故障预测与健康管理PHM技术的现状与发展

书书书 ! 第 "# 卷! 第 $ 期 航! 空! 学! 报 %&’( "# )&( $ ! "**$年 ! ! + 月 ,-., ,/01),2.3-, /. ,4.01),2.3-, 43)3-, 45678 ! "**$ 收稿日期："**$9*#9:*；修订日期："**$9*;9"$ 基金项目：<#= 高技术资金（"**$,,>::+"*）资助项目 ! ! 文章编号：:***9#<+=（"**$）*$9*#:*9*; 故障预测与健康管理（!"#）技术的现状与发展 曾声奎:，?@ABC5’ D8 E5AB7"，吴! 际" （:8北京航空航天大学 可靠性工程研究所，北京! :***<=） （"8美国马里兰大学 -,F-/电子产品与系统中心，马里兰! "*;>"） $%&%’( &)* !+,(-+.%/0+( 12 !,13)1(%/.( &)* "+&4%5 #&)&3+6+)% 7+.5)1413/+( G/)D 4B5HI9JK@:，?@ABC5’ D8 E5AB7"，L2 M@" （:8 3HN7@7K75 &O 05’@CP@’@7Q /HI@H55R@HI，S5@T@HI 2H@U5RN@7Q &O ,5R&HCK7@AN CHV ,N7R&HCK7@AN，S5@T@HI! :***<=，-B@HC） （"8 -,F-/ /’5A7R&H@A ER&VKA7N CHV 4QN75WN -5H75R，2H@U5RN@7Q &O ?CRQ’CHV，-&’’5I5 ECRJ，?X! "*;>" 24,） 摘! 要：结合故障预测与健康管理（EY?）的技术发展过程，阐述了 EY?的应用价值。论述了 EY?技术系统 级应用问题，提出了故障诊断与预测的人9机9环完整性认知模型，并依此对蓬勃发展的故障诊断与故障预测 技术进行了分类与综合分析，给出了 EY?技术的发展图像。针对故障诊断与预测的不确定性特征，对故障诊 断与预测技术的性能要求、定量评价与验证方法进行了分析。最后，以 EY?技术的工程应用为线索，提出了 EY?技术发展中的几个问题。 关键词：故障预测；故障诊断；故障预测与健康管理 中图分类号：%":$8 ;! ! ! 文献标识码：, 89(%,&.%：.B@N 6C65R PR@5ON 7B5 6&75H7@C’ P5H5O@7N &O ER&IH&N7@AN CHV Y5C’7B ?CHCI5W5H7（EY?）@H 7B5 ’@IB7 &O @7N 59 U&’U@HI B@N7&RQ8 .B5 @NNK5N &O EY? NQN75W9’5U5’ C66’@AC7@&H @N &K7’@H5V，CHV C A&IH@7@&H W&V5’ O&R V@CIH&N7@AN CHV 6R&IH&N7@AN @N PK@’7 PCN5V &H 7B5 @H75IR@7Q &O WCH9WCAB@H595HU@R&HW5H78 SQ KN@HI 7B@N W&V5’，UCR@&KN V@CIH&N7@AN CHV 6R&IH&N7@AN W57B&VN CR5 A’CNN@O@5V CHV CHC’QZ5V，CHV C [B&’5 6@A7KR5 &O EY? @N VRC[H8 2HA5R7C@H7Q @N C AR@7@AC’ OCA7&R &O EY?，@7N R5\K@R5W5HNV5O@H@7@&H，\KCH7@7C7@U5 CNN5NNW5H7 CHV U5R@O@AC7@&H W57B&V&’&I@5N CR5 V@NAKNN5V8 ]@HC’’Q，J5Q @NNK5N &O @W6’5W5H7@HI EY? CR5 A@75V [@7B 7B5 I&C’ &O 6RCA7@AC’ KN5N8 :+; <1,*(：6R&IH&N7@A CHV B5C’7B WCHCI5W5H7；V@CIH&N7@AN；6R&IH&N7@AN；A&IH@7@&H W&V5’ ! ! 现代武器装备的采购费用和使用与保障 （1^4）费用日益庞大，经济可承受性成为一个 不可回避的问题。据美军综合数据［:，"］，在武器 装备的全寿命周期费用中，使用与保障费用占 到了总费用的 ;"_。