CN101976311B - 基于漂移布朗运动模型的加速退化试验贝叶斯评估方法 - Google Patents
基于漂移布朗运动模型的加速退化试验贝叶斯评估方法 Download PDFInfo
- Publication number
- CN101976311B CN101976311B CN 201010554083 CN201010554083A CN101976311B CN 101976311 B CN101976311 B CN 101976311B CN 201010554083 CN201010554083 CN 201010554083 CN 201010554083 A CN201010554083 A CN 201010554083A CN 101976311 B CN101976311 B CN 101976311B
- Authority
- CN
- China
- Prior art keywords
- stress
- parameter
- distribution
- delta
- following
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于漂移布朗运动模型的加速退化试验贝叶斯评估方法,属于寿命及可靠性评估技术领域,本发明的具体步骤为:步骤一、建立并确定相关模型;步骤二、确定加速模型参数的初值;步骤三、建立各应力水平下模型参数的先验及后验分布;步骤四、拟合加速模型参数的最终值;步骤五、评估产品的寿命及可靠度。本发明通过加速模型参数的初值确定及终值拟合等步骤,提高了加速模型参数的评估精度,从而提高了产品寿命及可靠度的评估精度。由于本发明可以通过已有应力水平的试验信息及结果对接下来应力水平的试验及评估进行指导,因此通过它,结合相应的试验优化方法,可以对各应力水平分阶段进行优化试验设计。
Description
技术领域
本发明是一种针对退化数据,基于漂移布朗运动模型及贝叶斯理论的加速退化试验评估方法,属于寿命及可靠性评估技术领域。
背景技术
通常,在评估产品的寿命及可靠性时,通过加速寿命试验来获得产品的寿命数据,并利用所获得的寿命数据来对其进行评估。但随着科学技术的发展,长寿命、高可靠性产品正逐渐成为当今的主流,因此评估对象的特点亦向着长寿命、高可靠性方面转变。由于产品的长寿命、高可靠性特点,在通过试验来评估其寿命及可靠性时,寿命数据越来越难以获得,这就对评估造成了一定的困难。针对这一困难,加速退化试验应运而生,通过试验时实时获得的大量产品的性能退化数据来对产品的可靠性进行评估。目前,应用比较广泛的加速退化可靠性评估方法是北京航空航天大学的姜同敏,李晓阳等人提出的基于漂移布朗运动的加速退化试验可靠性评估方法(李晓阳,姜同敏.基于加速退化模型的卫星组件寿命与可靠性评估方法[J].航空学报,2007,vol 28:101-103)。但在其发展过程中,仍存在以下问题。
首先,对于基于漂移布朗运动的加速退化试验评估方法,在其评估产品退化过程的加速模型时,模型参数通常是使用最小二乘法对不同温度下的退化率进行拟合而得到的。但往往由于退化率的求解过程及评估结果相对粗糙,从而影响加速模型及退化率外推值的准确性。
其次,在利用贝叶斯方法对加速退化试验进行评估方面,已开展了一定的研究,如北京航空航天大学的王立志、李晓阳、姜同敏等人提出的基于多源退化数据的贝叶斯可靠性综合评估方法(专利申请号:200910242987.7)。其中对于不同应力下的退化数据,往往是首先对其进行折合,将其统一为同一条件及形式后,再进行处理评估。而退化数据的准确性往往在这种折合过程中受到影响,并损失大量的信息,使得评估质量降低。
最后,2009年新加坡国立大学的Xiao Liu及Loon-Ching Tang等人提出了一种针对加速寿命试验的评估及设计方法(Xiao Liu and Loon-Ching Tang.A SequentialConstant-stress Accelerated Life Testing Scheme and Its Bayesian Inference[J].Qual.Reliab.Engng.Int.2009;25:91-109),这种方法的核心思想在于它能够利用贝叶斯方法,将试验中已完成的应力水平下的数据及评估结果,用于指导下一应力水平的试验设计工作,最大程度的利用试验信息,从而使试验的结果达到最优。而目前还没有能够实现这种思想的加速退化试验评估方法。
