автореферат диссертации по транспорту, 05.22.14, диссертация на тему:Статистические диагностические модели авиационных ТРДД для установившегося режима работы в условиях ограниченной информации

СТАТИСТИЧЕСКИЕ ДИАГНОСТИЧЕСКИЕ МОДЕЛИ АВИАЦИОННЫХ ТРДД ДЛЯ УСТАНОВИВШЕГОСЯ РЕЖИМА РАБОТЫ В УСЛОВИЯХ ОГРАНИЧЕННОЙ ИНФОРМАЦИИ

Специальность 05.22.14 - Эксплуатация воздушного транспорта

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва -1997

Работа выполнена в Московском государственном техническом университете гражданской авиации.

Научные руководители : академик Русской академии и

Международной академии информатизации,

доктор технических наук, профессор Умушкик Б.П.; доктор технических наук, профессор Чинючин Ю.М.

Официальные оппоненты: доктор технических наук,

профессор Коняев Е.А.; кандидат технических наук Сдадков В.П.

Ведущее предприятие: Государственный научно-исследовательский

институт гражданской авиации

диссертационного совета К 072.05.01 Московского государственного технического университета гражданской авиации по адресу: 125493, Москва, Кронштадтский бул., 20, МГТУГА.

С диссертацией можно ознакомиться в библиотеке Московского государственного технического университета гражданской авиации.

Автореферат разослан и_" _1997 г.

Ученый секретарь диссертационного

Защита состоится

заседании

кандидат технических наук, доцент

совета К 072.05.01

Романов Л.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Авиационные ГТД, являясь сложными техническими системами, характеризуются значительной нагруженносгью элементов и требуют со стороны эксплуатационных предприятий повышенного внимания к обеспечению надежности (безопасности полетов) при одновременном уменьшении затрат (временных, стоимостных, трудоемкости) на техническое обслуживание. Эффективным способом решения указанных проблем является использование в эксплуатации комплексных систем диагностирования, включающих в себя подсистемы, базирующиеся на статистических диагностических моделях двигателей, и переход к эксплуатации авиационной техники по техническому состоянию.

Анализ показывает, что в ближайшее десятилетие значительный объем перевозок в России будет осуществляться самолетами, оснащенными двигателями с ограниченным перечнем параметров, платно регистрируемых с малой частотой отсчетов на крейсерском режиме. Модернизация указанных двигателей в плане расширения перечня регистрируемых параметров и значительного повышения частоты отсчетов не предполагается. Таким образом, построение статистической диагностической модели и параметрическое диагностирование в оперативном цикле эксплуатации должно осуществляться в условиях существенно ограниченной информации, получаемой на установившемся (крейсерском) режиме работы с использованием штатной контрольно-измерительной аппаратуры.

Принципы, лежащие в основе построения ранее выполненных статистических диагностических моделей рассматриваемых двигателей, заключаются в использовании априори задаваемых объемов выборок, включении в модель описаний изменений параметров только по наработке, использовании в моделях значительного количества поправочных (а фактически "подгоночных") коэффициентов. Это

приводит к тому, что собственно модели оказываются недосгаточнс диагностически эффективными, и требует развития методически) принципов и способов построения статистических моделей реализуемых в практическом построении диагностически значимы) моделей объектов диагностирования.

Цель работы - развитие методологии построения статистически) диагностических моделей ТРД Д для установившегося режима работъ в условиях (существенно) ограниченной информации, штатнс получаемой в эксплуатации, с практической реализацией в модещ объекта диагностирования работы - ТРД Д типа Д-ЗОКУ. (Актуальность построения модели ТРДД типа Д-ЗОК(У) объясняете] значительными объемами работ, выполняемыми воздушными судами оснащенными ими, и худшими значениями показателей надежности по сравнению с аналогичными двигателями типа Д-30, Аи-25 I семейства НК-8).

Задачи работы:

1) выработка методических основ построения статистически] диагностических моделей ТРДД для крейсерского режима в целя; использования их в эксплуатации для решения задач пара метрического диагностирования на основании полетной информации;

2) выработка способов построения диагностически адекватны: моделей;

3) разработка программного обеспечения (инструментария исследования и проекта автоматизированной системь диагностирования (АСД);

4) формирование описания модели на примере ТРДД типа Д ЗОКУ;

5) совершенствование системы сбора и обработки диагностическое информации в процессе эксплуатации.

Методы исследования. Для решения поставленных зада1 используются методы математической статистики, математическоп моделирования, теории планирования эксперимента, теори]

авиационных двигателей, теории технической диагностики и эксплуатации, логики, программирования, линейной алгебры, численные методы. Теоретическую базу исследований составили основополагающие работы А.М. Ахмедзянова, И.Л. Биргера, Н. Дрейпера, Н.Г. Дубравского, П.К. Казанджана, М. Кендала, Л.П. Лозицкого, H.H. Смирнова, Г. Смита, Н.Д.Тихонова, А.П. Тунакова и др.