与使用保障费用相比，维 修保障费用在技术上更具有可压缩性。EY?、 基于状态的维修（-S?）、货架产品（-1.4）、自 主保障（,F）等都是压缩维修保障费用的重要手 段［" ‘ >］。 从 "* 世纪 ;* 年代起，故障诊断、故障预测、 -S?、健康管理等系统逐渐在工程中应用。"* 世纪 ;* 年代中期的 ,9;/ 飞机的发动机监控系 统（/?4）成为 EY? 早期的典型案例［$］。在 =* 年的发展过程中，电子产品机上测试（S3.）、发 动机 健 康 监 控（ /Y?）、结 构 件 健 康 监 控 （4Y?）、齿轮箱、液压系统健康监控等具体领域 问题的 EY?技术得到了发展，出现了健康与使 用监控系统（Y2?4）［#］、集成状态评估系统 （ 3-,4）［;，<］、装备诊断与预计工具（,X,E.）［+］ 等集成应用平台，故障诊断、使用监测、与维修 保障系统交联是这些平台具有的典型特征，但 故障预测能力和系统集成应用能力很弱或没 有。例如，3-,4 正在提升其故障预测能力、开 放式系统集成能力，以更好地满足系统级集成 应用的需求［<］。 工程应用及技术分析［:*］表明，EY? 技术可 以降低维修保障费用、提高战备完好率和任务成 功率［=，>，:*］： （:）通过减少备件、保障设备、维修人力等保 障资源需求，降低维修保障费用； （"）通过减少维修，特别是 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 外维修次数， 缩短维修时间，提高战备完好率； （=）通过健康感知，减少任务过程中故障引 起的风险，提高任务成功率。 本文在阐述 EY?概念及其框架的基础上，依 据故障诊断与预测的人机环完整性认知模型，对 ! 第 " 期 曾声奎等：故障预测与健康管理（#$%）技术的现状与发展!!!!! 故障诊断与故障预测技术进行了分类与综合分 析；分析了故障诊断与预测技术的性能要求、定量 评价与验证方法；理清了 #$%技术的发展方向。 &! #$%的系统级应用 #$% 系统一般应具备故障 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 、故障隔离、 增强的诊断、性能检测、故障预测、健康管理、部件 寿命追踪等能力［’］，通过联合分布式信息系统 （()*+）与自主保障系统交联。联合攻击战斗机 （(+,）的 #$% 系统分为机上与地面两部分。机 上部分，包括推进系统、任务系统等若干个区域管 理者（-%），完成子系统、部件性能检测，增强的 故障诊断，实现关键系统与部件的故障预测等任 务［’］。例如，推进系统区域管理者（-%）就集成 了吸入碎片监控（ *)%+）、发动机微粒监控 （.)%+）、涡流叶片监控（./0+）、滑油微粒监控 （1)%）等功能［&&］。 大多数故障诊断与故障预测工具都具有领域 相关的特点［2，&3］。采用开放式的体系结构 （1+-），方便各种故障诊断与预测方法的不断完 善，实现即插即用，成为了在系统级实现 #$% 的 一项关键技术［4］。 典型的故障诊断与预测流程（图 &）包含了数 据采集、数据预处理、数据传输、特征提取、数据融 合、状态监测、故障诊断、故障预测、保障决策等环 节。数据的采集与传输，目前的发展体现在传感 器的高精度、小型化、集成化、严酷环境适应性、可 靠性（应比被监测对象更可靠）、低能耗，健壮与 高速率传输的传感器网络等方面［&5，&’］，本文不再 论述；在后文中主要集中在特征提取与数据融合、 故障诊断与预测推理、以性能评价及保障决策等 方面，对 #$%技术的发展进行分析。 图 &! 故障诊断与故障预测流程 ,678 &! )697:;<=6>< 9:? @A;7:;<=6>< @A;>B<< 3! 故障诊断与预测技术的分类与分析 !" #$ 故障诊断与预测的认知模型 故障是产品不能完成规定功能或性能退化不 满足规定要求的状态。故障诊断与预测都是对客 观事物状态的一种判断，其最基本的出发点是判 断者采信的信息源。客观事物的发展存在内因与 外因两个方面，观察者、被观察对象、观测的环境 构成了故障诊断与预测的完整认知模型（图 3）。 采信的信息源不同，构成了不同的故障诊断与预 测方法论。