CN108920843B - 基于可靠性分析的发动机叶片主动再制造时域选择方法 - Google Patents

Abstract

本发明公开了一种基于可靠性分析的发动机叶片主动再制造时域选择方法，利用收集到发动机叶片的故障数据，预估其可靠度在服役周期变化的趋势，从而为主动再制造时域选择提供参考。为获得叶片可靠度趋势线，采用联合最小二乘法及平均秩次法来拟合叶片可靠度的变化趋势。通过计算叶片在服役生命末期可靠度下降的极值点，选择发动机主动再制造的时机点。本发明的显著效果：通过预设再制造时间点，可使废旧零部件失效形式以及程度尽可能相似，减少再制造技术难度，从而对环境保护和能源可持续发展具有重大意义。

Description

基于可靠性分析的发动机叶片主动再制造时域选择方法

技术领域

本发明属于机械设备再制造技术领域，具体涉及一种基于可靠性分析的发动 机叶片主动再制造时域选择方法。

背景技术

现如今，我国已经进入了机电产品报废的顶峰期。我国机床保有量达到700 万台；在汽车领域，随着我国汽车保有量不断攀升，大量的车辆面临报废的处境。

面临上述处境，我国要求制造业走上可持续发展之路。再制造作为绿色制造 的有利武器，也成为了发展循环经济的关键一步。再制造所需的废旧产品往往是 完全报废、功能丧失，质量状态参差不齐，企业只能被动地、单件地、个性化地 对这些毛坯进行再制造，判断过程复杂、工艺效率低下。

为解决再制造面临的问题，研究学者意识到从产品初始设计阶段就考虑产品 的再制造性能，是推动再制造进程顺利进行的最有效方法，通过选择合适的再制 造时域，使各式各样的废旧零部件处于相似的失效程度，却其能达到最大的工程 效益。

发明内容

针对上述问题，本发明提供了一种基于可靠性分析的发动机叶片主动再制造 时域选择方法，通过收集发动机叶片的故障数据，预估其可靠度在服役周期变化 的趋势，在产品服役末期选择可靠度下降幅度最大的时机作为主动再制造时机点。 该方法精度高，操作简单，方便在工程实际中运用。

本发明所采用的技术方案是：一种基于可靠性分析的发动机叶片主动再制造 时域选择方法，其特征在于，包括以下步骤：

步骤1：确定发动机叶片可靠性模型，获取现场试验数据并整理；

获取现场发动机叶片的故障数据，剔除非自然故障的发动机叶片故障数据； 将收集的数据按照故障数据和删失数据进行分类整理，并按照故障时间先后进行 从新排列；

步骤2：平均秩次法计算经验分布函数；

根据整理的现场试验数据，计算平均秩次的增量，并带入经验分布公式；

步骤3：平均秩次法的最小二乘拟合；

根据平均秩次法确定的x及y值，带入最小二乘公式，拟合回归直线；

其中，x＝lnt，y＝lnln[1/(1-F(t))]；t为废旧零部件故障时间，F(t)为 平均秩次法的经验公式；

步骤4：废旧产品可靠度模型参数确定；

根据拟合的回归曲线，求出拟合参数，进而确定废旧零部件模型参数；

步骤5：主动再制造时域选择；

根据确定的参数，预估废旧零部件在服役周期内可靠度的变化；在确定可靠 度函数后，确定其在生命末期可靠度下降速率的极点，即为主动再制造时机。

与现有技术相比，本发明显著的有益效果体现在：

1.本发明从废旧零部件的服役周期考虑，预估其可靠度在服役周期变化的 趋势，在产品服役末期选择可靠度下降幅度最大的时机作为主动再制造时机点。 选择合适的再制造时域，使各式各样的废旧零部件处于相似的失效程度，却其能 达到最大的工程效益；

