Сокращение объема тестовой выборки элементов космических средств при проведении контрольных испытаний


Авторы

Осипов Н. А.*, Мусиенко А. С.**, Меркушев О. А.

Военно-космическая академия имени А.Ф. Можайского, Санкт-Петербург, Россия

*e-mail: bayes@mail.ru
**e-mail: vka@mil.ru

Аннотация

В статье описана методика, которая объединяет априорную (дополнительную) информацию и текущие данные контроля испытаний элементов космических средств с целью достижения целей отбора и получения более высокой оценки преследуемого объекта.

Предложенная методика базируется на математическом аппарате динамических байесовских сетей, а также основных понятиях и соотношениях теории надежности и технической диагностики систем. Исходными данными является информация о техническом состоянии элементов космических средств в ходе проведения контроля испытания, сведения о надежности (структурно-логические схемы, интенсивности отказов элементов) технологического оборудования, а также модели диагностирования, связывающие виды технических состояний и диагностические признаки дефектных изделий.

Предложено использовать метод отбора в динамической байесовской сети для выявления несоответствия изделий и оборудования в процессе контроля и диагностирования технического состояния элементов технологического оборудования и описания динамики процесса.

Апостериорный вывод позволяет объединить разнородную начальную информацию и поступающие новые данные для получения комплексной оценки в ходе технологического процесса и состояние технологического оборудования с целью принятия специалистом обоснованного решения о продолжении или приостановке технологического процесса, в случае обнаружения дефекта и принятию мер по их устранению.

Преимуществом данной методики является возможность учета в качестве разнородной априорной информации, включающей форматное представление испытуемого, так и результаты контрольных испытаний.

Приводится реализация данного подхода к контрольным исследованиям выборки ограниченного объема. Обосновывается возможность по результатам испытаний выборочной проверки оценить прогнозируемое значение дефектных изделий во всей партии с достаточной целью для принятия решения выборочного контроля.

Рассматриваемая методика объединяет в себе априорную информацию и данные, полученные в результате испытаний, что в ходе сравнения позволяет получить необходимую точность для выявления дефектов изделия.

Предлагаемая методика может быть использована специалистами при проведении операций контроля и испытаний системы с целью повышения оперативности отбора и выявления дефектных изделий.

Ключевые слова:

априорное распределение, контрольные испытания, функция правдоподобия, байесовская оценка, апостериорное распределение, точность оценки, выборочный контроль

Библиографический список

  1. ГОСТ 20911-89. Техническая диагностика. Термины и определения. - М.: Стандартинформ, 2009. -11 с.

  2. ГОСТ Р ИСО 2859-1-2007. Планы выборочного контроля последовательных партий на основе приемлемого уровня качества. Часть 1. – М.: Стандартинформ, 2007. 104 с.

  3. ГОСТ Р МЭК 61124-2016. Статистические методы. Планирование и обработка результатов контрольных испытаний в случае постоянных интенсивности отказов и параметра потока отказов. – М.: Стандартинформ, 2016. - 40 с.

  4. ГОСТ Р 50779.12-2021. Статистические методы. Статистический контроль качества. Методы случайного отбора выборок штучной продукции. – М.: Стандартинформ, 2021. -20 с.

  5. Р 50.1.100 – 2014. Статистические методы. Три подхода к интерпретации и оценке неопределенности измерений. - М.: Стандартинформ, 2015. – 32 с.

  6. Мартин О. Байесовский анализ на Python. – М.: ДМК Пресс, 2020. – 340 с.

  7. Дэвидсон-Пайлон Кэмерон. Вероятностное программирование на Python: байесовский вывод и алгоритмы. - СПб.: Питер, 2019. – 256 с.

  8. Курт Уилл. Байесовская статистика: Star Wars, LEGO, резиновые уточки и многое другое. - СПб.: Питер, 2021. – 304 с.

  9. Хей Дж. Введение в методы байесовского статистического вывода. - М.: Финансы и статистика, 1987. - 336 с.

  10. Кохендерфер М., Уилер Т., Рэй К. Алгоритмы принятия решений. – М.: ДМК Пресс, 2023. – 684 с.

  11. Соловьев В.А., Любинский В.Е., Жук Е.И. Текущее состояние и перспективы развития системы управления полетами космических аппаратов // Пилотируемые полеты в космос. 2012. № 2 (4). С. 44–51.

  12. Микрин Е.А., Орловский И.В., Брагазин А.Ф., Усков А.В. Новые возможности автономной системы управления модернизированных кораблей «Союз» и «Прогресс» для реализации «быстрой» встречи с МКС // Космическая техника и технологии. 2015. № 4 (11). С. 58–67.

  13. Соловьев В.А., Лысенко Л.Н., Любинский В.Е. Управление космическими полётами. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2010. Ч. 2. - 428 с.

  14. Осипов Н.А., Дорожко И.В. Методика диагностирования автоматизированных систем управления сложными объектами с использованием априорной информации // Известия вузов. Приборостроение. 2013. Т. 56. № 1. С. 18–26.

  15. Дорожко И.В., Захарова Е.А., Осипов Н.А. Модель оценки вероятности безотказной работы сложных технических комплексов на основе динамических байесовских сетей // Труды Военно-космической академии им. А.Ф. Можайского. 2019. № 669. С. 216-223.

  16. Дорожко И.В., Осипов Н.А., Иванов О.А. Прогнозирование технического состояния сложных технических систем с помощью метода Берга и байесовских сетей // Труды МАИ. 2020. № 113. URL: https://trudymai.ru/published.php?ID=118181. DOI: 10.34759/trd-2020-113-14

  17. Дорожко И.В., Горохов Г.М., Кириллов И.А. Методический подход к разработке системы поддержки принятия решений оператора автоматизированной системы управления технологическими процессами на основе динамических байесовских сетей // Труды МАИ. 2022. № 125. URL: https://trudymai.ru/published.php?ID=168195. DOI: 10.34759/trd-2022-125-23

  18. Дорожко И.В., Иванов О.А. Модель системы поддержки принятия решений для диагностирования бортовых систем космического аппарата на основе байесовских сетей // Труды МАИ. 2021. № 118. URL: https://trudymai.ru/published.php?ID=158259. DOI: 10.34759/trd-2021-118-19

  19. Гусеница Я.Н., Дорожко И.В., Кочанов И.А., Петухов А.Б. Научно-методический подход к оцениванию готовности сложных технических комплексов с учетом метрологического обеспечения // Труды МАИ. 2018. № 98. URL: https://trudymai.ru/published.php?ID=90383

  20. Привалов А.Е., Дорожко И.В., Захарова Е.А., Копейка А.Л. Имитационная модель оценивания коэффициента готовности сложных технических систем с учетом характеристик процесса диагностирования // Труды МАИ. 2018. № 103. URL: https://trudymai.ru/published.php?ID=101526


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2024

 Вход