Теория надежности. Учебное пособие для студентов

• Название: Учебное пособие для студентов
• Анкор: Теория надежности.doc
• Дата: 07.05.2017
• Размер: 3.48 Mb.
• Имя файла: Теория надежности.doc
• Тип: Учебное пособие; #7212
• страница: 16 из 23

6.5.Определительные испытания на долговечность, на сохраняемость, на безотказность и для оценки комплексных показателей

Как указывалось ранее, долговечностью называют свойство объекта сохранять работоспособное состояние до наступления предельного состояния при установленной системе технического обслу­живания и ремонта. При предельном состоянии дальней­шая эксплуатация объекта недопустима или нецелесооб­разна, либо восстановление его работоспособного состояния невозможно или нецелесообразно. К показателям долговечности относятся: средний ресурс, средний срок службы, гамма-процентный ресурс и гамма-процентный срок службы. Обычно при испытаниях на долговечность определяют опытное значение гамма-процентного ресурса, то есть суммарной наработки, в течение которой объект не достигнет предельного состояния с вероят­ностью γ, выраженной в процентах

γ = (1- d / n_Д )  100, (6.18)
где n_Д - число объектов, поставленных на испытание, а d - число отказавших объектов.

Гамма-процентный ресурс вычисляют по накопленным результатам испытания. В процессе испытания периодически проверяют работоспособность испытываемых РЭС для выявления наступления предельного состояния. Образцы, достигшие предельного состояния, снимают с испытания. Испытание на долговечность является фактически ресурсным испытанием. Его проводят до получения числа отказавших изделий:

d = 0,05n_Д + 1 при γ = 95%, (6.19)

d = 0,1n_Д + 1 при γ = 90%. (6.20)

Испытания на долговечность весьма трудоемки и про­должительны (до 100 тыс. ч) и связаны с большими эко­номическими затратами. Так, для проведения испытания изделий с наработкой 10 тыс. ч требуется 1,5...2 года. Про­водят анализ отказов и на его основе разрабатывать необходимые мероприятия по устранению их причин. За гамма-процентный ресурс принимают время ис­пытаний, соответствующее середине интервала времени между появлением двух последних отказов. В итоге длительного испытания получают количественные пока­затели долговечности, которые не могут быть заранее заданы и которые могут служить как справочные данные, от­ражающие уровень надёжности вы­пускаемых изделий [20].

Проведение испытаний РЭС на сохраняемость, определяющую свойство сохранять в заданных пре­делах значения параметров, характеризующих способности РЭС выполнять требуемые функ­ции, в течение и после хранения и (или) транс­портирования, необ­ходимо потому, что хранение является неотъемлемой частью эксплуатации. В качестве критерия оценки сохраняемости при испытаниях обычно принимают значение гамма-процентного срока сохраняе­мости - срока сохраняемости, которого изделия, достигают с заданной вероятностью γ, выраженной в процентах. Опытное значение гамма-процентного срока сохраняе­мости определяется формулой

γ = (l – d / n_c)  100, (6.21)

где d - число изделий, отказавших за время хранения; n_c - объём выборки, необходимый при испытании на со­храняемость. Более подробно вопросы испытаний на сохраняемость изложены в специальной литературе по испытаниям [17, 20]. Определительные испытания показателей безотказности и комплексных показателей надёжности проводятся для ремонтируемых изделий с восстановлением отказавших изделий, а для неремонтируемых изделий без их восстановления. Вопросы, связанные с определением статистических характеристик надёжности устройств в условиях эксплуатации, рассмотрены в разделе 7.

6.6.Определительные ускоренные испытания на надёжность с использованием математических и физических методов прогнозирования

Общие сведения о прогно­зировании

Ускоренные испытания ЭС основаны на прогно­зировании их состояния и применении форсированных рабочих режимов. Прогноз - это предвидение изменений в развитии каких-либо событий, явлений и процессов на основании полученных данных.

Прогнозирование надёжности - это частный случай расчета надёжности объекта на основе статистических моделей, отражающих тенденции изменения надёжности объектов – аналогов, и (или) экспертных оценок расчёта надёжности. Методы прогнозирования применяют для обоснования требуемого уровня надёжности, для ориентировочной оценки ожидаемого уровня надёжности объектов, для расчета интенсивностей отказов элементов, а также для расчета параметров типовых задач и операций технического обслуживания и ремонта объектов.

В литературе описано более ста методов и приёмов прогнозирования. Эти методы можно разделить на три группы:

• 
  методы эвристического прогнозирования (экспертной оценки),
  
• 
  методы прогнозирования по статистическим моделям,
  
• 
  комбинированные методы.
  

Методы эвристического прогнозирования основаны на статистической обработке незави­симых оценок значений ожидаемых показателей надёжности (ПН) разрабатываемого объекта (индивидуальных прогнозов), даваемых группой специалистов (экспертов) на основе предоставленной им информации об объекте, условиях его эксплуатации, планируемой технологии изготовления и других данных, имеющихся в момент проведения оценки. Опрос экспертов и статистическую обработку индивидуальных прогнозов ПН проводят общепринятыми при экспертной оценке методами (например, методом Дельфи).

