Разработка прогнозных математических моделей качества радиоэлектронных средств по результатам автономных испытаний

Автор: Быков А.П., Пиганов М.Н.

Журнал: Физика волновых процессов и радиотехнические системы @journal-pwp

Статья в выпуске: 1 т.24, 2021 года.

Бесплатный доступ

В статье рассмотрена методика разработки прогнозной модели (оператора прогнозирования) качества бортовой аппаратуры методом экстраполяции. Показано, что наиболее оперативно информацию о качестве и надежности аппаратуры можно получить по результатам автономных испытаний. Сделан выбор объекта испытаний. В качестве объекта автономных испытаний был выбран микропроцессорный контроллер температуры. В качестве прогнозируемого параметра было выбрано переходное сопротивление между электрическими цепями микропроцессорного контроллера температуры. Приведены результаты обучающего эксперимента. Для построения оператора прогнозирования использованы квазидетерминированные модели линейного, логарифмического, экспоненциального и параболического вида. При разработке моделей использовалась нормировка прогнозируемого параметра по математическому ожиданию. Выбор прогнозных моделей основывался на критериях минимальной средней дисперсии, вычисленной при контрольных временных точках испытаний, и минимальных значениях вероятности ошибочных решений и риска потребителя. Проведено исследование разработанного оператора, получены вероятностные характеристики его эффективности.

Еще

Прогнозная модель, экстраполяция, квазидетерминированные модели, обучающий эксперимент, автономные испытаний, бортовой прибор

Короткий адрес: https://sciup.org/140256143

IDR: 140256143 | DOI: 10.18469/1810-3189.2021.24.1.39-47

Текст научной статьи Разработка прогнозных математических моделей качества радиоэлектронных средств по результатам автономных испытаний

Постоянный рост сложности радиоэлектронных средств (РЭС), расширение их номенклатуры, переход к рыночным отношениям и ряд других факторов требует повышения требований к качеству выпускаемых изделий. Современные радиоэлектронные средства представляют собой сложный комплекс большого числа взаимосвязанных блоков, функциональных узлов и электронных компонентов. К РЭС космического назначения в первую очередь предъявляют требования высокой надежности, долговечности и безопасности. Достижение требуемого уровня этих характеристик невозможно без проведения ряда работ по подтверждению заданных ресурсных характеристик. Основной подход в решении этой задачи базируется на проведении натурных испытаний [1; 2]. Они включают большой комплекс исследований и контрольных операций необходимых для отработки электрических схем и конструкции РЭС, а также экспериментального подтверждения показателей надежности [3]. Анализ результатов испытаний является трудоемкой задачей и требует постоянной оптимизации и совершенствования этой процедуры. Большое значение имеет сокращение общей трудоемкости всех видов испытательных воздействий. Для этого требуется совер-

шенствование моделей и методик их проведения и оценки результатов. При этом целесообразно перенести центр тяжести с контроля и испытания готовых изделий на этап отработочных испытаний в процессе их проектирования [4]. Такие испытания позволяют своевременно внести изменения в схему, конструкцию и технологию изготовления бортовых РЭС космических аппаратов (КА).

Наиболее оперативно информацию о качестве и надежности бортовой аппаратуры КА можно получить по результатам автономных испытаний [5; 6].

Весьма актуальным остаются вопросы прогнозирования показателей качества и надежности бортовых РЭС КА по результатам испытаний. Решение этих вопросов сдерживается из-за отсутствия достаточно достоверных прогнозных математических моделей.

Целью данного исследования является разработка прогнозных математических моделей для оценки и прогнозирования качества и надежности РЭС по результатам автономных испытаний.

1. Анализ результатов испытаний

В качестве объектов испытаний были выбраны командная радиолиния, микропроцессорный контроллер температуры (МКТ) и система приема и преобразования информации КА. В данной статье

