自航水雷具有“长期贮存、一次使用”的特点[1]，在其全寿命周期内，绝大部分的时间是处于贮存或不工作状态，因此贮存可靠性水平成为制约其战备完好性和应急反应能力的关键因素[2]。目前，针对鱼雷贮存可靠性的研究较多，由于自航水雷和鱼雷贮存特征上具有相似之处，因此本文借鉴了鱼雷贮存可靠性的相关研究内容。谢勇等应用战备转级检测数据，运用等分故障时间内插法分析鱼雷贮存可靠性[3]，采用Monte Carlo法与Simulink对鱼雷贮存可靠性进行仿真研究，获得了各指标的点估计值与变化规律[4]；孟凡亮等提出了基于Bayes的可靠性评定方法[5]。由于技术保障部门在实际保障过程中产生的多是离散型的部件级故障数据，以上研究多采用统计学的方法对可靠性进行评定[6]，与实际符合度不高。本研究提出了基于部件级故障危害度的可靠性评估方法，分析关键部件故障与全雷整体可靠性之间的关系，并根据部件危害度数据分布，为技术保障部门优化检测方案以及为厂家改善设计提供建议。
1 自航水雷贮存可靠性特征
自航水雷贮存可靠性是指自航水雷在交付部队以后，在规定的贮存、维护条件下，到规定的贮存时间仍能通过任务要求的合格率，一般以贮存可靠度作为其主要指标[7]。相比于任务可靠性，贮存可靠性具有以下特征。
一是贮存期间外部影响因素少。贮存时对温度、湿度、盐度、振动、磁场等有严格的控制要求，有利于固有可靠性的保持；二是贮存时间相对全寿命周期占比大，与自航水雷装艇阶段、水下工作阶段相比，贮存阶段占全寿命周期的绝大多数时间；三是评定标准更为严苛，对自航水雷整体战备完好性要求较高，长期使用表明，一些部件是影响自航水雷长期贮存可靠性的关键部件[8]。
2 建立功能失效故障树
自航水雷分为动力系统、导航系统、控制系统、引信系统和战斗部系统。为了实现正常工作，自航水雷在动力、航行深度、航向、姿态、对底高度、分离推冲、引信工作、起爆、壳体密封控制等方面具有明确的功能要求。
自航水雷在仓库长期贮存环境下，由于温湿度变化，以及战备转进中的运输、吊装的冲击、振动等因素，不可避免地会因部件故障而导致系统功能失效，体现在检测结果中的是某功能失效。本文采用故障树法，找出所有导致自航水雷功能失效的部件级故障类型。
2.1 故障树建立方法
故障树法就是将系统中的故障事件按层次分级，分级原则是将上级事件发生的直接原因作为下级，并用一定的逻辑关系将它们联系起来，得到一张有序的逻辑图[9]。
自航水雷系统组成复杂，分析时，首先需要对其进行系统分层。本文在分析自航水雷系统结构功能的基础上，约定底事件是对某一部件故障或失效的描述，约定顶事件是自航水雷未达到检测要求。传统的故障树中间层事件往往定为分系统故障。但对于自航水雷而言，各分系统之间有一定的交叉关联，使用传统的故障树法难以对系统故障模式进行准确描述，因此本文约定中间事件是对某一功能失效的描述。
2.2 故障树建立
以动力功能故障为例，为了查找所有影响动力控制系统失效的部件类型，建立可靠性框图如图1。
图1 动力系统可靠性框图
以动力系统功能失效为中间事件，其对应的底事件分别为控制系统组件故障、直流接触器故障、启动开关故障、动力开关故障、动力电池组故障、推进电机故障、联轴器故障、尾轴组件故障、对转螺旋桨故障，其故障树如图2所示，图中有关代号的含义见表1。
图2 动力控制系统故障树
表1 代号含义表
代号故障名称M1动力功能失效X1控制系统组件故障 X2直流接触器故障X3启动开关故障X4动力开关故障X5动力电池组故障X6推进电机故障X7联轴器故障X8尾轴组件故障X9对转螺旋桨故障
以此类推，可以得到其他功能的系统可靠性框图，并得到其对应底事件，建立系统总体故障树如图3所示，图中有关代号的含义见表2。
图3 自航水雷系统总体故障树
表2 代号含义表
