航空公司机队设备可靠性非线性动态评估模型

doi:10.7527/S1000-6893.2013.0013

固体力学与飞行器总体设计

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

航空公司机队设备可靠性非线性动态评估模型

陈勇刚, 罗晓利

中国民用航空飞行学院航空工程学院, 四川广汉 618307

收稿日期:2012-01-06 修回日期:2012-03-20 出版日期:2013-01-25 发布日期:2013-01-19
通讯作者: 陈勇刚,Tel.:0838-5183621,E-mail:chenygscms@126.com E-mail:chenygscms@126.com
作者简介:陈勇刚,男,硕士,副教授。主要研究方向:航空安全与适航管理。Tel:0838-5183621,E-mail:chenygscms@126.com[LL]罗晓利,男,教授。主要研究方向:航空人因工程。Tel:0838-5182560,E-mail:crmluo@yahoo.com.cn
基金资助:
国家自然科学基金(60832012);民航飞行技术与飞行安全科研基地(F2011KF09)

Nonlinear Dynamic Assessment Model of Airline Fleet Equipment Reliability

CHEN Yonggang, LUO Xiaoli

Aviation Engineering Institute, Civil Aviation Flight University of China, Guanghan 618307, China

Received:2012-01-06 Revised:2012-03-20 Online:2013-01-25 Published:2013-01-19
Supported by:
National Natural Science Foundation of China (60832012);CAAC Scientific Research Base on Aviation Flight Technology and Safety (F2011KF09)

摘要/Abstract

摘要：

机队设备可靠性是实现航空公司"安全、正点和经济"目标的核心内容,对其进行评估是实现机队设备系统综合技术保障的重要手段。根据航空公司机队设备可靠性统计、数据采集和监控方式的关键技术与重要环节,应用物理-事理-人理 (WSR)思想和Delphi法,建立了机械原因使用困难报告(SDR)和非计划停场率等航空公司机队设备可靠性的5大指标体系。基于灰色聚类方法和反步(BP)神经网络的优缺点,结合机队设备可靠性的随机性和波动性,设计了航空公司机队设备可靠性非线性动力学评估模型。航空公司机队设备可靠性评估实例的分析表明:该可靠性非线性动态评估模型是可行的,能够实现动态和静态的评估。

关键词: 航空公司机队, 评估模型, 可靠性, BP神经网络, 灰色聚类

Abstract:

The reliability of the fleet equipment is at the core of an airline company’s effort to achieve its goal of safety, punctuality and economy. The assessment of the reliability of the fleet equipment is an important means to realize the comprehensive technological guarantee of a fleet equipment system. In accordance with the key technology in statistics and data acquisition and the monitoring of the reliability of the fleet equipment, five indicator systems of the fleet equipment reliability, including service difficulty reports (SDR) and the rate of nonscheduled downtime etc., are set up by the Wuli-Shili-Renli (WSR) theory and the Delphi method. In consideration of the features of randomness and volatility of fleet equipment reliability, a nonlinear dynamic assessment model of fleet equipment reliability is designed based on the advantages and disadvantages of grey clustering and back propagation (BP) neural network. The analysis of an application case of the model shows that the nonlinear dynamic assessment model is feasible and applicable to both static and dynamic assessments.

Key words: airline fleet, assessment model, reliability, BP neural network, grey clustering

中图分类号:

V240.2

陈勇刚, 罗晓利. 航空公司机队设备可靠性非线性动态评估模型[J]. 航空学报, 2013, 34(1): 104-111.

CHEN Yonggang, LUO Xiaoli. Nonlinear Dynamic Assessment Model of Airline Fleet Equipment Reliability[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2013, 34(1): 104-111.