Таблица 1. Значение Δ R / R , %

Table 1. Δ R / R value, %

№	Класс	25 ч	100 ч	250 ч	500 ч	1000 ч
1	1	4	12	29	40	44
2	1	5	14	30	41	49
3	2	4	15	36	47	53
4	1	3	10	18	22	27
5	1	2	11	20	25	31
6	2	2	15	33	46	59
7	2	3	15	35	44	62
8	1	4	13	27	33	40
9	1	2	12	27	32	36
10	1	2	12	19	25	28
11	1	1	13	26	30	35
12	2	3	16	31	48	63
13	1	3	10	18	23	29
14	2	3	14	32	47	61
15	1	2	9	25	29	34
16	2	4	17	31	44	58
17	1	5	11	21	26	30
18	2	6	16	30	43	55
19	1	2	14	19	23	26
20	2	4	16	41	49	66
21	1	3	10	20	26	33
22	2	5	15	32	41	57
23	2	4	15	33	45	56
24	1	4	10	25	28	34
25	2	6	18	29	51	72
26	2	5	16	36	50	68
27	1	3	11	24	32	38
28	2	4	19	40	46	70
29	2	5	16	42	48	71
30	1	3	14	28	33	41
31	2	3	21	33	49	64
32	1	3	13	27	40	47
33	2	4	14	30	41	52
34	1	1	9	18	24	32
35	1	2	9	20	33	43
X		3,4	13,571429	28,142857	37,257143	47,542857
а ²		1,6588235	8,7815126	46,12605	91,961345	216,13782
δ		1,2879532	2,9633617	6,7916162	9,5896478	14,701626

Таблица 2. Результаты классификации

Table 2. Classification results

	Вид квазидетерминированной модели
	Линейная	Логарифмическая	Экспоненциальная	Параболическая
ош	0,343	0,086	0,457	0,429
р потр	0	0,136	0,457	0,441
р изг	0,429	0,122	0	0

Рис. 1. Влияние порога классификации на вероятность ошибочных решений и другие характеристики

Fig. 1. Influence of the classification threshold on the probability of erroneous decisions and other characteristics

Рис. 2. Временная зависимость прогнозируемого параметра Δ R / R по линейной модели и результатам испытаний для 3-го экземпляра выборки

Fig. 2. Time dependence of the predicted parameter Δ R / R according to the linear model and test results for 3 samples of the sample

Рис. 3. Временная зависимость прогнозируемого параметра Δ R / R по линейной модели и результатам испытаний для 15-го экземпляра выборки

Fig. 3. Time dependence of the predicted parameter Δ R / R according to the linear model and test results for 15 instances of the sample

Рис. 4. Временная зависимость прогнозируемого параметра Δ R / R по линейной модели и результатам испытаний для 34-го экземпляра выборки

Fig. 4. Time dependence of the predicted parameter Δ R / R according to the linear model and test results for 34 instances of the sample

Рис. 5. Временная зависимость прогнозируемого параметра Δ R / R по параболической модели и результатам испытаний для 3-го экземпляра выборки

Fig. 5. Time dependence of the predicted parameter Δ R / R according to the parabolic model and test results for 3 instances of the sample

Рис. 6. Временная зависимость прогнозируемого параметра Δ R / R по параболической модели и результатам испытаний для 15-го экземпляра выборки

Fig. 6. Time dependence of the predicted parameter Δ R / R according to the parabolic model and test results for 15 instances of the sample

Рис. 7. Временная зависимость прогнозируемого параметра Δ R / R по параболической модели и результатам испытаний для 34-го экземпляра выборки

Fig. 7. Time dependence of the predicted parameter Δ R / R according to the parabolic model and test results for 34 instances of the sample

Рис. 8. Временная зависимость прогнозируемого параметра Δ R / R по логарифмической модели и результатам испытаний для 3-го экземпляра выборки

Fig. 8. Time dependence of the predicted parameter Δ R / R according to the logarithmic model and test results for 3 instances of the sample

Рис. 9. Временная зависимость прогнозируемого параметра Δ R / R по логарифмической модели и результатам испытаний для 15-го экземпляра выборки

Fig. 9. Time dependence of the predicted parameter Δ R / R according to the logarithmic model and test results for 15 instances of the sample

Рис. 10. Временная зависимость прогнозируемого параметра Δ R / R по логарифмической модели и результатам испытаний для 34-го экземпляра выборки

Fig. 10. Time dependence of the predicted parameter Δ R / R according to the logarithmic model and test results for 34 instances of the sample

Рис. 11. Временная зависимость прогнозируемого параметра Δ R / R по экспонециальной модели и результатам испытаний для 3-го экземпляра выборки

Fig. 11. Time dependence of the predicted parameter Δ R / R according to the exponential model and test results for 3 instances of the sample

Рис. 12. Временная зависимость прогнозируемого параметра Δ R / R по логарифмической модели и результатам испытаний для 15-го экземпляра выборки

Fig. 12. Time dependence of the predicted parameter Δ R / R according to the logarithmic model and test results for 15 instances of the sample

