CN113051763B - 基于数据融合技术的舰船系统级电子装备可靠性评估方法 - Google Patents

基于数据融合技术的舰船系统级电子装备可靠性评估方法 Download PDF

Info

Publication number
CN113051763B
CN113051763B CN202110345889.7A CN202110345889A CN113051763B CN 113051763 B CN113051763 B CN 113051763B CN 202110345889 A CN202110345889 A CN 202110345889A CN 113051763 B CN113051763 B CN 113051763B
Authority
CN
China
Prior art keywords
test
level
reliability
data
electronic equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110345889.7A
Other languages
English (en)
Other versions
CN113051763A (zh
Inventor
陈中青
朱宜生
王超
刘玉石
王一飞
孙成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
723 Research Institute of CSIC
Original Assignee
723 Research Institute of CSIC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 723 Research Institute of CSIC filed Critical 723 Research Institute of CSIC
Priority to CN202110345889.7A priority Critical patent/CN113051763B/zh
Publication of CN113051763A publication Critical patent/CN113051763A/zh
Application granted granted Critical
Publication of CN113051763B publication Critical patent/CN113051763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种基于数据融合技术的舰船系统级电子装备可靠性评估方法，属于舰船系统级电子装备可靠性评估技术领域。本发明解决了系统级可靠性评估数据不充分、评估结果与实际结果存在较大差距的问题，通过数据融合技术，将各分系统内场实验室试验数据与系统级装备外场试验数据相结合，实现了系统级舰船电子装备可靠性评估结果更接近实际使用结果，提高了评估结果的准确性和可信度。

