CN113312280B - 一种用于确定装备状态及故障规律的方法及系统 - Google Patents

Abstract

本发明公开了一种用于确定装备状态及故障规律的方法及系统，属于仿真模型应用技术领域。本发明方法，包括：获取装备的基本数据，对装备的基本数据进行筛选，将筛选后的装备的基本数据作为输入数据；根据输入数据构建装备故障策略模型；获取目标装备的基本数据，将目标装备的基本数据输入至装备故障策略模型进行模拟仿真，获取目标装备的装备状态图，根据装备状态图确定目标装备的装备状态及故障规律。本发明可以提供直观准确的仿真结果，减少人为经验的干扰，提高工作效率并减少费用。

Description

一种用于确定装备状态及故障规律的方法及系统

技术领域

本发明涉及仿真模型应用技术领域，并且更具体地，涉及一种用于确定装备状态及故障规律的方法及系统。

背景技术

装备故障策略是以装备为对象，根据装备使用过程中收集的故障数据或者故障规律制定比较符合装备故障的规则，通过模拟验证出一套符合装备的故障趋势，以便装备快速定位、精准维修、尽快返回任务。

现已有相关论文介绍装备故障数据收集、分析，但没有基于数据的收集和分析开发出一套仿真模拟装备故障的系统，现有的装备故障规律分析方法大多为基于装备的使用、故障情况进行数据的收集、整理、分析和挖掘，应用场景是以一次装备使用任务为主线，以装备执行使用任务为牵引，对装备列装后实际使用、故障、维修和保障的数据进行统计，分析故障数据服从的规律，但统计法仅仅是针对装备的实际情况进行展现，并没有针对故障策略规律进行应用。

发明内容

针对上述问题，本发明提出了一种用于确定装备状态及故障规律的方法，包括：

获取装备的基本数据，对装备的基本数据进行筛选，将筛选后的装备的基本数据作为输入数据；

根据输入数据构建装备故障策略模型；

获取目标装备的基本数据，将目标装备的基本数据输入至装备故障策略模型进行模拟仿真，获取目标装备的装备状态图，根据装备状态图确定目标装备的装备状态及故障规律。

可选的，基本数据，包括：装备标识、装备现有工作小时、装备下各在线更换单元LRU的可靠性指标MTBF、装备下各在线更换单元LRU全寿命的故障次数、装备下各在线更换单元LRU全寿命期间不同阶段故障比例、装备下各在线更换单元LRU不同阶段故障次数、装备动用任务及装备维修时间。

可选的，装备故障策略模型：针对输入数据，通过概率分布法和浴盆曲线法，确定LRU的故障规律；针对LRU的故障规律，判断分系统是否故障，由LRU向上传递判断装备的状态。

可选的，通过概率分布法确定LRU的故障规律，包括：

确定装备LRU的概率分布；

根据概率分布，比对装备LRU的MTBF和工作小时，判断LCU是否故障；

针对故障的LCU，通过LCU的任务执行方式判定装备故障情况，根据装备故障情况，确定LRU的故障规律；

所述概率分布，包括：正态分布、威布尔分布和指数分布；

所述确定装备LRU的概率分布，根据LRU的类型确定概率分布，或根据LRU的故障数量拟合概率分布。

可选的，通过浴盆曲线法确定LRU的故障规律，包括：

确定装备LRU的故障次数；

针对LRU的故障次数使用概率分布法，并通过任务执行方式判定装备故障情况，根据装备故障情况确定LRU的故障规律。

本发明还提出了一种用于确定装备状态及故障规律的系统，包括：

数据采集单元，获取装备的基本数据，对装备的基本数据进行筛选，将筛选后的装备的基本数据作为输入数据；

模型搭建单元，根据输入数据构建装备故障策略模型；

输出单元，获取目标装备的基本数据，将目标装备的基本数据输入至装备故障策略模型进行模拟仿真，获取目标装备的装备状态图，根据装备状态图确定目标装备的装备状态及故障规律。

