基于數(shù)據(jù)驅(qū)動(dòng)的運(yùn)載火箭貯箱故障診斷方法研究

黃 霞 遲宏波 孫 超 孫 瑩 余海東 李志敏 杜巖峰 田志杰

基于數(shù)據(jù)驅(qū)動(dòng)的運(yùn)載火箭貯箱故障診斷方法研究

黃 霞1遲宏波1孫 超1孫 瑩1余海東2李志敏2杜巖峰1田志杰1

（1.首都航天機(jī)械有限公司，北京 100076；2.上海交通大學(xué) 機(jī)械與動(dòng)力學(xué)院，上海 200240）

以運(yùn)載火箭貯箱為研究對(duì)象，提出了一種基于數(shù)據(jù)驅(qū)動(dòng)的貯箱故障診斷方法。根據(jù)貯箱的結(jié)構(gòu)組成特點(diǎn)和制造流程，分析貯箱制造關(guān)鍵故障模式，建立故障源特征庫(kù)；通過(guò)關(guān)鍵產(chǎn)品特性分析，確定貯箱的故障特征監(jiān)控點(diǎn)；建立線性回歸的故障源檢測(cè)分析模型，利用線性最小偏差估計(jì)方法處理小樣本采樣數(shù)據(jù)，根據(jù)貢獻(xiàn)度和敏感度分析檢測(cè)故障源；最后針對(duì)檢測(cè)出的故障源進(jìn)行單值回歸預(yù)控法分析，實(shí)現(xiàn)對(duì)故障源的持續(xù)監(jiān)測(cè)。

故障診斷；數(shù)據(jù)驅(qū)動(dòng)；運(yùn)載火箭貯箱

1 引言

近年來(lái)，隨著載人航天、探月工程等重大科技專項(xiàng)的實(shí)施，我國(guó)運(yùn)載火箭進(jìn)入了高強(qiáng)密度發(fā)射期，對(duì)運(yùn)載火箭高可靠、高質(zhì)量等方面提出了更高的要求。隨著運(yùn)載火箭在運(yùn)載能力、生產(chǎn)規(guī)模、復(fù)雜程度等方面的不斷提高，故障發(fā)生的概率也不斷增加。因此，在可靠性要求極高的運(yùn)載火箭產(chǎn)品制造過(guò)程中，更應(yīng)建立及時(shí)可靠的故障診斷體系，降低產(chǎn)品故障的發(fā)生率，避免或減少不必要的經(jīng)濟(jì)損失、人員傷害甚至是災(zāi)難事故。

故障診斷一般包括故障檢測(cè)、分離和辨識(shí)等過(guò)程。故障診斷方法的分類方法很多，通?？煞譃槿箢悾夯诮馕瞿Ｐ偷脑\斷方法、基于知識(shí)的診斷方法和基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法[1～4]?；诮馕瞿Ｐ偷脑\斷方法，發(fā)展時(shí)間長(zhǎng)，相對(duì)比較成熟，但其應(yīng)用必須以精確的數(shù)學(xué)模型為基礎(chǔ)，在大型的火箭產(chǎn)品生產(chǎn)系統(tǒng)的故障診斷中難以得到廣泛的應(yīng)用；基于知識(shí)的診斷方法，適合于具有充足的生產(chǎn)經(jīng)驗(yàn)、專家知識(shí)等場(chǎng)合，通用性較差[5，6]。基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法，以采集的過(guò)程數(shù)據(jù)為基礎(chǔ)，通過(guò)統(tǒng)計(jì)分析、定量知識(shí)數(shù)據(jù)分析或信號(hào)處理等診斷方法，挖掘出數(shù)據(jù)中隱含的信息，實(shí)現(xiàn)對(duì)故障進(jìn)行早期預(yù)警、識(shí)別或持續(xù)檢測(cè)?；跀?shù)據(jù)驅(qū)動(dòng)的方法，不需要精確的數(shù)學(xué)模型和充足的先驗(yàn)知識(shí)，在大型工業(yè)系統(tǒng)生產(chǎn)過(guò)程中得到廣泛應(yīng)用[7～9]。

