Page 55 - 《含能材料》优秀论文（2019年）
P. 55

1008                                                                                 王浩伟，滕克难，吕卫民

            先验信息确定随机参数的先验分布，最后，根据 Bayes                          掌握的可靠性信息。延寿试验样品一般选取部队的战
            方 法 融 合 现 场 信 息 实 现 参 数 估 计 及 寿 命 预 测      ［21-23］ 。  斗弹，也可以使用实验室贮存试验的整弹或平贮件，选
            Gebraeel & Pan ［24］ 建立了滚珠轴承性能退化模型，将                  取战斗弹样品的时候应该考虑服役地域的分散性，并且
            模型参数随机化并采用 Bayes 方法融合产品个体退化                          优先选取战备值班累积时间长的导弹。延寿试验可分为
            数据、总体退化特征以及实时负载量和转速，从而得出                             两个阶段：首先研究各层级产品的贮存失效模式与失效
            轴承在动态环境下的剩余寿命。王浩伟等                   ［25-26］ 利用随     机理，预测剩余寿命是否大于导弹的延长贮存期；然后
            机过程对导弹部件性能退化建模，以加速退化数据为                              提出整修、改进、性能提升等措施，对试验样品进行延寿
            先验信息，通过 Bayes 方法融合定期测试数据来估计退                         试修。延寿试验的主要内容与基本流程如图 5所示。
            化模型参数的后验均值，克服因定期测试数据较少造
            成模型参数估计值的准确度和置信度不高的问题。
                （3）非恒定贮存环境下的寿命预测
                非恒定环境下的寿命预测方法研究始于 20 世纪
            90 年 代 ，在 2010 年 后 成 为 了 研 究 热 点     ［27］ 。 Liao &
            Tian ［28］ 提出了基于动态环境进行产品个体寿命预测                        图 5  延寿试验的主要内容与基本流程
            的技术框架，假定 Wiener 过程的漂移参数与环境协变                         Fig.5  The main contents and basic flow of life‐extension test
            量有关，利用 Bayes 方法融合先验加速退化数据，现场
                                                                 3.2.2  失效机理分析与剩余寿命预测
            性 能 退 化 数 据 和 现 场 环 境 信 息 建 立 预 测 模 型 ，采 用
            MCMC（Markov Chain Monte Carlo）法 解 析 模 型 参                为了详细了解导弹各组成的贮存失效模式与失效
            数。Peng 等   ［29］ 在采用 Bayesian 方法融合退化数据与               机理，需要将各分系统进一步分解为整机、部组件、元
            环境数据时，利用连续时间 Markov 过程对环境数据                          器件，研究其技术状态、老化情况等。文献［2］对导弹
            进行建模，从而更准确地预测产品寿命。以上研究的                              典型材料、元器件、部组件的失效模式与失效机理进行
            本质是在融合多种环境剖面下的测试数据的基础上预                              了较为详细的总结，为开展延寿试验提供了坚实的基
            测装备在某一环境剖面下的寿命，这尚不能真正预测                              础。随着新材料、新工艺、新技术的不断运用，需要继
            出装备在动态环境下的寿命值。与此不同，文献［30］                            续加大对贮存失效模式与失效机理的研究，丰富可靠
            利用 Gamma 分布描述导弹发射箱内的温度变化，采                           性基础数据库。
            用比例风险模型融合温度协变量进而建立条件寿命预                                  为了保证导弹在延长贮存期内满足要求的可靠性
            测模型，预测出导弹部件在动态温度下的贮存寿命。                              与安全性，需要判断各层级产品的剩余寿命是否大于
            文献  ［31］ 以使用频率作为环境协变量，采用累计损伤模                        延长贮存期     ［32］ 。对于火工品、电子产品、光电产品、机
            型将环境协变量融入寿命分布函数中，得出了条件可                              械产品、机电产品、复合材料等，剩余寿命预测方法不
            靠度函数，用于预测产品在 4 种使用频率动态转换环                            一而足。为了节约试验经费、提高延寿试验效率，针对
            境下的寿命。                                               不同的产品应采用针对性的剩余寿命分析方式，几种
            3.2  延寿试验技术                                          常用的剩余寿命预测方式总结见表 2。
            3.2.1  延寿试验的主要内容与基本流程                                    加速寿命试验（Accelerated Life Test，ALT）采用

                延寿试验用于确定影响导弹贮存可靠性的薄弱环                            提升环境应力水平的方式加速产品失效过程，是一种
            节，并提出针对性的整改措施，确保导弹在延长贮存期                             预测产品剩余寿命与可靠性的高效手段。特别是对
                                       ［1］
            内满足要求的安全性与可靠性 。无论是战术导弹或                              于缺乏可靠性信息的新材料、新工艺产品，加速寿命
            是战略导弹，都可分解为若干个功能独立的分系统，如                             试验对于确认产品的失效模式与失效机理，掌握产品
            冲压发动机、固体助推器、弹体弹翼、引信战斗部、导引                            的性能退化规律与寿命分布特征具有显著作用。由
            头、驾驶仪、弹上电气系统等            ［1-4］ 。导弹各分系统功能             于加速寿命试验属于统计类可靠性试验，与高加速应
            独立、专业差别较大，因此国内外普遍以分系统为基本                             力试验等工程类试验相比，需要额外考虑试验数据统
            单位开展延寿试验。延寿试验应有导弹分系统研制生                              计模型构建     ［33-35］ 、失效机理一致性辨识       ［36-37］ 、参数估
            产单位参与，这不仅有利于发挥生产单位的装配技术、                             计与置信度确定       ［38-39］ 等问题，在加速试验方案设计方
            测试手段、维修能力，而且能够有效利用产品研制阶段                             面也有更高的要求         ［40-42］ 。随着加速试验设备能力和


            Chinese Journal of Energetic Materials，Vol.27, No.12, 2019（1004-1016）  含能材料    www.energetic-materials.org.cn
   50   51   52   53   54   55   56   57   58   59   60