代号类型故障名称重复次数T顶事件未达到检测要求M1中间事件动力故障M2中间事件航深控制故障M3中间事件航向控制故障M4中间事件姿态控制故障M5中间事件导航定位故障M6中间事件引信工作故障M7中间事件起爆故障M8中间事件导航定位故障M9中间事件壳体密封失效X1底事件控制系统组件故障3X2底事件动力电池组故障2X3底事件直流接触器故障1︙Xn底事件密封圈失效1
2.3 故障树分析
从已建立故障树可以看出，部件级故障模式再往下分层会得到产品级故障模式(如电路短路、爆孔等)，在实际装备保障过程中，技术保障部门对装备故障定位通常到部件级，产品级故障模式多由厂家进行维修，故本文对产品级故障模式不作过多分析。此外，有一部分底事件，如控制系统组件故障在第三层级重复出现，将各底事件重复次数列入表2中。
3 基于FMECA的危害度计算
整理跟踪技术保障部门对某型自航水雷的保障数据，分析表明，自航水雷各子系统中部件的故障频率并非完全一致，某些部件故障的发生频率和维修频次远高于其他故障，称为脆弱部件[10]。其中一些部件发生故障后，会导致水雷多个功能失效，这些部件称为重要部件。一些部件故障难以通过观察或设备检测到，这些部件称为难以探测到的部件，具有特性的部件是影响自航水雷长期贮存可靠性的关键部件[11]。
3.1 危害度计算方法
本文采用FMECA法，对以上3种故障特性对自航水雷贮存可靠性的危害程度进行分析。故障模式影响及危害度分析(FMECA)是一种自下而上的逻辑分析方法，该方法从对部件的故障模式进行分析，向上回溯跟踪到该故障模式对约定层次即系统级的影响[12]，根据不同的严酷度、发生度、探测度确定各故障模式对系统危害性的风险等级[13]。
传统的FMECA分析法，其危害度计算采用风险优先数RPN(Risk Priority Number)法，按照故障严酷度S、发生度O和探测度D进行评分[14]，如表3所示。
表3 故障分析评分表
模糊描述SOD评分很低ⅠA几乎确定1低ⅡB很高高23中等ⅢC较高中等低456高ⅣD很低极小78
可以看出，传统对严酷度S、发生度O以及探测度D的判定方法为模糊评判法[15]，即按故障类型分为5种层次。但由于保障人员在判定这些部件故障模式的指标数值时不够准确，这种方法在装备保障过程中实用程度不够。基于此，结合自航水雷的故障规律，本文提出了关于底事件重复数的严酷度判定方法和关于故障频次的发生度判定法。
3.2 风险优先数的判定方法
严酷度S描述故障模式对产品影响的严重程度，严酷度高的部件发生故障会导致多个功能失效，体现在故障树中就是底事件的重复次数，如控制系统组件故障会同时导致动力功能失效、深度控制失效、航向控制失效、姿态调整失效，说明当这些部件发生故障时，水雷发生多种的功能失效，其严酷度S较高。
已知各底事件Xi(i=1，2,…,n)的重复次数Ni，定义Ni为该底事件严酷度，即：
SXi=Ni
(1)
发生度O一般用于描述部件的脆弱程度，其计算有两种方式：一是某一时间T内某底事件发生次数；二是部件本身的可靠度，与部件的故障模式有关，可通过加速寿命试验来确定某一部件的故障分布，进而得到其发生度。由于技术保障部门在实际检测过程中产生的多是离散型的数据，第一种方法更加符合装备保障实际。
已知一段时间各底事件Xi(i=1，2,…,N)发生次数总数的重复次数Li，定义某一底事件发生次数为底事件发生度，即：
OXi=Li
(2)
探测度D反映部件能被探测的难易程度，是部件故障的固有属性，与检测设备可靠性和人为因素无关。
在装备实际保障过程中，由于部件故障检测存在一定的误检率，例如：螺旋桨叶片微小的形变量很难用肉眼观测到，而壳体凹陷，导子脱落等现象则很容易被观测到。由于产生故障误检的因素较多，与部件自身复杂程度、位置、探测方式以及故障现象的波动性有关，因此本文对探测度的判定，采用部件平均探测时间T的概念：某一部件从检测开始到探测到故障为止所花费的平均时间。
