CC BY
19ТрудыМАИ. Выпуск № 116 http://trudymai. ru/
УДК 621.3.049.77+629.78 DOI: 10.34759/trd-2021-116-05
Прогнозирование показателей качества бортовых радиоэлектронных
устройств
Быков А.П.1'2*, Пиганов М.Н.1**
1 Самарский национальный исследовательский университет имени академика С.П. Королева, Московское шоссе, 34, Самара, 443086, Россия 2Ракетно-космический центр «Прогресс», улица Земеца, 18, Самара,
443052, Россия *e-mail: bykal@yandex. ru ** e-mail: kipres@ssau.ru
Статья поступила 12.02.2021
Аннотация
В статье приведена методика разработки прогнозных математических моделей и индивидуального прогнозирования показателей качества бортовых радиоэлектронных устройств космических аппаратов по результатам автономных испытаний. Для прогнозирования был выбран метод экстраполяции, который основан на использовании квазидетерминированных моделей. Исходными для прогнозирования служили данные обучающего эксперимента, полученные после второго цикла испытательных воздействий. Предложены линейная, параболическая, логарифмическая и экспоненциальная модели. Проведено исследование указанных моделей.
Ключевые слова: прогнозирование, качество, радиоэлектронное устройство, испытания, математическая модель, исследование, экстраполяция.
Труды МАИ. Выпуск № 116 Иир://1хиёута1. ги/
Введение
Среди изделий ракетно-космической техники (РКТ) и космических комплексов важное место занимают космические аппараты (КА) [1]. Современные КА должны обеспечивать большие сроки активного функционирования. Эти сроки определяются, в первую очередь, надежностью бортовых радиоэлектронных устройств (БРЭУ). При проектировании БРЭУ ставятся задачи расширения функциональных возможностей, снижения массогабаритных показателей, увеличения быстродействия при одновременном повышении надежности [2].
Разработка бортовой аппаратуры (БА) представляет собой итерационный процесс поиска оптимального решения с точки зрения требуемого качества изделия в условиях накладываемых ограничений. Поэтому этап проектирования имеет особую важность, т.к. именно на этом этапе закладывается та надёжность, которая будет реализована на последующих этапах жизненного цикла изделия.
Достижение высокого уровня надежности и безопасности космических аппаратов невозможно без проведения ряда работ по подтверждению заданных ресурсных характеристик. Основной подход в решении этой задачи базируется на проведении натурных испытаний [3, 4].
Для обеспечения высокого уровня качества и надежности радиоэлектронных средств (РЭС) КА целесообразно перенести центр тяжести с контроля и испытания готовых изделий на этап отработочных испытаний в процессе их проектирования. Это актуально также в связи с освоением новых конструктивно-технологических вариантов (КТВ) РЭС и методов их монтажа.
Труды МАИ. Выпуск № 116 http://tгudymai. ш/
Такие испытания позволяют своевременно внести изменения в конструкцию и
технологию изготовления бортовых РЭС.
В процессе наземной экспериментальной отработки образцов ракетно-
космической техники (РКТ) проводятся различные испытания [5-11]: тепловые,
электрические, вибродинамические, радиочастотные, климатические, радиационные
и др. Одной из важнейших задач любых испытаний узлов, приборов и систем РКТ
является моделирование в эксперименте таких режимов, которые в наибольшей
степени отвечают реальным условиям их транспортировки и эксплуатации [12].
Проведение испытаний и осуществление экспериментальной отработки
изделий РКТ является одним из важных этапов процесса создания надежных и
конкурентоспособных образцов. Испытания как основная форма контроля изделий
представляет собой экспериментальное определение его количественных и
качественных показателей при воздействии на него различных факторов в процессе
функционирования и при его моделировании [13].
Экспериментальная отработка является составной частью всех этапов
проектирования изделия. Она, как правило, завершает процесс разработки изделия.