Description

基于数据融合技术的舰船系统级电子装备可靠性评估方法
技术领域
本发明属于舰船系统级电子装备可靠性评估技术，具体为一种基于数据融合技术的舰船系统级电子装备可靠性评估方法。
背景技术
电子装备是舰船作战系统的重要组成部分，对舰船作战效能的持续有效发挥起着决定性作用。可靠性不仅是舰船电子装备通用质量特性的一项重要指标，而且是决定未来作战胜负的关键因素。对于舰船分系统或设备级电子装备，一般按照《GJB899A-2009可靠性鉴定和验收试验》中规定的方法进行试验验证。但是，对于系统级装备，由于其组成复杂、结构庞大、功能性能参数众多，国内实验室不具备开展系统级试验的能力，一般采用可靠性评估的方式验证其可靠性水平。
目前，系统级装备的可靠性评估一般有以下两种方式：一是自下而上的方式，即采信各个分系统或设备可靠性试验的结果，然后代入到系统级装备的可靠性模型中，以此来评估系统级装备的可靠性水平；二是收集系统级装备某一阶段(如系统联调联试、航行试验、系泊试验等)的试验数据，统计该阶段的有效试验数据和故障数，评估系统级装备的可靠性是否满足相关技术文件中的指标规定。
上述两种评估方式虽然在工程中得到了一定的应用，但是均有一定的局限性和不足。
(1)第一种评估方式数据来源单一，为各设备或分系统实验室极限应力环境下的试验结果，组成系统后其功能性能是否正常、可靠性水平如何等未进行实际验证，仅是采信各分系统的可靠性结果，并代入到系统可靠性模型中分析评估系统级装备的可靠性水平，因而造成评估结果与系统后续实际使用的可靠性水平有较大的差距。
(2)第二种评估方式的数据采集区间相对较短，在该阶段经受的环境应力相对比较柔和，很难遇到各种极限应力，评估数据来源不充分，不能很好的反映出系统级装备的实际可靠性水平，因此其评估结果与实际使用的可靠性水平经常存在一定的偏差。
发明内容
本发明提出了一种基于数据融合技术的舰船系统级电子装备可靠性评估方法。
实现本发明目的的技术方案为：一种基于数据融合技术的舰船系统级电子装备可靠性评估方法，具体步骤为：
步骤一、确定系统级电子装备的可靠性指标，并建立相应的可靠性模型；
步骤二、收集各设备/分系统实验室环境下的试验数据，对试验数据进行确认，提取相关试验信息并进行数据的分析处理，将每个设备或分系统实验室环境下的试验数据乘以相应的环境系数并累加；
步骤三、将步骤二中各个设备或分系统的试验数据代入可靠性模型中，转化为系统级试验数据；
步骤四、收集系统级装备系统联调、航行试验、基地试验、试用阶段的数据，记录有效试验时间、试验环境条件、试验应力、故障信息、功能性能变化趋势；
步骤五、对步骤四收集的试验数据，通过提取环境条件、试验应力信息的方式，确定相应的环境系数，将每个阶段的试验数据乘以对应的环境系数得到阶段系统级装备的有效时间，将各个阶段有效时间相加得到系统级装备外场试验的总有效试验时间；
步骤六、将内场试验等效后的系统级有效试验时间与系统级装备外场试验的总有效试验时间进行叠加；对各个阶段发生的故障进行统计，并按照GJB451A-2005的规定对故障进行分类；
步骤七、对舰船系统级电子装备进行单侧置信下限估计。
优选地，所述可靠性指标包括基本可靠性指标MTBF和任务可靠性指标MTBCF。
优选地，各设备/分系统实验室环境下的试验数据包括可靠性鉴定试验、环境试验、电磁兼容性试验和连续通电考核的试验数据。
优选地，提取的相关试验信息包括试验中施加的温度、湿度、振动、电等应力和试验中发生的故障信息。
优选地，对提取的相关试验数据进行分析处理包括：分析试验应力是否与实际使用环境相同，如果试验应力弱于实际使用环境，则环境系数为0.6～0.9之间；如果与实际使用环境相同，则环境系数为1.0；如果比实际使用环境强，则环境系数不低于1.0。
优选地，对舰船系统级电子装备进行单侧置信下限估计的具体公式为：当所有的责任故障数或严重故障数r＝0时，单侧置信下限估计计算公式为：
Figure BDA0003000790270000031
否则：
Figure BDA0003000790270000032
式中，θL为系统级电子装备的MTBF或MTBCF单侧置信下限；T为系统级电子装备总有效试验时间；χ2为卡方分布，C为置信度；r为所有的责任故障数或严重故障数。
本发明与现有技术相比，其显著优点为：(1)本发明通过数据融合技术，将内外场试验数据进行有效融合，使评估数据的区间范围更宽、试验应力和功能性能验证更全面，有效解决了试验数据不充分的问题；
(2)同时，该评估方法还采用数据等效折合等方式，使得评估结果是在等效使用环境下评估得到的，评估结果更准确、可信度更高，解决了以往评估结果与实际使用结果存在较大偏差的难题。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为本发明的流程图。
图2为故障分类流程图。
图3为某型舰船电子信息系统基本可靠性示意图。
图4为某型舰船电子信息系统任务可靠性示意图。
具体实施方式
如图1所示，一种基于数据融合技术的舰船系统级电子装备可靠性评估方法，具体步骤为：
步骤一、确定系统级电子装备的可靠性指标，并建立相应的可靠性模型，如图3、4所示；
进一步的实施例中，所述可靠性指标包括基本可靠性MTBF和任务可靠性MTBCF，基本可靠性即指平均故障间隔时间，任务可靠性指平均严重故障间隔时间。
基本可靠性对应的可靠性模型为系统所有设备的串联模型；任务可靠性对应的可靠性模型通常比较复杂，系统为了提高任务可靠性，一般采用设计冗余(即具有相同功能性能的设备不止一台)，其可靠性模型一般为混联系统(即同时包含串联、并联、表决等两种或两种以上的连接方式)；
步骤二、收集各设备/分系统实验室环境下的试验数据，即内场试验的试验数据，包括可靠性鉴定试验、环境试验、电磁兼容性试验和连续通电考核等的试验数据；对各设备/分系统在实验室环境下进行的试验是否加电工作进行确认，即剔除试验中不加电的试验数据，仅统计试验过程中加电的数据；数据确认后提取相关试验信息并进行数据的分析处理；然后将每个设备或分系统实验室环境下的试验数据乘以相应的环境系数并累加；
进一步的实施例中，提取的相关试验信息包括试验中施加的温度、湿度、振动、电等应力和试验中发生的故障信息；
进一步的实施例中，对提取的相关试验数据进行分析处理包括：分析试验应力是否与实际使用环境相同，如果试验应力弱于实际使用环境，则其环境系数一般为0.6～0.9之间；如果与实际使用环境相同，则其环境系数一般为1.0；如果比实际使用环境更严酷，则根据严酷程度取环境系数，一般不低于1.0。
步骤三、将步骤二中各个设备或分系统的试验数据代入系统可靠性模型中，转化为系统级试验数据，即系统级电子装备在实验室环境下的等效试验时间和故障数据；
步骤四、收集系统级装备系统联调、航行试验、基地试验、部队试用等阶段(一般称为外场试验)的数据，对试验数据进行统计、分析，记录其有效试验时间、试验环境条件、试验应力、故障信息、功能性能变化趋势等信息；
步骤五、对步骤四收集的试验数据，通过提取环境条件、试验应力信息的方式，确定其相应的环境系数，将每个阶段的试验数据乘以对应的环境系数得到该阶段系统级装备的有效时间，最后将各个阶段有效时间相加得到系统级装备外场试验的总有效试验时间；
步骤六、对内外场试验数据进行有效融合：首先将内场试验等效后的系统级有效试验时间与外场各阶段折合后的有效时间进行叠加获得总有效试验时间；然后，对各个阶段发生的故障进行统计，并按照《GJB451A-2005可靠性维修性保障性术语》中的规定对故障进行分类，确定该故障是否为责任故障和严重故障，并分别统计责任故障数和严重故障数，如图2所示；
步骤七、按照公式(1)或公式(2)对舰船系统级电子装备进行单侧置信下限估计；
Figure BDA0003000790270000051
式中：θL为系统级电子装备的MTBF或MTBCF单侧置信下限；
T为系统级电子装备总有效试验时间；
χ2为卡方分布，可通过GJB899A-2009进行查表
C为置信度；
r为所有的责任故障数或严重故障数。
在r＝0时按公式(2)进行单侧置信下限估计
Figure BDA0003000790270000052
自此，就完成了基于数据融合技术的舰船系统级电子装备可靠性评估。
本发明提出基于数据融合技术，充分利用各设备或分系统内场实验室环境下数据与系统级装备外场试验数据进行可靠性评估，使系统级电子装备可靠性评估的结果更接近其实际使用状态，以达到评估结果更准确、更可信的目的。
实施例进行更详细的描述。
实施例
一种基于数据融合技术的舰船系统级电子装备可靠性评估方法，具体步骤为：
第一步，该型舰船电子信息系统由分系统1～分系统4组成，其中分系统2两套且互为冗余，其他分系统各一套。经确定该型舰船电子信息系统的基本可靠性MTBF和任务可靠性MTBCF分别为50h和150h，根据各分系统的连接关系和可靠性指标分别建立基本可靠性模型和任务可靠性模型，具体如图3所示；
第二步，收集各个分系统实验室环境(即内场试验)下的可靠性鉴定试验数据、环境试验数据、电磁兼容试验数据和连续通电考核试验数据：经确认可靠性鉴定试验、电磁兼容性试验和连续通电考核全过程通电工作，统计其试验时间；环境试验中的高低温工作试验、振动试验、颠震试验试验中通电工作，湿热试验、高低温贮存试验未加电工作，因此环境试验仅统计高低温工作、振动和颠震试验的试验时间。经统计各分系统试验时间如下表1所示，故障信息如表2所示。
表1各分系统试验时间统计表
Figure BDA0003000790270000061
表2各分系统故障信息统计表
Figure BDA0003000790270000062
数据确认后，对各个试验的试验应力和故障信息进行提取，由于各个分系统在不同试验阶段经受的试验应力不同，参考GJB/Z 299C-2006中元器件在不同环境条件下环境系数和工程经验，对分系统各个阶段的环境折合系数作如下规定：
1)连续通电考核试验一般仅施加电应力，该阶段环境折合系数取0.6；
2)环境试验一般为单一试验应力，试验应力比实际使用的单一应力严酷，但弱于实际使用环境，故该阶段环境折合系数取0.9；
3)电磁兼容试验为分系统经受电磁应力，弱于实际使用环境，该阶段环境折合系数取0.8；
4)可靠性鉴定试验一般是温度/湿度/振动和电应力综合，试验应力比实际使用环境严酷，且施加的环境应力均为分系统的极限环境应力，故该阶段环境折合系数取1.2。
根据上述规定，各个分系统总有效试验时间和故障信息统计如表3所示。
表3各分系统有效试验时间和故障统计表
序号 分系统名称 总有效试验时间 责任故障数 严重故障数
1 分系统1 560.6h 0 0
2 分系统2 992.6h 1 0
3 分系统3 560.6h 0 0
4 分系统4 560.6h 0 0
第三步，将各个分系统的试验数据转化为系统级试验数据。将各个分系统现阶段的可靠性试验数据代入到可靠性模型中，经计算等效于系统级试验数据为157.26h，责任故障数为1，严重故障数为0。
第四步，收集系统级装备外场试验数据(包括系统联调数据、航行试验数据、基地试验数据、部队试用数据等)，经统计该型电子信息装备系统级试验数据如下表4所示。
表4系统级试验数据统计表
序号 试验阶段 试验时间 责任故障数 严重故障数
1 系统联调联试 518h 3 2
2 航行试验 325h 2 1
3 基地试验 276h 2 1
4 部队试用 1024h 3 1
第五步，
由于系统在各个试验阶段经受的试验应力不同，参考GJB/Z 299C-2006中元器件在不同环境条件下折合系数和工程经验，对系统各个阶段的环境折合系数作如下规定：
1)系统联调联试一般仅施加电应力，该阶段环境折合系数取0.6；
2)航行试验与装备实际使用环境相同，该阶段环境折合系数取1.0；
3)基地试验重点考核实际使用环境条件下装备的极限功能性能参数，相对于实际使用环境更严酷，该阶段环境折合系数取1.1；
4)部队试用阶段与装备实际使用环境相同，该阶段环境折合系数取1.0。
根据上述规定，系统总有效试验时间和故障信息统计如表5所示。
表5各阶段系统级试验有效试验时间和故障统计表
序号 试验阶段 总有效试验时间 责任故障数 严重故障数
1 系统联调联试 310.8h 3 2
2 航行试验 325h 2 1
3 基地试验 303.6h 2 1
4 部队试用 1024h 3 1
第六步，将内场分系统转化后的系统级试验数据与外场系统级试验数据进行融合。经数据融合叠加，该型电子信息系统总有效试验时间和故障信息如表6所示。
表6系统级总有效试验时间和故障统计表
序号 总有效试验时间 责任故障数 严重故障数
1 2120.66h 11 5
第七步，按照公式(1)分别评估系统的基本可靠性和任务可靠性。经计算，该型电子信息系统在80％置信度下的基本可靠性和任务可靠性的单侧置信下限分别为143.46h和268.15h。