参考文献

[1] Deng J G. The airlines fleet plan model. Civil Aviation Economics & Technology, 2000(7): 51-53. (in Chinese) 邓举功. 航空公司机队规划数学模型建立和分析. 民航经济与技术, 2000(7): 51-53.
[2] Peng Y B, Zhang Y L, Zhang X Q. Fleet planning modeling and it’s applications. System Engineering-Theory & Practice, 2001(6): 100-103. (in Chinese) 彭语冰, 张永莉, 张晓全. 机队规划模型的建立及其应用. 系统工程理论与实践, 2001(6): 100-103.
[3] Luo F. Study on formation mechanism of aviation calamity and the early warning system. Wuhan: Wuhan University of Technology, 2004. (in Chinese) 罗帆. 航空灾害成因机理与预警系统研究. 武汉: 武汉理工大学, 2004.
[4] Chen P F, Zuo H F, Wang Y. Application of fuzzy-Bayes method in reliability evaluation of aviation equipment. Aircraft Design, 2008, 28(5): 56-58. (in Chinese) 陈鹏飞, 左洪福, 王晔. 模糊贝叶斯方法在航空设备可靠性评估中的应用. 飞机设计, 2008, 28(5): 56-58.
[5] Cui Y Y, Quan C Y, Ding L P, et al. Model for assessing operational reliability of repairable aircraft systems and its application. Acta Aeronautica et Astronautica Sinica, 2000, 21(4): 346-348. (in Chinese) 崔毅勇, 全成雨, 丁利平, 等. 航空机载可修产品外场可靠性评估模型及其应用. 航空学报, 2000, 21(4): 346-348.
[6] Zhang S F, Cai H. Bayesian reliability assessment of electronic products in aviation. Aerospace Control, 1999(4): 67-71. (in Chinese) 张士峰, 蔡洪. 航空电子产品的BAYES可靠性评估. 航天控制, 1999(4): 67-71.
[7] Zhu H Y, Chen Q H, Han Q. Study on fuzzy synthetic evaluation of supportability of a certain new aircraft equipment. Journal of Qingdao University, 2007, 22(2): 69-72. (in Chinese) 祝华远, 陈庆华, 韩强. 某新型航空装备保障性模糊综合评估方法. 青岛大学学报, 2007, 22(2): 69-72.
[8] Chen Y G. Assessment model of airline fleet reliability based on BP neural network. Mathematics in Practice and Theory, 2011, 41(2): 69-72. (in Chinese) 陈勇刚. 基于BP神经网络的航空公司机队可靠性评价模型. 数学的实践与认识, 2011, 41(2): 69-72.
[9] Guan Q, Deng Z H, Wang S T. Improved fuzzy C-means clustering algorithm. Computer Engineering and Applications, 2011, 47(10): 27-29. (in Chinese) 关庆, 邓赵红, 王士同. 改进的模糊C-均值聚类算法. 计算机工程与应用, 2011, 47(10): 27-29.
[10] Li C X, Yu J. Study on the classification of a kind of fuzzy clustering algorithm. Journal of Beijing Jiaotong University, 2005, 29(2): 17-21. (in Chinese) 李翠霞, 于剑. 一种模糊聚类算法归类的研究. 北京交通大学学报, 2005, 29(2): 17-21.
[11] Wang Z X. Civil aircraft maintenance. 2nd ed. Beijing: Civil Aviation Press of China, 2009: 11-53. (in Chinese) 王再兴. 民用航空器外场维修. 第2版. 北京: 中国民航出版社, 2009: 11-53.
[12] Gao F Z. WSR systems approach and its application. Beijing: The Chinese Academy of Social Sciences,1999. (in Chinese) 高飞著. 物理-事理-人理系统方法及其应用. 北京:中国社会科学学院, 1999.
[13] Liu S F, Xie N M. New grey evaluation method based on reformative triangular whitenization weight function.Journal of Systems Engineering, 2011, 26(2): 244-250. (in Chinese) 刘思峰, 谢乃明. 基于改进三角白化权函数的灰评估新方法. 系统工程学报, 2011, 26(2): 244-250.
[14] Li Y J, Zuo H F, Chen G, et al. Wear particles identification based on grey clustering analysis. Acta Aeronautica et Astronautica Sinica, 2003, 24(4): 373-376. (in Chinese) 李艳军, 左洪福, 陈果, 等. 基于灰色聚类的磨粒自动识别. 航空学报, 2003, 24(4): 373-376.
[15] Liu J J, Wang W, Cheng L. Service level evaluation of signalized intersection based on trapezoid whitenization weight function. Journal of Traffic and Transportation Engineering, 2009, 9(2): 121-126. (in Chinese) 刘俊娟, 王炜, 程琳. 基于梯形白化权函数的信号交叉口服务水平评价. 交通运输工程学报, 2009, 9(2): 121-126.
[16] Dong Y Z, Dang Y G. Grey clustering method based on maximizing deviations. Systems Engineering-Theory & Practice, 2009, 29(9): 141-146. (in Chinese) 董一哲, 党耀国. 基于离差最大化的灰色聚类方法.系统工程理论与实践, 2009, 29(9): 141-146.
[17] Yang T J, Zhang X C, Yang X G, et al. Research on the evaluation of city road traffic safety based on BP artificial network. Journal of China University of Mining, 2009, 34(1): 37-40. (in Chinese) 杨天军, 张晓春, 杨晓光, 等. 基于BP神经网络的城市道路交通安全评价研究. 中国矿业大学学报, 2009, 34(1): 37-40.
[18] Wu Q Z. System engineering. Beijing: Beijing Institute of Technology Press, 2008: 92-93. (in Chinese) 吴祈宗. 系统工程. 北京: 北京理工大学出版社, 2008: 92-93.
[19] Hu S R. Artificial neural network and the application. Changsha: National University of Defense Technology Press, 1998. (in Chinese) 胡守仁. 神经网络应用技术. 长沙: 国防科技大学出版社, 1998.
[20] Song R, Deng B. Application of neural network in safety assessment. China Safety Science Journal, 2005, 15(3): 78-81. (in Chinese) 宋瑞, 邓宝. 神经元网络在安全评价中的应用. 中国安全科学学报, 2005, 15(3): 78-81.
[21] Zhang W, Li X Y, Jiang T N, et al. Life-prediction of multi-stress accelerated life testing based on BP algorithm of artificial neural network. Acta Aeronautica et Astronautica Sinica, 2009, 30(9): 1691-1696. (in Chinese) 张慰, 李晓阳, 姜同敏, 等. 基于BP神经网络的多应力加速寿命试验预测方法. 航空学报, 2009, 30(9): 1691-1696.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

