CN103955627B - 一种基于历史成功数据的航天产品潜在风险评估方法 - Google Patents

Abstract

一种基于历史成功数据的航天产品潜在风险评估方法，该方法有六个步骤：步骤一：明确产品成功定义；步骤二：识别影响产品成功的关键参数；步骤三：收集与整理成功数据；步骤四：收集与整理待评估产品的待分析数据；步骤五：应用数学原理构建成功数据的数据模式；步骤六：验证待分析数据是否服从成功数据的数据模式，以及符合的程度，进行潜在风险评估。该方法作为一种系统级的方法，构思科学，为航天产品的潜在风险评估提供了量化的解决方案。

Description

一种基于历史成功数据的航天产品潜在风险评估方法

技术领域

本发明涉及一种基于历史成功数据的航天产品潜在风险评估方法，具体是通过将待评估产品的相关数据与经过飞行及在轨运行成功验证的产品在飞行、在轨运行及地面试验中的数据进行比对，据此来评估产品的潜在风险，属于质量与可靠性工程领域。

背景技术

航天产品具有技术难度大、产品复杂、质量可靠性要求高的特点。各航天组织、公司一直致力于航天产品的质量保证方法的研究与应用。

洛克希德马丁公司、雷神公司、空中客车公司和波音公司等在研制过程数字化的基础上，将基于关键特性的波动控制融入到产品研制过程中，采用三次设计、质量功能展开等质量工程技术方法系统开展关键特性识别、分析与控制。洛斯罗普-格鲁门公司对其F-1/A-18产品实施过程波动降低系统，控制和改进制造过程中的波动，波动降低系统由统计过程控制(SPC)系统、制造过程绩效系统、制造过程数据库等子系统组成。波音公司针对关键特性波动控制提出了硬件波动控制和先进质量管理体系，利用关键特性和统计过程控制来完成。NASA在其第三层次文件NASA-HDBK-7005《动力学环境准则》中给出了一系列计算最大期望环境(Maximum Expected Environment，MEE)的方法，包括包络线方法、正态公差线法、无分布假设公差线法、经验公差线法、正态预测法。

以上方法注重过程波动的控制，本发明考虑到航天产品批量较小，基于“成功产品的相关参数服从同一的数据模式，即采集到的成功数据在其样本空间里应呈现出聚集形态”的认知，在识别出影响产品成功的关键参数后，将待评估产品的关键参数数据与成功数据进行比对，考察待评估产品关键参数数据是否也服从成功数据呈现出的聚集形态，从而对航天产品潜在风险进行评估。

发明内容

a)目的：本发明的目的是提供一种基于历史成功数据的航天产品潜在风险评估方法，它作为一种系统级的方法，基于历史成功数据分析、比对待分析产品相关参数数据，为航天产品的潜在风险评估提供了量化的解决方案。

b)技术方案

本发明一种基于历史成功数据的航天产品潜在风险评估方法，该方法具体步骤如下：

步骤一：明确产品成功定义。根据不同任务要求，应用任务剖面等方法，从功能和性能两个方面对产品及涉及到的各级部组件的成功进行定义。

步骤二：识别影响产品成功的关键参数。基于产品技术原理，采用故障模式及影响分析(FMEA)、故障树分析(FTA)等确定关键产品、关键特性的技术方法，结合研制阶段的不同特点，识别产品成功相关的性能参数；基于产品结构树分解产品性能，建立产品性能和工艺过程参数、材料参数之间的关系，识别影响产品成功相关的工艺和材料参数。

步骤三：收集与整理成功数据，清洗脏数据。根据任务的特点及关键参数的可测试性，明确数据收集的范围、进行数据的收集，应用数据清洗、数据预处理的相关方法，对数据进行清洗整理。