Задача прогнозирования Задачи прогнозирования качества и надежности РЭА можно решать различными путями. В самом общем плане прогнозирование разделяют на эвристическое и математическое. Под математическим прогнозированием понимают количественную или качественную оценку параметра в будущем, полученную по результатам исследования поведения процесса или состояния объекта в настоящий
момент времени и основанную на изучении и количественном описании
объективных закономерностей. Среди видов математического прогнозирования
широко распространено вероятностное прогнозирование.
Вероятностное прогнозирование основано на использовании вероятностных моделей. Изготовление и эксплуатация современной РЭА сопровождаются сложными физическими процессами, протекающими в ее элементах и материалах. Современные технологические (и испытательные) операции, которым сопутствуют бесчисленное множество случайных микрообразований, сложные условия эксплуатации в конечном итоге проявляются в некотором разбросе значений параметров элементов, материалов и выходных характеристик РЭА. Вероятностные методы прогнозирования адекватны природе изучаемых объектов радиоэлектроники
[14].
Для ответственных объектов наиболее эффективно индивидуальное прогнозирование (ИП). Оно основано на изучении вероятностной связи между У^Олр) - значением прогнозируемого параметра >ого экземпляра к моменту ^ и начальным состоянием этого >ого экземпляра. При этом различают индивидуальное прогнозирование на основе теории распознавания образов и ИП экстраполяцией.
В индивидуальном прогнозировании на основе теории распознавания образов начальное состояние каждого экземпляра оценивается по значениям информативных параметров изделия, которые вероятностно связаны с прогнозируемым параметром. В ИП экстраполяцией для оценки начального состояния каждого экземпляра измеряются значения прогнозируемого параметра на
Труды МАИ. Выпуск № 116 http://trudymai. ru/
коротком интервале времени контроля (наблюдения) tk, причем tk намного меньше
времени прогнозирования tnp, т.е. tk<<tnF.
Обучающий эксперимент
Были проведены автономные испытания бортового микропроцессорного контроллера температуры [15]. При этом использовался алгоритм, приведенный в [16]. В ходе автономных испытаний проводили дефектопический контроль прибора и его узлов [17, 18]. Выбор оборудования проводился с учетом [19]. Его состав приведен в [15]. Исходными для прогнозирования служили данные обучающего эксперимента, полученные после второго цикла испытательных воздействий (табл.1). В табл. 1 приведены результаты измерений дрейфа переходного сопротивления AR/R(%) для каждого экземпляра выбора при контрольных временных точках испытаний 25, 100, 250, 500, 1000ч. Второй цикл испытательных воздействий включал проверку функционирования прибора в нормальных климатических условиях, испытание на воздействие пониженного давления, испытание на воздействие повышенной влажности. Таблица 1 - Значение AR/R, %
№ Класс 25 ч 100 ч 250 ч 500 ч 1000 ч
1 2 21 25 56 70 105
2 1 19 23 51 65 96
3 1 18 22 48 63 91
4 27 34 73 97 138
5 1 16 21 49 59 83
6 1 15 18 33 42 74
7 1 17 22 41 52 85
8 26 32 64 85 127
9 1 12 15 32 41 59
10 1 13 16 35 448 66
11 1 17 21 45 66 87
12 1 16 19 43 55 82
13 1 12 15 31 40 63
14 2 28 36 73 92 143
15 1 10 13 29 34 52
16 1 20 24 50 71 97
17 22 27 54 76 109
18 1 20 25 48 67 98
19 1 18 22 42 68 89
20 1 18 23 46 62 90
21 23 29 52 79 116
22 1 15 19 44 54 77
23 1 12 15 34 42 60
24 1 10 13 27 33 53
25 31 40 77 108 155
26 1 11 15 30 39 57
27 1 13 16 31 38 64
28 1 16 20 40 52 81
29 1 17 21 43 57 85
30 24 30 64 81 122
31 1 10 13 25 32 51
32 28 35 79 102 141
33 1 11 14 36 38 55
34 1 12 15 34 43 62
35 2 26 33 71 90 134
х 17,828571 22,314286 46,571429 72,6 89,914286
52 34,969748 55,221849 229,36975 4703,9529 871,55126
5 5,9135225 7,4311405 15,144958 68,58537 29,522047
Разработка прогнозных моделей
Для разработки рабочих прогнозных моделей воспользуемся программным комплексом «Прогнозирование у.2» [20]. В качестве исходных выберем линейную, параболическую, логарифмическую и экспоненциальную КД модели. При разработке моделей использовалась нормировка по математическому ожиданию прогнозируемого параметра.