Научная новизна работы заключается в методических принципах построения статистических диагностических моделей ТРДД для крейсерского режима, базирующихся на совокупности регрессионных моделей параметров, оптимизируемых по результатам решения задачи выбора длины ряда наблюдений, обеспечивающей адекватное диагностическое описание.

Автор защищает:

1) методические принципы построения статистических диагностических моделей ТРДД для крейсерского режима с использованием способа построения диагностически адекватных регрессионных моделей параметров, оптимизируемых по длине ряда наблюдений;

2) результаты, полученные с использованием защищаемых методических принципов и способа в модели ТРДД типа Д-ЗОКУ;

3) способы организации обработки информации в диагностическом комплексе с робастазацией оценок элементов выборок параметров, используемых при построении модели;

4) особенности разработанного программного обеспечения.

Достоверность результатов подтверждается удовлетворительным

распознаванием диагнозов ТРДД типа ДЗОКУ "слепой" проверкой при диагностических обработках эксплуатационных статистик параметров двигателей с известным техническим состоянием.

Практическая ценность работы заключается в:

1) повышении эффективности диагностирования ТРДД и процесса технической эксплуатации в целом;

-62) разработке исследовательского пакета программ, применимого при решении задач комплексного статистического исследования, служащего основой АСД;

3) методических и программных реализациях процедур сбора и первичной обработки полетной информации;

4) повышении эффективности обработки параметрической информации в эксплуатации при существующем порядке диагностирования с использованием утвержденных методик неавтоматизированной обработки;

5) использовании научных, диагностических результатов и разработанного программного обеспечения в научном и учебном процессах кафедры "Двигатели летательных аппаратов" МГТУГА.

Результаты работы реализованы в комплексе методического и программного обеспечения статистических исследований выборок параметров и построения оптимизированных регрессионных моделей параметров, эксплуатационной версии АСД, программном обеспечении первичной обработки данных в процессе их получения и по методикам неавтоматизированной обработай в эксплуатационных предприятиях.

Экономический эффект работы заключается в снижении затрат на проведение диагностирования в оперативном цикле технической эксплуатации и улучшении стоимостных характеристик процесса технической эксплуатации, связанных с эффективностью диагностирования.

Основное содержание работы изложено в 9 статьях и докладах, обсуждалось в эксплуатационных предприятиях и на Международной научно-технической конференции "Современные научно-технические проблемы гражданской авиации" (г. Москва, 28-29 мая 1996 г.).

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, библиографии и приложений. Объем работы составляет 191 страницу машинописного текста, она содержит 88 рисунков, 12 таблиц, приложения выполнены на 34 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении приведено обоснование актуальности темы диссертационной работы, сформулирована цель и дана общая характеристика работы.

В первой главе анализируется состояние проблем диагностирования авиационных ГТД с целью заключения о необходимости и направлениях совершенствования диагностирования состояния авиационных ГТД (ТРДД) - объектов исследования по аспектам: модели объектов, методы, методики диагностирования, АСД, информационная база построения моделей и собственно диагностирования в процессе эксплуатации.

Существующие на настоящий момент статистические модели рассматриваемых объектов, используемые в методе параметрического диагностирования, не обеспечивают решение задачи повышения эффективности технической эксплуатации, так как практически не позволяют устойчиво распознавать неисправности. Причина указанного заключается в том, что применяемые способы построения моделей не обеспечивают диагностически адекватного описания изменений параметров в силу недостаточной эффективности лежащих в их основе принципов, изложеных выше.

Проведение диагностирования осложняется тем, что перечень диагностических параметров не оптимален в силу ограниченного числа штатно контролируемых параметров, а диагностическая ценность параметрической информации снижена в результате ее "зашумления" (внесения погрешностей) из-за возможных сбоев в системах средств контроля и эргономической системе "оператор -средства контроля". Уменьшение доли промахов оператора может быть снижено изменением порядка регистрации параметров. Кроме того, при формировании количественной составляющей

информационной базы построения моделей и диагностирования не учитывается в полной мере сущность получаемых отсчетов как вероятностных характеристик. Это выдвигает задачу совершенствования планирования эксперимента не только на этапе обработки собранной информации, но и на этапе ее получения, с учетом того, что используемые в настоящий момент методы сбора и обработки информации не обеспечивают оперативности в силу конструктивных особенностей рассматриваемых объектов диагностирования (низкой контролепригодности и неразвитости элементов автоматизированной системы контроля, регистрации и диагностирования).

Показано, что в процессе построения модели и проведения диагностирования необходимо учитывать ряд особенностей получения отсчетов, которые снижают диагностическую ценность получаемой информации или корректируют ее смысл.