步骤四：收集与整理待评估产品的待分析数据。

步骤五：应用数学原理构建成功数据的数据模式。收集先验知识，应用收集到的样本和先验知识，建立成功数据的数据模式。

步骤六：验证待分析数据是否服从成功数据的数据模式，以及符合的程度，进行潜在风险评估。

其中，步骤一中所述的“明确产品成功定义”，其具体实现过程如下：

(1)根据不同任务，制定产品成功准则及相应的结果评定；(2)根据产品层次结构中的产品在任务不同阶段下实现其功能和性能的情况，确定各级产品的成功准则。

其中，步骤二中所述的“基于产品结构树分解产品性能、建立产品性能和工艺过程参数、材料参数之间的关系，识别影响产品成功相关的性能、工艺和材料参数”，其具体实现过程如下：

(1)任务分析与任务环境的界定；(2)功能性能要求分解；(3)关键功能性能参数识别；(4)关键功能性能参数确认；(5)性能参数可验证性分析；(6)设计参数分解；

(7)关键设计参数识别；(8)设计参数可验证性分析；(9)工艺、材料参数分解；(10)关键工艺、材料参数识别；(11)识别结果确认。

其中，步骤三中所述的“收集与整理成功数据，清洗脏数据”，其具体实现过程如下：

(1)根据任务的特点及关键参数的可测试性，确定成功数据收集横向范围，即飞行任务数据、地面系统试验数据、地面单机试验数据、工艺过程数据；(2)根据产品执行任务的历史记录，确定成功数据收集纵向范围，即收集的成功产品发次；(3)收集成功数据；(4)清洗收集到的成功数据中存在的噪声数据；(5)处理收集到的成功数据中存在的空缺值数据；(6)处理收集到的成功数据中存在的非标准格式数据。

其中，步骤五中所述的“应用数学原理构建成功数据的数据模式”，其具体实现过程如下：

(1)收集参数数据服从的分布以及分布参数的相关知识的先验知识；(2)收集参数数据之间的相互关系(线性、非线性等)的先验知识；(3)收集参数数据的自相关性的先验知识；(4)明确参数是否属于静态参数，静态参数是指具有明确目标值的计量参数；(5)明确参数是否属于动态参数，动态参数是指为了实现人为意志或每一个目标值，通过发出相应的信号或改变相应的条件而改变输入值，希望系统的输出特性随着输入值(信号或条件)的变化而相应地变化，且波动越小越好的参数；(6)针对服从正态分布的独立的静态参数，应用单值控制图、统计分位数等方法构建成功数据的数据模式；(7)针对服从联合正态分布的具有相关性的静态参数组合，应用多元统计控制图等方法构建成功数据的数据模式；(8)针对服从分布未知或服从非正态分布的静态参数及静态参数组合，应用聚类分析、数据密度、支持向量机等数据挖掘的方法构建成功数据的数据模式；(9)针对动态特性，应用最小二乘法、非线性回归、支持向量机以及其他参数方法、非参数方法对输入变量Χ、输出变量Ｙ进行回归建模Ｙ＝f(Χ)+ε，计算收集到的参数数值(输入变量Χ、输出变量Ｙ)所对应的系统噪声ε，ε为静态参数，应用前述针对静态参数的方法建立ε的数据模式。

c)本发明一种基于历史成功数据的航天产品潜在风险评估方法，其优点在于：1、用于对航天产品潜在风险进行评估，充分应用历史成功产品数据，既考虑到了产品静态特性，又考虑到了动态特性；2、在产品相关参数识别过程中，综合应用了故障模式与影响分析、故障树分析等方法，关键参数的识别覆盖了产品性能、过程、材料参数；3、在产品潜在风险评估过程中，综合应用了统计过程控制技术、数据密度、支持向量机、回归技术等方法，建立格式统一的成功数据的数据模式，便于数据的比对和解读。

附图说明

图1基于历史成功数据的航天产品潜在风险分析流程示意图

图2产品相关参数识别过程示意图

具体实施方式

附图1给出了本发明的实施流程。下面结合附图对本发明的具体实施步骤进行进一步说明：

步骤一：明确产品成功定义。航天产品成功指由产品构成的系统完全满足任务技战术指标要求。

根据不同任务要求，从产品功能实现和性能满足的角度制定产品成功准则及相应的结果评定；应用任务剖面，根据产品层次结构中的产品在任务不同阶段下实现其功能和性能的情况，确定各级产品的成功准则。

