阿里安运载火箭的可靠性增长分析
周源泉
(北京强度环境研究所，北京，100076)
摘要: 根据AMSAA模型用于离散的成败型数据及连续的故障时间数据的对应参数表，并利用阿里安火箭的发射信息，进行了可靠性增长分析 ,其中包括增长趋势的图检验、Laplace检验、χ2检验、拟合优度的Cramar Von Mises 检验 、尺度检验的点估计、形状参数及系统可靠性的点估计与区间估计，以及下一次失败的试验 次数的预测子与预测区间 。
关键词 阿里安运载火箭，可靠性增长，AMSAA模型，幂律模型。
Reliability Growth Analysis of Ariane Launch Vehicles
Zhou Yuanquan
(Beijing Institute of Strength ＆ Environmental Engineering,Beijing,100076)
Abstract The table of corresponding parameters of AMSAA model for the discrete go-no-go data and continuous failure time data is given. Based on the preceding results and the flight data of Ariane launch vehicle, the reliability growth is analysed. They include the graphical test, Laplace test and χ2 test of growth tendency, the Cramer Von Mises test of goodness of fit, the point estimation of scale parameter and system reliability, and the predictor and prediction interval of the testing number of next failure.
Key Words Ariane launch vehicle,Reliability growth,AMSAA model, Power law model.
1 前 言
MIL-ＨＤＢＫ-１８９［１］指出，美国陆军装备系统分析中心(AMSAA——Army Ma teriel System Analysis Activity) 模型也可用于高可靠的试验次数足够多的一次性使用 产品的成败型离散数据的可靠性增长分析。MIL-ＨＤＢＫ-781[2]并没有强调文献１]的限定词“高可靠的试验次数足够多的”，直接给出了AMSAA模型方程选择指南。 但是 ，这两者既没有详细讨论成败型离散数据库与连续的时间故障数据间的对应关系，也没有给 出成败型离散数据应用AMSAA模型的实例。
在文献［3］中，详细地对该模型应用于成败型离散型数据进行了反设计，下面在表1中，给 出连续型与离散型数据应用AMSAA模型的对照表。在IEC1164［4］中已详细地列出了连续的故障时间数据下的故障截尾、时间截尾统计检验与估计公式。在文献［５］中，为了 使用及编程方便，对故障截尾及时间截尾给出了统一公式。
3 增长检验(Growth test)
IEC 1164将趋势检验(Tendency test)称为增长检验，增长检验可用图示法及统计分析法进行，对后者，IEC 1164及MIL-HDBK-781用Laplace检验，MIL-HDBK-189用χ２检验，GJB/2 77-95［6］则两者都用。
3.1 图示法
此法的较详细的介绍见文献［7］，在这里需绘制累积失败数-累积试验次数图。该图用线性尺度坐标纸绘制，其纵轴为累积失败次数，横轴为累积试验次数。将所有失败数据绘于图上，并联成光滑曲线。若曲线上凸，则相邻的失败 间的成功试验数增大，表明有可靠性正增长；若曲线下凹，则相邻失败间的成功试验数变小 ，有可靠性负增长(即蜕化)。若失败数据近似呈一直线，则表明产品可靠性没有趋势，即可 认为产品可靠性可按二项分布(成功截尾)或负二项分布(失败截尾)分析。
图示法的优点是直观简单，但在失败次数较小时，可能导致错误或模棱两可的结
论，而下述 介绍的分析法可避免这些缺点。
阿里安火箭的累积失败数 累积试验次数图见图1。显然，该曲线上凸，故产品有可靠 性正增长。
3.2 分析法
3.2.1 Laplace检验
Laplace检验与所选可靠性增长模型无关，是一种无争的检验。
Laplace检验统计量为
4 拟合优度检验
拟合优度检验也分图示法及统计分析法，后者用Cramer-Von Mises检验。
4.1 图示法
在双对数尺度坐标纸上，绘制故障特性图，其纵轴、横轴与累积失败次数累积试验次数图 相同，若失败数据落在一直线附近，则表明数据可用AMSAA模型拟合。反之，则认为拟合 不良，图示法的缺点是受主观判断的影响，但它简便易行，而且对拟合不良，能给出直观的 解释。
由表2的数据，可作出故障特性图，如图2所示。由此可知，数据可用AMSAA模型拟合。
……………………
参 考 文 献
1 MIL HDBK 189.Reliability growth management,1981.
2 MIL HDBK 781.Reliability test methods,plans and environments for engineerin g development,qualification and production,1987.
3 周源泉，翁朝曦.AMSAA模型对一次性使用产品的应用.质量与可靠性，1995(6)：30~34
4 IEC 1164. Reliablity growth statistical test and estimation method,1995.
5 周源泉.质量可靠性增长与评定方法.北京：北京航空航天大学出版社，1997.
6 GJB/Z77 95.可靠性增长管理手册，1996.
7 周源泉，翁朝曦.可靠性增长.北京：科学出版社，1992.
8 周源泉，翁朝曦.可靠性评定.北京：科学出版社，1990.
9 GB4086.1~4086.6 83.统计分布数值表.北京：中国标准出版社，1984.
10郭建英，周源泉.可靠性增长突变点辨识与MIL HDBK 189.质量与可靠性，1998 (1):30~33
11周源泉，郭建英.时间截尾场合AMSAA BISE模型的区间估计.机械工程学报，2000(6)： 16～21
12 Beton A W,Crow L H.Integrated reliability growth testing. 1989 Proc. Annual Reliability ＆ Maintainability Symp.,1989:160~166
13 GB4087.3 85.二项分布可靠度单侧置信下限.北京：中国标准出版社，1986.