С помощью метода наименьших квадратов, реализованного в программе «Прогнозирование 2.0», были найдены коэффициенты а0, ат для каждого рассматриваемого вида КД моделей. Были получены следующие модели: - линейная:
Л Р
— = 5,500627 + 0,0689931 • t ;
Труды МАИ. Выпуск № 116 - параболическая:
— = 12,449861 + 0,1370069 • t - 0,000032 • г2\
я '
- логарифмическая:
Л Р
^ = -48,68744 + 18,050424 • ln(t + 1);
- экспоненциальная:
ЛЯ г* ^лпг /-30,64393\
^ = 51,64085 • ехр (—^—).
Выбор прогнозной модели основывался на критериях минимальной средней дисперсии Эср, вычисленной при контрольных временных точках испытаний, и минимальных значениях вероятности ошибочных решений Рош и риска потребителя
Рпт.
Исследование и анализ моделей
Влияние порога классификации на вероятность ошибочных решений и другие характеристики приведено на рис. 1.
100 110 120 130
150 160
Порог классификации, Укл
Рис. 1. Влияние порога классификации на вероятность ошибочных решений и другие характеристики: 1, 2 - условные вероятности принятия ошибочных решений; 3 - риск потребителя Рщ- ; 4 - риск изготовителя Ризг ; 5 - априорная вероятность принятия решения об отнесении экземпляра к классу К1 (классу годных);) 6 -
вероятность ошибочных решений Рош
Труды МАИ. Выпуск № 116 Ьир://1гиёута1. ги/
На рис. 2-13 приведены результаты испытаний и расчетные данные по моделям.
я
&
н
ф
«
а «
130 110
90 70 50 30 10
4
:
" 1 - *
3
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
Рис.
100 200 300 400 500 600 700 800 900 Ю00
Время, t, час
2. Временная зависимость прогнозируемого параметра AR/R по линейной модели и результатам испытаний для 3-го экземпляра выборки
« &
н
в Od ö в
Ф
В S
и В" в S го
160 140 120
100
60 40 20
2
1 _-*
г-^ J -- • -----"" ~4
.......
- - ^^^
_____ ■■ *
>
3
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
100
200
300
400
700
800
900
1000
500 600
Время, t. час
Рис. 3. Временная зависимость прогнозируемого параметра AR/R по линейной модели и результатам испытаний для 15-го экземпляра выборки
а Си а в
OJ
В
в
V
s-
а X
со
130 110
90 70 50 30 10
' 4
2
г—- •
7 г:- 1
^—-^г
--
■ 3
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
100
200
300
400
500 600
Время, t, час
700
800
900
1000
Рис. 4. Временная зависимость прогнозируемого параметра AR/R по линейной модели и результатам испытаний для 34-го экземпляра выборки
110
я 90
&
и
<и
5 Я 70
&
Я
В
V а 50
я
<и
В"
Я я 30
m
10
4
3 ;
^ -t
1
~2 -
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
100
200
300
400
500 600
Время, t, час
700
800
900
1000
Рис. 5. Временная зависимость прогнозируемого параметра AR/R по параболической модели и результатам испытаний для 3-го экземпляра выборки
130
110
а а
5 90
Я
я
5 70 с
и
я и
V р
а Я
п
50
30
10
1
- - "
,_ -- - """ ' 4
♦ 2
3
- -------------- .............. -
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
100
200
300
400
500 600
Время, t, час
700
800
900
1000
Рис. 6. Временная зависимость прогнозируемого параметра AR/R по параболической модели и результатам испытаний для 15-го экземпляра выборки
115 105
95 85 75 65 55 45 35 25 15 5
3 L
"^ V::
, — - —' 1
- — """"" 1
-- -
-- — j"
.......
