本申请属于飞机可靠性设计领域,特别涉及一种基于故障数据的可靠性薄弱环节识别方法及装置。
背景技术:
1、可靠性是影响航空产品使用和维修重要的指标因素,在航空产品的可靠性设计过程中,故障模式及影响分析(fmea)、故障树分析(fta)是识别设计薄弱环节常用的方法,fmea与fta工作的关键是要找到主要的故障模式及正确的故障传递关系,但目前fmea与fta工作基本上基于工程设计人员的经验,会带来故障模式找不准或故障传递关系不正确的问题,将直接影响可靠性设计的正确性。
技术实现思路
1、为了解决上述技术问题至少之一,本申请第一方面设计了一种基于故障数据的可靠性薄弱环节识别方法,主要包括:
2、步骤s1、确定新研产品的不同层次的故障模式及其产生的影响;
3、步骤s2、根据所产生的影响对各个故障模式进行分类;
4、步骤s3、确定各故障模式的严酷度等级量化值、故障模式出现的频数比、被检测方式量化值、产品余度以及故障模式到顶事件的层数共计5个输入参数;
5、步骤s4、对不同分类的各个故障模式,基于与各分类相对应的逻辑斯蒂分类回归预测模型,计算分类概率值,所述分类概率值用于表示故障模式的影响程度;
6、步骤s5、根据所述分类概率值确定所述故障模式是否为主要故障模式,将所述主要故障模式所对应的结构确定为新研产品的可靠性薄弱环节。
7、优选地是,步骤s1进一步包括:
8、步骤s11、从已有产品航线使用故障数据中提炼好的相似产品不同层次故障模式确定新研产品的结构故障分层及不同层次的故障模式;
9、步骤s12、基于从故障数据中提取的相似产品的故障纠正措施或故障产生的原因确定新研产品的每个故障模式的故障原因;
10、步骤s13、利用建立的故障模式关系确定新研产品的每个故障模式所产生的局部影响、高一层次影响、最终影响及严酷度类别;
11、步骤s14、基于历史数据统计确定每个故障模式发生的概率。
12、优选地是,步骤s2进一步包括:
13、通过层次聚类方法将不同的故障模式按其产生的某一级影响聚为一类。
14、优选地是,步骤s3进一步包括:
15、基于产品的严酷度等级量化表确定各故障模式的严酷度等级量化值;
16、根据历史数据统计的每个故障模式发生的概率计算故障模式出现的频数比;
17、基于产品被检测方式对应的检测难度量化表确定各故障模式的被检测方式量化值;
18、根据新研产品的结构故障分层确定故障模式到顶事件的层数。
19、优选地是,步骤s4之前进一步包括:
20、基于历史故障数据训练所述逻辑斯蒂分类回归预测模型,直至所述逻辑斯蒂分类回归预测模型的准确率、精确率、召回率、f1值满足设定值。
21、本申请第二方面提供了一种基于故障数据的可靠性薄弱环节识别装置,主要包括:
22、故障模式确定模块,用于确定新研产品的不同层次的故障模式及其产生的影响;
23、故障模式分类模块,用于根据所产生的影响对各个故障模式进行分类;
24、故障模式参数确定模块,用于确定各故障模式的严酷度等级量化值、故障模式出现的频数比、被检测方式量化值、产品余度以及故障模式到顶事件的层数共计5个输入参数;
25、故障模式影响程度确定模块,用于对不同分类的各个故障模式,基于与各分类相对应的逻辑斯蒂分类回归预测模型,计算分类概率值,所述分类概率值用于表示故障模式的影响程度;
26、可靠性薄弱环节确定模块,用于根据所述分类概率值确定所述故障模式是否为主要故障模式,将所述主要故障模式所对应的结构确定为新研产品的可靠性薄弱环节。
27、优选地是,所述故障模式确定模块包括:
28、故障模式识别单元,用于从已有产品航线使用故障数据中提炼好的相似产品不同层次故障模式确定新研产品的结构故障分层及不同层次的故障模式;
29、故障原因识别单元,用于基于从故障数据中提取的相似产品的故障纠正措施或故障产生的原因确定新研产品的每个故障模式的故障原因;
30、故障影响确定单元,用于利用建立的故障模式关系确定新研产品的每个故障模式所产生的局部影响、高一层次影响、最终影响及严酷度类别;
31、故障概率确定单元,用于基于历史数据统计确定每个故障模式发生的概率。
32、优选地是,所述故障模式分类模块包括:
33、聚类单元,用于通过层次聚类方法将不同的故障模式按其产生的某一级影响聚为一类。
34、优选地是,所述故障模式参数确定模块包括:
35、严酷度等级量化值确定单元,用于基于产品的严酷度等级量化表确定各故障模式的严酷度等级量化值;
36、频数比计算单元,用于根据历史数据统计的每个故障模式发生的概率计算故障模式出现的频数比;
37、被检测方式量化值确定单元,用于基于产品被检测方式对应的检测难度量化表确定各故障模式的被检测方式量化值;
38、故障模式到顶事件的层数确定单元,用于根据新研产品的结构故障分层确定故障模式到顶事件的层数。
39、优选地是,所述装置还包括:
40、模型训练模块,用于基于历史故障数据训练所述逻辑斯蒂分类回归预测模型,直至所述逻辑斯蒂分类回归预测模型的准确率、精确率、召回率、f1值满足设定值。
41、本申请能够改变目前可靠性设计薄弱环节的识别主观性较强,薄弱环节识别不准,造成外场使用过程中由设计引起的质量问题时有发生的现状,本申请能够快速精确的识别产品的可靠性薄弱环节,促进了航空产品可靠性设计水平的提升。
1.一种基于故障数据的可靠性薄弱环节识别方法,其特征在于,包括:
2.如权利要求1所述的基于故障数据的可靠性薄弱环节识别方法,其特征在于,步骤s1进一步包括:
3.如权利要求1所述的基于故障数据的可靠性薄弱环节识别方法,其特征在于,步骤s2进一步包括:
4.如权利要求1所述的基于故障数据的可靠性薄弱环节识别方法,其特征在于,步骤s3进一步包括:
5.如权利要求1所述的基于故障数据的可靠性薄弱环节识别方法,其特征在于,步骤s4之前进一步包括:
6.一种基于故障数据的可靠性薄弱环节识别装置,其特征在于,包括:
7.如权利要求6所述的基于故障数据的可靠性薄弱环节识别装置,其特征在于,所述故障模式确定模块包括:
8.如权利要求6所述的基于故障数据的可靠性薄弱环节识别装置,其特征在于,所述故障模式分类模块包括:
9.如权利要求6所述的基于故障数据的可靠性薄弱环节识别装置,其特征在于,所述故障模式参数确定模块包括:
10.如权利要求6所述的基于故障数据的可靠性薄弱环节识别装置,其特征在于,所述装置还包括: