动态环境载荷数据驱动的民机部件贝叶斯可靠性评估及剩余寿命预测方法研究

In the framework of Bayesian reliability theory, the methods for in-service reliability assessment and remaining useful life prediction are proposed which is based on the recorded dynamic environment and load data. The environment/load spectrum extracting method from the aircraft condition monitoring data under the circumstance of “Big Data” as well as the likelihood function constructing methods is studied and the multi information source is fused through the prior distribution to improve the prediction precision. As for a class of system with few failure samples, the modeling method based on the environment/load spectrum and failure times is proposed, which provides a method for in-service reliability assessment where only the environment/load data and few failure samples are available. As for a class of system with few degradation checking data, the modeling method based on the environment/load spectrum and degradation checking data is proposed, which provides a method for in-service reliability assessment without failure times where only the environment/load data and few degradation checking data are available. The associated Bayesian computation method is developed for the proposed models and the R package is developed. Finally the proposed method is demonstrated based on the data collected from the civil aircraft typical system/components. The study carried out in close connection with the engineering background and application requirements provides a new method for in-service reliability assessment and remaining useful life prediction under the circumstance of “Big Data”.

在贝叶斯可靠性理论框架下，提出了基于动态环境/载荷数据的使用可靠性评估与剩余寿命预测方法，研究了“机载大数据”环境下系统/部件动态环境载荷谱提取、似然函数构造方法，并借助先验分布融合其他信息源以提高预测精度：针对具有小样本失效数据的一类系统，提出了基于失效时间和动态环境载荷谱的建模方法，解决了在只有环境载荷数据和小样本失效数据的情况下系统/部件使用可靠性评估的问题；针对具有小样本退化检查数据的一类系统，提出了基于退化检查数据和动态环境载荷谱的建模方法，模型解决了在无失效数据的情况下借助环境载荷数据和小样本退化检查数据评估系统/部件使用可靠性的问题；针对上述两类模型研究了相应的贝叶斯求解算法，并开发了通用的R程序包，最后以民机典型系统和部件为对象对所提出的模型和方法进行了验证。项目研究紧密结合着工程背景和应用需求，为“大数据”环境下航空装备的剩余寿命预测及可靠性评估提供了一种新的方法

飞机状态监测数据为航空安全风险评估、飞机运营维护决策等提供了丰富的数据源，如何进一步挖潜这些“工业大数据”价值，以更好的支持“高安全性、高利用率和低成本”的航空运输，成为“大数据”时代众多厂家和航空公司研究的新课题。这其中，挖掘飞机状态监测数据用于评估民机系统或部件的外场使用可靠性，并进一步预测其剩余寿命以支持运营维修及备件决策，是一个相对崭新而又充满挑战与广阔前景的研究领域。在本项目的资助下，课题组结合实际的工程背景，为机载“大数据”环境下航空装备在役可靠性评估、剩余寿命预测及健康管理提出了一系列方法和模型，重点研究了贝叶斯状态估计与预测方法在PHM建模领域的应用，以民机典型系统/部件为对象，涉及航空发动机、典型机电系统及其部件等，通过航空公司实际收集的QAR数据和维修数据验证了所提出的PHM模型与算法，开发了民机典型系统PHM的软件平台，实现QAR数据译码分析及PHM算法，通过课题组三年时间的研究实现了项目预期的研究目标。课题研究产生了丰硕成果，截止目前共发表标注论文28篇，申请专利3项。通过本课题的研究，促进了课题组与相关高校、研究院所及企业单位的合作，相关研究成果正在积极推广，对促进我国国产民机运营支持技术和民航机务维修智能化技术的发展具有意义。在工业4.0和民机智能制造、智能维护的大趋势下，本课题研究的只是一小步，将工业大数据分析与智能化技术应用于民机维护与运营支持仍值得深入探索。