Методы прогнозирования по статистическим моделям основаны на экстра- или интерполяции зависимостей, описывающих выявленные тенденции изменения ПН объектов-аналогов с учетом их конструктивно-технологических особенностей и других факторов, информация о которых известна или может быть получена в момент проведения оценки. Модели для прогнозирования строят по данным о ПН и параметрах объектов-аналогов с использованием известных статистических методов (многофакторного регрессионного или факторного анализа, методов статистической классификации и распо­знавания образов).

Комбинированные методы основаны на совместном применении для прогнозирования надёжности объектов методов прогнозирования по статистическим моделям и эвристических методов с последующим сравнением результатов [16].

Для прогнозирования надёжности служат следующие исходные данные:

• 
  предполагаемые характеристики, рабочие режимы и условия эксплуатации ЭС;
  
• 
  допуски на параметры качества, корреляционные связи между параметрами качества процесса изготовления и готовых изделий;
  
• 
  требования по параметрической надёжности на этапах производства и эксплуатации.
  

Прогнозирование позволяет заблаговременно добывать сведения о приближающихся параметрических отказах и поэтому оно широко используется в технической диагностике. Основные разработки по прогнозированию сделаны А.Н. Колмогоровым, Н. Винером, К. Шенноном и др. Прогнозирова­ние производится с использованием прошлых наблюдений и бази­руется “на одном из центральных постулатов физики”, сформу­лированном К. Шенноном. Суть центрального постулата прогнози­рования состоит в предположении, что основные закономерно­сти, наблюдавшиеся в прошлом, будут сохранены в будущем [27].

Укрупненная структура процесса прогнозирования показана на рисунке 6.2. По результатам решения задачи прогнози­рования разделяют на одномерные и многомерные. Предсказание изменения величин (наработки на отказ, вероятности безотказной работы) во времени является одномерной задачей. При этих предсказаниях рассматриваются недетерминированные процессы, в которых можно выделить три составляющие:

• 
  детерминированную, поддаю­щуюся точному расчёту,
  
• 
  вероятностную, выделяемую при длительном наблюдении за изме­нением анализируемых показателей,
  
• 
  «чисто» случайную, не поддающуюся предсказанию [36, 37].
  

По результатам исследования прогнозирование разделяют на прямое и обратное.

.

При прямом прогнозировании задают последовательные интервалы времени и вычисляют значения параметров-критериев годности (ПКГ) на этих интервалах.

При обратном прогнозировании задают значения ПКГ и допустимые границы их изменения и вычисляют интервалы времени, на которых эти значения выйдут за допустимые пределы.

Чаще применяют обратное прогнозирование. При прогнозировании исследуют функцию состояния S(t) одного образца ЭС во временной области от нуля до t₁ и оцениваю поведение этой функции в области t₂ > t₁ [20].

Решение задачи прямого прогнозирования проил­люстрируем примером.

Пример 6.6 [1].

В интервале времени Δt₁ параметр λ характеризующий состояние РЭС, изменяется, как показано на рисунке 6.3, а. Требуется предсказать изменение этого параметра в последующем интер­вале времени Δt₂.

Решение.

Как видно из рисунка 6.3 а, из-за негладкости кривой λ(t) получить удовлетворительные результаты прогнозирования затруднительно. Поэтому для вы­явления закономерности в изменении функции λ(t) построим на рисунке 6.2, б зависимость математического ожида­ния этой функции от времени, т.е. М[λ(t)] = f(t). Для этого интервал Δt₁ разобьем на элементарные интер­валы Δτ, внутри которых и вычислим М[λ(t)].

Полученные таким образом дан­ные позволяют нам построить кривую М[λ(t)] = f(t) в интервале времени Δt₁. Как видно из рисунка 6.3, б, кривая получилась гладкой с четко выражен­ной закономерностью изменения во времени. Зная эту закономерность в диапазоне Δt₁, можно проэкстраполировать дальнейший естественный ход этой кривой в диапазоне Δt₂. Прогнозируемый участок кривой М[λ(t)] = f(t) изображен на рисунке 6.2, б штри­ховой линией.

Полученный результат вполне при­емлем для первоначальных прикидочных оценок. Аргумент функции, по которому может осущест­вляться прогнозирование описанным приемом, может быть не только временем, но и любой другой изменяющейся физической величиной (например, частотой, числом срабатываний, темпера­турой и пр.).

Качество прогнозирования во многом зависит от правильного выбора прогнозируемых параметров. Наиболее информативным следует считать такой параметр, который максимально информирует о дефекте, переходящем в ближайшее время в отказ. Процесс прогнозирования оценивают следующими количественными показателями качества прогнозирования: точностью, достоверностью, быстродействием, стоимостью, полнотой, эффективностью и информативностью.