对于故障诊断与故障预测来说，可以 采信的信息源包括： （&）被观测对象直接的功能及性能信息（基 于故障状态信息）； （3）被观测对象使用中表现出来的异常现象 信息（基于异常现象信息）； （5）被观测对象使用中所承受的环境应力和 工作应力信息（基于使用环境信息）； （’）预置损伤标尺（ @AB>CA<;A）的状态信息 （基于损伤标尺信息）。 图 3! 故障诊断与预测的认知模型 ,678 3! DEB >;7:6=6;: F;?BG 关于故障诊断与故障预测方法的分类，目前 尚不统一，“基于经验、基于趋势、基于模型”［4］、 “基于数据、基于模型”［&"］等分类方法可以见诸文 献。本文从故障诊断与故障预测的认知模型出 发，依据采信的信息源不同对众多的故障诊断与 故障预测方法进行归类分析，以期形成故障诊断 与故障预测技术发展的完整图像。 !" !$ 基于故障状态信息的故障诊断与预测 直接采信被观测对象功能及性能信息进行故 障诊断，是置信度最高的故障诊断方法，得到了最 成功的应用。典型的方法包括电子产品的机上测 试（0*D），以及非电子产品功能系统的故障诊断 H3I ! !!!!! 航! 空! 学! 报 第 "# 卷 等。本文对具体方法不作说明。 虚警率（$%）高或不能复现（&’(）故障多是 困扰 )*+的一个主要问题。以航空电子为例，美 国 $ , %-./&飞机 .00# 1 .00/ 年统计，虚警率高达 //2，平均虚警间隔飞行时间（3$4)$%）不 到 . 5［.#］。 造成 )*+虚警率高的原因，除了 )*+系统本 身的设计问题外，主要表现为不可复现（&’(） 或重测合格（6+78）等状态［.9］。&’( 状态出现 的原因一直是近年研究的热点，有专家认为，由 于机上与地面工作应力和环境应力的不同，以 及拆装过程的影响，使得机上测试状态与地面 复测状态存在差异，是导致 &’( 和虚警的一个 主要原因［.9 1 .0］。与使用环境数据等进行融合， 进行综合诊断，成为提高 )*+能力的重要途径。 另外，实验证明环境应力对电子产品造成的 某些累积损伤也表现为电性能的退化［./，":］，在 现行 )*+体系的基础上，采集电性能退化信息， 有可能实现对电子产品的故障预测［.9，./］。 !" #$ 基于异常现象信息的故障诊断与故障预测 通过被观测对象在非正常工作状态下所表 现出来或可侦测到的异常现象（振动、噪声、污 染、温度、电磁场等）进行故障诊断，并基于趋势 分析进行故障预测。大多数机械产品由于存在 明显的退化过程，多采用这种故障诊断与预测 方式。 基于异常现象信息进行故障诊断与故障预 测的一个主要问题是异常信息往往被正常工作 噪声所掩盖。例如，采用振动或噪声分析手段 对直升机齿轮箱进行故障诊断与预测时，状态 异常（轮齿磨损）引起的振动载荷变化可能只有 ! , ;，而正常工作振动载荷可能达到 .:::!，信噪 比为 .< ;:::［".］。另一个问题是异常现象是宏 观的系统级的，而故障原因却是部件级、材料级 的，一种现象常存在多种可能的原因，导致故障 定位困难。 基于异常现象信息进行故障诊断与故障预测 的任务是：基于历史统计数据、故障注入获得的数 据等各类已知信息，针对当前产品异常现象特征， 进行故障损伤程度的判断及故障预测（图 =）［""，"=］。概率分析方法、人工神经网络、专家系 统、模糊集、被观测对象物理模型等都可以用于建 立异常现象与故障损伤关系模型。 图 =! 基于异常现象信息的故障诊断与预测 $>?@ =! ABCDEFC GHIJK CJE5FK （.）概率趋势分析模型［/，";］! 此类方法通过 异常现象对应的关键参数集，依据历史数据建立 各参数变化与故障损伤的概率模型（退化概率轨 迹），与当前多参数概率状态空间进行比较，进行 当前健康状态判断与趋势分析。通过当前参数概 率空间与已知损伤状态概率空间的干涉来进行定 量的损伤判定，基于既往历史信息来进行趋势分 析与故障预测。 概率趋势分析模型已用于涡轮压缩机气道等 的故障预测，主要监控效率、压缩比、排气温度、燃 油流量等 ; 个参数［";］。图 ; 为双参数状态空间 下，压缩机健康状态演化图，"2及 ;2的点代表 了已知的相应损伤的概率空间，椭圆为概率分布 等高线。 图 ;! 概率趋势分析模型 $>?