АНАЛИЗ ИЗМЕНЕНИЯ ПАРАМЕТРОВ АВИАЦИОННОЙ ТЕХНИКИ В ПРОЦЕССЕ ЭКСПЛУАТАЦИИ

2.1. Параметры, определяющие работоспособность авиационных систем

Состояние объектов авиационной техники в эксплуа­тации наиболее полно характеризуется результатами контроля совокупности параметров, определяющих их работоспособность. В эту совокупность входят как ре­зультаты измерений некоторых из них, так и результаты ■качественного контроля. Существующая в настоящее время система наблюдений за параметрами авиатехники в эксплуатирующих организациях МГА дает достаточно сведений для оценки состояния авиатехники в условиях реальной эксплуатации. Эта система предусматривает:

периодический контроль параметров в процессе про­ведения регламентных работ и комплексных осмотров;

контроль параметров после установки на ЛА какого — либо агрегата или в процессе выполнения целевых работ (таких разовых проверок набирается примерно столько же, сколько н регламентных);

оценку значений параметров, записываемых в полете, по результатам расшифровки данных самописцев в груп­пах объективного контроля.

Так, один из типов бортовых регистраторов, устанав­ливаемых на самолеты, систематически записывает зна­чения 240- параметров. При этом погрешность их изме­рения составляет 0,2—1 °/0. Из 240 параметров ~50 характеризуют наличие или отсутствие отказов. Такие «разовые» команды описывают работу навигационного оборудования, бортовых цифровых вычислительных ма­шин, системы автоматического управления, гидросистем самолета и т. д.

Состояние характеризуется здесь качественно, так как контролируемый параметр принимает ївсего два зна­чения: х=0, если есть отказ, и х=1, если авиатехника исправна. Источником сведений для разовых команд обычно является наличие или отсутствие тока в выход­ных цепях контролируемой системы. Иногда используют сравнение контролируемого параметра с допуском. Так сделано при контроле гидросистем и кислородной сис­темы, сигнал о неисправности которых (х=0) появляет­ся, если давление в системе ниже нормы. Для указания на неисправность может применяться и логический анализ. Например, разница в показаниях дублирован­ных гиродатчиков формирует сигнал х = 0 для навигаци­онной системы.

Большинство параметров, характеризующих работу авиационных систем, измеряется и записывается не в виде бинарного сигнала, 0 или 1, а числом. На магнит­ной ленте бортового регистратора запоминаются, на­пример, значения следующих параметров: Х — давле­ние воздуха на входе в двигатели; х2 "— давление возду­ха за компрессором; — температура воздуха на входе в двигатель; Хі — температура газов за турбиной; х5 — частота вращения вала двигателей; х6 — х9 — напряже­ния в четырех точках электрической сети; Xi0 — давле­ние кислорода в баллоне; хи — давление кислорода за редуктором; Х2 — температура масла двигателей; х)3 —

Xis — давление масла в трех точках; хів— х!9 — давле­ние топлива в четырех точках топливной системы; х2о — х25 — давление в шести точках гидросистемы.

Анализ значений этих параметров позволяет хорошо оценить работоспособность авиационной техники и даже примерно указать место вероятных дефектов. Так, пер­вые параметры Х — х5 характеризуют состояние газо­воздушного тракта авиационного двигателя. Данные о давлении масла в разных точках системы позволяют указать, в каком агрегате есть дефект (например, уве­личение перепада давления на фильтре свидетельствует о его засорении).

Для более полной характеристики технического со­стояния авиационных систем на земле контролируется гораздо больше параметров, чем в полете. В процессе регламентных работ на самолете проверяется несколько сотен параметров его оборудования и систем [14].

В последнее время стали развиваться способы непо­средственного контроля процессов разрушения или из­нашивания, Один из перспективных методов — выявле­ние металлических частиц малых концентраций в реак­тивной струе авиадвигателей. Чтобы обеспечить свое­временное выявление предельно малых концентраций металлических частиц, используют способ регистрации характеристического рентгеновского излучения, испус­каемого металлом при предварительном возбуждении. Концентрации частиц некоторых типовых металлов (хром, никель, молибден, железо, цинк), используемых в деталях авиационных двигателей, измеряют перенос­ным серийным рентгеновским анализатором.

