航空發(fā)動機燃油泵可靠性評價

航空發(fā)動機燃油泵可靠性評估1前言空中停車是除鳥擊之外導(dǎo)致飛行事故征候的第二大原因，而且25%左右的空中停車是由飛機機械故障或者維修人為差錯等維修管理失效導(dǎo)致的。為了防止空中停車，保證飛機安全持續(xù)適航。需對發(fā)動機重要部件的壽命和維修間隔做出預(yù)判，致使在臨界狀態(tài)時，給予零部件更換和維修。以保證發(fā)動機能在正常狀態(tài)下運行。在此統(tǒng)計了近幾年空中停車和發(fā)動機的HMU以及燃油泵從出廠后和大修后一直到出現(xiàn)故障的運行時間。根據(jù)樣本數(shù)據(jù)建立相應(yīng)的數(shù)學模型，預(yù)測出部件的維修間隔。2數(shù)據(jù)分析模型常用的故障分布模型有指數(shù)分布、正態(tài)分布、對數(shù)正態(tài)分布以及威布爾分布。不同的分布適用于描述不同產(chǎn)品特征，一般情況下，指數(shù)分布，由于其故障率不隨使用時間變化而改變，適用于具有恒定失效率的部件，無余度的復(fù)雜系統(tǒng)，經(jīng)老練試驗需定期維護的部件；正態(tài)分布可用于分析因機械磨損、老化、腐蝕而發(fā)生的產(chǎn)品，一般是飛機結(jié)構(gòu)部分的故障分析；對數(shù)正態(tài)分布適用于金屬疲勞壽命分析、電機繞組絕緣、半導(dǎo)體器件等；威布爾分布主要適用于機電件，如繼電器、電位計、陀螺、電動機、航空發(fā)電機、蓄電池、液壓泵、空氣渦輪發(fā)動機、材料疲勞件等。在此次分析中主要用到正態(tài)分布和威布爾分布，只對這兩種分布進行分析。威布爾函數(shù)威布爾分布廣泛的應(yīng)用于飛機系統(tǒng)及其附件的可靠性分析中。服從威布爾的故障時間t的概率密度函數(shù)為式中，P—形狀參數(shù)；n一尺度參數(shù)；y一位置參數(shù)。參數(shù)的取值直接對威布爾分布的失效密度函數(shù)產(chǎn)生影響，如圖2-1所示。形狀參數(shù)B主要對分布的失效密度函數(shù)的形狀產(chǎn)生影響，其大小直接影響失效率的性質(zhì)；尺度參數(shù)n影響分布的失效密度函數(shù)的離散度；位置參數(shù)丫只對分布的失效密度函數(shù)的位置產(chǎn)生影響?？梢钥闯鑫恢脜?shù)y力。的情況，可以經(jīng)位移

變換，將其轉(zhuǎn)換為Y=0的兩參數(shù)威布爾分布，其失效密度函數(shù)的形狀和離散度不會發(fā)生改變。為了簡化研究方法，只研究兩參數(shù)威布爾分布，即令Y=0，不會對研究結(jié)果產(chǎn)生影響。兩參數(shù)威布爾分布的概率密度函數(shù)為失效率函數(shù)為：圖2-1分布參數(shù)對威布爾分布失效密度函數(shù)影響分布函數(shù)為i r戶⑴=f=1-exp/可:東度函數(shù)為：A(F)=1-尸⑺=cxp-(—)^失效率函數(shù)為，女)=3"二產(chǎn)1頷)n7兩參數(shù)威布爾分布的形狀參數(shù)和尺度參數(shù)對可靠度的影響如圖2-2所示。圖2-2(a)為形狀參數(shù)對可靠度的影響，可以看出，在一定的使用時間之前，在同一時刻，形狀參數(shù)的值愈小，對應(yīng)的可靠度愈低；在這個使用時間之后，正好相反，在同一時刻，形狀參數(shù)的值愈小，對應(yīng)的可靠度愈高。圖2-2(b)為尺度參數(shù)對可靠度的影響，可以看出，同一時刻，尺度參數(shù)愈大，對應(yīng)的可靠度愈高。(a)威布爾形狀髻數(shù)對修雅曳影響(IO(a)威布爾形狀髻數(shù)對修雅曳影響(IO威布爾形狀等數(shù)對失散率影響圖2-2分布參數(shù)對兩參數(shù)威布爾可靠度的影響兩參數(shù)威布爾分布具有很好的性質(zhì)，可以描述遞增、遞減和恒定故障率的情況。當B<1時，故障率是遞減的，屬于早期失效，適用于零部件故障時間分布的早期階段；當B>1時故障率是遞增的，適用于零部件的耗損階段，其中，當1<p<4時屬于早期損耗，當B>4時屬于快速損耗；當B=1時，威布爾分布退化為故障率恒定的指數(shù)分布，屬于隨機失效。因此，非常適用于飛機系統(tǒng)及其附件壽命數(shù)據(jù)的可靠性分析。其形狀參數(shù)和尺度參數(shù)，是航空維修工程中制定維修計劃的重要依據(jù)。模型參數(shù)估計(1)利用中位秩和最小二乘法對n和B參數(shù)估計設(shè)對某種產(chǎn)品中取n只進行壽命試驗，得壽命數(shù)據(jù)為{t.，i=1,2，…,n)。假設(shè)有t1<t2<???<tn。設(shè)MR(t.)為與時刻的中位秩，則。MR(L)=―。。(威布爾分布的分布函數(shù)可寫成如下形式：ln|-ln1— =3Inf—Jlur?In，一In[1—MR：r=Jhi/,Inr?也可以表示為線性:Yi=pZi+b其中,Yi=In—In1—MR(t.),Z(i)=lnt,，b=—pInn。線性擬合后，其對應(yīng)的斜率即為威布爾分布的形狀參數(shù)截距為Inn，斜率為p對于多重截尾數(shù)據(jù)，可以通過平均秩次法調(diào)整數(shù)據(jù)秩，從而用調(diào)整后的秩確定新的累計概率MR(G利用上式最小二乘法對待估曲線進行分布擬合，即可得出最佳分布。平均秩次法是基于截尾數(shù)據(jù)的秩不確定，而其會影響其后故障數(shù)據(jù)的秩而提出的一種調(diào)整方法。經(jīng)考慮所有可能的截尾產(chǎn)品的秩位置后得出。秩*I+除去-當前戰(zhàn)尾產(chǎn)我卜的產(chǎn)品數(shù)量其中、杵為產(chǎn)品總數(shù),%為故障時間】-］的秩編號.調(diào)整后的秩為累計概率力(7.)可以通過式229計算，作為中值點的近似估計值3發(fā)動機燃油泵數(shù)據(jù)分析