发明内容
本发明的目的是为了解决了上述问题,提高加速模型和退化率及其外推值的准确性,降低不同应力下退化数据折合过程中精度及信息的损失,同时将最新的试验设计思想引入加速退化试验评估领域,提出了一种基于漂移布朗运动模型的加速退化试验贝叶斯评估方法。
本发明的具体步骤为:
步骤一、建立并确定相关模型;
步骤二、确定加速模型参数的初值;
步骤三、建立各应力水平下模型参数的先验及后验分布;
步骤四、拟合加速模型参数的最终值;
步骤五、评估产品的寿命及可靠度。
本发明的优点在于:
(1)通过加速模型参数的初值确定及终值拟合等步骤,提高了加速模型参数的评估精度,从而提高了产品寿命及可靠度的评估精度;
(2)通过各应力水平数据分别运算、逐步迭代等步骤以及贝叶斯方法,本发明无需将数据折合到同一应力水平再进行运算,从而避免了数据折合过程所带来的误差影响;
(3)由于本发明可以通过已有应力水平的试验信息及结果对接下来应力水平的试验及评估进行指导,因此通过它,结合相应的试验优化方法,可以对各应力水平分阶段进行优化试验设计;
附图说明
图1是本发明的流程图;
图2是本发明实施例的评估结果。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于漂移布朗运动的加速退化试验贝叶斯评估方法,流程图如图1所示,包括以下几个步骤:
步骤一、建立并确定相关模型及参数退化模型
本发明选择漂移布朗运动来描述产品的退化,对于漂移布朗运动模型:
Y(t)=σB(t)+d(s)·t+y0 (1)
其中:Y(t)为产品参数的退化过程;B(t)为均值为0,方差为时间t的标准布朗运动B(t)~N(0,t);σ为扩散系数,不随应力和时间而改变,为常数;d(s)为漂移系数,即产品的性能退化率;y0为产品性能的初始值;
1)加速模型
对基于漂移布朗运动退化模型而言,漂移系数d(s)为产品的性能退化率,它是一个与应力水平有关的函数,应用它可将加速模型与退化模型相结合。若假设产品性能退化率代表的加速模型为:
2)贝叶斯总体分布及其数据形式
由漂移布朗运动的性质可知,单位时间Δt的退化增量ΔY服从均值为d(s)·Δt,方差为σ2Δt的正态分布,即
ΔY~N(d(s)·Δt,σ2Δt) (3)
为了便于贝叶斯方法的应用,本发明将ΔY作为后续运算的数据形式,式(3)作为贝叶斯方法中的总体分布;
3)可靠度模型
如果设l为参数的失效阈值,即设Y(t)-l<0时产品失效;可以利用漂移布朗运动可靠度模型对可靠度函数进行求解:
其中R(t)为产品t时刻的可靠度,Φ为正态分布。
步骤二、确定加速模型参数的初值
1)已知退化数据的情况下
为了确定加速模型中参数A、B的初值,由公式(1)、(2)可建立线性回归方程如下:
因此可由不同应力水平si下的退化增量数据Δyi通过(6)拟合得到参数A、B的初值A0和B0。
2)未知退化数据的情况下
可以通过历史数据或工程经验确定参数A、B的初值A0和B0,并在后续的试验过程中,随着数据的增加对初值A0和B0不断的进行修正。
步骤三、建立各应力水平下模型参数的先验及后验分布
本发明的主旨在于利用已有应力水平下的数据及结果指导下一应力水平的评估工作。若有一组加速退化数据,共有m个应力水平S=(s1,s2,…sm),每个应力水平的退化增量数据为其中i=1…m,应首先对初始应力s1的数据进行处理,从而对下一应力水平进行指导。
1)应力s1数据的处理
由(3)及共轭先验分布理论可知,漂移系数与时间间隔的乘积服从正态分布,扩散系数与时间间隔的乘积服从倒伽马分布,即:
d(s)·Δt~N(μ,τ2) (7)
σ2·Δt~IG(b,a) (8)
其中μ、τ分别为正态分布的均值及标准差,a、b分别为倒伽马分布的尺度参数、形状参数。
其中:为s1下数据的平均值,n1为其数据量,a1和b1分别为应力s1下(8)中倒伽马分布的尺度参数和形状参数、μ1和τ1 2分别为应力s1下(7)中正态分布的均值及标准差,则由正态分布的性质可知应力s1下d(s1)·Δt的评估值为:
E(d(s1)·Δt)=u1 (13)
2)应力s2的先验分布
由(2)及加速模型中参数A、B的初值A0和B0可知,对于应力si和sj,其加速模型的比值为:
pij=d(si)/d(sj)=exp(-B0·(1/si-1/sj)) (14)
若已知sj下漂移系数与时间间隔的乘积服从的正态分布为:
d(sj)·Δt~N(μj,τj 2) (15)
则由正态分布的性质可以得到:
