航空装备故障风险分析与趋势预测方法

李飞敏

(中国飞行试验研究院， 西安 710089)

飞行试验是航空器充分暴露故障的一个必经阶段，具有高风险性，被人们称为“刀尖上的舞蹈”。飞行试验故障风险评估手段和方法的不到位，无形中给试飞员、试飞航空装备带来了较大的安全风险。另外，随着试飞任务量的增加以及试飞综合化程度的提升，对故障风险的评估也提出了更高的要求。

文献[1]和文献[3]将可拓学方法应用于后果等级评价中，为本论文研究提供了方法参考；文献[2]以及文献[4-7]从标准角度对失效可能性和失效后果等级进行规范；文献[8-11]和文献[14]针对失效可能性或故障率给出了评价或预测的方法；文献[13]给出了灰色理论和非参数回归分别在维修经费投入和航材消耗中的预测应用。但是，针对飞行试验来说，还未系统性形成故障风险分析与趋势预测方法。

针对上述问题提出了适用于试飞阶段的故障风险评估定量化计算方法及综合预警预测方法，为后续开展飞行试验故障风险监测与预警提供了技术支撑。

1 航空装备故障风险分析与趋势预测原理

针对航空装备风险难以定量化描述以及风险趋势预测等问题，利用航空装备风险是故障后果和故障可能性的联合度量，从而首先针对航空装备故障后果和故障可能性分别进行定量化表征，然后根据风险指数矩阵法确定航空装备目前风险状态，并根据历史风险状态，采用灰色模型进行风险趋势预测。具体方法原理见图1。

2 算法实现

2.1 故障后果定量分析

参考相关标准[3]及国内外资料[2,4-7]，本文针对民用航空装备飞行试验阶段故障后果进行等级划分，并做了适当改进，将故障后果分为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级和Ⅴ级，即不严重、不太严重、一般、比较严重和非常严重。具体划分情况见表1。

图1 方法原理框图

表1 飞行试验阶段故障后果等级划分

故障后果定量分析主要是正确建立评价指标以及定量化等级，然后选择合适的评价方法客观反映评价指标的关系。本论文具体计算方法参见文献[2]。

取对应关联函数最大时的失效后果严重度等级为评价结果，即根据式(1)：Kj0(P)=

(1)

可以判断该故障的严重度级别为j0。

其中，j0为所求故障的严重度级别；P为待评物元；Kj0(P) 是取值最大时的关联函数值；αi为第i个权重；Vij为各个评价指标关于不同风险级别所对应的范围，简称经典域；Vi0为V0关于特征ci所取的量值的范围，即p的节域，p表示失效后果严重度级别的全体；ρ(vi，Vij)是点vi到区间Vij的距；D(vi，Vij，Vi0)为点到空间的距。

2.2 故障可能性评定

针对武器装备外场发生的故障，根据外场该故障发生的概率区间，并采用蒙特卡洛抽样计算得到平均故障率；根据外场故障可能性评价指标体系，应用层次分析法进行权重计算，得到修正系数；即在平均故障率的基础上乘以修正系数，最终得到故障概率，则按照故障概率可判断得到故障失效可能性等级。

由于飞行试验具体自身的特殊性，除了装备本身的技术因素以外，还存在人的因素(管理归为人的因素)、环境因素等。因此，本文引入“人-机-环”理论，建立外场故障可能性评价指标体系，见表2。

表2 外场故障可能性评价指标体系

参考相关资料中故障可能性等级基础上[6-13]，给出外场故障可能性等级划分，具体见表3。

用Gamma分布来拟合产品的故障率。通过蒙特卡洛方法可以获得大量服从Gamma分布的故障率随机值，假设得到了m个故障率样本值{λ1，λ2，…，λm}，通过求随机抽样故障率的平均值作为产品平均故障率，则为

(2)

表3 外场故障可能性等级划分

2.3 航空装备故障风险综合预警

风险是危险可能性和危险严重性的综合度量，对航空装备及其系统的风险等级进行合理的划分，可以为后续采取相适应的安全监控措施提供依据。在本文基于故障可能性和故障后果的基础上，利用风险指数矩阵法[15]，对航空装备试飞期间风险进行评价。

建立的风险指数矩阵元素如表4，建立风险接受原则，具体见表5。

表4 风险指数矩阵元素

表5 风险接受原则

根据表4和表5，可以给出航空装备试飞阶段风险等级以及接受的程度。

2.4 故障风险趋势预测

利用灰色波形进行故障风险综合预警信号预测，具体步骤[14]如下：

1) 由原始数据序列，给出序列折线。设原始序列X=(x(1)，x(2)，…，x(n))，则{xk=x(k)+(t-k)(x(k+1)-x(k))|k=1，2，…，n-1}称为序列X的折线，仍记为X，则

X={xk=x(k)+(t-k)(x(k+1)-x(k))|

k=1，2，…，n-1}

(3)

其中，x(k)为原始数据序列的第k个点；t为对应折线上的横坐标变量；xk为对应t折线上纵坐标变量。

3) 计算等高点。方程组

(4)