Способ выявления повышенных концентраций метал­лических частиц в выходной. струе для диагностирова­ния проточной части двигателя основан на том, что при возбуждении рентгеновским излучением со сплошным спектром различные химические элементы излучают индуцированное характеристическое излучение с линей­чатым спектром. Измеряя интенсивность спектральных линий характеристического излучения, определяют кон­центрацию соответствующего химического элемента.

Отбор газа производится на срезе сопла двигателя с помощью кольцевого газосборника. Отводимый газо — сборником газ подается в фильтр. Осадок на фильтре исследуется на рентгеновском спектроанализаторе. Кон­центрация любого из металлов может использоваться

как параметр xh, описывающий процесс износа двига­теля. При неудовлетворительном состоянии проточной части этот параметр лавинообразно нарастает.

Как правило, в процессе эксплуатации измерения параметров техники проводятся периодически с интер­валом времени At. Результаты измерений -(с номерами от 1 до L) параметров ‘(с номерами параметров от 1 до М) на конкретном объекте с номером j образуют реали­зацию М-мерного дискретного процесса xt. Неизбежные неточности измерений и влияние неконтролируемых слу­чайных факторов на техническое состояние объектов заставляют считать процесс xt случайным. Таким обра­зом, изменение технического состояния объектов в про­цессе эксплуатации описывается многомерным случай­ным процессом, каждая реализация которого xt связа­на с конкретным объектом. Сначала будем полагать все контролируемые параметры статистически независимы­ми. Это позволит изучать их по отдельности, т. е. счи­тать, что наблюдается набор одномерных случайных процессов Xu, к = 1, 2,. . . , М. В гл. 3 будет показано, как действовать при наблюдении многомерного про­цесса.

Результаты всех видов контроля фиксируют в жур­налах учета изменения параметров авиатехники. На основе информации, собранной с помощью таких жур­налов, проводились расчеты, результаты которых приве­дены — в дальнейшем. Однако в будущем решение задач сбора, обобщения и анализа сведений о техническом со­стоянии ЛА и их надежности будет все больше основы­ваться на данных бортовых регистраторов. Современные магнитные накопители таких регистраторов позволяют записывать с малыми интервалами дискретности сотни параметров, характеризующих техническое состояние ЛА в течение всего полета. Поскольку расшифровка записей и хранение результатов контроля требуют боль­ших затрат, приходится ограничивать применение сис­темы эксплуатации с использованием данных о значе­ниях параметров в полете только кругом наиболее от­ветственных агрегатов и систем ЛА, из которых на пер­вом имеете — авиационный двигатель.

Для расшифровки магнитной записи, полученной в полете, созданы и эксплуатируются в ГА специальные наземные комплексы, имеющие в своем составе ЭВМ >[20]. Вычислительные машины комплексов расшифровки

обладают широкими возможностями. Это позволяет с их помощью реализовать даже самую сложную матема­тическую обработку результатов контроля параметров в полете с целью выдачи рекомендаций о дальнейшей эксплуатации наиболее ответственных агрегатов. Про­граммы такой математической обработки включают, в частности, и статистическое прогнозирование изменения параметров авиационной техники.

Неточность и некоторая необъективность исходных данных, содержащихся в журналах учета, заставляют при решении задач организации инженерно-авиационно­го обеспечения на основе записей в журналах привле — кнть’вероятностные методы. ‘К тому же объем исходных данных часто бывает мал и, следовательно, вероятно­стную формулировку решаемой задачи приходится кор­ректировать так, что она превращается в задачу стати­стического выбора решения, где эффективны методы математической статистики.

Применение методов математической статистики при решении вопросов эксплуатации авиационной техники дает выигрыш потому, что число результатов наблюде­ний или экспериментов, используемых для обоснования решения, как правило, недостаточно. Далее когда в экс­плуатации находятся сотни однотипных ЛА, численность парка лидеров, на которых собирается материал, необ­ходимый для организации дальнейшей эксплуатации, измеряется единицами. Не удается в течение достаточ­но большого промежутка времени собирать сведения об эксплуатации большинства изделий авиационной тех­ники, поскольку они быстро заменяются новыми моди­фикациями, характеристики которых отличаются от ха­рактеристик изделий предыдущих выпусков. Использо­вание в таких условиях критериев математической ста­тистики дает преимущества, поскольку позволяет при­нимать необходимые решения (с некоторым уровнем до­верия а) при любом числе предварительно собранных данных. Неточность принимаемых решений будет умень­шаться с поступлением новых сведений, т. е. система обработки данных, построенная на основе статистиче­ского выбора решений, станет «приспосабливаться к ок­ружающей среде» (вероятность ошибки 1 — а станет падать).

