Выявление старения авиационной техники по данным эксплуатационного контроля
В настоящее время техническое обслуживание ЛА организуется. в зависимости от их налета. Поэтому программу обслуживания следует назначать так, чтобы она была оправдана для всего парка эксплуатируемых объектов авиационной техники с одинаковым налетом (наработкой). Такая программа может обосновываться с учетом только средних изменений характеристик для всех объектов, т. е. с учетом общего для всего парка старения.
Таким образом, работы на авиационной технике при принятой сейчас системе обслуживания назначаются на основе изучения течения во времени математического ожидания xi=Mixh и дисперсии (оі)2=Мі(хі — щ)2 значений контролируемого параметра х по всем объектам, находящимся в эксплуатации. Здесь и далее обозначение Мі (.) означает математическое ожидание случайной величины (.) при переменном индексе ■/, а М‘(.) — то же математическое ожидание, но при переменном индексе І.’ •
При изучении случайных процессов Xi, описывающих техническое состояние ЛА, удобно использовать следующую математическую модель их структуры:
(2.8)
где ці—математическое ожидание множества реализаций; —случайная составляющая с нулевым математическим ожиданием по /; i=il, 2,…, Tp/At — индекс дискретного времени; /= 1, 2,…, —индекс (номер) объекта авиатехники; At — интервалы
времени между проверками; Гр— ресурс.
‘Выражение (2.8) —просто форма записи введенной ранее модели (2.1). В этой форме записи существенно лишь то, что. МЩ,^ = 0, по = необязательно равно нулю.
Чтобы подобрать функцию, лучше всего сглаживающую неслучайную составляющую щ, воспользуемся следующим приемом. О характере изменения во времени ц и о і выдвинем ряд гипотез Но, И і. . . и проверим статистически их согласуемость с имеющимися исходными данными. ‘Проверку справедливости гипотез Я0, Н ■ . ■ будем проводить по тем исходным данным, которые реально собираются в эксплуатирующих предприятиях МГА, т. е. по матрице {xh} результатов эксплуатационного контроля. Эта матрица состоит из N строк и L = = TPlAt — столбцов.
Практически матрица {х^}, образованная результатами измерений на объектах с номерами / при наработке >t=4>At, полученными в процессе эксплуатационного контроля, имеет много пропусков из-за неизбежных нарушений ритма проверок. Число ненулевых элементов в столбцах матрицы с номером і будет падать с ростом і от Ni = N до небольшого NL, соответствующего числу объектов, имеющих наибольшую наработку. Суммарное число элементов матрицы {а:^} может выражаться сотнями, но число Nl обычно невелико (около десятка). Предлагаемая методика определения характеристик старения Ці и си учитывает указанные особенности реальных исходных данных.
По имеющимся исходным данным {хh} строим выборочные оценки математических ожиданий: mi, т2,. . ■ , mL и дисперсий Si, S2, . . . , SL для моментов времени ti, t2,.. ., Ач, где соответственно:
Ni
2 {xU — mi)2; i=l, % …, L.
|
|
|
|
Рис. 2Л. Сглаживание изменения среднего ква-дрэтического откло-
нения (а) и математического ожидания (б) частоты вращения ро-
тора авиадвигателя
Полученные выборочные оденки ті и 5, независимы по І, если значения случайного процесса £* = 4— р; статистически не связаны. Приводимая в этом параграфе ВЫЧИСЛИТеЛЬНаЯ Процедура ДЛЯ Определения Щ И справедлива именно в случае независимых ‘gh (в § 3.2 дано ее обобщение без этого ограничения).
Для аппроксимации изменения во времени математического ожидания и дисперсии на основании сведений об mt и St естественно применить многочлен некоторой степени. Вопрос о выборе степени многочлена решится статистически, если окажется, что гипотеза Нф состоящая в том, что сглаживание нужно проводить многочленом степени q, может быть принята с заранее выбранным уровнем доверия.
Если кривые ті и Si аппроксимировать с помощью системы ортогональных полиномов (например, системы полиномов Чебышева), то статистический критерий проверки гипотезы Hq можно сформулировать по методике, приводимой в книге [18].
Будем аппроксимировать изменение по времени дисперсии (рис. 2.1, а) полиномами до степени g включительно и изучать неточность (невязки) этого приближения.