貯箱是運(yùn)載火箭主要組成部分，占火箭全部質(zhì)量的60%～80%，主要用于燃料存貯和傳遞載荷，工作環(huán)境惡劣，其制造精度直接影響火箭飛行精度。現(xiàn)階段對(duì)運(yùn)載火箭貯箱的故障源檢測(cè)的方法較少，由于火箭貯箱屬于小樣本結(jié)構(gòu)，常規(guī)的基于大數(shù)據(jù)的故障監(jiān)控手段不適用。本文針對(duì)運(yùn)載火箭貯箱產(chǎn)品小批量、數(shù)據(jù)少等特點(diǎn)，綜合應(yīng)用線性最小偏差估計(jì)、VSA建模仿真分析、故障持續(xù)檢測(cè)等方法，建立貯箱制造過(guò)程故障監(jiān)控模型，實(shí)現(xiàn)對(duì)貯箱制造過(guò)程的質(zhì)量監(jiān)測(cè)、故障預(yù)警和質(zhì)量的持續(xù)改進(jìn)分析。

2 產(chǎn)品關(guān)鍵故障模式分析

運(yùn)載火箭貯箱一般為空心、薄壁圓柱體結(jié)構(gòu)，由箱底、圓筒段殼體、短殼等焊接裝配而成，典型的貯箱結(jié)構(gòu)組成及制造流程如圖1所示。貯箱制造是一個(gè)多工序制造過(guò)程，從零件成形、部組件焊接裝配到最后箱體總裝涉及到眾多的工藝參數(shù)，制造過(guò)程中的故障源主要涉及到整體結(jié)構(gòu)和零部組件之間的偏差關(guān)聯(lián)關(guān)系、制造過(guò)程中工藝參數(shù)等因素，幾何精度和關(guān)鍵性能參數(shù)是故障溯源的基礎(chǔ)。

圖1 典型的貯箱結(jié)構(gòu)組成及制造流程示意圖

表1 貯箱箱底圓環(huán)制造的故障模式分析

針對(duì)貯箱結(jié)構(gòu)制造過(guò)程中實(shí)際測(cè)量的幾何精度指標(biāo)梳理貯箱制造過(guò)程的故障模式，建立故障模式庫(kù)，為故障溯源提供指導(dǎo)。分析貯箱制造的工藝流程，開展各零部件加工工藝的FMEA分析，分析其故障模式、嚴(yán)酷等級(jí)、發(fā)生概率等，根據(jù)經(jīng)驗(yàn)定性給出影響幾何精度指標(biāo)的因素及其對(duì)指標(biāo)的影響程度，并進(jìn)行星級(jí)評(píng)價(jià)，為故障源的進(jìn)一步定量溯源提供指導(dǎo)。以貯箱箱底圓環(huán)制造為例，梳理制造過(guò)程的故障源。貯箱箱底圓環(huán)一般由6～8塊瓜瓣零件焊接裝配而成，瓜瓣零件一般采用拉深成形，焊接采用熔焊焊接工藝，按各零部件制造工藝梳理故障模式，表1為貯箱箱底制造的故障模式分析結(jié)果。

3 關(guān)鍵產(chǎn)品特性分析及故障特征點(diǎn)布置

關(guān)鍵產(chǎn)品特性KPC（Key Product Characteristics），是指對(duì)產(chǎn)品的功能安全等有直接影響的特性，如零件尺寸及幾何特征、裝配尺寸、強(qiáng)度等。進(jìn)行故障源分析之前需要分析產(chǎn)品的KPC，針對(duì)KPC布置相應(yīng)的測(cè)量點(diǎn)，根據(jù)測(cè)量點(diǎn)的數(shù)據(jù)進(jìn)行過(guò)程控制和故障診斷。

圖2 箱底圓環(huán)結(jié)構(gòu)測(cè)點(diǎn)布置

KPC測(cè)量點(diǎn)的數(shù)據(jù)主要用于貯箱結(jié)構(gòu)幾何精度指標(biāo)的計(jì)算和偏差傳遞的分析，能夠反映裝配產(chǎn)品關(guān)鍵幾何指標(biāo)特征的變化，用于控制零件的外形尺寸，如直線度、圓度、平面度等，大多布置在最能反應(yīng)零件外形尺寸的關(guān)鍵位置。以箱底圓環(huán)制造為例，箱底圓環(huán)焊接完成后，需要滿足的KPC要求有周長(zhǎng)（上下端）、平面度（上下端）、圓度（上下端）、端面平行度、屈服強(qiáng)度、延伸率等指標(biāo)。根據(jù)上述指標(biāo)布置相應(yīng)的測(cè)量點(diǎn)，如圖2所示，箱底幾何指標(biāo)與對(duì)應(yīng)測(cè)點(diǎn)如表2所示。