Точность прогнозирования характеризует степень соответствия параметров прогнозирования и имеющих место в действительности и оценивается величиной абсолютной ошибки Δφ, равной разности между значениями прогнозируемой величины φ_П и ее действительным значением φ_Д: Δφ = φ_П - φ_Д. При вероятностном прогнозировании величина Δφ носит случайный характер, поэтому её можно оценить математическим ожиданием М(Δφ), дисперсией D(Δφ), а также вероятностью того, что действительное значение прогнозируемой величины попадает в интервал возможных значений величины φ_П.

Достоверность прогнозирования (другими словами, его надёжность) тесно связана с понятием точности прогнозирования. Разница между ними заключается лишь в том, что при вероятностном подходе точность прогнозирования характеризуется точностью попадания случайной величины φ_П в центр интервала ее возможных значений, а достоверность прогнозирования характеризует лишь сам факт попадания φ_П в этот интервал.

Быстродействие прогнозирования определяется затратами времени, отводимого на прогноз. Быстродействие прогнозирования особенно важно для РЭС, простой которой из-за вовремя не предсказанного и не обнаруженного отказа приводит к большим материальным потерям.

Стоимость прогнозирования определяется затратами материальных средств на процедуру предсказания.

Полнота прогнозирования оценивается отношением числа прогнозируемых парамет­ров к общему числу параметров, определяющих работоспособ­ность изделия.

Эффективность прогнозирования показы­вает, насколько улучшаются эксплуатационные характеристики исследуемого изделия в результате прогнозирования.

Информативность прогнозирования указывает, насколько увеличиваются наши све­дения об исследуемой РЭС результате прогнозирования [1].

В авиационной технике широко используются системы прогнозирования технического состояния (СПТС), подробно описанные в [28], откуда заимствованы краткие сведения об этих системах.

СПТС – это функционирующий в соответствии с заданным целевым назначением комплекс средств, обеспечивающих выработку прогнозов для управления техническим состоянием. Как сложная система СПТС содержит две основных части – функциональную и обеспечивающую. Функциональная часть СПТС включает в себя семь основных частей:

1. Подсистема сбора данных – предназначена для сбора эксплуатационных данных, включая результаты измерения прогнозируемых параметров, время наработки объектов прогнозирования, сведения об отказах оборудования и т.д.

2. Подсистема накопления, хранения и отображения данных – служит для накопления и хранения входных, выходных и циркулирующих в СПТС данных, а также для выдачи их пользователям, к которым относятся люди и программно реализованные подсистемы СПТС.

3. Подсистема предварительной обработки данных преобразует их к виду удобному для последующего прогнозирования, путём изменения размерности и масштаба, учёта режимов работы объекта прогнозирования и индивидуальных характеристик датчиков, выявление и установление грубых ошибок регистрации прогнозируемых параметров и т.д.

4. Подсистема идентификации формирует модели процессов изменения прогнозируемых параметров.

5. Подсистема экстраполяции предназначена для экстраполяции процессов расхода параметрической избыточности.

6. Подсистема выработки решений формирует решения о необходимости и характере управляющих воздействий технической эксплуатации и обслуживания АО.

7. Подсистема координирования служит для корректировки отдельных элементов СПТС и их взаимосвязей на основе накапливаемых априорных сведений о надёжности объектов прогнозирования, статистических свойствах физических процессов, предшествующих возникновению отказов и т.д.

Подсистемы 2, 3, 4 и 5 реализуются на ЭВМ, а каждую из подсистем 6 и 7 можно рассматривать как человеко-машинную, частично реализуемую на компьютере и включающую лицо, принимающее решение (ЛПР).

Организационное обеспечение СПТС следует рассматривать как совокупность неавтоматизированных частей системы, а также совокупность правил и предписаний, определяющих порядок организации взаимодействия СПТС с внешними системами и отдельных подсистем самой СПТС. Оно предназначено для обеспечения взаимодействия ЛПР с техническими средствами и между собой в процессе функционирования СПТС.

Информационное обеспечение СПТС связано с описанием объекта прогнозирования как источника информации, с получением, накоплением, хранением и отображением входной, выходной и циркулирующей в СПТС информации.

Под математическим обеспечением понимается используемый в СПТС математический аппарат, а также комплекс алгоритмов и программ, заложенных в компьютере. Математический аппарат СПТС является основой для разработки алгоритмов обработки информации, на основе которых, в свою очередь, создаются машинные программы.

Техническое обеспечение состоит из комплекса технических средств, связанных единым технологическим процессом преобразования информации в СПТС.

Д
еление СПТС на функциональные подсистемы в определенной мере условно из-за многообразия связей между подсистемами. Примерами различных способов деления СПТС могут служить укрупненная структура (рисунок 6.4) и приведенный выше состав подсистем. Подсистеме 1 соответствует подсистема сбора информации в укрупненной структуре СПТС, подсистемам 2, 3, 4, 5 – подсистема обработки информации, подсистеме 6 – подсистема принятия решений. Однако подсистема 7 в укрупненной структуре СПТС аналога не имеет. Если некоторые функциональные элементы СПТС могут отсутствовать, то ни один из элементов обеспечивающей части СПТС исключить из нее нельзя без прекращения функционирования всей системы.