产品成功定义包括两个条件：实现了预期功能要求并满足性能要求。功能是“产品在整个的寿命周期内的预期用途”，性能要求则是“定量化地描述系统功能需要执行的范围”。功能与性能存在对应关系，对于适应不同任务环境的系统，针对不同的任务环境和要求可能存在一项功能对应多项性能的情况。功能和性能都是产品的质量特性，按重要程度又可分为关键、重要和一般性的功能和性能特性。

以运载火箭系统为例，按照实现其飞行试验的任务要求情况，产品成功准则一般可分为以下四个级别：

(1)发射圆满成功。火箭各系统工作正常、工作参数均在要求的偏差范围内；有效载荷入轨，轨道参数偏差在允许的范围内；有效载荷入轨姿态满足要求，偏差在允许的范围内。

(2)发射成功。火箭个别或部分参数超过了要求的偏差范围；有效载荷入轨，部分轨道参数超出允许的偏差范围，但最终有效载荷参数尚能消除此偏差而不影响有效载荷的正常工作。

(3)发射基本成功。火箭部分主要参数超出所规定的偏差范围；有效载荷虽入轨但部分轨道参数误差较大，有效载荷最终不能完全消除此偏差而使用有效载荷部分系统工作异常或影响有效载荷工作寿命。

(4)发射部分成功。有效载荷虽然没有入轨，但火箭总体方案，主要分系统方案或关键技术得到考核或部分得到考核。

(5)火箭发射失败。火箭飞行有故障，致使有效载荷未能入轨；或有效载荷虽然入轨，但入轨参数或入轨姿态超差甚大，致使有效载荷无能力纠正而导致有效载荷未完成任务，均以“发射失败”论。

火箭单机和分系统而言需要根据其火箭系统任务剖面，细分其功能完成程度来界定产品成功的定义。

步骤二：识别影响产品成功的关键参数。基于产品技术原理，采用故障模式及影响分析(FMEA)、故障树分析(FTA)等确定关键产品、关键特性的技术方法，结合研制阶段的不同特点，识别产品成功相关的性能参数；基于产品结构树分解产品性能，建立产品性能和工艺过程参数、材料参数之间的关系，识别产品成功相关的工艺和材料参数。

附图2给出了产品成功的相关参数具体实现过程。

(1)任务分析与任务环境界定

明确任务阶段与功能的对应关系，进一步从“完成预定功能、满足性能要求”这两个条件来界定产品成功的内涵，明确产品的任务环境条件。

输出：从任务要求派生出的功能性能参数直接作为系统级的初始功能性能参数列入如相关参数清单，关键的环境参数作为分析对象也应列入相关参数清单中。

方法工具：任务剖面图。

(2)功能性能要求分解

基于产品的功能原理图、可靠性框图或功能流框图将顶层的功能、性能按工作分解结构(产品分解结构)又逐级分解为各组成的功能、性能参数。功能性能要求的分解工作由本级产品的主承研单位负责，根据质量分析控制的需要，分解细化到零组件层。

输出：用于关键功能性能参数识别的功能性能参数。

方法工具：功能原理图，可靠性框图。

(3)关键功能性能参数识别

识别如达不到设计要求，可能迅速地导致系统或主要分系统失效或对人身财产的安全造成产重危害或可能导致产品不能完成预定的使命的那些参数，并识别出分解参数间的相关性。关键功能性能参数识别包括两个原则：性能波动对上一级性能参数波动影响大，敏感性参数；达不到要求危害性大，危害性大一般指达不到性能要求导致I、II级严酷度的故障。

输出：列入关键特性清单的备选关键功能性能参数。

方法工具：质量功能展开(QFD)，功能FMEA，实验设计。

(4)关键功能性能参数确认

目的：确认所识别出的功能性能参数的合理性和完备性。合理性是指导致任务失败的故障(超出性能参数范围)涵盖了关键功能性能参数。完备性是指易发故障涵盖在所识别出来的关键功能性能参数集内。关键功能性能参数识别可能会忽略一些非关重的参数，但要确保涵盖易发故障的性能参数。