Рис. 13. Временная зависимость прогнозируемого параметра Δ R / R по логарифмической модели и результатам испытаний для 3-го экземпляра выборки

Fig. 13. Time dependence of the predicted parameter Δ R / R according to the logarithmic model and test results for 3 instances of the sample

Список литературы Разработка прогнозных математических моделей качества радиоэлектронных средств по результатам автономных испытаний

Колесников А.В. Испытания конструкций и систем космических аппаратов. М.: Изд-во МАИ, 2007. 105 с.
Kolesnikov A.V. Testing of Structures and Systems of Spacecraft. Moscow: Izd-vo MAI, 2007, 105 p. (In Russ.)
Федоров В.К., Сергеев Н.П., Кондрашин А.А. Контроль и испытания в проектировании и производстве радиоэлектронных средств. М.: Техносфера, 2005. 504 с.
Fedorov V.K., Sergeev N.P., Kondrashin A.A. Control and Testing in the Design and Production of Radio Electronic Equipment. Moscow: Tehnosfera, 2005, 504 p. (In Russ.)
Лисейкин В.А., Моисеев Н.Ф., Фролов О.П. Основы теории испытаний. Экспериментальная отработка ракетно-космической техники. М.: Машиностроение-Полет; Виарт Плюс, 2015. 260 с.
Lisejkin V.A., Moiseev N.F., Frolov O.P. Foundations of Test Theory. Experimental Development of Rocket and Space Technology. Moscow: Mashinostroenie-Polet; Viart Pljus, 2015, 260 p. (In Russ.)
Бахвалов Ю.О. Испытания ракетно-космической техники. М.: АИР, 2015. 227 с.
Bahvalov Yu.O. Testing of Rocket and Space Technology. Moscow: AIR, 2015, 227 p. (In Russ.)
Быков А.П. Алгоритм проведения автономных испытаний радиоэлектронных средств // Физика волновых процессов и радиотехнические системы. 2020. Т. 23, № 3. С. 97-104. DOI: 10.18469/1810-3189.2020.23.3.97-104
Bykov A.P. Algorithm for conducting autonomous tests of radio electronic means. Physics of Wave Processes and Radio Systems, 2020, vol. 23, no. 3, pp. 97-104. 10.18469/1810-3189.2020.23.3.97-104 (In Russ.) DOI: 10.18469/1810-3189.2020.23.3.97-104(InRuss.)
Быков А.П., Андросов С.В., Пиганов М.Н. Методика тепловакуумных испытаний приборов космического аппарата // Надежность и качество сложных систем. 2019. № 3 (27). С. 78-83. DOI: 10.21685/2307-4205-2019-3-9
Bykov A.P., Androsov S.V., Piganov M.N. Technique for thermal vacuum testing of spacecraft instruments. Nadezhnost' i kachestvo slozhnyh sistem, 2019, no. 3 (27), pp. 78-83. 10.21685/2307-4205-2019-3-9 (In Russ.) DOI: 10.21685/2307-4205-2019-3-9(InRuss.)
Быков А.П., Пиганов М.Н. Методика автономных испытаний бортовых радиоэлектронных приборов космических аппаратов // Труды МАИ. 2020. № 111. DOI: 10.34759/trd-2020-111-7
Bykov A.P., Piganov M.N. Method of autonomous testing of on-board radio electronic devices of spacecraft. Trudy MAI, 2020, no. 111, 10.34759/trd-2020-111-7 (In Russ.) DOI: 10.34759/trd-2020-111-7(InRuss.)
Пиганов М.Н. Индивидуальное прогнозирование показателей качества элементов и компонентов микросборок. М.: Новые технологии, 2002. 267 с.
Piganov M.N. Individual Prediction of Quality Indicators of Elements and Components of Microassemblies. Moscow: Novye tehnologii, 2002, 267 p. (In Russ.)
Мишанов Р.О., Пиганов М.Н. Разработка прогнозной модели качества полупроводниковых приборов методом экстраполяции // Известия Самарского научного центра Российской академии наук. 2014. Т. 16, № 4 (3). С. 594-599. URL: http://www.ssc.smr.ru/izv_2014_4.html
Mishanov R.O., Piganov M.N. Development of a predictive model for the quality of semiconductor devices by extrapolation. Izvestija Samarskogo nauchnogo tsentra Rossijskoj akademii nauk, 2014, vol. 16, no. 4 (3), pp. 594-599. URL: http://www.ssc.smr.ru/izv_2014_4.html (In Russ.)

Еще

Статья научная