d(si)·Δt=pij·d(sj)·Δt~N(pij·μj,pij 2·τj 2) (16)
而由漂移布朗运动的性质可知,σ不随应力和时间而改变,是个常数,因此σ2·Δt的分布亦不随应力和时间而改变。
因此,当由(14)得到应力s2和s1的退化率比值p21后,便可将应力s1数据所确定的参数分布超参数转化为应力s2参数的先验分布,可利用应力si和si-1下参数分布超参数的转化公式,若已知应力si-1的参数分布超参数分别为ai-1、bi-1、ui-1、及应力si和si-1的退化率比值pii-1,则:
ai0=ai-1 (17)
bi0=bi-1 (18)
ui0=pii-1·ui-i (19)
其中ai0和bi0分别为应力si下先验分布(8)中倒伽马分布的尺度参数和形状参数、ui0和分别为应力s2下先验分布(7)中正态分布的均值及标准差。从而便可得到应力s2下先验分布(8)中倒伽马分布的尺度参数和形状参数a20和b20,先验分布(7)中正态分布的均值及标准差u20和
3)应力s2的后验分布
由共轭先验分布的性质可知,漂移系数与时间间隔的乘积的后验分布仍服从正态分布,扩散系数与时间间隔的乘积的后验分布则仍服从倒伽马分布。其后分布中的超参数可由以下公式确定:
从而得到σ2·Δt的评估值:
由σ2·Δt的评估值可知:
其中u2和分别为应力s2下后验分布(7)中正态分布的均值及标准差,则应力s2下d(s2)·Δt的评估值为:
E(d(s2)·Δt)=u2 (26)
4)应力si的先验及后验分布的确定
通过应力s2的先验及后验分布的确定过程,可知对于应力si,其先验及后验分布的确定过程如下:
已知应力si-1的后验分布超参数分别为ai-1、bi-1、ui-1、利用(6)对A0和B0进行修正,从而通过(14)、(17)、(18)、(19)、(20)便可得到应力si的先验分布中倒伽马分布的尺度参数ai0和形状参数bi0,正态分布的均值ui0及标准差在此基础上结合以下公式:
E(d(si)·Δt)=ui (32)
其中:为si-1、si下数据的平均值,ni-1、ni为si-1、si下的数据量,ai和bi分别为应力si下后验分布(8)中倒伽马分布的尺度参数和形状参数,ui和分别为应力si下后验分布(7)中正态分布的均值及标准差。由此便可得到应力si的后验分布超参数以及所需的参数评估值。
步骤四、拟合加速模型参数的最终值
通过步骤三可以得到m个应力下的m个漂移系数与时间间隔的乘积评估值U=(E(d(s1)·Δt),E(d(s2)·Δt),…E(d(sm)·Δt)),由(2)可得:
步骤五、评估产品的寿命及可靠度
通过加速模型参数A、B的最终值和及(2)可以得到产品工作应力s0的漂移系数d(s0),同时将最后一个应力所得到的σ2的评估值作为最终的评估值将d(s0)及带入(4)中便可得到产品在某一寿命下的可靠度评估值
对于步进应力加速退化试验,本方法还可对每个样本分别评估,再最终拟合最后的结果。如:若有h个样本,对于其中第k个样本,可以通过以下方法处理:
实施例:
若对某产品实施温度步进应力加速退化试验,样本量为4,温度应力水平为4,温度分别为60℃、80℃、100℃、120℃;每个应力水平的试验时间分别为250、150、100、100小时;产品的性能检测时间间隔Δt为5小时。
步骤一、建立并确定相关模型
由于对产品施加的应力为温度,因此选择阿伦尼乌兹(Arrhenius)模型作为加速模型,即:
d(T)=exp[A+B/T)] (34)
其中T为温度。退化模型为(1)。贝叶斯总体分布及其数据形式为(3)。可靠度模型为(4),其中性能参数的初始值y0为100,参数的失效阈值l为40。
步骤二、确定加速模型参数的初值
由60℃、80℃、100℃、120℃下的退化增量数据ΔY60、ΔY80、ΔY100、ΔY120通过(6)拟合得到参数A、B的初值A0=7787.4和B0=4733.8。
步骤三、建立各应力水平下模型参数的先验及后验分布
将60℃作为初始应力,计算的顺序依次为60℃、80℃、100℃和120℃。
1)60℃数据的处理
根据共轭先验分布的性质,选择分布(7)、(8)作为漂移系数与时间间隔的乘积及扩散系数与时间间隔的乘积的先验及后验分布的形式。
由(9)~(12)可知,60℃下分布的超参数如表1所示。
表160℃下分布的超参数
a1 | b1 | μ1 | τ1 2 |
0.3284 | 100 | 0.0239 | 1.6501e-5 |