Результаты анализа состава, функций и программного обеспечения наиболее распространенных автоматизированных систем диагностирования ТРДЦ, требований лабораторий диагностики эксплуатационных предприятий позволили сформировать комплекс требований к разрабатываемой АСД функционального диагноза в сочетании с элементами тестового диагноза, а также выработать оптимальную структуру информационных потоков в АСД.

Во второй главе осуществляется выработка методических принципов, способов построения статистической диагностической модели, а также их реализация в модели объекта диагностирования работы.

Под статистической диагностической моделью ТРДЦ (рис. I) для установившегося режима (далее - статистической моделью) понимается совокупность диагностических моделей параметров (рис. 2) из диагностического перечня ("под" или (5иЬ)моделей), использующая

математическое описание в форме математической модели и диагностическое описание в форме критериев диагностирования, связывающих математическое описание с состоянием объекта диагностирования; позволяющая осуществить постановку диагноза с приемлемой для практики достоверностью (эффективностью диагностирования) с использованием в истории диагноза информации, штатно регистрируемой для установившегося режима, в качестве которого принимается крейсерский режим (как наиболее продолжительный режим работы двигателя в течении его жизненного цикла, для которого накоплена значительная статистическая база за предшествующий период эксплуатации объектов диагностирования). Критерии диагностирования формируются по результатам анализа особых признаков индивидуальных математических моделей параметров двигателей с известным техническим состоянием и уточняются в процессе эксплуатации парка двигателей.

Входные параметры

(условия полета, режим, наработка. [; требования к глубине, эффективности диагностирования и т.д.)

Я1ДО

Решение прямой задач« диагноза

Збъект диагностирования (ОД)

состояние поСДМ

' эффективность ¡л^.

дааг Н0сгирсв«10св *' 11нспганое состояние

[(аиЬ)медепь 1 [У ■ ^ (8иЬ)модвль|

параметры СДМ

•для параметрол у

Решение обратной задачи д*атсза[_

Исследование ОДМ—^ (дмвгоостичестое

4.

Статистическая диагностическая модель (СДМ)

Рис. 1. СДМ ТРДД и ее эксплуатационные связи

Сформулированы этапы построения и исследования модели для целевой функции - оценки технического состояния ТРДД на

пространстве параметров взлета, крейсерского полета, наработки и параметров работы двигателей.

По результатам анализа возможной глубины диагностирования, статистики неисправных состояний формируется перечень неисправностей (возникновение которых проявляется в виде повреждений или отказов), обнаружение которых представляется необходимым и возможным с использованием в эксплуатации статистической модели; по результатам анализа, проведенного в главе 1, устанавливается исходный перечень диагностических параметров и подготавливается информационная база модели.

На первом этапе построения модели проводится анализ распределений выборок параметров с целью установления возможных связей между характеристиками распределения и техническим состоянием (построения модели, оперирующей только характеристиками распределений параметров и их особенностями). Также рассматривается обоснованность использования методов регрессионного и корреляционного анализов, выдвигающих некоторые требования применимости, связанные с законом распределения. Помимо тривиального анализа распределений, осуществляется анализ динамики характеристик - асимметрии, эксцесса и критериев их существенности с последующей диагностической трактовкой тенденций изменения (получения диагностического описания).

Установлено, что получаемое описание не может быть признано достаточным и перспективным в развитии для достоверной оценки состояния. Возможен и необходим анализ не только мер положения и разброса, но и характеристик связей между параметрами из д иагностического перечня (наработка в этом случае рассматривается как параметр) с использованием методов, позволяющих получить иное аналитическое описание связи между

параметрами. Указанное описание может быть получено, например, с использованием метода регрессионного анализа (регрессионных моделей) с включением элементов корреляционного и дисперсионного анализов, по отношению к которым была обоснована применимость в условиях располагаемых исходных данных решаемой задачи.

С учетом особенностей выборок параметров, являющихся базой построения математических моделей, как временных рядов (рядов динамики), необходимо проведение анализа сериальной корреляции (одна из предпосылок применения классических теорий корреляции и регрессии основана на независимости отдельных наблюдений), а также особенностей ее структуры- решалась задача установления связи между структурой сериальной корреляции параметра и техническим состоянием системы, описываемой им. Анализ сериальной корреляции показал ее практическую незначимость в располагаемых выборках параметров диагностического перечня.

Для обеспечения информационной базы исследования, в том числе и обоснования оптимального количества отсчетов параметров в полете, решается задача моделирования малых случайных выборок с распределением Стьюдента.

Моделирование осуществляется с использованием совокупности равномерно распределенных случайных чисел и основного принципа метода обратных функций. Представляется целесообразным первоначально моделировать выборки чисел с требуемым законом распределения на отрезке [0,1] с последующим масштабированием в интервал изменения параметра.

