方法和计算公式详见参考文献[1]。

3 试验结果可靠性分析计算

3.1 B阶段可靠性增长分析

分析B阶段试验数据的可靠性变化趋势，取显著性水平为0.2，采用AMSAA统计分析法模型和图示法进行拟合优度检验、可靠性增长趋势检验。

图示法需绘制累积故障数———累积试验次数图。本文用Minitab软件绘制图形，此图用线性坐标绘制，其纵轴为累积故障数，横轴为累积试验次数。将所有故障数据绘于图上，如图一所示。由于故障数较小，从图上不能判断其可靠性变化情况，不能给出是否变化的结论。

运用AMSAA模型统计分析法对B阶段试验数据进行可靠性变化分析计算。分析计算结果表明，经检验，在显著性水平为0.2时，B阶段试验数据能接受AMSAA模型，但由于故障数较少，分析结果不能证明此试验数据有显著的可靠性变化，这对试验决策不能提供有用的依据，需进行更深入的分析。分析计算结果如表二所示。

3.2 不同阶段、不同过程可靠性变化分析计算

为了进一步挖掘试验数据的潜在价值，用二项分布的顺序约束阶段可靠性增长模型分析A阶段与B阶段、B1过程与B2过程的可靠性变化情况，分析计算结果如表三所示。分析计算结果表明，A阶段与B阶段比较，组件的改进设计是有效的，其可靠性水平有显著增长;B1过程与B2过程比较，通过试验中建立FRACAS系统的工作，实施故障激励、排查和归零，并适时改进设计，效果显著，其可靠性水平也有显著增长。

3.3 可靠度评估计算

为了便于比较不同阶段、过程组件达到的可靠性水平，用二项分布模型评估其可靠度是适宜的。A阶段、B1过程、B2过程的可靠度点估计值、置信下限评估计算结果如表四所示。计算结果表明，取置信度为0.8，无论是点估计值，还是置信下限值，都是不断提高的，这与4.2的分析一致。可靠度的提高如图二所示。

4 结束论

运用AMSAA可靠增长模型、二项分布的顺序约束阶段可靠性增长模型、成败型可靠性评定模型，对某组件的不同阶段试验数据的可靠性变化情况、达到的可靠性水平进行了分析、评估。结果表明：

(1)不同阶段、过程的故障纠正措施是有效的，改进效果是明显的，FRACAS系统的工作是卓有成效的，组件可靠性水平逐步增长。取置信度为0.8时，可靠度下限值从A阶段的0.81增长到B1过程的0.83，再增长为B2过程的0.92。此组件参加后续的全产品试验，未出现任何故障，证明此分析的有效性;

(2)对于成败型试验结果，经分析，再次证明，当出现的故障次数较少时，用AMSAA可靠性增长模型分析其可靠性变化结果，不能得出正确的结论，应选用二项分布的顺序约束阶段可靠性增长等其他模型进行分析;

(3)对不同阶段的、有限的试验数据进行完整的分析，可挖掘出许多潜在的、价值较大的信息，这对试验转阶段的决策十分有用。

参考文献

[1]周源泉.质量可靠性增长与评定方法[M].北京:北京航空航天大学出版社,1997.

[2]周源泉,翁朝曦.AMSAA模型对一次性使用产品的应用[J].质量与可靠性,1996,(06):30-34.

[3]马逢时,周日韦,刘传冰.六西格玛管理统计指南——MINITAB使用指导[M].北京:中国人民大学出版社,2008.