2)80℃的先验分布
由(14)可以得到80℃和60℃下漂移系数的比值p2,1=2.2361。因此结合(17)~(20)可知80℃漂移系数与时间间隔的乘积及扩散系数与时间间隔的乘积的先验分布超参数如表2所示。
表280℃先验分布的超参数
a20 | b20 | μ20 | τ20 2 |
0.3284 | 100 | 0.0534 | 8.2502e-5 |
3)80℃的后验分布
由80℃的退化增量数据、先验分布超参数及(21)、(22)、(24)、(25)可知80℃后验分布的超参数,如表3所示。
表380℃后验分布的超参数
a2 | b2 | μ2 | τ2 2 |
0.4918 | 160 | 0.0535 | 8.0359e-5 |
4)各温度下参数的评估值
通过(14)、(17)~(20)及(27)~(32)可以得到100℃及120℃的先验分布及后验分布的超参数及各温度应力水平下参数的评估值,所得到的评估值如表4所示。
表4各温度应力水平下的参数评估值
60℃ | 80℃ | 100℃ | 120℃ | |
d(T)·Δt | 0.0239 | 0.0535 | 0.1098 | 0.2112 |
σ2·Δt | 0.0033 | 0.0031 | 0.0033 | 0.0032 |
步骤四、拟合加速模型参数的最终值;
步骤五、评估产品的寿命及可靠度;
由加速模型参数A、B的最终值可以外推出25℃下的漂移系数d(60℃)=8.7164e-4,由120℃下σ2·Δt的评估值可以得到σ=0.0254,将其带入(4)便可得到产品在某一寿命下的可靠度评估值,如图2所示,其中横坐标为时间,纵坐标为可靠度,表5所示。
表5可靠度及寿命评估值
3年 | 5年 | 7年 | 10年 | |
可靠度 | 1 | 1 | 0.8384 | 0.0127 |
Claims (2)
1.一种基于漂移布朗运动的加速退化试验贝叶斯评估方法,其特征在于,包括以下几个步骤:
步骤一、建立并确定相关模型
选择漂移布朗运动来描述产品的退化,对于漂移布朗运动模型:
Y(t)=σB(t)+d(s)·t+y0(1)
其中:Y(t)为产品参数的退化过程;B(t)为均值为0,方差为时间t的标准布朗运动B(t)~N(0,t);σ为扩散系数;d(s)为漂移系数,即产品的性能退化率,s为应力;y0为产品性能的初始值;
1)加速模型
产品性能退化率代表的加速模型为:
2)贝叶斯总体分布及其数据形式
单位时间Δt的退化增量ΔY服从均值为d(s)·Δt,方差为σ2Δt的正态分布,即
ΔY~N(d(s)·Δt,σ2Δt)(3)
式(3)作为贝叶斯方法中的总体分布;
3)可靠度模型
设l为参数的失效阈值,即设Y(t)-l<0时产品失效,可靠度模型为:
其中R(t)为产品t时刻的可靠度,Φ为正态分布;
步骤二、确定加速模型参数的初值
确定式(2)中参数A的初值A0和B的初值B0;
1)已知退化数据的情况下
为了确定加速模型中参数A、B的初值,由公式(1)、(2)建立线性回归方程如下:
E(yi(t))表示退化数据yi(t)的期望,E(Δyi)表示退化增量数据Δyi的期望,因此由不同应力水平si下的退化增量数据Δyi通过(6)拟合得到参数A、B的初值A0和B0;
2)未知退化数据的情况下
通过历史数据或工程经验确定参数A、B的初值A0和B0,并在后续的试验过程中,随着数据的增加对初值A0和B0不断的进行修正;
步骤三、建立各应力水平下模型参数的先验及后验分布
若有一组加速退化数据,共有m个应力水平S=(s1,s2,…sm),每个应力水平的退化增量数据为其中i=1…m,应首先对初始应力s1的数据进行处理,具体为:
1)应力s1数据的处理
由(3)及共轭先验分布理论,漂移系数与时间间隔的乘积服从正态分布,扩散系数与时间间隔的乘积服从倒伽马分布,即:
d(s)·Δt~N(μ,τ2)(7)
σ2·Δt~IG(b,a) (8)
其中μ、τ分别为正态分布的均值及标准差,a、b分别为倒伽马分布的尺度参数、形状参数;
其中:为s1下数据的平均值,n1为其数据量,a1和b1分别为应力s1下(8)中倒伽马分布的尺度参数和形状参数、μ1和τ1 2分别为应力s1下(7)中正态分布的均值及标准差,则由正态分布的性质得到应力s1下d(s1)·Δt的评估值为:
E(d(s1)·Δt)=u1 (13)
2)应力s2的先验分布
由(2)及加速模型中参数A、B的初值A0和B0,对于应力si和sj,其加速模型的比值为:
