基于模糊TOPSIS-FMEA的飞机IDG风险评价

2022-05-23石旭东成博源杨占刚

系统工程与电子技术 2022年6期

石旭东, 成博源, 黄琨, 杨占刚

(中国民航大学电子信息与自动化学院, 天津 300300)

0 引言

飞机电源系统为机上用电设备提供电能,发生故障若不能及时检测并得到有效处理,可能会导致关联的负载设备损坏或失效,进而危及飞行安全。随着“多电飞机”概念的提出和发展, 电力驱动正在逐步取代传统的液压、气压、机械系统, 机载用电设备也越来越多, 对飞机电源系统的安全性、可靠性也提出了更高的要求。而整体驱动发电机(integrated drive generator,IDG)是飞机电源系统的重要组成部分,其性能直接关系到飞机的安全运行,因此对IDG进行风险评价提前预估可能发生的故障模式及其风险水平具有重要意义。

飞机电源系统的风险评价是对收集、整理的风险信息深入分析,识别其中的不确定因素,分析有关事件可能带来的损失及可能发生的概率,评估各故障的风险程度。飞机常用的风险评价的方法有失效模式与影响分析(failure mode and effects analysis,FMEA)、故障树分析(fault tree analysis,FTA)和层次分析法(analytic hierarchy process,AHP)等。本文采用的FMEA法是最常用的风险评价方法,被广泛应用于飞机电源系统。江亮亮对飞机电源系统的关键部件进行结构、功能和故障分析,建立简化的FMEA表格。徐宇恒对西门诺尔飞机电源系统各故障模式进行FMEA分析,从而得出各故障模式的风险大小,并对各故障模式风险值进行排序。陈源对无人机供电系统进行FMEA 分析,利用模糊综合评判方法对供电系统故障进行风险评价。但上述研究大多只是将FMEA方法简单应用到飞机电源系统上,并没有考虑到传统FMEA风险评价指标很难被精准评估以及风险优先数(risk priority number,RPN)计算中存在的缺陷。

飞机电源系统主要包括IDG、辅助电源(auxiliary power unit,APU)、应急电源和二次电源等。 2018～2019年某航空公司某机型飞机电源系统共发生217次故障,其中IDG发生故障87次,占飞机电源系统故障的48.60%。因此,IDG作为飞机电源系统高发故障组件进行风险评价具有重要意义,而传统FMEA没有考虑到风险评价指标的不精确性和风险优先数简单相乘带来的缺陷。基于此,本文选取严重度、发生度和探测度3个风险评价指标,在传统FMEA的基础上,通过引入模糊理论和逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS),提出一种模糊TOPSIS-FMEA方法对飞机电源系统重要组件IDG进行风险评价,验证方法的实用性和有效性。

1 IDG故障模式分析

IDG 采用一体化设计将恒速传动装置(constant speed drive,CSD)和航空三级无刷交流同步发电机集成为一体。对某型飞机IDG进行功能与结构分析,得到IDG的主要故障模式与故障原因如表1所示。

表1 IDG主要故障模式与故障原因

2 模糊TOPSIS-FMEA风险评价

传统FMEA主观性较强,没有考虑到风险评价指标固有的模糊性,可以将模糊思想引入加以改进。FMEA本质是多目标决策(multiple-criteria decision making,MCDM)问题。而TOPSIS是一种多目标多属性决策方法,其源自最纯粹的多准则决策(multiple-criteria decision analysis, MCDA)思想,可以用来解决FMEA中RPN简单相乘带来的弊端。李新月等提出一种模糊语境和失效模式与失效原因关联性的FMEA 风险评估方法。邹运在模糊 FMEA 法中加入修正度 F。为了处理复杂系统中的不确定性,一些建模领域专家使用数学工具来处理不确定性和模糊性。结合上述研究,本文提出了一种模糊TOPSIS-FMEA方法来对IDG进行风险评价,主要步骤如图1所示。