2.本发明从提供了一种计算主动再制造时机的方法，该方法可以直接应用 在现场，计算简单，实用；

3.本发明为废旧零部件产品的再制造提供了理论支持，解决在回收废旧零 部件过程中的不确定性问题，又利用推动企业再制造方案的实施，使再制造过程 效率得到极大提升。

附图说明

图1是本发明实施例的主动再制造时域选择的说明图；

图2是本发明实施例的平均秩次法的最小二乘拟合图；

图3是本发明实施例的发动机叶片可靠度预测图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对 本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解 释本发明，并不用于限定本发明。

请见图1，本发明提供的一种基于可靠性分析的发动机叶片主动再制造时域 选择方法，包括以下步骤：

步骤1：确定发动机叶片可靠性模型，获取现场试验数据并整理；

根据历史文献，发动机叶片的可靠性模型可用威布尔分布模型的模拟，其中 两参数的威布尔模型应用最为广泛。

其中威布尔分布的失效分布函数为：

故障密度函数为：

可靠度函数为：

其中，α表示尺度参数，β表示位置参数，t表示故障时间。

获取现场发动机叶片的故障数据，剔除非自然故障的发动机叶片故障数据； 将收集的数据按照故障数据和删失数据进行分类整理，并按照故障时间先后进行 从新排列；

以下为某工厂收集的故障数据。经整理后如表1所示。

表1现场收集故障数据

其中，S表示删失数据，F表示故障数据。

步骤2：平均秩次法计算经验分布函数；

根据整理的现场试验数据，计算平均秩次的增量，并带入经验分布公式；

具体实现包括以下子步骤：

步骤2.1：根据历史数据资料，确定经验分布函数为：

式中，i为故障设备的顺序号，n为样本量，A_i为平均秩次的增量；

步骤2.2：求平均秩次的增量公式：

式中，k为所有设备的排列顺序号，排列序列号是将故障数据按照故障先 后排列的编号；A_i为故障设备的平均秩次；A_i-1为前一个故障设备的平均秩次； A₁为1；

步骤2.3：将平均秩次的增量公式代入带步骤2.1中确定出最后的经验分布函 数。

用平均秩次法计算经验分布函数得结果请见表2；

表2用平均秩次法计算经验分布函数

步骤3：平均秩次法的最小二乘拟合；

根据平均秩次法确定的x及y值，带入最小二乘公式，拟合回归直线；

最小二乘法是用于估计线性函数中的未知参数，其基本形式为y＝Ax+B；

对于本专利中的威布尔分布的失效分布函数：

将上式化简后可得：

lnln[1/(1-F(t))]＝β[lnt-lnα]

则最小二乘法(y＝Ax+B)各自对应的参数为：

x＝lnt y＝lnln[1/(1-F(t))]；A＝β，B＝-βlnα；

具体实现包括以下子步骤：

步骤3.1：根据确定的平均秩次的参数、A_i、F_n(t_i)，确定最小二乘法拟合的 x、y值；

其中，x＝lnt，y＝lnln[1/(1-F(t))]；

步骤3.2：拟合其回归方程；

其中，

表示最小二乘法中参数A的参数估计，

表示最小二乘法中参数B 的参数估计，x_i表示故障数据中对用的x值，y_i表示故障数据中对用的y值，

表示x、y乘积的均值，

表示x_i的均值，

表示y_i的均值。

请见图2，为实施例的平均秩次法的最小二乘拟合图；

步骤3.3：根据公式步骤3中，A＝β，B＝-βlnα，求解出威布尔分布的 尺度参数与位置参数，即α、β。

步骤4：废旧产品可靠度模型参数确定；

根据拟合的回归曲线，求出拟合参数，进而确定废旧零部件模型参数；

本实施例中，按照步骤3得出的威布尔分布的参数α＝1228.76，β＝6.2896；

步骤5：主动再制造时域选择；

根据步骤4确定的威布尔分布参数，预估废旧零部件在服役周期内可靠度的 变化；请见图3，通常情况下，废旧零部件的可靠度小于0.2时，即零部件已经进 行服役末期，因此本专利选择的生命末期即为可靠度为0.2时是对应的服役时间， 直至零部件出现故障为止。在确定可靠度函数后，确定其在生命末期可靠度下降 速率的极点，即为主动再制造时机。

当R(t)＝0.2时，t＝13201h；

当t＝13201h时，

即当使用寿命为13201h时，其发动机叶片的在生命末期可靠度下降的速率最 快，此时应进行主动再制造。

本发明通过收集发动机叶片的故障数据，预估其可靠度在服役周期变化的趋 势，在产品服役末期选择可靠度下降幅度最大的时机作为主动再制造时机点。该 方法精度高，操作简单，方便在工程实际中运用。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是 对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不 脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发 明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (4)

1.一种基于可靠性分析的发动机叶片主动再制造时域选择方法，其特征在于，包括以下步骤：

步骤1：确定发动机叶片可靠性模型，获取现场试验数据并整理；

获取现场发动机叶片的故障数据，剔除非自然故障的发动机叶片故障数据；将收集的数据按照故障数据和删失数据进行分类整理，并按照故障时间先后进行从新排列；

步骤2：平均秩次法计算经验分布函数；

根据整理的现场试验数据，计算平均秩次的增量，并带入经验分布公式；

步骤3：平均秩次法的最小二乘拟合；

根据平均秩次法确定的x及y值带入最小二乘公式，拟合回归直线；

其中，x＝lnt，y＝lnln[1/(1-F(t))]；t为废旧零部件故障时间，F(t)为平均秩次法的经验公式；

步骤4：废旧产品可靠度模型参数确定；

根据拟合的回归曲线，求出拟合参数，进而确定废旧零部件模型参数；

步骤5：主动再制造时域选择；

根据确定的参数，预估废旧零部件在服役周期内可靠度的变化；在确定可靠度函数后，确定其在生命末期可靠度下降速率的极点，即为主动再制造时机。

2.根据权利要求1所述的基于可靠性分析的发动机叶片主动再制造时域选择方法，其特征在于：步骤1中，发动机叶片可靠性模型为两参数的威布尔模型；

其中威布尔分布的失效分布函数为：

故障密度函数为：

可靠度函数为：

其中，α表示尺度参数，β表示位置参数，t表示故障时间。

3.根据权利要求2所述的基于可靠性分析的发动机叶片主动再制造时域选择方法，其特征在于，步骤2的具体实现包括以下子步骤：

步骤2.1：根据历史数据资料，确定经验分布函数为：

式中，i为故障设备的顺序号，n为样本量；A_i为故障设备的平均秩次；

步骤2.2：求平均秩次的增量公式：

式中，k为所有设备的排列顺序号，排列序列号是将故障数据按照故障先后排列的编号；A_i为故障设备的平均秩次，A_i-1为前一个故障设备的平均秩次；A₁为1；

步骤2.3：将平均秩次的增量公式代入带步骤2.1中确定出最后的经验分布函数。

4.根据权利要求3所述的基于可靠性分析的发动机叶片主动再制造时域选择方法，其特征在于，步骤3的具体实现包括以下子步骤：

步骤3.1：根据确定的平均秩次的参数、A_i、F_n(t_i)，确定最小二乘法拟合的x、y值；

其中，函数y＝Ax+B各自对应的参数为：

x＝lnt，y＝lnln[1/(1-F(t))]，A＝β，B＝-βlnα；

步骤3.2：拟合其回归方程；

其中，

表示最小二乘法中参数A的参数估计，

表示最小二乘法中参数B的参数估计，x_i表示故障数据中对用的x值，y_i表示故障数据中对用的y值，

表示x、y乘积的均值，

表示x_i的均值，

表示y_i的均值；

步骤3.3：根据A＝β，B＝-βlnα，求解出威布尔分布的尺度参数与位置参数，即α、β。

Images