За счет увеличения объема исходных данных можно уменьшить 1 — а, но делать это не всегда целесообраз — 4—1’в® 49 но, так как иногда получение экспериментальных точек обходится дорого и занимает слишком много времени. Например, для правильной организации эксплуатации авиадвигателей нужны характеристики случайных про­цессов изменения их параметров при росте наработки. Такие данные можно получить в ходе длительных стен­довых испытаний первых образцов двигателей на пол­ный ресурс. Однако ресурс первых образцов намного меньше, чем у серийных двигателей. Кроме того, поста­новка на стендовые испытания нескольких опытных двигателей для получения характеристик случайных процессов изменения их параметров была бы слишком дорогой. Еще чаще сбор достаточной статистики для до­стоверного суждения об изучаемых процессах связан с большой длительностью эксперимента. Те же сведения о случайных процессах изменения параметров двигателя могут быть получены, когда достаточно большое число двигателей отработает свой ресурс в эксплуатации. Это соответствует нескольким годам сбора данных. Такой срок накопления исходных данных неприемлем, так как актуальность их теряется. Отсюда ясно, что лучше, используя любые методы обработки небольшого объема исходных данных, собранных в ходе предварительного эксперимента, получить по ним рекомендации об экс­плуатации с некоторой вероятностью ошибочных сужде­ний, чем откладывать принятие более обоснованных суждений до того времени, когда накопится достовер­ный исходный материал.

Получаемые в эксплуатации сведения о техническом состоянии конкретного изделия или данные об измене­нии надежности какой-то ‘совокупности однородных из­делий образуют реализации ’случайных процессов. Ти­повым случайным процессом, который приходится изу­чать, является процесс, образованный последовательны­ми значениями параметра, определяющего качество функционирования технического объекта. Измерения этих значений проводятся при техническом обслужива­нии. Реализацию процесса, образованную результатами измерений, связывают с конкретным объектом, на кото­ром проводится эксплуатационный контроль. Изучая его течение, принимают решения о работе объекта.

Специфика эксплуатационного контроля, проводимо­го не непрерывно, позволяет ів дальнейшем рассматри­вать лишь дискретные случайные процессы. О таком 50 процессе мы знаем только ‘набор принятых им значений в дискретные моменты контроля. Число точек на реали­зации, образованной результатами контроля, как пра­вило, невелико, так как за время «жизни» объект не часто поступает на периодическое обслуживание, где измеряются его параметры. Число независимых реали­заций, полученных «а однотипных объектах, тоже обыч­но ограничено несколькими десятками.

Исследование случайного процесса базируется на анализе связей отдельных измерений, образующих про­цесс. Проанализировав эти связи, мы получаем возмож­ность судить о будущем и планировать с учетом этого суждения дальнейшую эксплуатацию технических объ­ектов. Формальным словам «связи отдельных измере­ний» соответствует интуитивно постулируемый факт: наблюдая за характеристикой технического объекта периодически, молено высказать сунедение о тенденциях ее изменения на некоторое время вперед. Подтверледа — ется ли этот постулат, будет ясно лишь после того, как будет проведено статистическое исследование наблю­даемого случайного процесса, построен и оценен прог­ноз его изменения.

Если значение параметра хорошо описывает со­стояние конкретного /-го объекта, то состояние всего парка эксплуатируемых объектов описывается показа­телями надежности. Такие показатели широко использу­ют при иннсенерно-статистическом анализе наделшоети авиатехники ГА для обоснования рекомендаций и меро­приятий, направленных на повышение безотказности. Проблемы обработки данных о показателях надежности во многом сходны с проблемами обработки сведений об изменении в процессе эксплуатации определяющих па­раметров авиатехники.