图1 模糊TOPSIS-FMEA法主要步骤

步骤 2.1中三角模糊数的书写形式为

=(,,)

(1)

式中:、、分别表示三角模糊数的左端点、中点、右端点。

模糊语言集的3个风险评价指标为发生度(O)、严重度(S)和探测度(D)。

步骤 23中要求计算专家的评价权重。各专家的资质水平、工作经验和熟悉程度会影响评价结果的一致性和准确性,因此需要确定各专家的权重向量。文献[18]提出的专家小组评价方法,专家评价权重分配如表2所示。

表2 专家评价权重分配

将专家的资质水平、工作经验、熟悉程度3个项目的得分相加,得到专家的评价权重为

(2)

式中:表示专家资质水平项目得分;表示专家工作经验项目得分;表示专家熟悉程度项目得分;表示专家的总数。则专家的权重向量为

=[,,…,]

(3)

步骤 24中专家对故障模式的某一风险评价指标的三角模糊评价为

=(,,)

则故障模式这一风险评价指标的去模糊化评价结果为

(4)

式中：为人为选定的加权系数,本方法使用权重向量中不同专家对应的权重系数作为加权系数。

标准化后得到加权判断矩阵:

(5)

式中:第1、2、3行分别代表对O、S和D的评价;第(=1,2,…,)列代表的故障模式的评价值。

步骤 31中风险评价指标正理想解为加权判断矩阵中该指标对应列的最大值,负理想解为该指标对应列的最小值,若评价对象最靠近正理想解,同时又最远离负理想解,则为最好。

(6)

(7)

(8)

值越大表示故障模式的危害性越大,需要重视的程度也越高。将相对贴近度从大到小排序,可以得到各故障模式的风险水平排序。

3 IDG风险评价

3.1 IDG故障模式及影响分析

针对表1所述的CSD输出故障、PMG故障、激励器故障、旋转整流器故障、主发电机故障、发动机控制组件故障模式,设置模糊术语集,如表3所示。

表3 模糊语言术语

邀请三位专家对IDG的6种故障模式使用表3的模糊语言术语进行评价,评价结果如表4所示。

表4 专家模糊语言评价结果

上述各故障模式的评价结果由3个专家完成,根据式(2)和式(3)计算得到3位专家的权重向量为

=[029,057,014]

将O、S、D的三角模糊评估结果去模糊化,标准化后得到IDG故障模式的加权判断矩阵:

3.2 IDG故障模式风险水平排序

表5 各故障模式与正负理想解欧氏距离

根据式(8)计算各故障模式相对贴近度,标准化后的结果如表6所示。

表6 IDG各故障模式风险水平排序

通过使用模糊TOPSIS-FMEA风险评价方法可以得出,对IDG危害性最大的是旋转整流器故障,危害性最小的是发动机控制组件故障。

3.3 与传统FMEA方法对比

为了验证本文模糊TOPSIS-FMEA方法的优越性,采用传统FMEA方法进行对比。邀请资质水平、工作经验和熟悉程度相同的三位专家对飞机IDG进行FMEA评价,各指标评价结果取3个专家评价的算术平均值,如表7中传统FMEA评价1所示。当主发电机故障的发生度属性值由3变为4时,风险优先数的评价值由90变为120,如表中传统FMEA评价2所示,此时主发电机故障大于CSD输出故障的危害度,可以看出一个评价值的细微改变会导致故障模式排序发生变化。

表7 传统FMEA评价结果

将模糊TOPSIS-FMEA法与传统FMEA方法进行对比分析,评价排序结果如表8所示。可以看出使用传统FMEA方法和模糊TOPSIS-FMEA方法对飞机IDG进行风险评价,得到风险水平最高与最低的故障模式保持一致,说明了两种方法在一定程度上都适用。模糊TOPSIS-FMEA方法通过引入模糊理论和TOPSIS评价方法解决了风险优先数计算时简单相乘带来的弊端,也避免了风险评价指标的属性值发生微小变化会对最终结果带来很大影响的问题,具有一定的优越性。