Н-- 2 :
- - - -
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
100
200
300
400
500 600
Бремя, t, час
700
800
900
1000
Рис. 7. Временная зависимость прогнозируемого параметра AR/R по параболической модели и результатам испытаний для 34-го экземпляра выборки
75
65
«
о. ii
и
•а
у
а 45
&
я
в 35
V
в
в
OJ ег- 25
«
в
го 15
5
г:.--!
- 1
_ _- - ^
: ^. - 2
♦
3
(/ - -
1 ■ Данные
2 ■ Модель
3 ■ Ошибка
4 ■ Мат. ож.
100
200
300
400
500 600
Время, t, час
700
800
900
1000
Рис. 8. Временная зависимость прогнозируемого параметра AR/R по логарифмической модели и результатам испытаний для 3-го экземпляра выборки
« & «
в
4)
а s
и ?
а в
го
130 110 90 70 50 30 10
1
, - -" " 2
' _______
--
• - А'
у
7.-у 3[
—1—1—1— .............. .............. -------------- ' Т 1 -------------- .............. .............. -
1 ■ Данные
2 - Модель
3 ■ Ошибка
4 ■ Мат. ож.
100
200
300
400
700
800
900
1000
500 600
Время, t, час
Рис. 9. Временная зависимость прогнозируемого параметра AR/R по логарифмической модели и результатам испытаний для 15-го экземпляра выборки
а а и
А а. а
в
v
а s
V
s«
S
го
75 65 55 45 35 25 15
4
^ - ' !
1
3 :
1 s . ■ г"
-------------- -------------- -------------- - - -------------- -
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
100
200
300
400
700
800
900
1000
500 600
Время, С, час
Рис. 10. Временная зависимость прогнозируемого параметра ЛЯ/Я по логарифмической модели и результатам испытаний для 34-го экземпляра выборки
65
55
45
35
25
15
1 - Данные Модель Ошибка
2 -3 -
4 - Мат. ож.
100
200
300
400
500
600
700
800
900
1000
Время, t, час
Рис. 11. Временная зависимость прогнозируемого параметра AR/R по экспоненциальной модели и результатам испытаний для 3-го экземпляра выборки
Рис. 12. Временная зависимость прогнозируемого параметра AR/R по экспоненциальной модели и результатам испытаний для 15-го экземпляра выборки
55
&
н 45
а л
й 35
g 25 «
И
PI 14
, * 1 :
4
- ""
__ . -
- - - " " 2
У 3
/ У
1 - Данные
2 - Модель
3 - Ошибка
4 - Мат. ож.
100
200
300
400
500 600
Время, t, час
700
800
900
1000
Рис. 13. Временная зависимость прогнозируемого параметра AR/R по экспоненциальной модели и результатам испытаний для 3-го экземпляра выборки
Труды МАИ. Выпуск № 116 Ьир://1гиёута1. ги/
Результаты классификации приведены в табл. 2.
Таблица 2 - Результаты классификации
Вид квазидетерминированной модели
линейная логарифмическая экспоненциальная параболическая
Рош 0,343 0,143 0,286 0,171
Рпт 0 0,167 0,286 0,194
Ризг 0,545 0 0 0
Заключение
Показано, метод экстраполяции может быть использован для прогнозирования показателей качества бортовых радиоэлектронных устройств по результатам автономных испытаний. В качестве прогнозной модели целесообразно принять логарифмическую модель, обеспечивающую минимальную среднюю дисперсию, минимальное значение Ризг и приемлемое значение Рош; линейную, обеспечивающую минимальное значение Рпг, а также параболическую, обеспечивающую минимальное значение Ризг и приемлемое значение Рош.
Библиографический список
1. Романов А.В. Космический аппарат как сложная техническая система // II Всероссийская научно-техническая конференция «Актуальные проблемы ракетно-космической техники» (II Козловские чтения): сборник материалов (Самара, 12 - 16 сентября 2011). - Самара: Самарский научный центр РАН, 2011. С. 266 - 271.
2. Федоров В.К., Сергеев Н.П., Кондрашин А.А. Контроль и испытания в проектировании и производстве радиоэлектронных средств. - М.: Техносфера, 2005. - 504 с.
Труды МАИ. Выпуск № 116 http://trudymai. ru/
3. Колесников А.В. Испытания конструкций и систем космических аппаратов. - М.:
Изд-во МАИ, 2007. - 105 с.
4. Быков А.П., Андросов С.В., Пиганов М.Н. Методика тепловакуумных испытаний приборов космического аппарата // Надёжность и качество сложных систем. 2019. № 3 (27). С. 78 - 83.
5. Колчанов И.П., Делков А.В., Лавров Н.А., Кишкин А.А., Ходенков А.А. Математическое моделирование тепловых испытаний космических аппаратов с применением криогенных экранов // Вестник МГТУ им. Н.Э. Баумана. Сер. Машиностроение. 2015. № 1. С. 56 - 64.
6. Казаков В.А., Сенюев И.В. Измерение распределения температуры на поверхности образца при испытаниях в тепловых аэродинамических трубах // Труды МАИ. 2017. № 94. URL: http://trudymai.ru/published. php?ID=81065
7. Везенов В.И., Иванов А.В., Кононенко А.Ю., Капитанов В.А., Межевихин А.Ю., Морозов С.С., Фалеев О.В. Сериков С.А. Основные принципы создания комплексов автоматизации наземных электроиспытаний и подготовка к пуску РКН на примере РКН типа «Союз» // Всероссийская научно-техническая конференция «Актуальные проблемы ракетно-космической техники и ее роль в устойчивом социально-экономическом развитии общества»: сборник материалов (Самара, 28 сентября - 3 октября 2009). - Самара: Самарский научный центр РАН, 2009. С. 102 - 104.
8. Ильин А.Н., Прокофьев Е.Н., Гришаев Д.Ю. Обеспечение электрических испытаний космических аппаратов наземным силовым оборудованием // V всероссийская научно-техническая конференция «Актуальные проблемы ракетно-
Труды МАИ. Выпуск № 116 http://trudymai. ru/
космической техники» (V Козловские чтения): сборник материалов (Самара, 11 - 15
сентября 2017). - Самара: Самарский научный центр РАН, 2017. Т. 1. С. 559 - 561.
9. Баюшев С.В. Применение конечно элементного моделирования при проектировании и топологической оптимизации испытательной оснастки для вибродинамических испытаний // V всероссийская научно-техническая конференция «Актуальные проблемы ракетно-космической техники» (V Козловские чтения): сборник материалов (Самара, 11 - 15 сентября 2017). - Самара: Самарский научный центр РАН, 2017. Т. 2. С. 168 - 176.
10. Совместимость технических средств электромагнитная. Устойчивость к радиочастотному электромагнитному полю. Требования и методы испытаний. ГОСТ 30804.4.3-2013. - М.: Стандартинформ, 2014. - 43 с.
11. Костин А.В., Пиганов М.Н. Методика измерения помех в цепях бортовой аппаратуры космических аппаратов, вызванных электромагнитным полем электростатического разряда // Известия Самарского научного центра Российской академии наук. 2015. Т. 17. № 2 (4). С. 804 - 810.
12. 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.
13. Кручинин М.М., Кузьмин Д.А. Математическое моделирование копровых испытаний шасси вертолета // Труды МАИ. 2017. № 92. URL: http://trudymai.ru/published.php?ID=77093
Труды МАИ. Выпуск № 116 http://trudymai. ru/
14. Пиганов М.Н. Индивидуальное прогнозирование показателей качества
элементов и компонентов микросборок. - М.: Новые технологии, 2002. - 267 с.