输出：列入关键特性清单的关键功能性能参数。

方法工具：故障树分析(FTA)，历次质量问题统计分析。

(5)性能参数可验证性分析

目的：分析所识别出的功能性能参数是否能通过检验、试验、分析和演示验证手段进行验证，收集到反映产品功能性能的数据。原则上可验证的性能参数可直接作为本级分析的对象，不需进行设计参数的分解。不能验证的性能参数包括以现有的技术条件无法验证的参数和经济上验证不合理的两类。

输出：补充关键特性清单中的验证方法的内容；待进行设计参数分解的性能参数。

(6)设计参数分解

目的：将不能验证的关键性能参数按照产品组成分解为具体的设计参数。设计参数还可以进一步分解直至可以进行控制的层次。

输出：分解形成的关键特性链。

方法工具：设计分析(如尺寸链分解等工程方法)。

(7)关键设计参数识别

目的：识别出如达不到设计要求，可能迅速地导致系统或主要分系统失效或对人身财产的安全造成产重危害或可能导致产品不能完成预定的任务的设计参数。与关键性能参数识别与确认的原则相同。

输出：列入关键特性清单的关键设计参数。

方法工具：质量功能展开(QFD)，硬件/软件FMEA，实验设计。

(8)设计参数可验证性分析

目的：分析所识别出的设计参数是否能通过检验、试验、分析和演示验证手段进行验证，收集到反映产品设计参数实测数据。原则上可验证的设计参数可直接作为分为对象，不需进行工艺和材料参数的分解。不能验证的设计参数包括以现有的技术条件无法验证的参数和经济上不合理的验证两类。

输出：补充关键特性清单中的验证方法的内容；待进行工艺和材料特性分解的设计参数。

(9)工艺、材料参数分解

目的：将不能验证的设计参数按照工艺流程分解成工艺或材料参数。

输出：分解形成的关键特性链。

方法工具：工艺流程图和工艺特性矩阵。

(10)关键工艺、材料参数识别

目的：将不能验证的设计参数按照工艺流程分解成工艺或材料参数。

输出：列入关键特性清单的关键工艺和材料参数。

方法工具：质量功能展开，工艺FMEA，工序能力分析，实验设计。

(11)识别结果确认

目的：确认分析所形成的关键特性清单中数据的关联一致性、有效性。确认应依据以下原则：a)关键特性不应该是孤立的特性，即上一级特性不能为空或有明确来源；b)不再分解的关键特性验证方法不能为空。

步骤三：收集与整理成功数据，清洗脏数据。根据任务的特点及相关参数的可测试性，成功数据范围包括飞行任务数据、地面系统试验数据、地面单机试验数据，工艺过程数据。如根据火箭动力系统总体特点及关键参数的测试性，其收集的成功数据范围可以分为三级。

一级数据范围：飞行任务数据—真实性、可信度最高，适用于系统、单机的分析。

二级数据范围：地面系统试验，包括动力系统试车、抽检试车、交付试车等—存在天地差异，但是通过数据积累及工程分析，可消除天地差异的影响，具有一定的可信度；

三级数据范围：地面单机试验，包括单机验收、鉴定、交付试验数据—存在与系统匹配以及天地工作状态的差异，通过加严条件或数据积累，可以用于分析。

对收集到的成功数据中存在的噪声数据、空缺值数据、非标准格式数据等脏数据进行清洗。噪声是一个测量变量中的随机错误或偏差，包括错误的值或偏离期望的孤立点值，通常可以使用分箱法、聚类法等方法识别噪声。空缺值数据的处理包括使用全局常量替换空缺值、使用属性的平均值填充空缺值、弃用数据等。非标准格式数据需要应用手动或自动手段进行整理。

步骤四：收集与整理待评估产品的待分析数据。应当确保待评估产品相关参数数据格式、量纲等与相应成功数据一致。

步骤五：应用数学原理构建成功数据的数据模式。收集先验知识(如果允许)，先验知识包括参数数据服从的分布以及分布参数的相关知识、参数数据之间的相互关系(线性、非线性等)的相关知识、参数数据的自相关性等；应用收集到的样本和先验知识，建立成功数据的数据模式。下面给出建立静态参数成功数据的数据模式的几种具体方法的计算过程。