Claims (6)

1.一种基于数据融合技术的舰船系统级电子装备可靠性评估方法，其特征在于，具体步骤为：
步骤一、确定系统级电子装备的可靠性指标，并建立相应的可靠性模型；
步骤二、收集各设备/分系统实验室环境下的试验数据，对试验数据进行确认，提取相关试验信息并进行数据的分析处理，将每个设备或分系统实验室环境下的试验数据乘以相应的环境系数并累加；
步骤三、将步骤二中各个设备或分系统的试验数据代入可靠性模型中，转化为系统级试验数据；
步骤四、收集系统级装备系统联调、航行试验、基地试验、试用阶段的数据，记录有效试验时间、试验环境条件、试验应力、故障信息、功能性能变化趋势；
步骤五、对步骤四收集的试验数据，通过提取环境条件、试验应力信息的方式，确定相应的环境系数，将每个阶段的试验数据乘以对应的环境系数得到阶段系统级装备的有效时间，将各个阶段有效时间相加得到系统级装备外场试验的总有效试验时间；
步骤六、将内场试验等效后的系统级有效试验时间与系统级装备外场试验的总有效试验时间进行叠加；对各个阶段发生的故障进行统计，并按照GJB451A-2005的规定对故障进行分类；
步骤七、对舰船系统级电子装备进行单侧置信下限估计。
2.根据权利要求1所述的基于数据融合技术的舰船系统级电子装备可靠性评估方法，其特征在于，所述可靠性指标包括平均故障间隔时间MTBF和平均严重故障间隔时间MTBCF。
3.根据权利要求1所述的基于数据融合技术的舰船系统级电子装备可靠性评估方法，其特征在于，各设备/分系统实验室环境下的试验数据包括可靠性鉴定试验、环境试验、电磁兼容性试验和连续通电考核的试验数据。
4.根据权利要求1所述的基于数据融合技术的舰船系统级电子装备可靠性评估方法，其特征在于，提取的相关试验信息包括试验中施加的温度、湿度、振动、电等应力和试验中发生的故障信息。
5.根据权利要求1所述的基于数据融合技术的舰船系统级电子装备可靠性评估方法，其特征在于，对提取的相关试验数据进行分析处理包括：分析试验应力是否与实际使用环境相同，如果试验应力弱于实际使用环境，则环境系数为0.6～0.9之间；如果与实际使用环境相同，则环境系数为1.0；如果比实际使用环境强，则环境系数不低于1.0。
6.根据权利要求1所述的基于数据融合技术的舰船系统级电子装备可靠性评估方法，其特征在于，对舰船系统级电子装备进行单侧置信下限估计的具体公式为：
当所有的责任故障数或严重故障数r＝0时，单侧置信下限估计计算公式为：
Figure FDA0003000790260000021
否则：
Figure FDA0003000790260000022
式中，θL为系统级电子装备的MTBF或MTBCF单侧置信下限；T为系统级电子装备总有效试验时间；χ2为卡方分布，C为置信度；r为所有的责任故障数或严重故障数。
CN202110345889.7A 2021-03-31 2021-03-31 基于数据融合技术的舰船系统级电子装备可靠性评估方法 Active CN113051763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110345889.7A CN113051763B (zh) 2021-03-31 2021-03-31 基于数据融合技术的舰船系统级电子装备可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110345889.7A CN113051763B (zh) 2021-03-31 2021-03-31 基于数据融合技术的舰船系统级电子装备可靠性评估方法