的解为ξ-等高点。

5) 建立GM(1，1)预测模型群，计算等高时刻序列。对于∀ξ∈[σmin，σmax]，建立ξ-等高时刻序列GM(1，1)，计算ξ-等高时刻的预测值。

学而不思则罔，思而不学则殆。孔子在两千多年前的这个论述在我们现在的阅读教学中仍然使用。阅读教学中应该以老师精神设置的问题为引领，让学生在强烈的求知欲的促使下不知不觉的走进问题感受到语文文字的美，体会到每一句话或没一个段落所表达的作者的情感。这个过程是学生独立思考的过程，这种体验是无法复制和替代的。在这个过程中学生体验到了成功的快乐，增强了阅读的信心，深藏于心底的求知欲被老师激发了出来。

k=1，2，…，ns)}

3 实例验证

3.1 故障后果案例

现以某型装备发动机涡轮叶片裂纹为例，对故障后果进行评价。根据该故障的具体情况和损失大小，设定造成的后果为：u11受伤人数Ⅰ级；u12死亡人数Ⅰ级；u21财产损失Ⅱ级；u22停飞损失Ⅱ级(该架机停飞3个飞行日)；u31环境影响程度Ⅰ级；u41对其他在飞装备的影响程度Ⅱ(其他三架装备停飞3个飞行日)；u42单位信誉影响程度Ⅰ级；u43其他潜在影响Ⅱ级。

构建评价对象的经典域矩阵RI-V、节域矩阵RP和待评物元R如下：

由式(1)计算出待评物元相对各评价等级的隶属度，即后果严重度等级。计算为

Kj(P) = (-0.267 2，- 0.245 8，-1.012 6，

-2.218 1，-2.917 5)

3.2 故障可能性案例

仍以该型发动机涡轮叶片裂纹为例，进行其故障可能性等级评定，首先从技术因素、人为因素和环境因素等进行故障影响因素分析。

1) 平均故障率计算。利用Gamma分布，根据试飞数据获得故障率所处等级范围为[10-6，10-5]，即LL= 10-6，UL=10-5。根据生产方和订购方风险，选定P1=0.10，P2=0.90。

利用Monte Carlo抽样模拟产生2 000个随机数，并按照Gamma概率密度函数计算2 000个随机数的g(λ;a，b)。求得Gamma概率密度函数的最大值C=14.884 2，则采用均匀随机数函数产生区间[0，C]上的2 000个随机数，当y≤g(λ;a，b)时，接受λ为g(λ;a，b)分布随机数，则λ可作为故障率的1个抽样值，直到产生足够多的随机抽样样本数。程序运行结果为共有1 209个随机数满足评估要求，如图2中的紫红色圆圈；共有791个不满足要求，如图2中的绿色圆圈，针对1 209个故障率的样本值，通过求随机抽样故障率的平均值作为产品平均故障率，则为

图2 用于舍取抽样的Gamma分布图

2) AHP计算权重。利用AHP计算权重，经过一致性检验和归一化处理，最终得到权重为

α=(α1，α2，α3)T=(0.730 6，0.081 0，0.188 4)T

故障概率为

0.587 0×10-5/h-1

故障可能性等级：根据计算得到的故障概率，查表得到故障可能性等级为A级，即为极少发生。

3.3 航空装备故障风险趋势

该型发动机涡轮叶片断裂故障可能性等级为A级，故障后果的严重度等级为Ⅱ级，根据风险指数矩阵，确定风险指数为23，根据表5，针对不同风险指数的风险接受原则为不需评审即可接受。在实际使用中，可根据具体航空装备发生故障情况，按照上述方法可得到航空装备的故障风险趋势，如图3所示。

图3 某航空装备一定时间段内故障风险趋势曲线

3.4 故障风险综合预警信号预测

针对某型航空装备的综合预警信号序列，分别进行短期和中期的预测，预测结果如图4和图5所示。从图4可以看出：灰色波形预测方法预测预警信号，短期预测较好，利用前54个点预测后5个点的预测准确率达到了85%。从图5可以看出，中期预测效果不太理想，利用前41个点预测后18个点，其中前11个点预测准确率达到了71%，后5个点都没有预测到实际结果。从灰色波形预测模型本身来说，是运用曲线拟合和灰色系统理论进行预测的方法，对历史数据有很强的依赖性，没有考虑各个因素之间的联系，所以更适合于短期预测，不太适合用于中长期预测。

图4 短期(后5个故障风险)的预测值与实际值曲线

图5 中期(后18个故障风险)预测值与实际值曲线

4 结论

针对航空装备试飞阶段风险评定及趋势预测问题，采用本文方法得到每一故障的可能性等级和故障后果等级，进而得到每一故障的风险等级及综合预警指数。最后根据故障发生的时间先后顺序，建立设备、系统或整机的风险综合预警指数曲线，根据发展趋势，实现实时监控与短期内的趋势预测，为后续飞行试验故障风险监测与预警提供了一种技术方法。