(1)针对服从正态分布的独立参数，给出应用单值控制图理论构建成功数据的数据模式的具体实现过程：

①记收集到的成功数据为x₁,x₂,…,x_n，记清洗后的成功数据样本为x₍₁₎,x₍₂₎,…,x_(m),m≤n；记收集到的评估产品参数数据为x_t。

②计算 $\stackrel{\‾}{x}=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\left(i\right)}.$

③计算 $\mathrm{\σ}=\sqrt{\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\left(i\right)}-\stackrel{\‾}{x})}^2}{m-1}}.$

④计算 $\mathrm{DU}=\min \{\stackrel{\‾}{x}+3*\mathrm{\σ},\max \{x_{\left(i\right)},i=\mathrm{1,2},...m\left\}\right\}.$

⑤计算 $\mathrm{DD}=\max \{\stackrel{\‾}{x}-3*\mathrm{\σ},\min \{x_{\left(i\right)},i=\mathrm{1,2},...m\left\}\right\}.$

⑥定义成功数据的数据模式：参数值落入区间[DD,DU]。

(2)针对服从多元正态分布的具有相关性的参数组合，给出应用多元统计过程控制理论构建成功数据的数据模式的具体实现过程：

①记参数x₁,x₂,…,x_p组成的向量x＝(x₁,x₂,…,x_p)′服从p维正态分布(t>1)，经过数据清洗收集到的成功数据子组有m个，记为x₁＝(x₁₁,x₁₂,…,x_1p)′，x₂＝(x₂₁,x₂₂,…,x_2p)′，…，x_m＝(x_m1,x_m2,…,x_mp)′；记收集到的评估产品参数数据为x_t＝(x_t1,x_t2,…,x_tp)′。

②计算v_i＝x_i+1-x_i，i＝1,2,...,m-1

③记V＝[v'₁,v'₂,...,v'_m-1]'，计算

④计算m个样本的平均值 $\stackrel{\‾}{x}={(\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{i1},\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{i2},\·\·\·,\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ip}})}^{\′}$

⑤计算DU：其中β_{α,p/2,(m-p-1)/2}是参数为p/2,(m-p-1)/2的贝塔分布的上α百分位点。

⑥定义成功数据的数据模式：对参数x₁,x₂,…,x_p组成的向量x＝(x₁,x₂,…,x_p)′，有 ${(x-\stackrel{\‾}{x})}^{\′}{S}^{-1}(x-\stackrel{\‾}{x})$ 落入区间[0,DU]。

(3)针对分布未知或不服从正态分布的参数及参数组合，给出应用数据密度构建成功数据的数据模式的具体实现过程：

①记参数x₁,x₂,…,x_p组成的向量x＝(x₁,x₂,…,x_p)′服从p维正态分布(t≥1)，经过数据清洗收集到的成功数据子组有m个，记为x₁＝(x₁₁,x₁₂,…,x_1p)′，x₂＝(x₂₁,x₂₂,…,x_2p)′，…，x_m＝(x_m1,x_m2,…,x_mp)′；记收集到的评估产品参数数据为x_t＝(x_t1,x_t2,…,x_tp)′。

②计算其中x_(1)j＝min{x_ij,i＝1,2,...,m}，x_(m)j＝max{x_ij,i＝1,2,...,m}，记A_i＝{x'_i1,x'_i2,…,x'_in},i＝1,2,…,m。

③计算 $x_{\mathrm{ti}}^{\′}=\frac{x_{\mathrm{ti}}-x_{\left(1\right)i}}{x_{\left(m\right)i}-x_{\left(1\right)i}},i=\mathrm{1,2},...,p,$ 记B＝{x'_t1,x'_t2,…,x'_tp}。