可选的，基本数据，包括：装备标识、装备现有工作小时、装备下各在线更换单元LRU的可靠性指标MTBF、装备下各在线更换单元LRU全寿命的故障次数、装备下各在线更换单元LRU全寿命期间不同阶段故障比例、装备下各在线更换单元LRU不同阶段故障次数、装备动用任务及装备维修时间。

可选的，装备故障策略模型：针对输入数据，通过概率分布法和浴盆曲线法，确定LRU的故障规律；针对LRU的故障规律，判断分系统是否故障，由LRU向上传递判断装备的状态。

可选的，通过概率分布法确定LRU的故障规律，包括：

确定装备LRU的概率分布；

根据概率分布，比对装备LRU的MTBF和工作小时，判断LCU是否故障；

针对故障的LCU，通过LCU的任务执行方式判定装备故障情况，根据装备故障情况，确定LRU的故障规律；

所述概率分布，包括：正态分布、威布尔分布和指数分布；

所述确定装备LRU的概率分布，根据LRU的类型确定概率分布，或根据LRU的故障数量拟合概率分布。

可选的，通过浴盆曲线法确定LRU的故障规律，包括：

确定装备LRU的故障次数；

针对LRU的故障次数使用概率分布法，并通过任务执行方式判定装备故障情况，根据装备故障情况确定LRU的故障规律。

本发明可以提供直观准确的仿真结果，减少人为经验的干扰，提高工作效率并减少费用，并通过计算机技术可快速封装为工具，提交给相关装备研制和使用单位，作为装备故障规律的验证和评估，满足装备研制和管理人员对装备使用情况的综合监督和管控，适应装备使用工作中的矩阵式管理要求，确保各项装备使用有效执行。

附图说明

图1为本发明方法的流程图；

图2为本发明方法实施例的流程图；

图3为本发明方法实施例中装备故障策略模型的构建流程图；

图4为本发明方法实施例中获取的装备故障状态结果图；

图5为本发明系统的结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

本发明提出了一种用于确定装备状态及故障规律的方法，如图1所示，包括：

获取装备的基本数据，对装备的基本数据进行筛选，将筛选后的装备的基本数据作为输入数据；

根据输入数据构建装备故障策略模型；

获取目标装备的基本数据，将目标装备的基本数据输入至装备故障策略模型进行模拟仿真，获取目标装备的装备状态图，根据装备状态图确定目标装备的装备状态及故障规律。

其中，基本数据，包括：装备标识、装备现有工作小时、装备下各在线更换单元LRU的可靠性指标MTBF、装备下各在线更换单元LRU全寿命的故障次数、装备下各在线更换单元LRU全寿命期间不同阶段故障比例、装备下各在线更换单元LRU不同阶段故障次数、装备动用任务及装备维修时间。

其中，装备故障策略模型：针对输入数据，通过概率分布法和浴盆曲线法，确定LRU的故障规律；针对LRU的故障规律，判断分系统是否故障，由LRU向上传递判断装备的状态。

其中，通过概率分布法确定LRU的故障规律，包括：

确定装备LRU的概率分布；

根据概率分布，比对装备LRU的MTBF和工作小时，判断LCU是否故障；

针对故障的LCU，通过LCU的任务执行方式判定装备故障情况，根据装备故障情况，确定LRU的故障规律；

所述概率分布，包括：正态分布、威布尔分布和指数分布；

所述确定装备LRU的概率分布，根据LRU的类型确定概率分布，或根据LRU的故障数量拟合概率分布。

其中，通过浴盆曲线法确定LRU的故障规律，包括：

确定装备LRU的故障次数；

针对LRU的故障次数使用概率分布法，并通过任务执行方式判定装备故障情况，根据装备故障情况确定LRU的故障规律。

下面结合实施例对本发明进行进一步的说明：

本发明实施例具体实施步骤，如图2所示，包括：

首先，进行数据输入，具体为：

以任务为牵引，考虑装备执行任务时的各LRU故障导致装备故障，且装备在故障后经过一段时间的维修修复，返回任务的场景。装备模型的粒度从装备结构逐渐细分到LRU(在线更换单元)，通过各LRU的故障再逐步组合反馈到装备的故障。