Пусть
5;=(ст;)2+ДЧ=2 s ¥?+ Д?. 8=0
где Si—выборочные — дисперсии; (оі)2 —сглаженные значения дисперсии в t-й точке; срг6 — значения полиномов Чебышева порядка 0 — в t-й точке; g — максимальная степень приближающего полинома; Asi — невязка приближения дисперсии в t-й точке; і — индекс
L I L
текущего времени; 2 ¥t 9?“ коэффициенты аппроксима-
£=1 I 1 =
ции дисперсии, соответствующие приближению по методу наименьших квадратов.
распределено по %2 с числом степеней свободы v = Ni — — ё—1 ![11]- Приходится отнимать от Ni число (g+1) в силу того, что используемое здесь-значение (си)2 определено сглаживанием по исходной статистике.
Если степень g аппроксимирующих полиномов выбрана правильно и закономерная составляющая во всех Si, равная (щ)2, учтена, то невязки Asi становятся независимыми случайными величинами. Это позволяет построить статистический критерий для проверки гипотезы Hg, так как если g выбрана верно, то выписанные отношения (2.10) для всех і независимы и, следовательно, частное от деления их при разных і=і и І — І2 определяет нужную статистику:
Nk ~ g ~ 1 1-А fJSti
Mi-g-X ‘ 1-А fjsh
Статистика us подчинена распределению Фишера F [11]
С ЧИСЛОМ Степеней СВОбоДЫ Знаменателя V2 = AА2—g—1 И ЧИСЛОМ степеней свободы числителя Vi—Ni^—g—1. Если при всех вариантах перебора пар і, І2 статистика (2.11) укладывается в пределы, определяемые по таблицам F — распределения: Fа, V|, v2P> Mg>,l/Ea, Va, то с вероятностью (1 — а) можно считать число ug незначимо отличающимся от единицы, т. е. невязка Asi независимыми по І. Чтобы не перебирать все сечения попарно, можно считать отношение ug для всех і с одним опорным (например, первым) сечением, т. е. полагать 4 = 1, £2 = 1, 2,…, L. Тогда в качестве границы для «Ч необходимо принимать У Рл, v„ „а.
Итак, гипотеза Нё о том, что сглаживание кривой изменения ст; во времени необходимо проводить с помой
щью полиномов степени не выше g, — верна, если стати — етика ug укладывается в — заданные пределы с заранее выбранным уровнем значимости 1-а. Эту гипотезу необходимо проверять последовательно для 0, 1, 2, . . . и принимать при наименьшем удовлетворительном числе g. Сглаживание (2.9) при таком g в дальнейшем используется для расчета а,-.
Получив а,-, можно преобразовать исходные данный {xh} так, чтобы среднее квадратическое отклонение в любом сечении было постоянно и равно осредненно’му — 1
значению ® =—2 at. Это обычное преобразование мас-
L ;=і
ХІ’і — ttli -= . . „
штаба yh=———- or+m;, переводящее xh в случайные
Oi
величины yh, позволит легче проверять гипотезы о сглаживании изменения во времени математического ожидания рф
Перейдем к выбору аппроксимации для рф И здесь необходимо проверить гипотезу О ТОМ, ЧТО ДЛЯ СГЛаЖИ’ вания изменения р* во времени ПОДХОДЯТ ПОЛИНОМЫ,- имеющие порядок не выше q, т. е. о том, что представление
Q
OTi = Pi + Ami= 2 ^N2+ АГ С2Л.2)
0 = 0
соответствует имеющимся исходным данньїмі (рис. 2.1,6),
где nit — выборочное математическое ожидание в і-й точке; Рг — сглаженное значение математического ожидания в І-й точке; q—- максимальная степень приближающего полинома; Дг"‘ — невязка приближения математического ожидания в i-й точке; Ав ^-коэффициенты аппроксимации, соответствующие приближению по методу наи-
меньших квадратов: Ле = 2 <Р? ті / 2 Тг •
г=1 / i=i
По доказанной в работе [18] теореме, если испытуемая гипотеза о том, что степень q подобрана правильно, верна, случайные величины {yh—тг) и (А™;) независимы. Это дает возможность построить критерий для подбора степени полинома регрессии q. Действительно, независимые случайные погрешности Дт; имеют нормальное распределение с нулевым математическим ожиданием и дисперсией (ш)2/ЛД Следовательно, величина [11]
L
2 Аі(Дті)2/а2 і= і
имеет распределение %2 с числом степеней свободы V = = £ — Ц—1. Приходится отнимать от L число (<7+1) в силу того, что используемое значение щ определяется сглаживанием по исходной статистике.