為了分析產(chǎn)品的可靠性水平，需要收集可靠性數(shù)據(jù)。常見的可靠性數(shù)據(jù)包括成敗型數(shù)據(jù)與壽命數(shù)據(jù)。成敗型數(shù)據(jù)是指給定工作與時間條件下的故障數(shù)，壽命數(shù)據(jù)是指給定工作條件下的故障時間。針對這兩種數(shù)據(jù)開展的分析略有不同。從目的上看，前者主要是基于產(chǎn)品在給定的工作時間與條件下的故障數(shù)，對產(chǎn)品在該工作時間之前發(fā)生故障的概率做出統(tǒng)計推斷；而后者主要是依據(jù)產(chǎn)品在給定工作條件下的故障時間，對產(chǎn)品的壽命做出推斷?？煽啃詳?shù)據(jù)是進行可靠性分析的基礎(chǔ)，只有獲得及時、準確、完整、連續(xù)的飛機維修可靠性數(shù)據(jù)，才能有效地開展后續(xù)的分析工作，為可靠性管理提供決策依據(jù)。數(shù)據(jù)預(yù)處理民航飛機的維修可靠性數(shù)據(jù)信息相對離散又分布較廣，飛機系統(tǒng)附件的使用時間、使用數(shù)據(jù)及性能數(shù)據(jù)等都是進行可靠性分析的關(guān)鍵數(shù)據(jù)。其中，使用時間主要包括TSNCTimeSinceNew，自全新狀態(tài)起的使用時間)、TSO(TimeSinceOverhaul，自大修后的使用時間)、TST(TimeSinceTest，自上次維修或檢測后的使用時間)等這些可靠性數(shù)據(jù)主要從以下信息中提?。喝掌?、航班號、飛機注冊號、空中飛行時間、飛循環(huán)、使用時間、安裝位置、拆下原因、修理報告、事件描述、ATA章節(jié)號、報告類別、檢修類別、檢修工作單號等。參考某航CFM56-7B發(fā)動機燃油泵非計劃拆換數(shù)據(jù)，使用近兩三年的TSO-H數(shù)據(jù)。剔除過大或過小的數(shù)據(jù)，然后對時間按照不同大小進行統(tǒng)計。根據(jù)數(shù)據(jù)概率密度分布特征，通過對比，初步判定該組數(shù)據(jù)與威布爾分布特征類似。如下圖數(shù)據(jù)分析已知兩參數(shù)威布爾分布的累積失效密度函數(shù)為經(jīng)變換后并取對數(shù)得:Inln[1Inln[1一戶⑴t是設(shè)備發(fā)生故障的時間點，這可以從故障數(shù)據(jù)中獲得。假如取n次故障發(fā)生的時間點，則：T=［t1,t2,t3,…，t100］。其中t1<t2<t3<…<tn這里故障發(fā)生的時間點是按照時間順序排列的同樣，F(xiàn)(xi)=P(x<xi)F(xi)是截止到時間xi,設(shè)備發(fā)生故障的概率我們這里認為，F(xiàn)(t1)<F(t2)<??YF(tn),這里取F(ti)=i/(n+1),基本符合上面的要求。估算出來的威布爾分布的兩個參數(shù)B=5.2496n=3742.3。在對特征壽命進行估計時要采用MSG-3方法確定該部件的故障后果類型。對于后果為明顯的使用性影響（類型6）的部件，一般要求其可靠度維持在0.8以上，故障后果為安全性影響（類型5,8）的部件一般要求其可靠度維持在0.9以上，故障后果為經(jīng)濟性影響（類型7,9）的部件一般要求其可靠度維持在0.7以上即可。在此處認為燃油泵的可靠性為0.9?？煽啃院瘮?shù)為：AQ）=1-F（r）=exp--一-將求得的兩個參數(shù)戶5.24