15. Быков А.П., Пиганов М.Н. Методика автономных испытаний бортовых радиоэлектронных приборов космических аппаратов // Труды МАИ. 2020. № 111. URL: http://trudymai.ru/published.php?ID=115124. DOI: 10.34759/trd-2020-111-7
16. Быков А.П. Алгоритм проведения автономных испытаний радиоэлектронных средств // Физика волновых процессов и радиотехнические системы. 2020. Т. 23. № 3. С. 97 - 104.
17. Павлов П.В., Попов Ф.Н. Информационно-диагностический комплекс дефектоскопического контроля // Труды МАИ. 2017. № 92. URL: http: //trudymai. ru/published.php?ID=76780
18. Павлов П.В., Горюнов А.Е. Аппаратно-программный комплекс неразрушающего контроля // Труды МАИ. 2015. № 80. URL: http://trudymai.ru/published.php?ID=57019
19. Дембицкий Н.Л., Луценко А.В., Фам В.А. Оптимизация выбора оборудования для производства бортовых радиотехнических комплексов // Труды МАИ. 2015. № 81. URL: http://trudymai.ru/published.php?ID=57879
20. 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.
Quality indices prediction of onboard radio-electronic devices
Bykov A.P.12*, Piganov M.N.1**
1Samara National Research University, 34, Moskovskoye shosse,
Samara, 443086, Russia 2Joint Stock Company Space Rocket Centre Progress, 18, Zemetsa str., Samara, 443009, Russia *e-mail: bykal@yandex. ru ** e-mail: kipres@ssau.ru
Abstract
The article presents a technique for developing predictive mathematical models and quality indicators individual forecasting of the spacecraft onboard radio-electronic devices by the results of autonomous tests. For forecasting, Extrapolation method, based on the quasi-deterministic models application, was selected. Transient resistance between electrical circuits of the microprocessor based temperature controller, which installed on the honeycomb panels in the spacecraft unpressurized compartments, was selected as the predictable parameter. The training experiment data, obtained after the second cycle of the testing impacts, served as initial data for the prediction.
The second cycle of tests included checking the device functioning in normal climatic conditions, a low pressure effect test, and a higher humidity effect test. Linear, parabolic, logarithmic, and exponential models were proposed. When these models developing the predictable parameter normalizing by the mathematical expectation was used. The forecast models selection was based on minimum average dispersion criteria, computed at the
reference temporal points of tests and minimum values of the erroneous solutions probability and consumer's risk. The study of the above said models was performed.
Probabilistic characteristics of their efficiency were obtained. It was established that the logarithmic model ensured minimum average dispersion values and the manufacturer's risk, as well as acceptable erroneous solution probability value, i.e. consumer's risk minimum value. The parabolic model allows obtaining zero value of the manufacturers risk and acceptable level of erroneous solutions probability.
Keywords: prediction, quality, radio-electronic device, tests, mathematical model, research, extrapolation.
References
1. Romanov A.V. II Vserossiiskaya nauchno-tekhnicheskaya konferentsiya "Aktual'nye problemy raketno-kosmicheskoi tekhniki" (II Kozlovskie chteniya), Samara. Samarskii nauchnyi tsentr RAN, 2011, pp. 266 - 271.
2. Fedorov V.K., Sergeev N.P., Kondrashin A.A. Kontrol' i ispytaniya v proektirovanii i proizvodstve radioelektronnykh sredstv (Monitoring and testing while electronic equipment design and manufacturing), Moscow, Tekhnosfera, 2005, 504 p.
3. Kolesnikov A.V. Ispytaniya konstruktsii i sistem kosmicheskikh apparatov (Spacecraft structures and systems testing), Moscow, Izd-vo MAI, 2007, 105 p.
4. Bykov A.P., Androsov S.V., Piganov M.N. Nadezhnost' i kachestvo slozhnykh system, 2019, no. 3 (27), pp. 78 - 83.
5. Kolchanov I.P., Delkov A.V., Lavrov N.A., Kishkin A.A., Khodenkov A.A. Vestnik MGTU im. N.E. Baumana. Ser. Mashinostroenie, 2015, no. 1, pp. 56 - 64.