Искомое моделируемое значение является верхним пределом интеграла в левой части уравнения, реализующего принцип метода обратных функций. В подинтегральном выражении содержатся отношения гамма-функций, поэтому приходится применять формулу Стерлинга и ряд преобразований, позволяющих свести его к виду,

который допускает решение относительно искомого значения элемента выборки на рассматриваемом объеме выборки с использованием строгого метода на базе механизма рекуррентных преобразований, или численного метода. Из-за громоздкосга строгого решения, которое не несет никаких преимуществ, в работе реализуется численный метод. Поиск решения характеризуется как итерационный двухсторонний сходящийся процесс.

Результаты применения различных способов сглаживания к выборкам, полученным моделированием, и сформированным из массивов реальной полетной параметрической информации (основной информационной базы) позволили количественно и качественно обосновать целесообразность использования в описании процессов, характеризующих изменение состояния ТРДД, регрессионного сглаживания (реализуемого построением линейной модели первого порядка вида у=А+Вх с использованием метода наименьших квадратов).

В функциональном описании модели используется совокупность связей, представленная в виде направленного графа на рис. 2, относительно которой выдвигается ряд гипотез диагностического характера.

Рис. 2. Граф связей параметров расширенного диагностического перечня в пространстве параметров

(На рис. 2: г - наработка; iw - частота вращения ротора низкого давления; пгад - частота вращения ротора высокого давления; te* -температура газа за турбиной; GT - часовой расход топлива; Рт -давление топлива на входе в форсунки; Р„ - давление масла; tM -температура масла на входе в двигатель; Vno- уровень вибрации (виброскорость) на разделительном корпусе; V*, - уровень вибрации на задней подвеске; S - скольжение роторов).

По результатам построения и верификации модели ТРДД в форме совокупности регрессионных (зиЬ)моделен параметров установлена их диагностическая неэффективность при использовании априори задаваемых длин рядов наблюдений. Введение временного лага, отличного от нуля (как способ повышения адекватности (виЬ)моделей), не приводит к получению принципиально иных результатов. Выдвигается гипотеза о диагностической адекватности (5иЬ)моделей, формируемых динамически с использованием способа, базирующегося на решении задачи выбора оптимальной длины ряда наблюдений для построения регрессионных ($иЬ)моделей с элементами дисперсионного и корреляционного описаний.

Задача выбора оптимальной длины ряда наблюдений описывается системой, включающей целевую функцию и ряд ограничений.

Целевая функция требует минимума стандартной ошибки уравнения (СтОУ=МШ) или абсолютной величины варьирования коэффициента В, по знаку не совпадающего со знаком номинального значения ABS(VAR[BJ)= MIN, или же максимума: относительных (отнесенных к значимым (табличным) для соответствующих степеней свободы и уровня значимости) коэффициента корреляции RR=MAX, дисперсионного отношения FF=MAX.

Решение задачи по выполнению требования к целевой функции должно быть получено в условиях ограничений, налагаемых

следущим образом: уровень значимости 5%^ а ¿10%; ИИ £ 1; длины ряда - короткий (до 20 полетов включительно) или длинный (от 21 до 50 полетов). На № ограничения налагаются в зависимости от целей построения модели, а именно: при достаточности получения ограниченно диагностически адекватной модели 1$РР<4 или, для получения диагностически адекватной модели в широком смысле (пригодной для прогнозирования) ЕЕ^4. Кроме того, налагаются ограничения на значимость коэффициентов А, В с использованием отношения I-статистик: «|В| 2:1, «[А| ^ 1; на стандартную ошибку уравнения: СгОУ¿(погрешность измерения параметра - результатативного признака). На аномальность стандартизированных остатков налагается ограничение АВ5(|СтО|)51(1Ч-р,а) (1{к-р,а) - табличное значение распределения Стыодента для р-параметрической зависисимости), или же используется ограничение, оперирующее средним остатком и стандартным отклонением. Группирование остатков, расположенных в хронологической последовательности, не должно противоречить представлениям о группировании остатков адекватной (шЬ)модели. В зависимости от вида группирования решается вопрос о преобразовании (гиЬ)модепи. В частности [важно для (аиЬ)моделей вида Параметр_г = Р(Парамеггр_0)-см. ниже], если в группировании остатков наблюдается однонаправленная тенденция без принципиального изменения величины поля группирования, то заключается о необходимости исследования модели, дополненной линейным членом по наработке (т.е. вида у-А+В х+Ст) и вводится ограничение и|С] £1. Налагается ограничение, описываемое как отсутствие сериальных корреляций остатков (практика показала, что данное ограничение практически является избыточным, т.е. для моделей, построенных на длине ряда наблюдений, отвечающей целевой функции и прочим ограничениям, налагаемым на нее, гипотеза о сериальной корреляции остатков отвергается).

-15В "развернутом" виде решение задачи может быть организовано в табличной или, более наглядной и используемой в работе, графической форме (отдельные элементы которой представлены на рис. 3). Кроме того, диагностический интерес представляет анализ изменения угловых коэффициентов (БиЬ)моделей с доверительными интервалами, осуществляемый по их представлению в зависимости от длины ряда наблюдений, а)

Рис. 3. Пример представления некоторых функций и ограничений системы оптимизации (а), параметра "В" (б) модели УЮ=Р(8) двигателя с повышенной вибрацией. Мот1=%

Проаодится оценка влияния а на решение задачи выбора оптимальной длины ряда и параметры моделей.

Показана целесообразность использования способа диагностирования, основанного на анализе последовательностей характеристик связи параметров с выдвижением гипотезы о несущественности их изменения (или значимосги/незначимости) для исправного состояния. Теоретической основой гипотезы является положение о независимости вероятностных характеристик стационарного процесса (характеристик связи параметров) от времени (наработки)) на рассматриваемых временных интервалах.

По результатам построения и верификации статистической модели ТРДД первого уровня в виде совокупности оптимизированных линейных моделей первого порядка по наработке на принятом перечне неисправностей заключается, что ее использование в эксплуатации практически не обеспечивает однозначную постановку диагноза. Целесообразно построение расширенной диагностической модели ТРДД, учитывающей физические связи между параметрами (см. рис. 2), базирующейся на рассмотренных выше принципах.

При построении расширенной модели первоначально решается задача выработки механизма формирования "наилучшего" подмножества параметров многофакторных регрессионных моделей и оценки целесообразности использования многофакторных моделей в статистической модели ТРДД. По результатам исследования дается заключение о практической достаточности (по критерию эффективности модели) применения парных регрессионных (виЬ)моделей вида Параметр_г = Р(Парамегр_0), где Параметр_г и Параметр_(2 могут быть индивидуальными параметрами или представляющимися отношениями параметров одной группы, например, (Параметр_\У1/Параметр_\\'2) (7, С>, \У2 - порядковые

номера параметров в множестве диагностических параметров).

Показано, что вопрос о добавлении в перечень факторных признаков указанных (зиЬ)моделей признака "наработка" (т.е. переход к модели Параметра = Р(Парамеггр_<3, Наработка)) должен решаться индивидуально по результатам исследования остатков моделей, представленных по наработке.

По результатам построения и верификации расширенной статистической диагностической модели объекта исследования :

I) установлена диагностическая ценность анализа (5иЬ)моделей при поиске следующих неисправностей (неисправность - (зиЬ)модель): а) повышенная вибрация (виброскоросп.) - У»=Р(8) - пример см. рис. 3-5;

Рис. 4. Пример сравнения моделей У»=Р(8) двигателя с повышенной вибрацией и исправного (На рис.4: 1-модель по последним полетам без решения задачи оптимизации- неинформативна; 2- оптимизированная модель с параметрами А, В; 3- оптимизированная модель (критическая) с

параметрами Ать, Вт**; И» оптимизированные модели исправного двигателя, а=5%).

Анализ оптимизированной модели У„=Р(8), позволяет выявить вероятное превышение профилактической границы или срабатывание сигнализатора ПРЕВЫШЕНИЕ НОРМЫ при увеличении скольжения (на неустановившемся режиме) в пределах 2% от среднего уровней скольжения за последние полеты.

Для двигателей, установленных на самолетах типа ИЛ-62(М), должна быть осуществлена проверка на связь (коррелированностъ) уровней виброскоростей диагностируемого двигателя с уровнями виброскоростей двигателя, смежного с ним (1<->2, 3++4), которая в рассматриваемом случае дает "нет оптимального решения" (нет связи)-см. рис. 5, поэтому повышенный уровень вибрации рассматриваемого двигателя в эксплуатации на конкретном самолете не может быть объяснен его влиянием.