④记数据集S＝{A_i,B},i＝1,2,…,m，计算S集中任意两个数据对象p和o之间的距离其中x_pi、x_oi分别是p和o的第i维数据。

⑤约定正整数k，计算S集中各个对象p的k阶距离kdist(p)。kdist(p)是指对于正整数k,满足a.至少有k个对象o’满足d(p,o')≤d(p,o)；b.至多k-1个对象o’满足d(p,o')<d(p,o)两个条件的对象p到另外一个对象o的距离d(p,o)。

⑥记距离对象p的距离不大于kdist(p)的所有对象的集合为对象p的k阶距离邻域N_k(p)；记N_k(p)的元素个数记为|N_k(p)|，记对象p相对对象o的可达距离为rdist_k(p,o)＝max{kdist(o),d(p,o)}。

⑦计算S集中各个对象p的局部可达密度

⑧计算S集中各个对象p的中心偏离指数

⑨计算S集中各个对象p的中心偏离指数LOF值的上α百分位数LOF_α。

⑩定义成功数据的数据模式：对参数x₁,x₂,…,x_p组成的向量x＝(x₁,x₂,…,x_p)′，计算得到其LOF值落入区间[0,LOF_α]。

(4)针对分布未知或不服从正态分布的参数组合，给出应用支持向量机构建成功数据的数据模式的具体实现过程：

①记参数x₁,x₂,…,x_p组成的向量x＝(x₁,x₂,…,x_p)′服从p维正态分布(t≥1)，经过数据清洗收集到的成功数据子组有m个，记为x₁＝(x₁₁,x₁₂,…,x_1p)′，x₂＝(x₂₁,x₂₂,…,x_2p)′，…，x_m＝(x_m1,x_m2,…,x_mp)′；记收集到的评估产品参数数据为x_t＝(x_t1,x_t2,…,x_tp)′。

②计算其中x_(1)j＝min{x_ij,i＝1,2,...,m}，x_(m)j＝max{x_ij,i＝1,2,...,m}，记A_i＝{x'_i1,x'_i2,…,x'_in},i＝1,2,…,m。

③计算 $x_{\mathrm{ti}}^{\&prime;}=\frac{x_{\mathrm{ti}}-x_{\left(1\right)i}}{x_{\left(m\right)i}-x_{\left(1\right)i}},i=\mathrm{1,2},...,p,$ 记B＝{x'_t1,x'_t2,…,x'_tp}。

④记数据集S＝{A_i,B},i＝1,2,…,m，求解

$\mathrm{Max}\underset{i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_{i}K({A_i}^T\&CenterDot;A_i)-\underset{i\&Element;S,j\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_i{\mathrm{\&alpha;}}_{j}K({A_i}^T\&CenterDot;A_j)$

$s.t.\underset{i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_i=1,{\mathrm{\&alpha;}}_i\&GreaterEqual;0$

其中 $K(x_i,x_j)=\exp \left(\frac{{\left|\right|x_i-x_j\left|\right|}^2}{{\mathrm{\&sigma;}}^2}\right).$

⑤计算超球球心

⑥计算超球半径 $r=\sqrt{{(A_i-O)}^T(A_i-O)}$

⑦定义成功数据的数据模式：对参数x₁,x₂,…,x_p组成的向量x＝(x₁,x₂,…,x_p)′，进行数据标准化化得到x_d，计算 $d=\sqrt{K({x_d}^T\&CenterDot;x_d)-2\underset{i\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_{i}K({x_d}^T\&CenterDot;x_i)+\underset{i,j\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_i{\mathrm{\&alpha;}}_{j}K({x_i}^T\&CenterDot;x_j)}$

d值落入区间[0,r]。

步骤六：根据步骤五中给出的成功模式的定义，验证待分析数据是否服从成功数据的数据模式，以及符合的程度，进行潜在风险评估。

Claims (4)