6. Kazakov V.A., Senyuev I.V. Trudy MAI, 2017, no. 94. URL: http://trudymai.ru/eng/published.php?ID=81065
7. Vezenov V.I., Ivanov A.V., Kononenko A.Yu., Kapitanov V.A., Mezhevikhin A.Yu., Morozov S.S., Faleev O.V. Serikov S.A. Vserossiiskaya nauchno-tekhnicheskaya konferentsiya "Aktual'nye problemy raketno-kosmicheskoi tekhniki i ee rol' v ustoichivom sotsial'no-ekonomicheskom razvitii obshchestva", Samara, Samarskii nauchnyi tsentr RAN, 2009, pp. 102 - 104.
8. Il'in A.N., Prokofev E.N., Grishaev D.Yu. V vserossiiskaya nauchno-tekhnicheskaya konferentsiya «Aktual'nye problemy raketno-kosmicheskoi tekhniki» (V Kozlovskie chteniya), Samara, Samarskii nauchnyi tsentr RAN, 2017, vol. 1, pp. 559 - 561.
9. Bayushev S.V. V vserossiiskaya nauchno-tekhnicheskaya konferentsiya "Aktual'nye problemy raketno-kosmicheskoi tekhniki" (V Kozlovskie chteniya), Samara, Samarskii nauchnyi tsentr RAN, 2017, vol. 2, pp. 168 - 176.
10. Sovmestimost' tekhnicheskikh sredstv elektromagnitnaya. Ustoichivost' k radiochastotnomu elektromagnitnomu polyu. Trebovaniya i metody ispytanii. GOST 30804.4.3-2013 (Electromagnetic compatibility of technical equipment. Radiofrequency electromagnetic field immunity. Requirements and test methods. State Standard 30804.4.32013), Moscow, Standartinform, 2014, 43 p.
11. Kostin A. V., Piganov M.N. Izvestiya Samarskogo nauchnogo tsentr a Rossiiskoi akademii nauk, 2015, vol. 17, no. 2 (4), pp. 804 - 810.
12. Liseikin V.A., Moiseev N.F., Frolov O.P. Osnovy teorii ispytanii. Eksperimental'naya otrabotka raketno-kosmicheskoi tekhniki (Test theory basics. Experimental finishing of missile and space equipment), Moscow, Mashinostroenie-Polet / Viart Plyus, 2015, 260 p.
13. Kruchinin M.M., Kuz'min D.A. Trudy MAI, 2017, no. 92. URL: http://trudymai. ru/eng/publi shed.php? I D=77093
14. Piganov M.N. Individual'noe prognozirovanie pokazatelei kachestva elementov i komponentov mikrosborok (Individual Prediction of Elements and Components Quality Indicators of Micro-assemblies), Moscow, Novye tekhnologii, 2002, 267 p.
15. Bykov A.P., Piganov M.N. Trudy MAI, 2020, no. 111. URL: http://trudymai.ru/eng/published.php?ID= 115124. DOI: 10.34759/trd-2020-111-7
16. Bykov A.P. Fizika volnovykh protsessov i radiotekhnicheskie sistemy, 2020, vol. 23, no. 3, pp. 97 - 104.
17. Pavlov P. V., Popov F.N. Trudy MAI, 2017, no. 92. URL: http://trudymai.ru/eng/published.php?ID=76780
18. Pavlov P. V., Goryunov A.E. Trudy MAI, 2015, no. 80. URL: http://trudymai.ru/eng/published.php?ID=57019
19. Dembitskii N.L., Lutsenko A.V., Fam V.A. Trudy MAI, 2015, no. 81. URL: http://trudymai.ru/eng/published.php?ID=57879
20. Mishanov R.O., Piganov M.N. Izvestiya Samarskogo nauchnogo tsentra Rossiiskoi akademii nauk, 2014, vol. 16, no. 4 (3), pp. 594 - 599.