Publications (2)

Publication Number Publication Date
CN113051763A CN113051763A (zh) 2021-06-29
CN113051763B true CN113051763B (zh) 2023-01-03

Family

ID=76516540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110345889.7A Active CN113051763B (zh) 2021-03-31 2021-03-31 基于数据融合技术的舰船系统级电子装备可靠性评估方法

Country Status (1)

Country Link
CN (1) CN113051763B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113720702B (zh) * 2021-08-08 2023-08-04 中国飞机强度研究所 一种基于等效性理论的材料外场低温试验响应等效方法
CN116383718B (zh) * 2023-04-03 2024-05-31 天航长鹰(江苏)科技有限公司 一种基于内外场数据的复杂系统可靠性评估方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202938A (zh) * 2016-07-14 2016-12-07 熊猫电子集团有限公司 一种通信装备可靠性评估方法
CN107526715B (zh) * 2017-07-26 2020-11-24 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） 一种可靠性评估方法和装置
CN111581778B (zh) * 2020-04-09 2023-10-17 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 舰船电子系统可靠性验证方法、装置、计算机设备和介质

Also Published As

Publication number Publication date
CN113051763A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN113051763B (zh) 基于数据融合技术的舰船系统级电子装备可靠性评估方法
CN107153759B (zh) 一种多源数据融合的航空涡扇发动机剩余寿命预测方法
CN108268905A (zh) 一种基于支持向量机的变压器故障诊断方法及系统
CN113406524B (zh) 一种动力电池系统的不一致性故障诊断方法及系统
CN115062538B (zh) 基于注意力机制和卷积nn的变换器故障诊断方法及系统
CN105930963A (zh) 一种机电系统装备健康评估方法
CN105137324B (zh) 一种基于仿真分类模型的多探测点故障元器件定位方法
CN111678699A (zh) 一种面向滚动轴承早期故障监测与诊断方法及系统
CN115712871A (zh) 一种结合重采样和集成学习的电力电子系统故障诊断方法
CN101968379B (zh) 航空发动机转子系统工况振动信号特征信息提取方法
CN113297033A (zh) 基于云端监测数据的车辆电控系统健康评估方法和系统
CN111626374A (zh) 基于半监督学习的开关柜故障分类方法
Song et al. Research on rolling bearing fault diagnosis method based on improved LMD and CMWPE
CN114118208A (zh) 基于多元信息的变压器故障判断方法、装置及电子设备
CN115563868A (zh) 一种航空交流发电机油路系统故障诊断方法及装置
Pang et al. A New Fault Diagnosis Method for Quality Control of Electromagnet Based on T–S Fault Tree and Grey Relation
Shi et al. Evaluation of health condition for IMA module based on Mahalanobis distance
CN114997332A (zh) 小波包分析与麻雀算法优化相关向量机的故障诊断方法
CN114572361A (zh) 船舶智能机舱运维系统验证平台
CN113537373A (zh) 基于数字孪生的柴油机健康状态评估方法、装置及设备
Zhang et al. A Comprehensive Data-driven Fault Diagnosis Method for Electric Vehicles [J]
Wu et al. Recognition method of voltage sag sources based on RMT-CNN model
Sun et al. Analog Circuit Fault Diagnosis Based on FFT-CNN-LSTM
CN112712106B (zh) 基于多视图对抗自编码器的机械设备健康状态识别方法
Baigen et al. Research on fault recognition method of on-board equipment based on BP neural network optimized by Bayesian regularized

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant