ПАРАМЕТРИЧЕСКАЯ НАДЕЖНОСТЬ
Исключим из рассмотрения внезапные отказы. Тогда состояние системы, функционирующей в условиях случайных возму-. щений, можно полностью определить совокупностью п физических параметров Zj, Z2……………………….. Zn, принятых в качестве параметров состоя
ния в силу их важности с точки зрения эффективности системы, выполнения его своего целевого назначения. Эти параметры можно
считать компонентами некоторого вектора Z в п-мерном фазовом пространстве состояний.
Исходя из назначения системы и физических принципов ее функционирования, разделим фазовое пространство состояний некоторой граничной поверхностью w (поверхностью предельных состояний) на две области: область £2 работоспособных состояний и область отказов.
Параметрическая надежность есть вероятность того, что за время функционирования системы Т параметры состояния не выходят за допустимые пределы:
Рп == вер {ZQ 2} =
= вср [/?л /?12; /?21 ^2 ^ ’ ^?я1 <С-^л<С P-raJi ^ P)i
(L31)
где є — символ, указывающий на принадлежность вектора Z к области £2; Rn, R12, …, Дп2 — допустимые пределы, являющиеся координатами поверхности предельных состояний.
Если известна плотность распределения вектора Z, т. е. плотность f (zb z2, …, zJt^T) совместного распределения параметров — состояния в любой момент времени t, то параметрическая надежность
Пересечение вектором Z в какой-либо момент времени поверхности to предельных состояний означает выход системы из работоспособного состояния, т. е. отказ. В общем случае параметры состояния Zu Z2, …, Zn являются коррелированными случайными функциями времени и вычисление интеграла (1.32) сопряжено с
большими трудностями. Рассмотрим возможные пути упрощения задачи.
Нередко можно пренебрегать изменением параметров состояния во времени, т. е. считать параметры состояния случайными
Рис. 1.3. Распределение параметра состояния, не зависящего от времени |
величинами. Такую постановку задачи назовем квазистатической. Для двух параметров состояния, не зависящих от времени, можно дать наглядную геометрическую интерпретацию параметрической надежности (рис. 1.2). Каждой паре значений параметров состояния Z и z2 соответствует некоторая точка Л на плоскости ZiOZ2,
—►
определяющая модуль и направление вектора Z. Если точка А окажется вне области Q, то это означает отказ. Параметрическая надежность численно равна объему фигуры, ограниченной поверхностью f {z, z2) плотности совместного распределения параметров Z) и Z2 и плоскостью ZiOZ2 в пределах области Q:
^п = ВЄР {^?11 <С Н2 Z2 /?22і =
= Jj f{z 1, z^dzxdz2. (1.33)
Ri
Еще более просто интерпретируется один параметр состояния, не зависящий от времени (рис. 1.3): параметрическая надежность определяется площадью под кривой плотности распределения параметра состояния в установленных пределах:
«і
Вычисление интеграла (1.32) в квазистатической постановке не представляет особых трудностей, хотя объем расчетов существенно растет с увеличением числа параметров состояния. Обычно для большинства систем ЛА удается ограничиться одним, реже двумя-тремя параметрами состояния. Так, для двигателя можно принять в качестве параметра состояния тягу, для топливной системы— давление жидкости на входе в насос двигателя и т. п. В конкретных случаях не обязательно двустороннее ограничение параметра состояния, он может быть ограничен по физическим соображениям только сверху или только снизу. Например, давление на входе в насос жидкостного реактивного двигателя должно быть не ниже требуемого по условию бескавитационной работы насоса, а угловая скорость вращения космического аппарата, отделяемого от ракеты-носителя,— не выше допустимой из условия его последующей стабилизации. ^
Законы распределения параметров состояния могут быть различными, но часто полагают, что параметр состояния имеет нормальное распределение:
/ (г) = Д — — exp j —'{z ~ — I, (1-35)
У‘2паг I Н
где тг — математическое ожидание; oz2 — дисперсия.
Это дает возможность использовать для расчета вероятности Рп по одному параметру состояния табличную функцию (приложение, табл. 3)
А’
ф(*)=—~ f е-‘зт. (1.36)
У~2п
При двустороннем ограничении параметра состояния параметрическая надежность (1.34)
Р.= Ф [(^2 — т,)1ах — ф 1(Я 1 — tnz)ioz. (1.37)
Если пределы симметричны относительно математического ожидания, т. е. 1^2— tnz = R—mz=R—tnz, то (1.37) преобразуется:
ЯП = 2Ф[(/? —mj/oj-l. (1.38)
При одностороннем ограничении параметра состояния в выражении (1.37) остается соответственно только один из членов. В этом случае удобно ввести новую переменную:
U—R — Z. (1.39)
В случае отличия закона распределения параметра состояния от нормального следует выполнять интегрирование плотности распределения f(z) в соответствии с определением (1.34) каким-либо из известных методов (выражения плотности распределения для некоторых законов приведены в приложении, табл. 1). Наряду с этим
можно приближенно вычислить параметрическую надежность, используя разложение Шарлье {36]:
оо
Рп— вер (U > 0} = j / (и) du Ф (т„/зи) —
О
~ Sh^imJou) + -~Ey (mjau), (1.40)
где U — параметр, определяемый выражением (1.39); Sk и Ех — соответственно асимметрия и эксцесс распределения; <р" и <р’" — табулированные вторая и третья производные плотности нормального распределения [8].
Есть и другие приближенные методы, основанные на аппроксимации плотности распределения f(u) рядом Эджворта или рядом Лаггера [55].
В общей квазистатической постановке при допущении нормального распределения параметров состояния определение параметрической надежности сводится к вычислению /1-кратного интеграла вида (1.32) от плотности совместного нормального распределения л коррелированных случайных величин. В последнее время разработан ряд методов решения этой задачи, основанных на понижении порядка интеграла, аппроксимации его различными функциями, разложении в ряд по коэффициентам корреляции (например [32]), а также на использовании таблиц многомерных (до п=8) нормальных распределений [43]. В частности, для случая двух параметров состояния Uі и U2 параметрическая надежность
оо оо
Рп=вер {^>0, £/2>0}= Г Г/(иь Iia)d«1rfns=-i-®(a1)-f
0 0 2
+-f Ф(а2)-:г(аі, Pi)-Па* Pa), (1.41)
где a1 = m1/o1; a2=m2/o2; p!=(a2 — axrn) / (a^l — r?2); —
— a2ri2) / (a2^ 1 — ті2); mlt m2, Oj, a2, r12 —соответственно математические ожидания, средние квадратические отклонения и коэффициент корреляции случайных величин Uі и U2 Т(а, Р) —табличная функция двумерного нормального распределения [43]. При отсутствии корреляции между параметрами Ux и U2
Яп=вер их > 0} вер [£/2 > 0} = Ф (0і) Ф (а2). (1.42)
При высокой надежности даже значительная корреляция оказывает слабое влияние на вероятность Рп, что является основанием для использования зависимостей вида (1.42).
Покажем на примере двух параметров состояния еще один метод вычисления вероятности Ри при наличии корреляции. Приведем
исходное двухмерное нормальное распределение вектора Z к кано — 24
ническому виду (к некоррелированным составляющим) путем преобразования координат [1]:
я>1=(«і — mZt) cos у — f (z2 — m2a) sin у; a>2= — Од — m*J sin Y + (z2 — m*,) cos у,
где у—— arctg-/’1-2-1°2- • Здесь имеется в виду, что <з1>о2, г12>0
2 а — а|
угол у положителен и лежит в первой чатверти. Для других случаев нетрудно получить аналогичные выражения угла у.
В результате такого преобразования плотность совместного распределения f(zi, z2) распадается на множители fi(u>) и /2(^2) и параметрическая надежность
Rl R2
ВеР Z < Z2</?2] = J J /(?i, Z2)dzldz2 =
*1 я»’
=вер{1Г1</?|}вер{1Г2</?2}= j f1i‘w1)dwl J f2(w2)dw2=
—00 —00
= Ф(/?І/о»х)Ф(/?5/0. (1-44)
где в соответствии с зависимостями (1.43):
R = {Ri — mZl) cosy + (/?2 —m*2) sin у;
/?2= — (/?! — mZl) siny + (/?2 — m*,)cosy;
оШі = іАц cos2y -f — a2 sin2 у — 2r12o1o2 sin у cos y;
°k;2 = °.l sin2 У+ 02 COS2 у — 2r1201O2 sin у COS у.
Для трех и более коррелированных параметров состояния такой метод в принципе приемлем, но трудоемкость приведения распределения к каноническому виду существенно возрастает.
В ряде задач расчета параметрической надежности нельзя пренебрегать изменением параметров состояния во времени. В этом случае методика расчета чаще всего основывается на теории выбросов случайных функций [49]. Геометрическая интерпретация задачи определения параметрической надежности как вероятности отсутствия выбросов случайной функции Z(t) параметра состояния за уровни Ri и R2 в течение времени функционирования Т дана на рис. 1.4. Для наглядности показаны плотность распределения f{z/tj) реализаций функции Z(t) в фиксированном сечении t=tj и математическое ожидание mz(t). Если в первом приближении полагать выбросы за уровни R и R2 независимыми случайными событиями, то вероятности их рассчитываются в отдельности.
Рассмотрим кратко основные положения теории выбросов применительно к дифференцируемому случайному процессу Z (t) изме
нения параметра состояния, выбросы которого за фиксированный уровень R означают отказы. Ограничимся определением среднего числа и средней длительности положительных выбросов, под которыми принято понимать пересечения уровня R реализацией функции Z(t) снизу вверх (рис. 1.5) в отличие от пересечений сверху вниз, считающихся отрицательными.
Выброс в течение бесконечно малого интервала времени dt имеет место (рис. 1.5), если в начале интервала Z(t)<.R, а в конце Z(t) + V(t)dt>R, где В(/)>0 — скорость изменения функции Z(t).
Объединив неравенства, запишем вероятность выброса на интервале dt:
оо R
dQ=Bep{R-V(t)dt<Z{t)<R}= Г f f{z, v/t)dzdv,(lA5)
О R—Vdt
где f(z, v/t) —плотность совместного распределения ординаты Z(t) и скорости ее изменения V (t) в один и тот же момент времени.
Пределы внутреннего интеграла (1.45) отличаются на бесконечно малую величину; применяя теорему о среднем, имеем
ОО
dQ~dt j*/(R, v/ty’vdv. (1-46)
о
Таким образом, плотность вероятности положительного выброса функции Z(t) за уровень R в момент t
ОО
q (R/t)=dQ/dt=§f(R, Ф) vdv. (1.47)
о
Плотность вероятности отрицательного выброса выражается аналогичным интегралом, но в пределах от —оо до 0.
Чтобы найти среднее число выбросов за время Т, необходимо разделить промежуток Т на k интервалов длительностью dt, полагая, что более одного выброса на интервале из-за его малости не
может быть. Полное число выбросов за время Т есть дискретная случайная величина
N=^Nj, (1-48)
і-1
где Nj= 1, если на /-м интервале происходит выброс, в противном случае Nз = 0.
Математические ожидания случайных величин Nj численно равны вероятностям выбросов на соответствующих интервалах, т. е. q(R/tj)dtj. Находя математическое ожидание суммы (1.48) в пределе при k-^oo, с учетом выражения (1-47) получаем, что среднее число выбросов за время Т
N=J f / (/?, v/t) vdvdt. (1.49)
0 0 «.
Среднее число выбросов в единицу времени
n=N/T. (1.50)
Для нестационарного случайного процесса n=n(t)—переменное во времени (мгновенное) значение среднего числа выбросов в единицу времени.
Определим среднюю длительность выбросов. Полагая, что из-за малости интервалов dt ордината z(tj) функции Z(t) на /-м интервале может быть либо выше, либо ниже уровня R, введем в рассмотрение случайные величины Lh равные dt, если z(tj) >R, и нулю в противном случае. Тогда общая продолжительность L нахождения функции Z (/) выше уровня R составляет:
к
£ = 2 Lj. (1.51)
}=i
Математическое ожидание случайной величины Lj равно произведению вероятности § f (z/tj) dz превышения уровня R ординатой z(tj) на длину интервала dt. Исходя из этого и применив к равенству (1.51) теорему о математическом ожидании суммы, в пределе при k-^oo получаем выражение среднего времени пребывания функции Z(t) за уровнем R:
Тогда средняя длительность выброса
___ Г 03 /Г СО
l = L/N= ^f(z/t)dzdt f (7(/?> vftvdvdt. (1.53) м / о ‘k
Величина т, как и Я, в случае нестационарного случайного процесса на разных отрезках времени различна.
В инженерной практике часто имеют дело со стационарными случайными процессами, например при исследовании вибраций. Для стационарного случайного процесса параметры пит приобретают смысл средних характеристик, плотности распределения f(z/t) и f(R, vft) утрачивают зависимость от t, интегрирование по времени сводится к умножению на Т и, следовательно, среднее число выбросов в единицу времени
оо
Л = |/(Я. *»)Vdv, (1.54)
о
а средняя длительность выброса
оо I оо
t = f{z)dz / |/(/?, v)vdv. (1.55)
Нахождение закона распределения f(z) реализаций случайного процесса создает определенные трудности. На практике обычно полагают распределение f(z) нормальным. Установлено (49], что ордината Z(t) стационарного случайного процесса и скорость V(t) ее изменения в момент времени t — некоррелированные (а при нормальном распределении — независимые) случайные величины. Поэтому
f{z, «) = /(*)/.(*)=[і/ (°У2л)} e“(z-m2)1/2^ X
X [l / {У 2я)] (1.56)
где 4 — дисперсия скорости V.
Подставив выражение (1.56) в (1.54), находим
«=ІЛУ( 2яо,)] c-(R-m*y/2a*. (1.57)
Подставив затем в выражение (1.55) плотность нормального распределения f(z), определяемую первым сомножителем выражения (1.56), а также найденное выражение п, получим
jj (і.58)
где Ф(лг) —табличная функция (1.36).
При статистической обработке реализаций стационарного случайного процесса кроме математического ожидания mz определяется корреляционная функция Kz{t) или спектральная плотность Sz(co). Корреляционная функция связана с дисперсией о22 соотношением
кг (t)=4p*(*),
где Pz(t)—нормированная корреляционная функция, характеризующая стохастическую зависимость между взятыми на интервале х сечениями процесса Z(i). Дисперсия
al=Kz (0). (1.60)
Корреляционную функцию Kv(т) скорости V(t) как производной ординаты Z(t) находят двойным дифференцированием корреляционной функции процесса:
*’(т)=—£*•(*> • с-61)
Выразим отношение средних квадратических отклонений cv и cz через корреляционную функцию Kz(t) на основании (1.60) и (1.61): ____________ »
Гі-фЛ*—1ифШ=£1 L U’EeM 12^<о> і |
(1.62)
Подкоренное выражение (1.62) можно сократить на az2 и, учитывая, что pz(0)s=l, получить
А—і-]/ ~
2л V L dr 2 Jt=o
Па практике нормированную корреляционную функцию аппроксимируют каким-либо выражением, например [49]:
Рг(т) = е_а|‘г|; p2(T)=e-°’,tlcos[iT;
рг(т)=е 1 cos^t;
Рг (Г) = Є—“ I т I ^COSpT + y Slnfi I t I j
где а, (3, аі, (Зі — параметры, определяемые по характерным точкам графика функции р2(т).
Параметр А можно выразить и через спектральную плотность Sz(co). Имея в виду, что
ОО
Кг (т) = f Sz (<о) cos ют^ш,
где to — круговая частота, получаем
Введем еще одно допущение, существенно облегчающее использование теории выбросов для расчета параметрической надежности. При достаточно высокой надежности выбросы параметра состояния за установленный уровень можно считать редкими случайными событиями, подчиняющимися закону Пуассона. Поэтому параметрическую надежность как вероятность отсутствия выбросов в течение времени функционирования Т определяют в общем случае в соответствии с выражением (1.49) зависимостью
]•
а для нормального стационарного случайного процессса — зависимостью
Л, « exp { — AT exp [ — (R — mJ/2Kz (0)]}, (1.70)
или
Рп^е~"Т. (1.71)
При наличии нескольких зависимых параметров состояния, представляющих собой случайные функции, задача существенно осложняется необходимостью введения в рассмотрение корреляционных функций связи.
Таким образом, для расчета параметрической надежности при известных законах распределения параметров состояния необходимо знать их числовые характеристики: в квазистатической постановке — математические ожидания, дисперсии и коэффициенты корреляции; при подходе к параметрам состояния как случайным процессам — математические ожидания и корреляционные функции (для стационарных процессов — спектральные плотности).