pij=d(si)/d(sj)=exp(-B0·(1/si-1/sj))(14)
若已知sj下漂移系数与时间间隔的乘积服从的正态分布为:
d(sj)·Δt~N(μj,τj 2)(15)
则由正态分布的性质得到:
d(si)·Δt=pij·d(sj)·Δt~N(pij·μj,pij 2·τj 2)(16)
σ不随应力和时间而改变,因此σ2·Δt的分布亦不随应力和时间而改变;
当由(14)得到应力s2和s1的退化率比值p21后,将应力s1数据所确定的参数分布超参数转化为应力s2参数的先验分布,利用应力si和si-1下参数分布超参数的转化公式,若已知应力si-1的参数分布超参数分别为ai-1、bi-1、ui-1、及应力si和si-1的退化率比值pii-1,则:
ai0=ai-1 (17)
bi0=bi-1 (18)
ui0=pii-1·ui-i (19)
其中ai0和bi0分别为应力si下先验分布(8)中倒伽马分布的尺度参数和形状参数、ui0和分别为应力s2下先验分布(7)中正态分布的均值及标准差,得到应力s2下先验分布(8)中倒伽马分布的尺度参数和形状参数a20和b20,先验分布(7)中正态分布的均值及标准差u20和
3)应力s2的后验分布
后验分布中的超参数由以下公式确定:
得到σ2·Δt的评估值:
由σ2·Δt的评估值得到:
E(d(s2)·Δt)=u2(26)
4)应力si的先验及后验分布的确定
通过应力s2的先验及后验分布的确定过程,对于应力si,其先验及后验分布的确定过程如下:
已知应力si-1的后验分布超参数分别为ai-1、bi-1、ui-1、利用(6)对A0和B0进行修正,从而通过(14)、(17)、(18)、(19)、(20)便可得到应力si的先验分布中倒伽马分布的尺度参数ai0和形状参数bi0,正态分布的均值ui0及标准差在此基础上结合以下公式:
E(d(si)·Δt)=ui (32)
其中:为si-1、si下数据的平均值,ni-1、ni为si-1、si下的数据量,ai和bi分别为应力si下后验分布(8)中倒伽马分布的尺度参数和形状参数,ui和分别为应力si下后验分布(7)中正态分布的均值及标准差;由此得到应力si的后验分布超参数以及所需的参数评估值;
步骤四、拟合加速模型参数的最终值
通过步骤三得到m个应力下的m个漂移系数与时间间隔的乘积评估值U=(E(d(s1)·Δt),E(d(s2)·Δt),…E(d(sm)·Δt)),由(2)得:
步骤五、评估产品的寿命及可靠度
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010554083 CN101976311B (zh) | 2010-11-22 | 2010-11-22 | 基于漂移布朗运动模型的加速退化试验贝叶斯评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010554083 CN101976311B (zh) | 2010-11-22 | 2010-11-22 | 基于漂移布朗运动模型的加速退化试验贝叶斯评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101976311A CN101976311A (zh) | 2011-02-16 |
CN101976311B true CN101976311B (zh) | 2012-12-19 |
Family
ID=43576196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010554083 Expired - Fee Related CN101976311B (zh) | 2010-11-22 | 2010-11-22 | 基于漂移布朗运动模型的加速退化试验贝叶斯评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101976311B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678938A (zh) * | 2013-12-27 | 2014-03-26 | 北京航空航天大学 | 一种面向空间形状和误差范围的退化模型一致性检验方法 |
CN104133994A (zh) * | 2014-07-24 | 2014-11-05 | 北京航空航天大学 | 融合多源成败型数据的可靠度评估方法 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779208B (zh) * | 2012-06-19 | 2014-11-05 | 北京航空航天大学 | 基于相对熵的序贯加速退化试验优化设计方法 |
CN103048056B (zh) * | 2012-12-18 | 2014-09-10 | 东南大学 | 一种日照温差采集样本概率密度的测定方法 |
CN104933323B (zh) * | 2015-07-10 | 2017-09-26 | 北京航空航天大学 | 融合产品成败型数据和故障时间数据的可靠性评估方法 |
CN106372315B (zh) * | 2016-08-31 | 2019-07-05 | 华南理工大学 | 基于改进的布朗漂移运动的加速退化试验方法 |
CN106407555B (zh) * | 2016-09-14 | 2019-04-26 | 中国人民解放军海军航空大学 | 基于加速因子不变原则的加速退化数据分析方法 |
CN106526492A (zh) * | 2016-10-31 | 2017-03-22 | 首都师范大学 | 计及时变环境温度影响的锂电池退化建模及寿命预测方法 |
CN106353691A (zh) * | 2016-10-31 | 2017-01-25 | 首都师范大学 | 一种计及自愈影响的锂电池退化建模及寿命预测方法 |
CN106291391A (zh) * | 2016-10-31 | 2017-01-04 | 首都师范大学 | 一种计及随机变电流的锂电池退化建模及寿命预测方法 |
CN107220500B (zh) * | 2017-05-27 | 2020-07-31 | 上海无线电设备研究所 | 基于逆高斯过程的性能退化试验贝叶斯可靠性评估方法 |
CN107688687A (zh) * | 2017-07-10 | 2018-02-13 | 山东科技大学 | 一种考虑长程相关性和部件不确定性的寿命预测方法 |
CN108537423B (zh) * | 2018-03-27 | 2022-09-09 | 生态环境部核与辐射安全中心 | 一种核电厂对数正态分布可靠性数据处理的Bayes方法 |
CN110796268A (zh) * | 2020-01-06 | 2020-02-14 | 支付宝(杭州)信息技术有限公司 | 确定业务处理模型超参数的方法和装置 |
CN111679955B (zh) * | 2020-08-11 | 2020-12-18 | 北京东方通软件有限公司 | 用于应用服务器的监控诊断和快照分析系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6901308B1 (en) * | 2002-07-09 | 2005-05-31 | The Regents Of The University Of California | System level analysis and control of manufacturing process variation |
CN101620045A (zh) * | 2009-07-31 | 2010-01-06 | 北京航空航天大学 | 基于时间序列的步进应力加速退化试验可靠性评估方法 |
CN101710368A (zh) * | 2009-12-21 | 2010-05-19 | 北京航空航天大学 | 基于多源退化数据的贝叶斯可靠性综合评估方法 |
-
2010
- 2010-11-22 CN CN 201010554083 patent/CN101976311B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6901308B1 (en) * | 2002-07-09 | 2005-05-31 | The Regents Of The University Of California | System level analysis and control of manufacturing process variation |
CN101620045A (zh) * | 2009-07-31 | 2010-01-06 | 北京航空航天大学 | 基于时间序列的步进应力加速退化试验可靠性评估方法 |
CN101710368A (zh) * | 2009-12-21 | 2010-05-19 | 北京航空航天大学 | 基于多源退化数据的贝叶斯可靠性综合评估方法 |
Non-Patent Citations (2)
Title |
---|
师义民.步进应力指数分布加速寿命试验的贝叶斯统计分析.《西北工业大学报》.1993,第11卷(第4期),第455-460页. * |
高鹏遐等.几何分布场合步加应力寿命试验的贝叶斯分析.《华侨大学学报(自然科学版)》.1994,第15卷(第1期),第139-147页. * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678938A (zh) * | 2013-12-27 | 2014-03-26 | 北京航空航天大学 | 一种面向空间形状和误差范围的退化模型一致性检验方法 |
CN103678938B (zh) * | 2013-12-27 | 2016-06-22 | 北京航空航天大学 | 一种面向空间形状和误差范围的退化模型一致性检验方法 |
CN104133994A (zh) * | 2014-07-24 | 2014-11-05 | 北京航空航天大学 | 融合多源成败型数据的可靠度评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101976311A (zh) | 2011-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101976311B (zh) | 基于漂移布朗运动模型的加速退化试验贝叶斯评估方法 | |
CN101710368B (zh) | 基于多源退化数据的贝叶斯可靠性综合评估方法 | |
CN101620045B (zh) | 基于时间序列的步进应力加速退化试验可靠性评估方法 | |
CN102663516B (zh) | 产品外场寿命及可靠性模型构建及评估方法 | |
CN107145641B (zh) | 叶片振动疲劳概率寿命预测方法 | |
CN109142083A (zh) | 一种变载荷历程下的蠕变损伤计算方法及模型 | |
CN103308723B (zh) | 一种基于物理模型的产品寿命快速检验方法 | |
CN102184326A (zh) | 一种飞机结构日历寿命估算方法 | |
CN103970965A (zh) | 燃气涡轮发动机加速寿命试验试车方法 | |
CN103646138A (zh) | 基于贝叶斯理论的定时截尾加速验收抽样试验优化设计方法 | |
CN102331377B (zh) | 一种评估t/p92钢的蠕变性能的方法 | |
CN102779208A (zh) | 基于相对熵的序贯加速退化试验优化设计方法 | |
CN104933323A (zh) | 融合产品成败型数据和故障时间数据的可靠性评估方法 | |
CN105375487A (zh) | 一种发电机组进相能力的建模方法 | |
CN107220500A (zh) | 基于逆高斯过程的性能退化试验贝叶斯可靠性评估方法 | |
CN110196779B (zh) | 一种星上电子产品加速寿命试验时间计算方法 | |
CN112765769B (zh) | 一种多阶段变工况固体推进剂剩余贮存寿命预测方法 | |
CN106227706A (zh) | 一种多气候模式输出数据综合校正及不确定性评估方法 | |
CN114970157A (zh) | 电子产品在电压应力作用下的小样本试验寿命预测方法 | |
CN102023636B (zh) | 一种机床数控系统的加速寿命试验方法 | |
CN104359772B (zh) | 岩体结构面峰值摩擦角的法向应力阈值的确定方法 | |
CN113919204B (zh) | 一种多状态制造系统可用性综合重要度分析方法 | |
CN113378368B (zh) | 一种基于非线性退化轨迹模型的加速因子评估方法 | |
CN112651153B (zh) | 一种确定晶体塑性有限元模型材料参数的方法 | |
CN104392126A (zh) | 一种摩擦焊接头性能可靠性评定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121219 Termination date: 20201122 |