具体数据，如下包括：装备标识：确定装备的唯一性，包括名称、型号、编码等；

装备工作小时；

装备各LRU全寿命故障次数；

装备各LRU全寿命各阶段故障比例；

装备各LRU全寿命各阶段故障次数；

装备各LRU的MTBF；

装备动用任务；

装备维修时间；

其次，进行装备故障策略模型的构建，如图3所示，包括：

分别通过概率分布法和浴盆曲线法进行描述LRU的故障规律；

结合任务可靠性分析，考虑任务执行时，各LRU是串联还是并联，并判断分系统是否故障，逐层由LRU向上传递直到判断装备的状态。

针对LRU故障规律进行描述，如下：

LRU是装备的可更换单元，是装备故障后需要进行换件修理的对象，所以装备故障策略选定LRU为最底层分析对象。LRU的故障规律是可以基于装备使用过程的故障数据进行分析，需要选定执行的任务，调度执行的装备，构建装备的硬件构成，并简化部分装备故障要素(如具体的故障模式、故障模式影响等)，只考虑LRU的故障数量，但由于实际装备使用时间较短或者其他原因，LRU的故障数量较少，结合理论的方法进行模拟拟合，本专利选择两种方法描述LRU的故障规律，分别为概率分布法和浴盆曲线法。

概率分布法，如下：

概率分布法的对象是LRU的MTBF,是针对装备使用过程中，收集每个LRU的故障数据，如果数据量足够多，可以通过概率模型进行拟合。概率分布法分为以下3个步骤：

确定LRU概率分布；

比对LRU的MTBF和工作小时；

通过任务执行方式判定装备故障情况；

确定LRU概率分布，具体为：

概率分布有正态分布、威布尔分布和指数分布，概率分布的用法有两种，一种是根据LRU的类型确定分布，一种是根据LRU的故障数量拟合分布。

根据LRU的类型确定分布：是基于其使用收集的数据量较少，无法进行分布拟合，则根据LRU属于机械件、机电件、电子件确定其分布，按照经验，机械件大多服从正态分布、机电件大多服从威布尔分布，电子件大多服从指数分布。

根据LRU的故障数量拟合分布：是通过各LRU的离散故障数据拟合其概率密度函数，并求解当前LRU的MTBF，公式如下：

MTBF＝LRU工作时间/故障次数；

工作时间：在规定的时间内；

故障次数：在规定的时间内发生的故障次数；

假设：每个故障是独立的，且寿命服从指数分布；

比对LRU的MTBF和工作小时，如下：

在确定了每个LRU的MTBF(规定值或者使用值)后，通过蒙特卡洛随机仿真结合LRU服从分布，抛洒出每次仿真的MTBF值为随机值，即MTBF(仿真值)，再针对每次仿真过程中，随着任务不断执行，时间不断推进，当LRU的工作时间达到其MTBF仿真值时，判定当前LRU故障。

通过任务执行方式判定装备故障情况；

在当前LRU故障后，针对本级LRU和其他LRU在执行本任务时的模式是串联还是并联，确定装备的状态，如果本级LRU和其他LRU是串联，本级某个LRU故障，则其上级分系统故障，如果本级LRU和其他LRU是并联，本级某个LRU故障，则其上级分系统无故障，装备无故障；如果本级分系统和其他分系统是串联，本级某个分系统故障，则其上级系统故障，如果本级分系统和其他分系统是并联，本级某个分系统故障，则其上级系统无故障，装备无故障；如果本级系统和其他系统是串联，本级某个系统故障，则装备故障，如果本级系统和其他系统是并联，本级某个系统故障，则装备无故障。

浴盆曲线法，如下：

浴盆曲线法的对象是LRU的故障次数,是针对LRU全寿命的故障次数进行数据预测或者选用退役装备故障数据作为参考，通过不同的设置把故障次数作为对象随机抛洒到任务时间轴，形成故障事件，当装备执行任务到达时间轴上的故障事件时，触发故障。浴盆曲线法分为以下2个步骤：

确定LRU故障次数；

通过任务执行方式判定装备故障情况；

确定LRU故障次数，包括：

浴盆曲线也称失效率曲线，是装备从列装到报废为止的整个寿命周期内，其可靠性变化展示其故障规律，曲线具有明显的阶段性，装备失效率随时间变化分为三个阶段，早期故障期、偶然故障期和耗损故障期。

早期故障期是装备刚列装，失效率很高，但随着工作时间的增加，失效率会逐渐降低，这一阶段失效率高的原因大多是设计、制造缺陷引起的，需要设计、生产人员优化减少故障；

偶然故障期是装备经过一段时间的使用，故障率也比较稳定，维持在较低水平，装备使用的最佳状态，偶然发生故障是质量缺陷和使用不当引起；

耗损故障期是装备使用的后期，接近寿命，本阶段的故障数量会随着时间的增加频繁发生，主要是磨损、老化和耗损等原因造成。

根据浴盆曲线特点，则可以把装备的故障次数按照早期故障期、偶然故障期和耗损故障期的特点抛洒到时间轴上，触发LRU故障。

通过任务执行方式判定装备故障情况同概率分布法。

最后，进行结果输出，具体如下：

基于装备故障策略模型的构建和仿真技术的实现，可输出装备状态图作为结果指导装备研制和使用单位分析装备故障规律，装备故障状态结果如4所示。

图4中横坐标为装备执行任务时所经历的时间序列，可精确到具体的年月日小时分钟(如2021-1-3 8:10)，纵坐标为各装备的状态值，通过装备状态图可反映装备在任务过程中的状态时序，可供相关人员找出装备使用中故障的规律。

本发发明还提出了一种用于确定装备状态及故障规律的系统200，如图5所示，包括：

数据采集单元201，获取装备的基本数据，对装备的基本数据进行筛选，将筛选后的装备的基本数据作为输入数据；

模型搭建单元202，根据输入数据构建装备故障策略模型；

输出单元203，获取目标装备的基本数据，将目标装备的基本数据输入至装备故障策略模型进行模拟仿真，获取目标装备的装备状态图，根据装备状态图确定目标装备的装备状态及故障规律。

其中，基本数据，包括：装备标识、装备现有工作小时、装备下各在线更换单元LRU的可靠性指标MTBF、装备下各在线更换单元LRU全寿命的故障次数、装备下各在线更换单元LRU全寿命期间不同阶段故障比例、装备下各在线更换单元LRU不同阶段故障次数、装备动用任务及装备维修时间。

其中，装备故障策略模型：针对输入数据，通过概率分布法和浴盆曲线法，确定LRU的故障规律；针对LRU的故障规律，判断分系统是否故障，由LRU向上传递判断装备的状态。

其中，通过概率分布法确定LRU的故障规律，包括：

确定装备LRU的概率分布；

根据概率分布，比对装备LRU的MTBF和工作小时，判断LCU是否故障；

针对故障的LCU，通过LCU的任务执行方式判定装备故障情况，根据装备故障情况，确定LRU的故障规律；

所述概率分布，包括：正态分布、威布尔分布和指数分布；

所述确定装备LRU的概率分布，根据LRU的类型确定概率分布，或根据LRU的故障数量拟合概率分布。

其中，通过浴盆曲线法确定LRU的故障规律，包括：

确定装备LRU的故障次数；

针对LRU的故障次数使用概率分布法，并通过任务执行方式判定装备故障情况，根据装备故障情况确定LRU的故障规律。

现有的装备故障策略主要用于研究装备发生故障的规律，为装备研制设计人员提供可靠性设计依据，很少结合仿真技术、计算机技术实现，计算机仿真技术在装备故障策略的应用，可以提供直观准确的仿真结果，减少人为经验的干扰，提高工作效率并减少费用，并通过计算机技术可快速封装为工具，提交给相关装备研制和使用单位，作为装备故障规律的验证和评估，满足装备研制和管理人员对装备使用情况的综合监督和管控，适应装备使用工作中的矩阵式管理要求，确保各项装备使用有效执行。