» « в • 7 в • 10 11 и о 14 « 1« 17 18 1» »Длина ряда наблюдений

Рис. 5. К проверке на связь (коррелированностъ) уровней

виброскоростей диагностируемого двигателя с уровнями виброскоростей двигателя, смежного с ним

б)межвального подшипника- У50=Р(т), 1м=р(и*) (и-"Р(От);

в) забоины, сколы, западание "внахлест" антивибрационных полок лопаток компрессоров - и'=Р(Ст) и их обрыв (для КВДУ У^Б);

2) выработано диагностическое описание в форме критериев диагностирования, использующих особые признаки параметров указанных (эиЬОмоделей. Например, для случая пл. 1а, описание базируется на сравнении располагаемого значения параметра

"Вт«" модели с максимальным критическим (для д-зок в общем случае максимальным критическим для рассматриваемой неисправности является значение углового коэффициента линии тренда, определяемое по формуле (при а=5%, Кср-см. рис. 4, максимальное гю располагаемым статистикам (Д5т«^пг)т»=1%):

50-У,

в

ер

)-

3) проанализирована прогностическая способность критериев, которая в большинстве случаев может быть признана удовлетворительной (в среднем 3 полета до физического выявления неисправности);

4) отмечена необходимость процедуры уточнения диагностических описаний некоторых (зиЬ)моделей по результатам проверки на возможность совершения ошибки первого рода (например, при использовании (здЬ)модели Уто=Р(т) для двигателей, вновь устанавливаемых на самолет, возможен случай рис.6).

V», мм/с

45 -

___________1а— г. ---------------2а"

-Гч 1 -------------

46 ------------

5

100

250

Дт,ч

Рис. 6. Примеры оптимизированных моделей Ум=Р(т)

исправных и неисправных (неисправности межвального подшипника) двигателей

(На рис. 6 приведены модели для двигателей с состоянием:

1- исправный; 1а -исправный с параметрами модели Вши, Amm ;

2- неисправный ; 2а- неисправный с параметрами модели Вгаш, Amu",

3- исправный; 4-исправный с параметрами модели В, А, первые полеты после ремонта; 4а- исправный с параметрами модели Вш», Amm; 46- исправный с параметрами модели В, А после 200 ч наработки после последнего ремонта (ППР); 5-неисправный.

Необходим учет наличия зоны "ГГ (Втм4»> Втшз»));

5) для всех анализируемых неисправностей приводятся пакеты их диагностических портретов в выходных формах решения задачи выбора оптимальной длины ряда наблюдений и интегральные представления в осях параметров ($иЬ)моделей с диагностическими толкованиями;

6) в целом диагностическое описание представляется в виде сводки критериев диагностирования и иллюстрирующего ее графа диагностически ценных связей параметров ТРДД в пространстве параметров для принятого к анализу перечня неисправностей. Показано непересечение областей количественных описаний неисправностей;

7) в среднем эффективность диагностирования при автоматическом принятии решения - не ниже 70% и может быть повышена при проведении дополнительной экспертной оценки, в том числе с использованием способа, описываемого как "поиск неожиданностей и противоречий" в характере изменения параметров двигателей одного самолета в процессе эксплуатации;

8) приводятся управляющие воздействия в рамках процесса технической эксплуатации по результатам диагностирования с использованием статистической модели.

В третьей главе содержится решение проблем робастизации оценок параметров, штатно получаемых в процессе эксплуатации и

используемых при построении статистической модели, а также организации обработки информации в диагностическом комплексе, необходимость решения которых вытекает из результатов исследований, проведенных в главах I и 2. Под робастностью оценок параметров диагностического перечня (получение значений параметров рассматривается с позиций метрологии как их оценка) понимается свойство устойчивости оценок относительно условий их получения, выражающееся в уменьшении ошибки результирующих отсчетов, что достигается повышением кратности отсчетов параметров с их последующим осреднением.

С использованием механизма моделирования случайных малых выборок, выработанного в главе 2, осуществляются сеансы двухсоткратного тиражирования моделируемых выборок параметров и их обработка в целях анализа влияния количества отсчетов на относительные величины ошибок результирующих отсчетов.

Удовлетворительным признается улучшение по показателю ошибки результирующего отсчета, достигаемое при количестве отсчетов за полет N¿3. С точки зрения неавтоматического получения отсчетов желательно ограничиться N<5. Кроме того, наиболее эффективно существующие формы бланков регистрации полетной информации могут быть использованы при N=3. Таким образом, кратность отсчетов параметров принимается равной трем по отношению к существующей на настоящий момент.

Анализ показывает, что развитие организации обработки информации в диагностическом комплексе возможно на базе использования неэлектронных и электронных носителей информации, среди которых рассмотрены ПЭВМ класса "notebook"; микрокомпьютеры, работающие с программными продуктами класса электронных таблиц и имеющие интерфейс с ПЭВМ; микрокомпьютеры типа МК-85(М). Для всех рассматриваемых

вариантов разработаны алгоритмы обработки информации эксплуатации.

Диагностически и долгосрочно экономически наиболе эффективно внедрите обработки информации с применение ПЭВ!у класса "notebook" непосредственно на борту самолета i использованием статистической модели в АСД для предварительно« диагностической обработки и последующей передачи информацш в наземный модуль системы диагностирования. Однако эте наиболее дорогостоящий вариант с точки зрения разовые вложений и затрат на обучение операторов, которые минимальнь в варианте организации обработки с электронными носителям» типа МК-85(М). Указанные микрокомпьютеры (иди аналогичные им] могут быть использованы и для повышения эффективности обработки информации в лаборатории диагностики в существующих на настоящий момент условиях при неавтоматизированной (без АСД) обработке параметрической полетной информации.