部件的平均探测时间T越大，其探测度D越大，以部件中最大的平均探测时间Tmax为参照，为方便计算，探测度取1～10之间的整数：
DXi=「10TXi/Tmax⎤
(3)
经过上述方法可以得到部件故障的严酷度S、发生度O和探测度D，计算风险优先数RPN值，利用 S、O和D的评分值得到该类缺陷模式风险优先级指数(RPN)：
RPN=S·O·D
(4)
4 模型验证
4.1 算例分析
以T时间内某型自航水雷动力系统为例，其故障汇编如表4所示。
表4 动力系统故障
序号故障部件名称故障次数平均探测时间/min1控制系统组件552直流接触器893启动开关234动力开关895动力电池组2036推进电机52.57联轴器2148尾轴组件6129对转螺旋桨212
以控制系统组件为例，由式(2)可得其故障的发生度为
OX1=L1=5
表2中描述控制系统组件故障的底事件重复次数为N1=3，由式(1)可得控制系统组件故障的严酷度为
SX1=N1=3
根据式(3)计算方法，所有部件中爆炸螺栓平均探测时间最大，为16 min，控制系统组件平均探测时间为5 min，则探测度为
DX1=「10TX1/Tmax⎤=「3.125⎤=4
根据式(3)计算得控制系统组件故障的风险优先指数
RPN=SX1·OX1·DX1=60
计算得到导致动力系统部件故障的风险优先指数，如表5所示。
表5 动力系统各部件RPN值
模式故障部件名称SODRPNX1控制系统组件 35460X2直流接触器18648X3启动开关2 228X4动力开关1 8648X5动力电池组2 20280X6推进电机1 5210X7联轴器12918X8尾轴组件16848X9对转螺旋桨1 2816
以此类推，可以计算得到所有底事件风险优先指数，选取典型的几个部件故障类型，如表6所示。
表6 自航水雷故障模式及RPN值
模式故障部件名称SODRPNX10供电及信息控制器4105200X73密封圈失效8102160X5动力电池组220280X8深度传感器组件26672X1控制系统组件35460X15航向姿态组件34448X6尾轴组件16848X70引信电子组件110330X7对转螺旋桨1 2816X69爆炸螺栓111010
从表3可以得到以下结论：供电及信息控制器故障的风险优先数(RPN)最高，危害度最大，其次是密封圈失效、控制系统组件故障、动力电池组故障等；一些火工品件如传爆装置、爆炸螺栓故障虽然难以探测，但由于其故障次数较少，相应危害程度也较低。
4.2 提高贮存可靠性的建议
对于自航水雷而言，降低关建部件的危害度，即降低部件的严酷度、发生度和探测度，可以提高贮存可靠性[16]。
从部件的结构功能上看，部件故障的严酷度同时反映了其功能的集成度，高集成度的部件具有节省雷内空间，降低配重等优点。因此厂家设计过程中应充分考虑集成度与危害度的平衡关系，必要时降低关键部件的集成度以控制严酷度。
部件故障的发生度与部件自身可靠性有关，也与上下级部件的可靠性有关，例如控制系统组件发生故障，其发出的错误指令也会降低直流接触器的使用寿命，增加直流接触器的故障发生度。厂家在设计过程中，一方面应提高关键部件的固有可靠性，另一方面增加关键部件的保险措施，起到故障隔离的作用。
部件故障的探测度是部件的固有属性，装备保障过程中表明，增加检测频次可以有效抑制故障现象的波动性，降低部件故障误检率及探测度。检测频次与探测度成反比关系：
Dxi=k/mi(i=1，2，…,N)
(5)
式中：k为常数；mi为第i个部件的检测频次。
使用最小二乘法对部件故障的RPN值进行拟合[17]，其数据近似服从于[40，24]的正态分布。为了将所有部件RPN值统一降为中值40，则对关键部件的检测频次为：
