Достигнутый в настоящее время высокий уровень цифровизации современных радиолокационных комплексов мониторинга (РКМ) и наличие системы встроенного контроля, регистрирующей данные о техническом состоянии компонентов, позволяют перейти к высокоточной оценке характеристик надежности по реальным данным работы РКМ. Реализация такого метода уточнения характеристик надежности по текущим значениям параметров технического состояния компонентов РКМ фактически в режиме реального времени может быть обеспечена при условии разработки универсального алгоритма уточнения параметров распределения с использованием эмпирической функции распределения. В работе проанализированы данные об отказах РКМ. Pассмотрены два варианта описания этих данных для оценки надежностных характеристик: аппроксимация аналитическим распределением и прямое использование эмпирического распределения. Использованы такие методы эмпирического исследования, как сравнение функции плотности распределения отказов, интенсивности отказов и γ-процентные ресурсы. Установлено, что описание через аналитическое распределение неадекватно. На это указывает малый p -уровень значимости при аппроксимации методом максимального правдоподобия, значительно отличающиеся интенсивности отказов и γ-ресурсы и, как следствие, неточный прогноз по вероятности отказа.
Перлов Анатолий Юрьевич
Национальный исследовательский университет «МИЭТ», г. Москва, Россия; АО «РТИ», г. Москва, Россия
Антошина Виктория Михайловна
АО «РТИ», г. Москва, Россия; Московский физико-технический институт (национальный исследовательский университет), г. Долгопрудный, Россия
Рябченко Дмитрий Вадимович
АО «РТИ», г. Москва, Россия; Московский государственный университет имени М.В. Ломоносова, г. Москва, Россия
1. ГОСТ 27.301-95. Надежность в технике. Расчет надежности. Основные положения. М.: ИПК Изд-во стандартов, 2002. 12 с.
2. Матвеевский В.Р. Надежность технических систем: учеб. пособие. М., 2002. 113 с.
3. Антонов А.В., Маловик К.Н., Чумаков И.А. Интервальная оценка характеристик надежности уникального оборудования // Фундаментальные исследования. 2011. № 12-1. С. 71–76.
4. Жаднов В.В. Модель отказов электронных компонентов для расчета надежности // Изв. вузов. Электроника. 2018. Т. 23. № 4. С. 353–361.
5. Hashemian H.M., Bean Wendell C. State-of-the-art predictive maintenance techniques // IEEE Transactions on Instrumentation and Measurement. 2011. Vol. 60. No. 1. P. 226–236.
6. Губарев В.В. Идентификация эмпирических распределений // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. 2014. №.6(30). C. 205–215.
7. Шитиков В.К., Розенберг Г.С., Зинченко Т.Д. Количественная гидроэкология: методы системной идентификации. Тольятти: ИЭВБ РАН, 2003. 463 с.
8. Hoffmann G.A., Salfner F., Malek M. Advanced failure prediction in complex software systems. Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II, Institut für Informatik, 2011. Vol. 1. No. 1. P. 1–19.
9. Failure prediction based on log files using random indexing and support vector machines / I. Fronza, A.Sillitti, G. Succi et al. // Journal of Systems and Software. 2013. Vol. 86. No. 1. P. 2–11.
10. Жаднов В.В. Расчет надежности электронных модулей. М.: Солон-Пресс, 2016. 232 с.
11. Белозеров В.В., Любавский А.Ю., Олейников С.Н. Модели диагностики надежности и безопасности СВТ и АСУ объектов техносферы. М.: Издательский дом Академии естествознания, 2015. 110 с.
12. Садыхов Г.С., Савченко В.П., Сидняев Н.И. Модели и методы оценки остаточного ресурса изделий радиоэлектроники. М.: Изд-во МГТУ им. Н.Э. Баумана, 2015. 382 с.