В свою очередь, и величина
L Nt
2 2 (yji — ті)Уа* (2.14)
c-i /=і
имеет распределение %2 с числом степеней свободы
■v=S(JVf —1). 1=1
Частное от деления (2.13) на (2.14) подчинено распределению F с числом степеней свободы числителя ‘Vi = L — q—1 и числом степеней свободы знаменателя
-V2 = 2 (Ni — 1).
i — l
Таким образом, гипотеза Hq о том, что регрессия р4 :может быть сглажена с помощью полиномов степени не выше, чем q, верна, если статистика
принимает значение, меньшее, чем квантиль Fa, v„ с заранее выбранным уровнем доверия 1—а. Гипотезу необходимо проверить последовательно для q = 0, 1,2,… и остановиться на наименьшем удовлетворительном числе q. При этом числе q сглаживание (2.12) хорошо соответствует имеющимся исходным данным. Статистика. (2.15) имеет хорошо понятную инженерную интерпретацию. Значение vq уменьшается с увеличением степени приближения q из-за того, что невязки приближения Ami делаются все меньше. Когда эти невязки достаточно малы, степень q выбрана верно.
Вычисленные по реальным статистическим данным аналитические выражения для сглаживания математического ожидания рг и среднего квадратического отклонения со позволяют назначить интервал времени, через который необходимо проводить контрольные измерения параметров авиационной техники, если статистическая
связь отдельных измерений на одной реализации несущественна. Покажем решение этой задачи.
Вероятность постепенного отказа, т. е. выхода параметра за п-оле допуска,
хп Дн 00
Q= J ft(x)dx+ J fi(x)dx, (2.16)
— ДСн + Дв
где fi(x)—плотность распределения значения параметра в момент t=iAt при условии, что контроль этого параметра проводился в момент (і—Л)At.
Задача может быть решена, если будет найдено выражение плотности fi(x). Эта плотность для параметра, имеющего нормальное распределение в сечении, полностью определяется математическим ожиданием щ й ■средним квадратическим отклонением оь Поскольку регулировка в момент ‘(г—1)Д£ влияет на среднее значение контролируемого параметра, можно считать, что в; среднем для всех объектов после регулировки значение контролируемого параметра делается равным номинальному, Т. е. [Хг—1 =0.
При этом условии нетрудно составить номограмму (рис. 2.2) для вычисления вероятности отказов в зависимости от поля допуска Дн, Дв и значений Дц, щ (здесь А, и — среднее изменение математического ожидания за время At). На рис. 2.2 введены следующие обозначения: б = Д/сГг — относительное значение поля допуска в безразмерных единицах, масштабом которых является среднее квадратическое отклонение в очередной момент контроля; Дjit~Дц/оt — относительное приращение контролируемого параметра в среднем для всех эксплуатируемых объектов.
Для составления номограмм подобного вида удобно пользоваться таблицами нормального распределения.
И
Рис. ‘2.’2. Номограмма для оп — 0,08 ределения вероятности выхода параметра за поле допуска в среднем по всем — эксплуатируе — Oflt мым объектам
При Л[х=0 первое ‘слагаемое в (2.16) равно второму, и его значение 1 ~Ри берется из таблицы при и = 6. При Лц=А0 первое слагаемое берется из таблиц при ы = б + + Ар, а второе при и = б — Ар,. Применение номограмм покажем на примере анализа изменения частоты вращения ротора авиационного двигателя.
По результатам измерения частоты вращения ротора через At=25 ч получено 30 значений тг (для i= 1, 2,. . ., 30), которые соединены сплошной ломаной- линией на рис. 2.1,6. На рис. 2.1, а приведена такая же ломаная для экспериментальной статистической оценки среднего квадратического отклонения УЗ*. Экспериментальный материал содержал сведения о результатах измерения параметров 53 двигателей (# = 53). Число результатов контроля для фиксированной наработки двигателя iAt с ростом номера измерений і уменьшилось и в конце ресурса составило #30 = 8-^-9. При сглаживании экспериментальной ломаной линии ~jSi полиномом нулевой степени и0і = 0,784-1,43. Граничное значение для этой статистики при уровне доверия 0,9 для разных сечений составляет 0,82—1,2. При сглаживании полиномом первой степени uli принимает значение от 0,91 до 1,15. Эти Значения допустимы и, таким образом, можно считать, что среднее квадратическое отклонение частоты вращения ротора в процессе эксплуатации меняется в соответствии с законом а; =0,156+ 0,0042* (в процентах от номинального значения).
При сглаживании экспериментальной ломаной линии mi полиномом нулевой степени получается значение статистики (2.15) п0 = 3,08. Граничное значение для этой статистики — Го; о,5; 29; 386 при уровне доверия 1—а=0,95 равно 1,54. При сглаживании полиномом первой степени t)1 = 0,67. Это значение является допустимым и можно считать, что математическое ожидание. частоты вращения ротора меняется по закону рг = 99,47 — 0,0123£ (в •процентах от номинального значения). Аппроксимация для уц и иг на рис. 2.1 дана прямыми линиями. Допустимое отклонение частоты вращения ротора Д=0,5 % от номинального значения составляет в относительных единицах 6 = 2 (за масштаб принимается о = 0,25 в конце ресурса при.1 = 22+25). Если считать допустимым, что после измерения параметров будет регулироваться 5 % эксплуатируемых двигателей (Q = 0,05), то при 6 = 2 по 68
ряс. 2.2 определяем, что допустимое отклонение среднего значения частоты ©ращения Ац, = 0,05 (Ац=0,2). Такое отклонение будет при контроле частоты вращения авиационного двигателя через 100 ч налета.
В этом примере существенно то, что изменение параметра не накапливается и может быть сведено к нулю регулировкой в ходе проверки при любой наработке iAt. Поэтому при оценке допустимого интервала между проверками А/ важно знать не р.,-, а его приращение Ар. Рассмотрим другой пример анализа изменения параметров авиатехники в процессе эксплуатации. На рис. 2.3 показаны результаты статистической обработки измерений ухода гироскопа авиагоризонта, которые проводились через At =100 ч. Обрабатывались сведения о результатах контроля 66 гироскопов (А^=66). Максимальное число точек на одной реализации было L = 10. Число измерений в одном временном сечении, когда наработка приближалась к 2000 ч, составляло N20 = 7. При сглаживании экспериментальной ломаной линии для среднего квадратического отклонения yS£ полиномом нулевой степени получаются значения статистики от 1,15 до 2,02. Допустимое значение Д),05; 60-20; 30-70 составляет 1,48—
2,04.
Таким образом, можно считать, что среднее квадратическое отклонение ухода гироскопа в процессе экс
о т 800 то то 2000 г, ч
Рис. 20. Сглаживание ‘изменения среднего квадратического отклонения -(а) и Математического ожидания (б) ухода гироскопа авиагоризонта. |
паї ©оставляет 5° за 5 мин (измерение ухода проводится гари вьтаялючеино® коррекции). В отличие от предыдущего примера в зкошлуатащйи нет возможности отрегулиро — В’ать уход гироскопа. С течением времени он нарастает. Через 1200—1500 ч ‘работы уход пироскопа в среднем составит 2,75°/ч. При этом ‘относителыное значение поля допуска,6='(Д—рн)/аі4 = 3.
■По номограмме на рис. 2.2 получим, что если приращение среднего значения ухода гироскопа за время между проверками Др = 0,6, то при 6 = 3 за время At будет выходить из строя более 1 % гироскопов (Q«0,01). Значению приращения ухода гироскопа Др=0,6 соответствует интервал контроля Д/«350 ч (Др=0,45). Таким образом, допустимое время между проверками ухода гироскопов при наработке их около 1500 ч составляет Д^л;350 ч. В отличие от предыдущего примера здесь нельзя выбирать Q более 1 %, так как последствием выхода параметра х за поле допуска является не регулировка объекта авиационной техники, а прекращение его эксплуатации.
Приведенные примеры иллюстрируют оценку изменения параметров в среднем для всех эксплуатируемых объектов, т. е. оценку старения всего парка. Более точные оценки вероятности выхода параметра за поле допуска могут быть получены, если учитывать не только средние значения контролируемых параметров, но и результаты их измерений на конкретном /-м объекте. Для привлечения этих дополнительных сведений нужно использовать статистическую связь между отдельными измерениями на одном и том же объекте.
Глава 3