[发明专利]一种基于自然环境的军机故障率预测方法

说明书

本发明属于军机故障率预测，具体涉及一种基于自然环境的军机故障率预测方法。提供的新型深层卷积神经网络模型，综合考虑军机已使用寿命，对于处于偶然失效期内的军机，以任务地点的自然环境数据为输入变量，故障率等级为输出变量训练卷积神经网络，可以根据标准化后的历史外场使用数据准确预测不同使用环境条件下的故障率，为军机故障预防、故障诊断和故障维修提供依据。

技术领域

本发明属于军机故障率预测，具体涉及一种基于自然环境的军机故障率预测方法。

背景技术

军用飞机在不同的使用自然环境和使用阶段具有不同的故障率特征。对于处于偶然失效期内的军用飞机，根据标准化后的历史外场使用数据准确预测不同使用环境下的故障率，可为军用飞机故障预防、故障诊断和故障维修提供依据，对完好率和出勤率的提升具有重要意义。

装备的故障率趋势一般呈现浴盆曲线特征，主要分为3个阶段：早期失效期、偶然失效期和耗损失效期，其中偶然失效期在装备的寿命周期中占据主要比重。对于处于偶然失效期的军机，其故障率变化主要受环境等因素影响。传统的以使用时间为自变量的故障率分析模型只能给出军机长期使用时的故障率变化，并不能为处于偶然失效期的军机状态评估及检修决策提供更多的支持，而综合考虑军机当前使用环境信息的故障率分析模型能为军机的故障率预测提供更加可信的判断依据。

随着军机在外场装备数量及使用时间的增加，目前已积累了大量的外场使用数据。以某型飞机为例，据不完全统计，从2014年到2019年，仅故障数据就积累了数千条。同时，自2014年以来，该型号飞机已在国内大多数不同自然环境地区执行过战训任务，具体统计见表1。以上地区在自然环境上有着极大的差异，势必对飞机的故障率产生不同的影响。自然环境的差异主要体现在温度、湿度和气压上，以下分别从这三方面阐述其对军机故障率的影响。

表1某型机的使用自然环境特征

序号	环境特征
1	温差大
2	温暖潮湿
3	暖温
4	寒冷
5	寒冷干燥
6	高原寒冷