@ ;! LMFGHG>N>IE>O EMJPK HPHNBI>I CFKJN （"）神经网络（%’’）趋势分析模型［/，".，""］ ! 此类方法利用 %’’ 的非线性转化特征，及其 智能学习机制，来建立监测到的故障现象与产 品故障损伤状态之间的联系。利用已知的“异 常特征—故障损伤”退化轨迹，或通过故障注入 （ IJJKJK QHRNE）建立与特征分析结果关联的退化 轨迹，对 %’’ 模型进行“训练 ,学习”；然后，利 用“训练 ,学习”后的 %’’ 依据当前产品特征对 产品的故障损伤状态进行判断。由于 %’’具有 自适应特征，因此可以利用非显式特征信息来 进行“训练 ,学习”与故障损伤状态判断。 /"# ! 第 " 期 曾声奎等：故障预测与健康管理（#$%）技术的现状与发展!!!!! （&）基于系统模型进行趋势分析［’&，’"］! 此 类方法利用建立被观测对象动态响应模型（包括 退化过程中的动态响应），针对当前系统的响应 输出，进行参数辨识，对照正常状态下的参数统计 特性，进行故障模式确认、故障诊断和故障预测 （图 "）。这种方法提供了一种不同于概率趋势分 析、())的途径，具有更高的置信度和故障早期 预报能力［’"］。 图 "! 基于系统模型的趋势分析模型 *+,- "! ./0123 34526789025 1:2;5 9;96/0+0 34526 例如，针对机电式作动器（<%(）进行故障预 测时［’"］，基于 %(=>(? 建立 <%( 动态仿真模 型，采用干摩擦系数（ *@A）、局部齿轮硬度 （>B.）、扭矩常数（=A）、电机温度（%=）作为关键 参数进行故障预测。*@A 变化对作动筒响应的 影响如图 " 所示。 !" #$ 基于使用环境信息的故障预测 由于电子产品尚无合适的可监测的耗损参数 和性能退化参数、故障发生进程极短（毫秒级）等 原因［C"］，电子产品的寿命预测一直是一个难点。 由美国马里兰大学 A(>A< <.#A提出的电子产品 “寿命消耗监控（>A%）”方法论［’D，’E］是目前主要 发展方向。>A% 方法论（图 D）采信的是环境信 息，基于电子产品的失效物理模型，通过环境应力 和工作应力监测，进行累计损伤计算，进而推断产 品的剩余寿命。 图 D! >A%方法 *+,- D! >A% 321F45464,/ >A%方法论的基础是对产品对象失效模式、 失效机理的透彻了解，并建立量化的失效物理模 型。电子产品（特别是电子元器件）的失效物理 研究已有 GH 年的历史，积累了丰富的模型，典型 的模型包括焊点疲劳、电迁移、热载流子退化、时 间相关介电质击穿（=@@?）、锡须、导电细丝形成 （A**）等［’I］。 >A%方法论已用于航天飞机火箭助推器电 子组件［’J］、航天飞机远距离操作系统（.K%.）电 子组件［&H］、L.* 飞机电源开关模块和 @A M @A 转 换器［&C］、航空电源［&’］等的寿命预测，取得了良好 的效果。>A%方法论事实上也适用于机械产品， 目前已尝试在美军轮式地面车辆［&&］、直升飞机齿 轮箱中的正齿轮和蜗杆［&G］等机械产品中应用。 %" &$ 基于损伤标尺的故障预测 所谓损伤标尺（N:2OP:04:），是针对一种或多 种故障机理，以被监控产品相同的工艺过程制造 出来的、预期寿命比被监控对象短产品。 基于对被监控对象特定失效机理的认识，损 伤标尺可以做到定量设计。通过一系列不同健壮 程度的损伤标尺，可以实现电子产品损伤过程的 连续定量监控，解决 >A%方法累计损伤程度难以 证实的问题。 基于损伤标尺的故障预测可以在器件内和电 路板级进行。器件内的损伤标尺，目前已有商业 化的产品。针对静电损伤（<.@）、=@@?、电迁移、 热载流子、辐射损伤等失效机理，做到了在宿主器 件剩余 ’HQ寿命时失效［&"］。目前国外军品器件 大量断档的现实，为器件内的损伤标尺开辟了更 大的应用空间。内建损伤标尺的器件，同时也是 电路板组件的损伤标尺［&D］。 %" ’$ 数据融合及综合诊断与预测 综合利用来自多种信息源的、多参数、多传感 J’D ! !!!!! 航! 空! 学! 报 第 "# 卷 器信息，以及历史与经验信息，以减小故障诊断与 预测的差错，提高置信度，是数据融合的根本任务。 