航空公司机队设备可靠性非线性动态评估模型

Nonlinear Dynamic Assessment Model of Airline Fleet Equipment Reliability

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	龚煜廉, 张建国, 吴志刚, 褚光远, 范晓铎, 黄赢. 主动学习基自适应PC⁃Kriging模型的复合材料结构可靠度算法[J]. 航空学报, 2024, 45(8): 228982-228982.
[2]	张帆, 程伯晗, 王鹏, 董磊. 二元共载系统退化相关的两阶段退化模型及可靠性分析[J]. 航空学报, 2024, 45(7): 229046-229046.
[3]	薛小锋, 赵淼龑, 杜倩宜, 冯蕴雯, 樊俊铃, 焦婷. 基于人员和环境因素定量化的检测可靠性[J]. 航空学报, 2024, 45(6): 228859-228859.
[4]	马菲, 张琼, 赖培军, 岳一笛. 基于BP神经网络的试飞训练安全性量化模型[J]. 航空学报, 2024, 45(5): 529957-529957.
[5]	郑新前, 王钧莹, 黄维娜, 伏宇, 程荣辉, 熊洪洋. 航空发动机不确定性设计体系探讨[J]. 航空学报, 2023, 44(7): 27099-027099.
[6]	孙本奇, 杨强, 孙志礼, 李树军, 马宏坤, 王若男. 平面约束变胞机构构态切换能力的概率评估模型[J]. 航空学报, 2023, 44(4): 426843-426843.
[7]	张帆, 孙紫荆, 肖国松, 刘嘉琛, 王鹏. 基于直觉模糊贝叶斯网络的HUD系统多阶段任务可靠性分析[J]. 航空学报, 2023, 44(4): 226853-226853.
[8]	顾孟奇, 朱家才, 郭万林, 薛松. 可重复使用运载火箭结构疲劳耐久性与可靠性展望[J]. 航空学报, 2023, 44(23): 628299-628299.
[9]	杨乐昌, 汪晨星. 基于多源异构信息的航空发动机转子参数校准与可靠性分析[J]. 航空学报, 2023, 44(23): 228575-228575.
[10]	冯蕴雯, 唐家强, 冯成慧, 陈先民, 薛小锋. 基于载荷共享理论的多传力路径耳片可靠性研究[J]. 航空学报, 2023, 44(20): 228528-228528.
[11]	姜峰, 李华聪, 符江锋, 洪林雄. 基于RBF和主动学习的非概率可靠度求解方法[J]. 航空学报, 2023, 44(2): 226667-226667.
[12]	冯蕴雯, 林心怡, 薛小锋, 杨祥, 刘佳奇. 高可靠单向爆破的民机防爆结构设计[J]. 航空学报, 2023, 44(18): 228297-228297.
[13]	梁益铭, 李广宁, 徐敏. 基于机器学习的智能控制数值虚拟飞行方法[J]. 航空学报, 2023, 44(17): 128098-81280986.
[14]	郭庆, 关德明. 民机维修任务分析的人因可靠性预测模型[J]. 航空学报, 2023, 44(16): 228051-228051.
[15]	宋凯, 张弛, 晏晨辉, 宁宁, 樊俊铃, 王荣彪. 基于双参数表征的航空发动机轮盘模型辅助涡流检测可靠性[J]. 航空学报, 2023, 44(13): 227866-227866.