В задачах оперативного управления подразделения­ми ГА и работой промышленности по повышению каче­ства изделий применяется оценка наделшоети по прос­тым показателям типа налета на отказ. Так, в техниче­ских заданиях на разработку ЛА основными являются два показателя: налет на отказ в полете Т„ и налет на неисправность Тс. Для характеристики влияния работы личного состава на надежность используют показатели типа налет на отказ, происшедший по. вине личного состава. Связь надежности и безопасности характери­зуется налетом на одну предпосылку к летному проис — 4* 51 шествию вследствие отказов авиатехники. Реально рас­считывается 40—55 различных показателей при опера­тивной оценке надежности авиатехники на основании получаемых из эксплуатирующих подразделений карто­чек учета неисправностей. Обозначим эти показатели как ранее параметры авиатехники, через хк (£ = 1, 2,…, М).

Каждый показатель Хи подсчитывается для несколь­ких фиксированных групп авиатехники. В дальнейшем будем присваивать этим группам номера / от 1 до L. Типичными группами могут быть, например, различные авиаотряды ГА или различные типы Л А. Сведения, содержащиеся в карточках учета неисправностей авиа­техники, позволяют подсчитывать для каждой /-й груп­пы М различных показателей надежности х^и (&=1, 2, …, М). По полученным таким образом матрицам {xih}, содержащим М показателей для L групп, необхо­димо в соответствии с действующими руководящими до­кументами дать обобщенную оценку надежности и ана­лиз тенденций ее изменения.

Оценка и анализ надежности авиатехники но пока­зателям должны дать возможность: убедиться, есть ли различие между группами по надежности входящих в них объектов авиатехники; расставить группы в ряд в порядке улучшения определенных качеств, связанных с надежностью (ранжировать их); выработать нормативы для показателей Хип, сравнение с которыми х позволит судить о том, насколько эффективна работа по поддер­жанию надежности авиатехники той или иной /-й груп­пы (например, установить нормы надежности для ЛА определенного класса). Анализ статистических показа­телей оперативной оценки надежности и, следовательно, решение вышеназванных задач затрудняются двумя обстоятельствами.

Во-первых, надежность оценивается обычно не одним показателем, а их совокупностью. Многие показатели имеют мало общего в физическом содержании (напри­мер, налет на отказ, происшедший по вине технического состава, и процент неисправностей, выявленных при про­ведении регламентных работ). Вместе с тем эти показа­тели считаются на основе одного источника информа­ции — карточек учета неисправностей авиатехники и связаны между собой. Поэтому на ранжировку групп авиатехники по любому показателю хбудут оказывать. 52

влияние неанализируемые в данном случае аспекты на­дежности, влияющие «а другой показатель xt. Вместе с тем совместный анализ нескольких ранжировок одно­временно слишком сложен и при М = 3-1-4 недоступен для восприятия.

Во-вторых, получаемая на основе реальных карточек учета неисправностей авиатехники картина надежности не совсем правильно отражает истину. В условиях экс­плуатирующей организации без специального оборудо­вания часто очень трудно правильно классифицировать — отказ по причинности его возникновения. Ошибки в классификации иногда усугубляются и необъективно­стью заполняющих карточку людей, которые по лично­му опыту примерно знают, каковы будут выводы анали­за, если неисправность появилась по вине технического^ состава. Следует учитывать также, что ряд показателей оперативной оценки надежности имеет низкую досто­верность в силу недостаточной представительности вы­борки, по которой они определяются (например, налет на предпосылку к летному происшествию в авиаотряде определяется на основании единичных сообщений).

Трудности изучения совокупностей показателей опе­ративной оценки надежности удается преодолеть, если привлечь для решения задач инженерно-статистического’ анализа надежности аппарат многомерной математиче­ской статистики. При этом приходится проводить боль­шую часть расчетов на Э(ВМ. Однако такую работу нетрудно выполнить на тех вычислительных машинах, которые используются в управлениях ГА и крупных авиаотрядах для подсчета показателей оперативной оценки надежности.

Приемы многомерной математической статистики в последние годы находят все более широкое применение в экономических исследованиях. Но для анализа надеж­ности методы многомерной статистики пока применя­ются нешироко, поскольку специфические условия зада­чи обусловливают необходимость некоторой модерниза­ции метода главных компонент для выделения факторов, оказывающих основное влияние на показатели надежно­сти Xk-

Анализ показателей надежности служит конкретным примером изучения многомерного определяющего па­раметра.