故障诊断与预测中的数据融合可以在 $ 个层 次进行［$%］：!传感器层融合，没有信息丢失，但传 输与计算量大；"特征层融合，特征提取时有信息 丢失；#推理层融合。典型的数据融合过程（图 &）包括在特征层融合时采信传感器层的关键原 始数据，推理层融合时采信相似产品可靠性统计 数据或专家经验知识。 数据融合时要考虑的主要问题是各种来源的 信息的可信程度 ’精确度是不一样的，不恰当的数 据融合也会导致故障诊断与预测的置信度降 低［"&，$%］。常用的数据融合方法有权重 ’表决、贝 叶斯推理、()*+,-)./0123).、卡尔曼滤波、神经网 络、专家系统、模糊逻辑等方法［"&］。 当前大量的应用案例都采用了数据融合的综 合诊断与预测方法。例如，采用卡尔曼滤波方法 对机械传动的振动数据进行融合［$4］、采用自动推 理对齿轮箱的振动数据与油液污染数据进行融 合［$5］、采用权重方法和贝叶斯推理方法对监控直 升飞机传动系的多加速度传感器数据进行融 合［67］等。图 % 为采用 899融合齿轮箱领域专家 知识与振动监测数据、试验台数据的方法，应用于 齿轮箱健康监控，提高了对初期故障的预测置 信度［6&］。 图 %! 齿轮箱数据融合 :;<= %! (2-2 ;>-)<.2-;?> ?3 <)2.@?A 需要强调的是，对于采用 BCD方法的电子产 品故障预测，更需要采用数据融合的方式提高预 测的置信度。此类研究目前未见报道。 $! 故障诊断与预测技术的性能要求、评价 与验证 ! ! 由于产品内部特性（结构尺寸、材料特性 等）、外界应力、量化故障规律、观测数据等的不 确定性［6"，6$］，导致了故障诊断与预测的不确定 性，产生了 EFD技术的性能评价与验证问题。 !" #$ 故障诊断与预测的性能要求 故障检测与预测的置信度是随着损伤的严重 程度而增大的。图 4 为实际损伤程度以及诊断置 信度随时间的变化曲线［66］。 图 4! 损伤程度、诊断置信度随时间的变化 :;<= 4! (2*2<) ,)G).;-H 2>I I;2<>?,-;J, J?>3;I)>J) K)G)K 与 LMN相似，针对退化效应的故障诊断与预 测的性能参数也包括检测、隔离、预测 $ 个方面， 其中检测与预测能力是关键［66］。目前采用检测 门限、总精度、稳定度、载荷灵敏度来描述故障检 测水平［66］，采用预测时机及置信水平、预测距离 来描述故障预测水平［&O，6O］。 检测门限用于表示达到特定检测置信度时的 归一化剩余强度；总精度用于表达在损伤坐标尺下 的平均检测置信水平；稳定度用于反映在同一损伤 尺度下检测置信度的波动情况；载荷灵敏度来描述 不同工作应力水平下检测置信水平的变化；预测时 机与相应的置信度一起描述了故障预测水平 （+.?<>?,-;J, 1?.;P?>）［&O］。预测时机与实际发生故 障时间的差距称为预测距离，是另一个描述故障预 测水平的关键参数，反映了故障预测是否足够及 时，以便预留足够的维修保障准备时间。 !" %$ 故障诊断与预测的性能评价及验证 目前对于 EFD 技术的不确定性定量评价与 验证，采取的主要手段是通过收集历史数据和故 障注入产生的数据，建立相应领域的试验台（ -),- @)>J1），来对相应领域的各种故障诊断与预测方 法进行验证与评价。 例如，Q0:项目资助的注入故障发动机试验 台（0:RN）［&&］，用于完成对 Q0: 发动机健康监控 7$# ! 第 " 期 曾声奎等：故障预测与健康管理（#$%）技术的现状与发展!!!!! 方法的验证与评价；宾夕法尼亚大学应用研究实 验室（&’(）的机械诊断测试台（%)*+）［,-］，积累 了大量齿轮、轴、轴承以及美海军航空母舰重要失 效数据； .%#&/ 公司开发的性能评价工具 （%0*）［,1］，用于对基于振动特征的健康监控方法 进行评价。 ,! 故障预测与健康管理技术展望 #$%技术的发展经历了故障诊断、故障预 测、系统集成三个日益完善的阶段，在部件级和系 统级两个层次、在机械产品和电子产品两个领域 经历了不同的发展历程。当前 #$% 技术的发展 体现在以系统级集成应用为牵引，提高故障诊断 与预测精度、扩展健康监控的应用对象范围，支持 /+%与 &(的发展。 在 #$%系统集成应用方面，体现在!