m=RPN/40
(6)
由于检测频次为正整数，将式(6)所得结果向上取整，所得结果如表7所示。
表7 关键部件检测频次表
模式故障部件名称RPN建议检测频次mX10供电及信息控制器2005X73密封圈1604X5动力电池组802X8深度传感器组件722X1控制系统组件602X15航向姿态组件482X6尾轴组件482X70引信电子组件301X7对转螺旋桨161X69爆炸螺栓101…………
5 结论
1) 应用基于功能失效为中间事件的故障树法，可找出影响自航水雷贮存可靠性的故障模式，结果与实际装备保障部门的故障数据汇编基本符合。
2) 使用改进的FMECA法分析自航水雷部件的故障模式，可确定对自航水雷贮存可靠性威胁最大的部件。
3) 针对降低部件危害度提出的建议，可供设计厂家与技术保障部门参考。
[1] 罗湘勇，黄小凯.基于多机理竞争退化的自航水雷贮存可靠性分析[J].北京航空航天大学学报，2013，39(5):701-705.
[2] ELSAYED E.A.可靠性工程[M].2版.北京：电子工业出版社，2013.
[3] 谢勇，苑秉成.应用战备转级检测数据分析鱼雷贮存可靠性[J].系统工程与电子技术，2013，35 (8):1798-1800.
[4] 谢勇，宛秉成.鱼雷贮存可靠性仿真方法[J].舰船科学技术，2013，35(7):91-94.
[5] 孟凡亮，令狐喜欢.鱼雷装载可靠性Bayes方法评定[J].四川兵工学报，2014，35(11):38-39.
[6] LEE Y S，KIM D J.New FMECA methodology using structural importance and fuzzy theory[J].IEEE Transactions on powerful systems，2011，26(4):2364-2370.
[7] 黄燕，宋保维.基于性能退化数据的锂离子电池贮存可靠性评估方法[J].鱼雷技术，2011，19(1):43-47.
[8] 王刚，陈捷.基于FMECA的数控转台可靠性分析[J].南京工业大学学报，2018，40(4):52-57.
[9] 胡杰鑫，谢里阳.基于FMECA的自动绘制故障树方法[J].哈尔滨工程大学学报，2017，38(7):1162-1163.
[10] YOUNG Y L，BAKER J W，MOTLEY M R.Reliability based design and optimization of adaptive marine structures[J].Composite structures，2011，92(2):244-253.
[11] 马冲.水下航行体测试设备模糊FMECA分析与应用[J].信息技术，2017，1(3):171-173.
[12] 李林宏，李萍.基于LabVIEW的装备故障设置与排除训练系统设计[J].计算机测量与控制，2018，26(4)：56-59.
[13] 陈玉忠，董洪磊.基于改进的模糊FMECA法的汽车ABS缺陷风险评估[J].汽车安全与节能学报，2016，7(3):267-268.
[14] 胡启国，申小雪.基于模糊FMECA的两栖装甲车液压系统可靠性分析[J].机场与液压，2017，45(23):168-173.
[15] 陈国顺，张东，吕艳梅．基于直觉模糊决策的无人机动力系统FMECA分析方法研究[J]．测控技术，2014，33(6)：143-145．
[16] 张成光.基矛故障模式、影响及危害度分析(FMECA)的地铁车辆检修工艺优化方法[R].南京：城市轨道交通研究，2017.
[17] TILO STRUTZ.数据拟合与不确定度[M].2版.北京：国防工业出版社，2019.