تحليل اطلاعات آماري و مدل‌سازي قابليت اطمينان ملخ بالگرد با در نظر گرفتن حالت‌هاي چندگانه‌ي واماندگي

Statistical Data Analysis and Modeling of Helicopter Blade Reliability Considering Multiple Failure Modes

با توجه به تحليل‌هاي آماري محدود قابليت اطمينان قطعات بالگرد در مراجع فني، تحليل قابليت اطمينان 338 ملخ بالگرد 205 در شرايط پروازي بين سال‌هاي 1353 تا 1390 انجام شده است. با انجام تحليل آماري، قابليت اطمينان ملخ بالگرد كه داراي حالت‌هاي چندگانه‌ي واماندگي است، استخراج شده است. توابع قابليت اطمينان با روش تخمين كاپلان ـ مير محاسبه شده و پس از استخراج بازه‌هاي اطمينان براي نتايج غيرپارامتريك، به‌كمك دو روش حداكثر احتمال و نموداري، توزيع وايبول سه‌پارامتري به دست آمده است. همچنين توابع تجمع خرابي حالت‌هاي واماندگي با روش تخمين نلسون ـ آلن استخراج شده است. يكي از نتايج مهم اين است كه قابليت اطمينان اين ملخ‌ها داراي توزيع وايبول سه‌پارامتري و آهنگ واماندگي فزاينده با زمان است. در نهايت، با توجه به نمودار توابع تجمعي خرابي مربوط به هر حالت واماندگي مشخص شد كه حالت واماندگي 1 كه مربوط به ارتعاشات بيش از حد است، بيشترين تاثير را در واماندگي ملخ‌ها داشته است.

Following the development of the aerospace industry, the concept of reliability has attracted much attention in the field of mechanical engineering. However, limited failure data and statistical analyses of helicopter component reliability exist in technical literature. For filling this gap, a nonparametric analysis is conducted on the performance of the 338 blades of Iranian helicopter 205, which was in service between 1974 and 2012. These blades have 41 different failure modes. In this paper, using statistical analysis, the reliability of the helicopter blade 205, which has multiple failure modes, is obtained. The Kaplan–Meier estimator is used for calculating the nonparametric reliability functions. Con?dence intervals for the nonparametric reliability results are derived, and parametric ?t, with 3-parameter Weibull distribution, using maximum likelihood estimation (MLE) and a graphical approach, is conducted. In addition, the blade is assumed to be subjected to different modes of failure, and the cumulative mode-specific functions are derived for each failure mode using a Nelson-Aalen estimator. An important result from parametric analysis is that blade reliability has a 3-parameter Weibull distribution, and, so, the blades exhibit an increasing failure rate. Finally, considering the mode-specific hazard functions, failure mode 1, i.e., excessive vibration, is observed to be a major contributor to blade failure.