如何采 用并行工程的原则，与被监控产品设计同步，进行 #$%的框架设计与细节设计；"如何进行 #$% 的定量性能评价与验证；#针对故障预测的不确 定性，如何进行风险2收益分析，实现容忍不确定 性的保障决策。 在提高故障诊断与预测精度方面，体现在! 研究混合及智能数据融合技术，加强经验数据 与故障注入数据的积累，提高诊断与预测置信 度；"不断寻求高信噪比的健康监控途径；#研 究灵巧、健壮的传感器，提高数据源阶段的精 度。在扩展应用对象范围方面，体现在向电子 产品故障预测的扩展。!如何与故障预测技术 相结合，提升 +.*能力，减少 /3)，降低虚警率； "如何实现 (/% 不确定性的定量评价；#如何 把 (/%与损伤标尺技术相结合，提高 (/% 的置 信度。 参! 考! 文! 献 ［-］! &45678 ( ) 97:［9］: &;76<=>?; >@8 04;?A76@B? CDF>2 GB@; .000，HII-，-1（H）：JJ K JL: ［H］! M>7A@;7 ) (，)BNN;7A C 0:［&］: &O*P*0C*/P3 #76?;;8B@F< HII- .000 CD8B@;<< *;?Q@646FD /6@5;7;@?;［ /］: HII-: ［J］! +D;7 +，$;<< &，RB4> (:［&］: &;76<=>?; /6@5;7;@?; HII- .000 #76?;;8B@F<［/］: HII-: ［,］! $;<< &，/>4S;446 M，)>N@;D *:［&］: &;76<=>?; /6@5;72;@?; HII, #76?;;8B@F<: HII, .000［/］: HII-: ［"］! &@8D $;<<:［&］: 3).& ,AQ &@@T>4 CD?; /6@5;7;@?; #76?;;8B@F< HIII .0200 ［/］: HIII: ［L］! +DB@FA6@ / C，U>A<6@ %，’6;E;7 % 9，!" #$:［&］: &;762 <=>?; /6@5;7;@?; HIIJ #76?;;8B@F<: HIIJ .000［/］: HIIJ: ［V］! +DB@FA6@ / C，’6;E;7 % 9，M>4B; *:［&］: &;76<=>?; /6@5;72 ;@?; #76?;;8B@F< HIIH .000［/］: HIIH: ［W］! &7>BG> % (，X;@A ’，0<=B@6<> ’:［&］: &O*P*0C*/P3 #762 ?;;8B@F< HIIH .000［/］: P?A: HIIH #>F;（<）：V-V K V,-: ［-I］! +7B8FE>@ % C:［ &］: &;76<=>?; /6@5;7;@?; #76?;;8B@F< HIIH .000［/］: HIIH: ［--］! #6Y7B; $ 0 M，RB?; /6@5;7;@?; -WWW #76?;;8B@F<［/］: -WWW: ［-H］! CT ( #，364>@ %，);%>7; M，!" #$:［&］: &O*P*0C*/P3 Z WW .000 CD8B@;<< *;?Q@646FD /6@5;7;@?;［ /］: -WWW: ［-J］! $>7E>@ ’ %:［&］: &;76<=>?; /6@5;7;@?; #76?;;8B@F< HIIH .000［/］: HIIH: ［-,］! 3B?[;7<6@ +，(>44D ’:［&］: &;76<=>?; /6@5;7;@?; HII- .000 #76?;;8B@F<［/］: HII-: ［-"］! QAA=：\ \ YYY: ?>4?;: TE8: ;8T \ YQ>A<2@;Y \ T=?6EB@F \ HII, \ Y67[B@ X *，P7YBF ) M:［&］: 3).& JAQ &@@T>4 CDE< ’，+>@@;7 9，X@6Y4;< .，!" #$:［ 9］: ]T>4BAD >@8 ’;4B>NB4BAD 0@FB@;;7B@F .