军用设备剩余寿命预测与维护现状分析

王凯 秦晓光 张小强

【摘 要】剩余寿命是衡量长贮存设备的重要性能指标，如何准确预测此类设备的剩余贮存寿命并据此制定合理的预测维护策略，设备运行状态与外界环境的影响是必须要考虑的关键问题。本文主要对此类问题的研究现状进行梳理，并总结了影响研究进展的关键问题。

【关键词】军用设备;剩余寿命;预测与维护

随着现代科技的飞速发展，许多工程设备、军事装备造价日益昂贵，组成与功能更加复杂。此类设备一旦发生失效将引发严重的安全事故。因此，在设备失效之前如果能够准确预测设备的剩余寿命，并根据预测结果制定适当的维护策略，就可以最大限度的保证设备正常运行，尽可能避免因为失效引起的经济损失、人员伤亡、任务延误和环境破坏。以下从剩余寿命预测概述、研究现状和存在问题三个方面进行论述。

一、剩余寿命预测与维护研究概述

剩余寿命预测及预测维护问题的研究一般以设备处于连续工作状态或者工作状态占据全寿命周期的绝大部分时间为研究背景，但此类研究忽略了设备的贮存状态和贮存时间。但是，很多军事领域和航天领域的设备在使用之前长期处于贮存状态，贮存期在设备的全寿命周期内居于主要地位。例如，导弹作为一种长期贮存、一次使用的武器装备，其贮存时间远远大于工作时间。所以剩余寿命是衡量导弹战术技术性能的重要指标。只有综合考虑工作状态和贮存状态，准确的预测剩余贮存寿命才能够为后续的预测维护策略提供更加合理的决策支持。对提高此类设备的任务可靠性以及减少后勤保障费用具有重要意义，也是装备健康管理的迫切需求。

工程实际中，设备除了具有工作和贮存两种状态以外，在工作时还存在不同的运行状态。此外，设备工作时还会受到外部环境如温度、湿度、压力、风力等的影响，不同的运行状态所处的外部环境不尽相同。更重要的是运行状态和外部环境状态一般都具有随机时变特性。其具有两个鲜明特点：一是使用之前长期处于贮存状态;二是受作战、训练、演习以及战略威慑等不同任务的驱动，运行状态和所处环境呈现出随机时变特征。

二、剩余寿命预测研究现状

剩余寿命预测作为预测与健康管理技术的关键环节，对合理制定设备维护策略和备件订购管理策略，降低全寿命周期维护保障费用以及延长设备服役寿命具有非常重要的作用。如前所述，剩余寿命预测包括剩余工作寿命预测和剩余寿命预测。现有的剩余寿命预测方法大致可分为三类：失效数据统计分析法、加速测试法和退化数据建模法。

（1）失效数据统计分析法依赖于设备的历史失效数据，通过统计分析确定设备的贮存寿命分布，统计结果反映了这一组设备的共有特性。 Mclain 和 Warren 利用同类设备的历史失效数据，通过基于似然函数的统计推断法拟合失效分布函数，得到了设备的贮存寿命分布。此類方法需要大量的历史失效数据。但是，同一批次设备的运行环境、负载等因素不尽相同，单个设备之间也存在差异性。而且随着现代设计方法和制造工艺的不断改进，设备的可靠性越来越高，寿命越来越长，短期内无法获得足够多的失效数据。

（2）加速测试法包括加速寿命测试与加速退化测试。为了获得足够多的失效数据，通过设定不同的温度应力水平进行加速寿命测试，然后根据不同应力水平下得到的失效数据，采用统计分析法拟合加速寿命模型，进而外推得到正常应力下的贮存寿命分布。加速寿命测试一般具有较高的试验成本，可利用加速退化测试的方法研究剩余贮存寿命预测问题。加速退化测试法通过设定不同的应力水平得到设备的加速退化数据，然后构建包含应力参数的加速退化模型得到非正常应力下的贮存寿命分布，最后通过估计模型中的未知参数外推得到正常应力下的寿命分布。由于只需得到退化数据，加速退化测试法可以降低试验成本。但加速测试法对加速试验的样本量、测试时间、测试项目、应力水平的选择以及试验参数的选定都有严格的规定。

（3）退化数据建模法不采用加速试验，而是通过状态监测技术获取设备工作时的退化数据，通过建模设备的性能退化过程进而预测剩余贮存寿命。近年来，研究人员开始考虑基于退化建模的剩余贮存寿命预测方法。如Feng等考虑高电压脉冲电容器在贮存状态与工作状态之间相互切换，且退化过程依赖于电容器所处的状态，通过构建多阶段Wiener 过程建模贮存与工作状态的退化过程，进而预测剩余贮存寿命。上述研究都假设在设备全寿命周期内贮存与工作状态的切换时间是确定已知的，没有体现状态切换过程的随机时变特性。

综合上述分析可以看出，实际上，设备在工作时常处于不同的运行状态，这些运行状态之间是随机切换的。此外，设备在工作时还会受到各种外部环境因素的影响。如前所述，运行状态的切换以及外部环境因素的变化都可统称为随机时变环境，单纯考虑贮存与工作状态而忽略随机时变环境状态会导致预测的剩余寿命具有较大的不确定性。因此在预测剩余寿命时，必须要考虑随机时变环境的影响。

三、剩余寿命预测研究存在问题

对于导弹等长期贮存设备而言，一方面，实践表明导弹在长期贮存过程中也会发生缓慢的性能退化。如通过监测不同工作阶段的健康状态，发现其贮存之前和之后的退化数据的大小具有忽然增加的趋势。这种变化在短期不明显，但在长期贮存时的影响是不可忽视的。另一方面，此类设备的运行状态和所处环境会依据任务的不同而随机切换。此类设备的性能退化过程会不可避免地受到随机时变环境的影响。环境状态的随机切换使得设备的退化规律表现出阶段差异性特征。因此，考虑将设备贮存状态视为一种特殊的“环境状态”，在统一的退化模型框架下研究随机时变环境影响下的剩余寿命预测，难点是如何在统一的模型框架下分别描述贮存状态和环境状态对退化过程的影响。