1.一种基于历史成功数据的航天产品潜在风险评估方法，其特征在于：该方法具体步骤如下：

步骤一：明确产品成功定义；根据不同任务要求，应用任务剖面方法，从功能和性能两个方面对产品及涉及到的各级部组件的成功进行定义；

步骤二：识别影响产品成功的关键参数；基于产品技术原理，采用故障模式及影响分析即FMEA、故障树分析即FTA确定关键产品、关键特性的技术方法，结合研制阶段的不同特点，识别产品成功相关的性能参数；基于产品结构树分解产品性能，建立产品性能和工艺过程参数、材料参数之间的关系，识别影响产品成功相关的性能、工艺和材料参数；

步骤三：收集与整理成功数据，清洗脏数据；根据任务的特点及关键参数的可测试性，明确数据收集的范围、进行数据的收集，应用数据清洗、数据预处理的相关方法，对数据进行清洗整理；

步骤四：收集与整理待评估产品的待分析数据；

步骤五：应用数学原理构建成功数据的数据模式；收集先验知识，应用收集到的样本和先验知识，建立成功数据的数据模式；

步骤六：验证待分析数据是否服从成功数据的数据模式，以及符合的程度，进行潜在风险评估；

其中，步骤一中所述的明确产品成功定义，其具体实现过程如下：

(1)根据不同任务，制定产品成功准则及相应的结果评定；

(2)根据产品层次结构中的产品在任务不同阶段下实现其功能和性能的情况，确定各级产品的成功准则。

2.根据权利要求1所述的一种基于历史成功数据的航天产品潜在风险评估方法，其特征在于：步骤二中所述的基于产品结构树分解产品性能、建立产品性能和工艺过程参数、材料参数之间的关系，识别影响产品成功相关的性能、工艺和材料参数，其具体实现过程如下：(1)任务分析与任务环境的界定；(2)功能性能要求分解；(3)关键功能性能参数识别；(4)关键功能性能参数确认；(5)性能参数可验证性分析；(6)设计参数分解；(7)关键设计参数识别；(8)设计参数可验证性分析；(9)工艺、材料参数分解；(10)关键工艺、材料参数识别；(11)识别结果确认。

3.根据权利要求1所述的一种基于历史成功数据的航天产品潜在风险评估方法，其特征在于：步骤三中所述的收集与整理成功数据，清洗脏数据，其具体实现过程如下：

(1)根据任务的特点及关键参数的可测试性，确定成功数据收集横向范围，即飞行任务数据、地面系统试验数据、地面单机试验数据、工艺过程数据；(2)根据产品执行任务的历史记录，确定成功数据收集纵向范围，即收集的成功产品发次；(3)收集成功数据；(4)清洗收集到的成功数据中存在的噪声数据；(5)处理收集到的成功数据中存在的空缺值数据；(6)处理收集到的成功数据中存在的非标准格式数据。

4.根据权利要求1所述的一种基于历史成功数据的航天产品潜在风险评估方法，其特征在于：步骤五中所述的应用数学原理构建成功数据的数据模式，其具体实现过程如下：

(1)收集参数数据服从的分布以及分布参数的相关知识的先验知识；(2)收集参数数据之间的相互关系即线性、非线性的先验知识；(3)收集参数数据的自相关性的先验知识；(4)明确参数是否属于静态参数，静态参数是指具有明确目标值的计量参数；(5)明确参数是否属于动态参数，动态参数是指为了实现人为意志或每一个目标值，通过发出相应的信号或改变相应的条件而改变输入值，希望系统的输出特性随着输入值即信号或条件的变化而相应地变化，且波动越小越好的参数；(6)针对服从正态分布的独立的静态参数，应用单值控制图和统计分位数方法构建成功数据的数据模式；(7)针对服从联合正态分布的具有相关性的静态参数组合，应用多元统计控制图方法构建成功数据的数据模式；(8)针对服从分布未知或服从非正态分布的静态参数及静态参数组合，应用聚类分析、数据密度和支持向量机数据挖掘的方法构建成功数据的数据模式；(9)针对动态特性，应用最小二乘法、非线性回归、支持向量机、非参数方法对输入变量X和输出变量Y进行回归建模Y＝f(X)+ε，计算收集到的参数数值即输入变量X和输出变量Y所对应的系统噪声ε，ε为静态参数，应用前述针对静态参数的方法建立ε的数据模式。