[发明专利]一种计及相似失效机理和维修策略的预测方法

说明书

本发明公开了一种计及相似失效机理和维修策略的预测方法,包括以下步骤：步骤1，获取设备总体故障数据，并进行故障数据分组；步骤2，建立子系统斯坦收缩因子模型，并根据分组后的故障数据，获取各子系统斯坦收缩因子数据；步骤3，建立各故障系统失效强度模型，并根据各子系统斯坦收缩因子数据，获取各种故障失效率的斯坦估计值；步骤4，建立计及相似失效机理和维修策略的预测模型，并根据各种故障失效率的斯坦估计值，获得设备整体失效强度结果；步骤5，预测设备在试验过程中的实时可靠性指标。本发明计及每次故障的故障率和维修率之间的个体差异，采用新的预测模型和方法，使得预测方法更合理、可靠性预测精度更高。

技术领域

本发明涉及可靠性增长预测技术领域，尤其涉及一种计及相似失效机理和维修策略的预测方法。

背景技术

处于可靠性增长试验中的设备，其可靠性是不断变化的。试验过程中的故障数据，可能来源于不同的母体，因此需要运用变动统计学的原理来建立设备的可靠性增长预测模型。可靠性增长预测模型反映了设备的可靠性在变化中的增长规律，可以实时评定设备在试验过程中任意时刻的可靠性水平，因此设计一个合理有效的可靠性增长预测模型具有较高的实际意义。

目前，虽然AMPM{AMSAA(Army Materiel Systems Analysis Activity)MaturityProjection Model}—斯坦预测模型广泛用于预测采取延缓维修策略设备的故障率，然而由于在计算斯坦收缩因子时使用的数据过于笼统，未考虑各故障的故障率和维修率之间的差异，存在原有AMPM—斯坦预测模型可靠性预测精度不高的问题。而且学术界对于在该模型中引入斯坦收缩因子的合理性存在争议，争议的焦点为不同类别的零部件具有不同的失效机理进而应由不同的失效方式和维修策略表征。

发明内容

针对上述缺陷或不足，本发明的目的在于提供一种计及相似失效机理和维修策略的预测方法。

为达到以上目的，本发明的技术方案为：

一种计及相似失效机理和维修策略的预测方法，包括以下步骤：

步骤1，获取设备总体故障数据，并进行故障数据分组；

步骤2，建立子系统斯坦收缩因子模型，并根据分组后的故障数据，获取各子系统斯坦收缩因子数据；

步骤3，建立各故障系统失效强度模型，并根据各子系统斯坦收缩因子数据，获取各种故障失效率的斯坦估计值；

步骤4，建立计及相似失效机理和维修策略的预测模型，并根据各种故障失效率的斯坦估计值，获得设备整体失效强度结果；

步骤5，预测设备在试验过程中的实时可靠性指标。

在步骤1中，针对故障数据分组，按照不同的失效机理和维修策略将设备划分为j个独立的子系统，将已发生的需要进行整改的B类故障分别归入不同的子系统，得到j组故障数据。

在步骤2中，j个不同子系统的斯坦收缩因子模型如式(1)所示，

其中，式中θ_S,j∈[0,1]表示各子系统收缩因子，其意义在于使预测故障率与实际故障率的平方差之和最小；式中i表示在试验过程中出现的故障模式，式中i∈B(j)表示故障模式i隶属于第j个子系统的B类故障，式中i∈B(j)λ_ij为第j个子系统中第i个故障的失效率，为第j个子系统中所有B类故障的平均失效率，m_B,j为第j个子系统中B类故障模式的数量，λ_B,j＝n_B,j/T为第j个子系统的总体失效率，n_B,j为第j个子系统中出现的B类故障的总数量，T为可靠性试验的持续时间。

在步骤3中，第j个子系统中第i种故障模式的失效强度模型如式(2)所示，