论文部分内容阅读
民机发动机控制系统是发动机的安全核心子系统,具有故障率高且安全影响大的特点。尽管在型号合格审定阶段,发动机控制系统已经符合适航要求并允许投入使用,但是由于在适航标准制定与标准符合中未探明的变化、设计制造中的综合失效和未预计的特殊运行环境等不确定因素,发动机控制系统在运行中的实际风险往往高于预期风险水平,给航空发动机乃至航空器的安全运行带来隐患。虽然发动机控制系统的实际风险往往不可预计,但在发生不可接受的事故后果之前,往往会有一些征兆事件发生。通过风险管理的方法,识别这些征兆事件,并进行有效地风险分析和控制,可以大幅减低实际风险水平,避免严重事故的发生,保证航空器的持续运行安全。基于此,本文以发动机控制系统为研究对象,开展发动机控制系统风险管理过程、危险源分析、风险识别以及风险分析与评估方面的研究。本文从发动机控制系统风险管理过程研究着手,结合航空产品全寿命安全管理理论与发动机控制系统结构复杂、故障模式多、不安全事件总量多等特点,确定发动机控制系统风险管理过程的三个要素,即基于故障树模型的危险源分析、基于事件信息及机器学习方法的风险识别和考虑机队情况的风险分析与评估,并由此确定发动机控制系统风险管理过程。根据风险管理过程,首先对发动机控制系统的危险源进行分析。建立以发动机控制系统推力控制丧失(LOTC)为顶事件的故障树,分析可能导致发动机控制系统顶层失效的底层危险源。进一步计算故障树的最小割集和每个底层事件的概率重要度。最小割集与概率重要度作为风险识别和分析评估过程的输入,为后续风险管理过程奠定基础。其次,结合机器学方法进行基于事件信息的发动机控制系统风险识别研究。针对发动机控制系统不安全事件信息的内容与特点,确定风险识别的评价指标和风险模式类别。从使用困难报告、维修记录和航空安全报告系统(ASRS)的事件案例中选取分析样本,建立基于支持向量机(SVM)的风险识别模型,使用平均影响值(MIV)算法进行风险特征提取,并使用粒子群算法(PSO)对MIV-SVM模型进行参数寻优。识别结果表明基于PSO-MIV-SVM模型的风险识别方法具有更高的识别效率和准确率。最后,对识别出的潜在不安全情况进行风险分析与评估。以数控系统LOTC为中间事件,建立发动机控制系统Bow-tie模型。在故障树分析与事件链分析的基础上建立发动机控系统单机、机队风险评估模型以及纠正措施实施时间限制的评估模型。为了验证模型的有效性,以CFM56-7B型发动机控制系统可调静子叶片的作动筒故障为例进行案例分析和模型验证。