表2 箱底圓環(huán)結(jié)構(gòu)幾何精度指標(biāo)與對(duì)應(yīng)測(cè)量點(diǎn)

4 故障監(jiān)控模型

傳統(tǒng)統(tǒng)計(jì)分析理論不適用于小批量生產(chǎn)特點(diǎn)的運(yùn)載火箭貯箱產(chǎn)品生產(chǎn)制造過(guò)程，本文引入單值回歸預(yù)控法替代傳統(tǒng)的控制圖分析方法，可以有效解決貯箱制造過(guò)程中的故障源診斷和質(zhì)量檢測(cè)，實(shí)現(xiàn)產(chǎn)品制造過(guò)程中故障的檢測(cè)和精準(zhǔn)定位，便于對(duì)制造故障源進(jìn)行實(shí)時(shí)處理，降低故障發(fā)生概率。

基于單值回歸預(yù)控法建立火箭貯箱的故障監(jiān)控模型，預(yù)測(cè)火箭貯箱故障，并實(shí)現(xiàn)對(duì)故障的實(shí)時(shí)報(bào)警。

4.1 基于單值回歸預(yù)控法的控制界限和中心線

4.1.1 基于單值回歸預(yù)控法的中心線的確定

貯箱產(chǎn)品開始生產(chǎn)時(shí)，根據(jù)產(chǎn)品的生產(chǎn)目標(biāo)值確定單值預(yù)控法的中心線。

當(dāng)≤2時(shí)，對(duì)于有雙側(cè)規(guī)格界限的產(chǎn)品，中心線的計(jì)算公式如下：

對(duì)于有上側(cè)規(guī)格界限的產(chǎn)品，中心線的計(jì)算公式如下：

對(duì)于有下側(cè)規(guī)格界限的產(chǎn)品，不設(shè)中心線。

當(dāng)≥3時(shí)：

每得到一個(gè)數(shù)據(jù)，就修正一次：

4.1.2 基于單值回歸預(yù)控法的初始控制界限的確定

貯箱產(chǎn)品屬單件小批量生產(chǎn)，制造質(zhì)量穩(wěn)定性受隨機(jī)因素影響小，可通過(guò)逐步修正標(biāo)準(zhǔn)差，得到控制的界限。

當(dāng)產(chǎn)品值＞T或者＜T時(shí)，可以判定過(guò)程失控，發(fā)生故障，需調(diào)整設(shè)備或者改變工藝參數(shù)。

當(dāng)≥2時(shí)：

先利用初始的兩個(gè)樣本數(shù)據(jù)計(jì)算標(biāo)準(zhǔn)差，在隨后的制造過(guò)程中，每得到一個(gè)樣本數(shù)據(jù)，對(duì)標(biāo)準(zhǔn)差修正一次，即：

由上述計(jì)算過(guò)程得到一個(gè)控制界限，即初始控制界限。

4.2 基于單值回歸預(yù)控法的預(yù)控限

貯箱產(chǎn)品的制造過(guò)程涉及零件制造、部件焊接裝配、箱體總裝等工序，所有工序基本是串聯(lián)關(guān)系，若一道工序出故障，整個(gè)貯箱制造過(guò)程就要停工，由此，貯箱制造過(guò)程的預(yù)控限的建立，可采用不可修復(fù)系統(tǒng)中關(guān)于可靠性串聯(lián)模型的方法計(jì)算。

產(chǎn)品制造過(guò)程中，若加工了件產(chǎn)品，且前（-1）件產(chǎn)品的質(zhì)量特性值都落在控制限內(nèi)，沒(méi)有發(fā)生故障，則第件產(chǎn)品的質(zhì)量特性值落在控制限內(nèi)的概率為：

為使產(chǎn)品的制造過(guò)程達(dá)到預(yù)期的調(diào)整，實(shí)現(xiàn)預(yù)控的目的，需建立加嚴(yán)的控制限。

若預(yù)控的上界限是+，下界限是-，則預(yù)控限系數(shù)為：

由此，得到了單值回歸預(yù)控法的預(yù)控限。

4.3 基于時(shí)間序列回歸方法判別系統(tǒng)故障

基于單值回歸預(yù)控法無(wú)法判別故障是偶然故障還是系統(tǒng)故障，因此，采用基于時(shí)間序列的回歸方法，進(jìn)一步對(duì)故障進(jìn)行判別，提高故障診斷的準(zhǔn)確率。

通過(guò)對(duì)采樣數(shù)據(jù)和采樣時(shí)間進(jìn)行一元線性回歸分析，可判別采樣數(shù)據(jù)的故障是否與時(shí)間有關(guān)。采樣數(shù)據(jù)變量與時(shí)間變量的線性趨勢(shì)方程為：

式中，為噪聲序列；1,…,x,…,x為樣本KPC特性的個(gè)采樣數(shù)據(jù)值，是按時(shí)間順序排成的一個(gè)序列。

因此，關(guān)于時(shí)間變量的線性回歸方程為：

對(duì)時(shí)間變量進(jìn)行t檢驗(yàn)：

如果不能拒絕原假設(shè)0(0∶=0)，則觀測(cè)變量與時(shí)間變量無(wú)關(guān)?；貧w方程是一條水平線：

即制造過(guò)程輸出的狀態(tài)與時(shí)間無(wú)關(guān)，由此判定系統(tǒng)沒(méi)有出現(xiàn)故障。

如果不能拒絕備擇假設(shè)1(1∶≠0)，則觀測(cè)變量與時(shí)間變量有關(guān)。此時(shí)回歸方程是一條傾斜的直線：

即制造過(guò)程的輸出狀態(tài)與時(shí)間有關(guān)，從而判定系統(tǒng)發(fā)生故障。

5 采樣數(shù)據(jù)處理

運(yùn)載火箭貯箱生產(chǎn)周期長(zhǎng)，生產(chǎn)量較小，可以采集到的數(shù)據(jù)樣本容量很小，可稱為極小樣本。線性最小偏差估計(jì)方法是概率統(tǒng)計(jì)學(xué)中的經(jīng)典方法，又稱為線性無(wú)偏估計(jì)方法，該方法是在假設(shè)分布類型已知的前提下，根據(jù)服從這一分布的少量采樣數(shù)據(jù)估計(jì)分布參數(shù)的方法，在數(shù)據(jù)較少的情況下，具有較好的估計(jì)效果。針對(duì)運(yùn)載火箭貯箱生產(chǎn)特點(diǎn)及數(shù)據(jù)采樣特點(diǎn)，采用線性最小偏差估計(jì)方法處理采樣數(shù)據(jù)，然后將處理后的數(shù)據(jù)應(yīng)用于建立的故障診斷模型中。

貯箱產(chǎn)品屬于多品種、小批量生產(chǎn)，制造質(zhì)量受眾多因素的影響，其制造過(guò)程可視作一種隨機(jī)過(guò)程，各單一質(zhì)量指標(biāo)所對(duì)應(yīng)的檢測(cè)數(shù)據(jù)近似服從正態(tài)分布。當(dāng)樣本的母體為正態(tài)分布時(shí)，分布參數(shù)為平均值和標(biāo)準(zhǔn)差，樣本的平均值和標(biāo)準(zhǔn)差可用下式計(jì)算：

其中1,2,…,為系數(shù)，（=1, 2,…,）的值是對(duì)稱的，所以：

通過(guò)統(tǒng)計(jì)量的變換得到一定置信度下的樣本置信區(qū)間。

6 故障源持續(xù)監(jiān)測(cè)

制造持續(xù)改進(jìn)指數(shù)（Continuous Improvement Indicator，CII）可用以衡量在質(zhì)量工程中需要控制的關(guān)鍵特征或者關(guān)鍵測(cè)點(diǎn)的總波動(dòng)（6）水平，在火箭貯箱制造過(guò)程中通過(guò)控制CII指數(shù)可以顯著提高產(chǎn)品制造質(zhì)量，提高合格率，實(shí)現(xiàn)產(chǎn)品的持續(xù)改進(jìn)。因此，在建立了故障源連續(xù)在線監(jiān)測(cè)系統(tǒng)后，可以顯著降低貯箱產(chǎn)品的CII指數(shù)，提高生產(chǎn)效率，減少不必要的時(shí)間和經(jīng)濟(jì)成本損失。

如圖3所示，將所有測(cè)點(diǎn)數(shù)據(jù)按照大小次序繪制在坐標(biāo)圖內(nèi)，前95%測(cè)點(diǎn)數(shù)據(jù)的界限即為該產(chǎn)品的CII指數(shù)，圖中數(shù)據(jù)的CII指數(shù)即為4mm。利用多元統(tǒng)計(jì)分析和蒙特卡洛仿真結(jié)合的方法可以有效監(jiān)測(cè)制造故障，再根據(jù)控制圖分析方法，對(duì)故障源進(jìn)行持續(xù)監(jiān)測(cè)，不斷降低CII指數(shù)，提高產(chǎn)品的合格率和一致性。

圖3 CII指數(shù)圖

7 應(yīng)用案例

以直徑為3350mm的火箭貯箱箱底圓環(huán)的裝配過(guò)程為例，分析箱底圓環(huán)制造的故障模式。某型號(hào)貯箱箱底圓環(huán)組件由8塊瓜瓣依次焊接而成，制造工藝主要涉及瓜瓣拉深成形和圓環(huán)裝配焊接，焊接采用熔焊工藝。分析火箭貯箱箱底圓環(huán)的加工工藝流程，可以得到影響箱底的KPC指標(biāo)主要有裝配間隙、錯(cuò)邊量、裝配對(duì)中度、壓邊力、拉深力等。針對(duì)箱底圓環(huán)的KPC指標(biāo)要求，布置箱底圓環(huán)的測(cè)量點(diǎn)，如圖2所示。

圖4 箱底圓心及8個(gè)特征點(diǎn)

選用Siemens公司的Vis_VSA軟件進(jìn)行分析，首先將UG模型導(dǎo)入軟件，定義各個(gè)零件特征采樣信息輸入、采樣數(shù)據(jù)傳遞模式、關(guān)鍵控制特征測(cè)量等參數(shù)。根據(jù)采樣數(shù)據(jù)以及零件設(shè)計(jì)標(biāo)準(zhǔn)對(duì)箱底的所有特征定義參數(shù)信息，根據(jù)箱底提取結(jié)構(gòu)特征和各特征的參數(shù)信息。根據(jù)三維模型求出理想圓心所在位置坐標(biāo)，依據(jù)此坐標(biāo)值在VSA中建立該點(diǎn)特征，在小圓圓周均勻布置8個(gè)特征點(diǎn)，如圖4所示，分別定義圓心到這八個(gè)測(cè)量點(diǎn)的距離測(cè)量（1,2,3,4,5,6,7,8），以上測(cè)量結(jié)果均為概率分布解，然后根據(jù)如下公式計(jì)算周長(zhǎng)。

利用蒙特卡洛仿真可將貯箱產(chǎn)品的小樣本數(shù)據(jù)泛化，得到較為合理的概率分布，所以最后得到的結(jié)果均為概率分布解，設(shè)定上下控制限即可得到關(guān)鍵控制特征的合格率以及是否發(fā)生故障。圖5為上端小圓周長(zhǎng)的最終結(jié)果，超差率為7.90%，圖6為每一個(gè)零件特征對(duì)最終結(jié)果的貢獻(xiàn)度和敏感度分析結(jié)果。

圖6 上端小圓周長(zhǎng)測(cè)量貢獻(xiàn)度和敏感度分析結(jié)果

從輸出結(jié)果可以看出，上端小圓周長(zhǎng)關(guān)鍵控制特征出現(xiàn)了一定概率的超差，從貢獻(xiàn)度和敏感度分析明顯看出，瓜瓣7是造成最終超差的主要原因，貢獻(xiàn)度為59.9%，說(shuō)明瓜瓣7發(fā)生了制造故障。進(jìn)一步分析可以發(fā)現(xiàn)，瓜瓣7發(fā)生制造故障的位置在瓜瓣7與瓜瓣8的焊接貼合面處，從而得到了發(fā)生制造故障的精確位置，實(shí)現(xiàn)故障源的準(zhǔn)確檢測(cè)分離。

8 結(jié)束語(yǔ)

本文針對(duì)運(yùn)載火箭貯箱的制造特點(diǎn)，提出了一種基于數(shù)據(jù)驅(qū)動(dòng)的貯箱故障源診斷方法。分析貯箱制造關(guān)鍵故障模式及關(guān)鍵產(chǎn)品特性，確定了貯箱故障特征監(jiān)控點(diǎn)，建立了故障源分析模型，通過(guò)控制CII指數(shù)，實(shí)現(xiàn)故障源的持續(xù)監(jiān)測(cè)。最后，通過(guò)貯箱箱底圓環(huán)的故障模式分析證實(shí)了該方法的實(shí)用性。本方法可有效地處理小樣本條件下貯箱產(chǎn)品的故障源特征，對(duì)故障進(jìn)行預(yù)判和跟蹤改進(jìn)，降低故障發(fā)生率，縮短生產(chǎn)周期，節(jié)省人力成本和由于故障造成的經(jīng)濟(jì)成本，提高貯箱制造的可靠性和一致性。

1 周東華，胡艷艷.動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù)[J].自動(dòng)化學(xué)報(bào)，2009，35(6)：748～758

2 周東華，孫優(yōu)賢. 控制系統(tǒng)的故障檢測(cè)與診斷技術(shù)[M].北京：清華大學(xué)出版社，1994

3 鄧曉剛，田學(xué)民.生產(chǎn)過(guò)程故障診斷方法研究現(xiàn)狀及展望[J].石油大學(xué)學(xué)報(bào)，2005，29(6)：152～127

4 Chen Yudong, Shi Songjiao, Weng Zhengxin. A survey of fault diagnosis methods for dynamics systems[J]. Control and Instruments in Chemical Industry, 2001, 28(3): 1～14

5 李晗，蕭德云.基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法綜述[J].控制與決策，2011，26(1)：1～9

6 楊洪富，賈曉亮，任壽偉.基于數(shù)據(jù)驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)故障診斷與預(yù)測(cè)方法綜述[J].航空精密制造技術(shù)，2016，52(5)：6～9

7 張妮，車立志，吳小進(jìn).基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷技術(shù)研究現(xiàn)狀及展望[J].計(jì)算機(jī)科學(xué)，2017，44(6A)：37～42

8 黃岳，劉丙杰，唐震.基于數(shù)據(jù)驅(qū)動(dòng)的伺服機(jī)構(gòu)執(zhí)行器故障診斷[J].科學(xué)技術(shù)與工程，2009，9(13)：3854～3863

9 Zhou Dengji, Zhang Huisheng, Weng Shilie. A new gas path fault diagnostic method of gas turbine based on support vector machine[J]. Journal of Engineering for Gas Turbines & Power, 2015, 137(10): 285～306

Study on Fault Diagnosis of Launch Vehicle Tank Based on Data-driven

Huang Xia1Chi Hongbo1Sun Chao1Sun Ying1Yu Haidong2Li Zhimin2Du Yanfeng1Tian Zhijie1

(1. Capital Aerospace Machinery Co., Ltd., Beijing 100076;2. School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240)

This paper proposed a data-driven fault diagnosis method for launch vehicle tank. According to the structural characteristics and manufacturing process of the launch vehicle tank, the key failure modes of the tank manufacturing are analyzed, and the feature library of the fault sources is established. By analyzing the key product characteristics, the monitoring points of tank are determined. A linear regression model for fault sources is detected according to the contribution and sensitivity analysis. Finally, the single value regression pre-control method is used to analyze the detected fault sources, and the continuous monitoring of the fault source is realized.

fault diagnosis；data-driven；launch vehicle tank

黃霞（1981），碩士，材料加工工程專業(yè)；研究方向：先進(jìn)制造技術(shù)及先進(jìn)制造模式的應(yīng)用研究。

2018-07-18

火箭產(chǎn)品生產(chǎn)過(guò)程一致性量化控制技術(shù)研究（科工一司[2015]260號(hào)）。