Робастизированные выборки параметров, обеспечивая повышение статистической различимости классов состояний (повышения адекватности моделей и эффективности диагностирования), помимо использования для построения (8иЬ)моделей, описываемых в главе 2, являются информационной базой способа, который оперирует моделью ТРДД в форме совокупности угловых расстояний меяаду линиями трендов, получаемых при построении оптимизированных линейных регрессионных ($иЬ)моделей параметров. Использование указанного углового расстояния в качестве диагностического признака позволяет сводить результаты анализа изменения трендов (что по физической сути является известным анализом изменения скоростей изменения параметров) на сводные графики (диаграммы) без решения задачи

соотнесения размерностей.

Способ обеспечивает достаточно простое исключение накопленного тренда процесса и оценку не абсолютной величины тренда по угловому коэффициенту регрессионной зависимости, а его изменения относительно тренда базового периода (для исправного состояния), которое и нормируется.

Проведение исследований по построению статистических моделей двигателей и практическое использование моделей в эксплуатации требуют разработки нестандартного программного обеспечения статистических исследований и проекта АСД, поэтому в четвертой главе нашли отражение особенности программного обеспечения, разработанного при решении задач исследования (главы 2,3) и разработке проекта АСД, а также приводится модель оценки экономического эффекта от внедрения и использования АСД.

При разработке проекта системы особое внимание уделялось ее качеству, т. е. совокупности свойств, характеризующей полезные функции системы, среди наиболее важных из которых для располагаемых условий функционирования выделяются: возможность эффективной работы в условиях "зашум ленной" статистики; минимальное время обработки запроса по задачам, не прогрессирующее при увеличении файлов данных и обрабатываемого объема выборки; высокая помехоустойчивость; простота расширения и внесения изменений в диагностическое описание модели.

Признавая систему эффективной в том случае, если качество, заложенное в нее при проектировании будет сохраняться в течении всего времени, установленного для эксплуатации системы, отмечается, что, системы, организованные стандартными средствами СУБД принципов (ШАБЕ, могут снижать свою эффективность при увеличении объема файлов данных базы данных и обрабатываемого объема выборки.

Анализ эксплуатационных условий и требований к организации сбора и обработки информации в АСД позволил исследовать возможность альтернативной организации СУБД по отношению к dBASE-совместмым СУБД, заключающейся в такой организации БД, при которой были бы сведены к минимуму критические операции сортировки и выбора, что позволяет улучшил, качество системы.

Реализацией в структуре организации данных АСД иерархии тала "дерево" и применением принципов ISAM (индексно-последовательного метода доступа) с учетом особенностей и размеров записи (файла данных), описывающей полетаую карту, удалось обеспечить существенное уменьшение заголовка (первой записи, которая является индексирующей) файла данных. Кроме того, принятый способ организации позволяет

1) избежать роста времени обработки запроса с увеличением объема банка данных за счет применения быстрой конвертации значений через свопинг индекса записи и индекса массива, а также

2) осуществить эффективное разделение информации по борту самолета, что обеспечивает хранение на дискете емкостью 1.44 Мбайта несжатой (рабочей) версии частей глобальной базы данных при средней интенсивности полетов- 4 полета в день за период около 4 лет;

3) существенно уменьшил, потребный объем на жестком диске, необходимый дня функционирования АСД.

Программное обеспечение микрокомпьютера МК-85(М) предусматривает возможность использования его в процессе повышения робастност оценки параметров и для приведения параметров к стандартным атмосферным условиям и одному режиму при "ручной" обработке полетной информации из стандартно заполненных полетных карт в лабораториях диагностики. Разработано для решения наиболее сложной задачи для самолета с числом СУ,

равным четырем (типа Ил62, Ил76), что связано с ограничением числа шагов программы и особенностями организации памяти микрокомпьютеров МК-85(М).

Модель оценки экономического эффекта, учитывая основные факторы и условия эффективности использования АСД, в практической интерпретации позволяет провести его определение для систем различного назначения и комплектации, предлагаемых к применению в эксплуатации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Для решения задачи повышения эффективности диагностирования ТРДД с ограниченным перечнем штатно регистрируемых параметров с малой частотой отсчетов, направленной на повышение эффективности процесса технической эксплуатации в целом, развиты методические принципы, способы построения и диагностического использования в процессе эксплуатации статистических диагностических моделей ТРДД, реализованные на примере модели ТРДД типа Д-ЗОКУ; предложены варианты организации обработки информации в эксплуатации; разработан комплекс программного обеспечения.