@A;7@>AB6@>4，-WWV，-,：JJ- K JJL: ［-V］! #;?QA %，)TN; %，3>AB@ %，!" #$:［ 9］: .000 *7>@<>?2 AB6@< 6@ &;76<=>?; >@8 04;?A76@B? CDE>==>@ ^:［9］: .000 *7>@<>?AB6@< 6@ $DN7B8<， >@8 %>@T5>?AT7B@F *;?Q@646FD，-WWH，-"（1）：--1I K --1, ［HI］! XB7[4>@8 ( ^，#6EN6 *，3;4<6@ X，!"#$:［&］: &;76<=>?; /6@5;7;@?; HII, #76?;;8B@F<: HII, .000［/］: HII,: ［H-］! $>44 ) (，%?%T44;@ C & $: %>AQ;E>AB?>4 A;?Q@B_T;< B@ ET42 AB<;@<67 8>A> 5TE< 9 $，)>SB;< )7>[; & # ’: /6@8BAB6@2N><;8 E>B@A;2 @>@?; >@8 E>?QB@; 8B>F@6=E>@ ‘ $>44，-WW,: ［HJ］! 3>A[; $ M，/;E=;4 /: %68;42>B8;8 8B>F@6@B?>4 E;@A>4<，8;A;?AB6@，46?>4BG>AB6@ >@8 ><<;<F，-WWL: ［H,］! X>?=7GD@<[B M 9，MTEB@> %，’6;E;7 % 9，!" #$:［&］: #762 ?;;8B@F< 65 &C%0 *T7N6 0b=6 HII-［/］: 3;Y P74;>@<，(& OC&：HII-: ［H"］! +DB@FA6@ / C，U>A<6@ %，08Y>78< )，!"#$:［&］: &;76<=>?; /6@5;7;@?; HII, #76?;;8B@F<: HII, .000［/］: HII,: ［H1］! ’>E>[7B@ &，#;?QA %:［ 9］: .000 *7>@<>?AB6@< 6@ /6E2 =6@;@A< >@8 #>?[>FB@F *;?Q@646FB;<，HIIJ，H1（J）：1H" K 1J,: ［HL］! ^>4;@AB@ ’，P@ %，3;YE>@ +:［&］: *Q; &@@T>4 ’;2 4B>NB4BAD >@8 %>B@A>B@>NB4BAD，HIIJ #76?;;8B@F<［ /］: *>E=> R467B8>，9>@T>7D HL K JI，HIIJ: ［HV］! %B4A6@ 6Q7B@F: ’;4B>NB4BAD >@8 5>B4T7; 65 ;4;?A76@B? E>A;7B>4< >@8 8;SB?;<［%］: &?>8;EB? #7;<<，-WWV: ［HW］! QAA=：\ \ YYY: ?>4?;: TE8: ;8T \ YQ>A<2@;Y \ T=?6EB@F \ HII, \ Y67[4?;: TE8: ;8T \ >7AB?4;< \ 5T44A;bA \ HIIH \ 7;7@2 -J1 ! !!!!! 航! 空! 学! 报 第 "# 卷 $%&%’() *+, ［-.］! /00*：1 1 222) 3$435) 67+) 5+6 1 2/$089’52 1 6*3:7%’( 1 ";;< 1 2:&=8/:* 1 ;>) *+, ［-"］! /00*：1 1 222) 3$435) 67+) 5+6 1 2/$089’52 1 6*3:7%’( 1 ";;< 1 2:&=8/:* 1 ;?) *+, ［--］! /00*：1 1 222) 3$435) 67+) 5+6 1 2/$089’52 1 6*3:7%’( 1 ";;< 1 2:&=8/:* 1 ;-) *+, ［-<］! @$3*&AB’8=% C D，E:575& F D，F:+(%4 C，!" #$)［G］) G5&:9 8*$35 H:’,5&5’35 I&:355+%’(8，";;") JKKK［H］) ";;") ［-?］! /00*：1 1 222) 3$435) 67+) 5+6 1 2/$089’52 1 6*3:7%’( 1 ";;< 1 2:&=8/:* 1 ;L) *+, ［-#］! /00*：1 1 222) 3$435) 67+) 5+6 1 2/$089’52 1 6*3:7%’( 1 ";;< 1 2:&=8/:* 1 ;L) *+, ［-L］! E:575& F D，@$3*&AB’8=% C D，M&8$(/ E N)［G］) G5&:89*$35 H:’,5&5’35 ";;. JKKK I&:355+%’(8［H］) ";;.) ［-O］! F334%’0%3 @ P) N5$06&5 *&5+%30%:’ $’+ 0&$3=%’( ,:& 7:’%0:&%’( 0/5 3:’+%0%:’ :, 3:7*45Q 753/$’%3$4 8B80578［R］) %’ G3:689 0%38，S’%T5&8%0B I$&=，IG：P/5 I5’’8B4T$’%$ U0$05 S’%T5&8%0B， .>>O) ［->］! VB%’(0:’ H U，C$&($ G @，W$08:’ F D)［G］) J’05&’$0%:’$4 3:’,5&5’35 :’ 3:’+%0%:’ 7:’%0:&%’(［H］) U2$’85$，.>>>) ［<;］! K&+45B D X) J7*&:T5+ ,$640 +50530%:’ 68%’( 7640%485’8:& +$0$ ,68%:’［ R］) %’ K4530&%3$4 K’(%’55&%’(，S’%T5&8%0B I$&=，IG： P/5 I5’’8B4T$’%$ U0$05 S’%T5&8%0B，.>>L) ［<.］! C$&($ G @，F3H4%’0%3 @ P，H$7*Y544 E X，!" #$)［G］) G5&9 :8*$35 H:’,5&5’35 ";;. JKKK I&:355+%’(8［H］) ";;.) ［<"］! G3/%’0B$ Z$4+$&，U$’=$&$’ F$/$+5T$’) E54%$Y%4%0B $885889 75’0 68%’( 80:3/$80%3 ,%’%05 54575’0 $’$4B8%8［F］) [52 \:&=： D:/’ W%45B ] U:’8，";;;) ［<-］! /00*：1 1 222) 3$435) 67+) 5+6 1 757Y5&8 1 *&:^5308 1 ";;? 1 H;?9 "> 1 8*&%’() *+, ［<<］! M&8$(/ E N，E:575& F D，U$T$(5 H D，!" #$)［G］) G5&:9 8*$35 H:’,5&5’35 I&:355+%’(8，";;") JKKK［H］) ";;") ［0/ $’’6$4 ,:&67［H］) I/:5’%Q，G&%A:9 ’$，";;-) 作者简介： 曾声奎（.>#O _）! 男，贵州兴义人，北京航空 航天大学可靠性工程研究所研究员，主要研 究方向为可靠性设计与分析、计算机辅助可 靠性维修性保障性设计、故障预测与健康监 控、性能与可靠性一体化设计等。K97$%4： A5’(8/5’(=6%‘ Y6$$) 5+6) 3’ !"#$%&’ () *&#$+（.>?" _）! 男，美国马里 兰大学 HGXHK电子产品和系统中心的创建 者、主任和首席教授，JKKK 和 GUFK 院士 （N544:2）。《F%3&:54530&:’%38 E54%$Y%4%0B J’05&9 ’$0%:’$4》主编，《 JKKK P&$’8$30%:’8 :’ H:7*:9 ’5’08 $’+ I$3=$(%’( P53/’:4:(B》和《 J’05&’$9 0%:’$4 F%3&:54530&:’%38 D:6&’$4》副主编。曾担 任 O 年《 JKKK P&$’8$30%:’8 :’ &54%$Y%4%0B》主编，出版了 .O 本关于电 子产品研发、使用和供应链管理方面的著作。K97$%4：*53/‘ 3$435) 67+) 5+6 吴! 际（.>L" _ ）! 女，美国马里兰大学 HGXHK电子产品和系统中心研究科学家，博 士，JKKK会员。研究领域包括无铅焊接电 子产品可靠性评估、电连接器和 JH 插座、加 速试验、失效分析、可靠性能力评估等。她 是《 X5$+9N&55 K4530&:’%38》，《 P/5 H/%’585 K9 4530&:’%38 J’+680&B 9";;- 5+%0%:’》的作者之一。 K97$%4：^26‘ 3$435) 67+) 5+6 （责任编辑：李铁柏） "-#