装备故障策略仿真模型，通过理论研究结合部队实际情况，考虑更多方法描述装备故障，模拟出装备故障的情况，简化装备故障模型，随着装备使用数据的不断增加积累成大数据，则可通过统计的方式确定装备故障规律，并用实际统计数据修正仿真数据，为装备故障规律的研究提供验证的手段，在现有模型基础上，可不断增加装备故障的描述方法，完善装备故障策略模型。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (6)

1.一种用于确定装备状态及故障规律的方法，所述方法包括：

获取装备的基本数据，对装备的基本数据进行筛选，将筛选后的装备的基本数据作为输入数据；

根据输入数据构建装备故障策略模型；

所述装备故障策略模型：针对输入数据，通过概率分布法和浴盆曲线法，确定LRU的故障规律；针对LRU的故障规律，判断分系统是否故障，由LRU向上传递判断装备的状态；

所述通过概率分布法确定LRU的故障规律，包括：

确定装备LRU的概率分布；

根据概率分布，比对装备LRU的MTBF和工作小时，判断LCU是否故障；

针对故障的LCU，通过LCU的任务执行方式判定装备故障情况，根据装备故障情况，确定LRU的故障规律；

所述概率分布，包括：正态分布、威布尔分布和指数分布；

所述确定装备LRU的概率分布，根据LRU的类型确定概率分布，或根据LRU的故障数量拟合概率分布；

获取目标装备的基本数据，将目标装备的基本数据输入至装备故障策略模型进行模拟仿真，获取目标装备的装备状态图，根据装备状态图确定目标装备的装备状态及故障规律。

2.根据权利要求1所述的方法，所述基本数据，包括：装备标识、装备现有工作小时、装备下各在线更换单元LRU的可靠性指标MTBF、装备下各在线更换单元LRU全寿命的故障次数、装备下各在线更换单元LRU全寿命期间不同阶段故障比例、装备下各在线更换单元LRU不同阶段故障次数、装备动用任务及装备维修时间。

3.根据权利要求1所述的方法，所述通过浴盆曲线法确定LRU的故障规律，包括：

确定装备LRU的故障次数；

针对LRU的故障次数使用概率分布法，并通过任务执行方式判定装备故障情况，根据装备故障情况确定LRU的故障规律。

4.一种用于确定装备状态及故障规律的系统，所述系统包括：

数据采集单元，获取装备的基本数据，对装备的基本数据进行筛选，将筛选后的装备的基本数据作为输入数据；

模型搭建单元，根据输入数据构建装备故障策略模型；

所述装备故障策略模型：针对输入数据，通过概率分布法和浴盆曲线法，确定LRU的故障规律；针对LRU的故障规律，判断分系统是否故障，由LRU向上传递判断装备的状态；

所述通过概率分布法确定LRU的故障规律，包括：

确定装备LRU的概率分布；

根据概率分布，比对装备LRU的MTBF和工作小时，判断LCU是否故障；

针对故障的LCU，通过LCU的任务执行方式判定装备故障情况，根据装备故障情况，确定LRU的故障规律；

所述概率分布，包括：正态分布、威布尔分布和指数分布；

所述确定装备LRU的概率分布，根据LRU的类型确定概率分布，或根据LRU的故障数量拟合概率分布；

输出单元，获取目标装备的基本数据，将目标装备的基本数据输入至装备故障策略模型进行模拟仿真，获取目标装备的装备状态图，根据装备状态图确定目标装备的装备状态及故障规律。

5.根据权利要求4所述的系统，所述基本数据，包括：装备标识、装备现有工作小时、装备下各在线更换单元LRU的可靠性指标MTBF、装备下各在线更换单元LRU全寿命的故障次数、装备下各在线更换单元LRU全寿命期间不同阶段故障比例、装备下各在线更换单元LRU不同阶段故障次数、装备动用任务及装备维修时间。

6.根据权利要求4所述的系统，所述通过浴盆曲线法确定LRU的故障规律，包括：

确定装备LRU的故障次数；

针对LRU的故障次数使用概率分布法，并通过任务执行方式判定装备故障情况，根据装备故障情况确定LRU的故障规律。

Images