При этом:

1. Показано, что для построения диагностически адекватных статистических диагностических моделей ТРДД необходимо применение способа планирования, характеризуемого как динамическое формирование оптимальной длины ряда наблюдений для построения регрессионных (зиЬ)моделей параметров.

2. Сформулированные принципы, порядок исследования и применяемые в работе методы позволяют выполнить построение и

верификацию модели ТРДД, представляемой в ввде математического * диагностического описаний совокупности оптимизируемых по длшк ряда линейных регрессионных ($иЪ)модеяей первого порядка видг Парамегр_г=Р(Наработка),Параметр_г=Р(Парамеггр_0 {.Наработка}).

3. Выработанное диагностическое описание ТРДД типа Д-ЗОЮ/ в виде комплекса критериев диагностирования, позволяет в эксплуатации удовлетворительно различать состояния "исправно"-"неисправно" с локализацией до узла и, в отдельных случаях, деталей этого узла доя принятого к анализу перечня неисправностей, а предлагаемый диагностический способ анализа параметров моделей в динамике позволяет установить их прогностическую способность.

4. Предложенные способы робастизации оценок параметров и организации обработки информации в комплексной автоматизированной системе диагностирования направлены на повышение эффективности диагностирования и реализуются с использованием электронных и неэлектронных носителей.

5. Иерарахическая организация данных и способ индексации, примененный в разработаной исследовательской (расширенной) версии АСД для ТРДД семейства ДЗО, обеспечивают высокое качество системы диагностирования в эксплуатации.

6. Разработанный комплекс программного обеспечения позволяет решить широкий перечень задач статистических исследований выборок параметров; часть комплекса использована в АСД.

Основные положения диссертационной работы изложены в:

I. Чичков Б, А. Задача оценки технического состояния авиационных ГТД по совокупности изменений измеряемых в полете параметров с позиций теории процесса познания и

логики действий. В сб.: Вопросы поддержания летной годности летательных аппаратов в процессе эксплуатации: Межвузовский сборник научных трудов.-М.: МГТУ ГА, 1996.-е. 76-79.

2. Чичков Б. А. О результатах анализа целесообразности применения различных методов сглаживания для обработай диагностической информации при оперативной диагностике авиационных ГТД. В сб.: Современные научно-технические проблемы гражданской авиации. Тезисы докладов Международной научно-технической конференции.-М.: МГТУ ГА, 1996.- с. 276.

3. Чичков Б. А. О возможной реализации метода диагностирования авиационных ГТД по угловому расстоянию в пространстве признаков. В сб.: Современные научно-технические проблемы гражданской авиации. Тезисы докладов Международной научно-технической конференции.-М.: МГТУ ГА, 1996.-е. 276-277.

4. Чичков Б. А. Способ повышения робастности оценки параметров, регистрируемых в "Картах регистрации значений параметров и наработки двухконтурных двигателей при выполнении рейсов". В сб.: Современные научно-технические проблемы гражданской авиации. Тезисы докладов Международной научно-технической конференции.-М.: МГТУ ГА, 1996.-е. 275-276.

5. Чичков Б. А. К вопросу построения модели авиационного ТРДД при диагностике с использованием статистической модели. В сб.: Современные научно-технические проблемы гражданской авиации. Тезисы докладов Международной научно-технической конференции.-М.: МГТУ ГА, 1996,- с. 89-90.

6. Чичков Б. А. О применении "перекрестного" прогноза с использованием однофакторных регрессионных моделей при прогнозировании изменения диагностических параметров авиационных ГТД. В сб.: Современные научно-технические проблемы гражданской

авнации. Тезисы докладов Международной научно-техническо) конференщш.-М.: МГТУ ГА, 1996.- с. 275.

7. Чнчков Б. А. Формирование базовых требований ] автоматизированной системе диагностики авиационных ГТ/ (АСДаГГД) 3 и 4 поколений с ограниченным перечнем регистрируемы: в полете параметров. В сб.: Современные научно-технические проблемь гражданской авиации. Труды Международной научно-техническо* конференции (Часть 1).-М.: МГТУ ГА, 1996.-е. 159-163.

8. Умушкин Б. П., Чичков Б. А. Применение многокритериально! оптимизации по Парето в процессе принятия решений в экстремальны; ситуациях, возникающих в процессе эксплуатации авиационных ГТД. I сб.: Исследование характеристик элементов ГТД и некоторые вопросы технического обслуживания ГТД: Межвузовский сборню научных трудов. -М.: МГТУ ГА, 1996.- с. 17-20.

9. Чичков Б. А. К вопросу построения и использования многофакгорных регрессионных статистических моделей ТРДД 3 и 4 поколений. В сб.: Современные научно-технические проблемы гражданской авиации. Труды Международной научно-технической