CN102194055A - 一种机电类产品可靠性的度量方法 - Google Patents

Abstract

本发明一种机电类产品的可靠性的度量方法，涉及专门适用于特定应用的数字计算的方法，是基于云理论的机电类产品可靠性度量方法，在提供机电类产品的应力数据和强度数据的情况下，在单片机上进行可靠性度量分析，方法是建立一个可靠度的可信性曲线，该曲线函数为：

借助于云理论的思想，将信息的不完全可信性体现在云的厚度上，上述H(k)进行云化，建立一个可靠度的可信性云分布H_i(k)，并由计算机直观地显示输出结果。该方法在机电类产品可靠性度量的同时能处理随机信息、模糊信息和不完全可信信息，克服了现有技术的产品可靠性度量方案未就不完全可信信息加以处理的缺点。

Description

一种机电类产品可靠性的度量方法

技术领域

本发明的技术方案涉及专门适用于特定应用的数字计算的方法，具体地说是一种机电类产品的可靠性的度量方法。

背景技术

可靠性是描述一个产品在规定使用条件下、在使用寿命内完成各项预定功能的能力，例如某型号电视整机可靠性为0.99，即指该型电视在正常使用条件下、在寿命50000小时内，每100台至多有1台可能出现故障，不能正常观看。随着现代工业的发展，在激烈的市场竞争中，无论是从事成批、大量生产的企业还是向着多品种、单件小批量生产方向发展的企业，已越来越深刻地认识到在产品研制和产品生产中，产品的质量对企业生产经营的成功与否及其经济效益的获得所具有的决定性作用，而产品的可靠性高低是产品质量的一个关键性指标。

目前，很多产品在进行大规模生产之前，都需要进行可靠性检验，这样可以阻止一些没有达到可靠性标准的产品流入市场，从而便于出厂产品的质量控制，降低产品的故障发生率，延长其工作时间，保证产品的最优化。

产品可靠性研究的最终目的就是要提高产品的可靠性。由于产品可靠性度量是对产品完成正常工作的能力的量化，使之转换为可操作的、可计算的、直观的各种可靠性指标，因此进行产品可靠性研究的基本出发点是产品可靠性的度量，为此如何对产品可靠性进行度量是非常关键的。而可靠性度量需要考虑产品各方面信息，除了随机信息和模糊信息之外尚存在信息的不完全可信性问题。现有技术中，早先的产品可靠性度量方案大多只处理不确定信息中的随机信息，随后是模糊信息的处理也逐渐引起重视，但是对于信息的不完全可信性，即不完全可信信息却少有研究。

长期保持满足某规定要求的能力叫“可信性”。对于产品来说，产品的可信性是产品可靠性中一个很重要的特征。例如，对于顾客来说，一颗卫星应该是绝对安全的，但绝对可靠是不可能的，当达到99％的可靠性已经是很高的水平了。产品的可信性对于一个将要投入使用的产品来说，是一个非常关键产品可靠性的技术指标，所以，评价产品可靠度值中的可信程度，是有一定的意义的。

为了能够更加客观精确地描述机电类产品的可靠性水平，不应该舍弃客观存在的各类信息，而应该尽可能地保证信息的完整性，即便其可信程度不高，但是现有技术的产品可靠性度量方案未就不完全可信信息加以处理。

发明内容

本发明所要解决的技术问题是：提供一种机电类产品的可靠性的度量方法，在提供机电类产品的应力数据和强度数据的情况下，进行机电类产品可靠性度量，最终度量结果为一个可靠性的云分布，并由计算机显示输出。该方法在机电类产品可靠性度量的同时能处理随机信息、模糊信息和不完全可信信息，克服了现有技术的产品可靠性度量方案未就不完全可信信息加以处理的缺点。

本发明解决该技术问题所采用的技术方案是：一种机电类产品的可靠性的度量方法，是基于云理论的机电类产品可靠性度量方法，其步骤如下：

步骤一，机电类产品的应力数据和强度数据的获取

通过实验现场数据采集、参照相关标准或者同型号历史数据、参考相关专家经验或由厂家提供的产品的出厂值来获得待测机电类产品的应力数据和强度数据；

步骤二，机电类产品的应力数据和强度数据的处理

将步骤一获取的机电类产品的应力数据和强度数据输入单片机作如下处理；

(2.1)对获取的机电类产品的应力数据的处理

当输入的机电类产品的应力数据数为1～99个时，将其视为模糊应力数据，记为

并构造一个应力分布的模糊隶属函数

当输入的机电类产品的应力数据≥100时，将其视为随机应力数据，记为s，并构造一个应力分布的随机概率密度分布函数f(s)，

(2.2)对获取的机电类产品的强度数据的处理

机电类产品的强度数据是指机电类产品的生产厂家提供的出厂值，是一个确定的数值或者一个数值区间，根据实际需要将其定为随机强度数据或是模糊强度数据均可，当定为模糊强度数据，记为

并构造一个强度分布的模糊隶属函数为

当定为随机强度数据时，记为r，并构造一个强度分布的随机概率密度函数为g(r)；

步骤三，建立一个可靠度的可信性曲线，进行机电类产品的可靠性度量

在步骤二建立的应力分布函数和强度分布函数的基础上，在单片机上进行可靠性度量分析，方法是建立一个k为X轴，以H(k)为Y轴的可靠度的可信性曲线，该曲线函数为：

$H\left(k\right)=\left\{\begin{array}{cc}{\&Integral;}_0^k[1-h\left(y\right)]\mathrm{dy}/{\&Integral;}_0^R[1-h\left(y\right)]\mathrm{dy}& 0\&le;k<R\\ 1& k=R\\ {\&Integral;}_k^{1}h\left(y\right)\mathrm{dy}/{\&Integral;}_R^{1}h\left(y\right)\mathrm{dy}& R\&le;k<1\end{array}\right.$

上式中，k表示可靠度值，是一个变量k∈[0，1]，H(k)表示取不同k可靠度值时对应的可信度值，H(k)是一个关于k的曲线函数，y为所获取的机电类产品的应力数据为任意值时，所获取的该机电类产品的强度数据大于该所获取的机电类产品的应力数据的安全程度，h(y)为可靠度的可能性分布函数，

上式中，h(y)的求取过程为：

(3.1)当应力数据和强度数据均为随机概率密度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}f\left(y^{-1}\right)d{y}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^{d}g\left(r\right)\mathrm{dr}$

(3.2)当应力数据和强度数据均为模糊隶属度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}{f}_{\tilde{s}}\left(y^{-1}\right){\mathrm{dy}}^{-1}/{\&Integral;}_a^b{f}_{\tilde{r}}\left(y\right){\mathrm{dy}}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}/{\&Integral;}_c^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}$

(3.3)当应力数据为随机概率密度分布函数，强度数据为模糊隶属度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}f\left(y^{-1}\right)d{y}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}/{\&Integral;}_c^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}$

(3.4)当应力数据为模糊隶属度分布函数，强度数据为随机概率密度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}{f}_{\tilde{s}}\left(y^{-1}\right)d{y}^{-1}/{\&Integral;}_a^b{f}_{\tilde{r}}\left(y\right){\mathrm{dy}}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^{d}g\left(r\right)\mathrm{dr}$

上述式子中，a，b表示定义域内应力数据的最小值和最大值，c，d表示定义域内强度数据的最小值和最大值，

在上述建立一个可靠度的可信性曲线的基础上，求取机电类产品的可靠性的可靠度值R：

$R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}$

R是通过对曲线h(y)和X坐标轴所围成的面积积分所得的，为最值得信任的可靠度值，也就是常规的可靠度值；

步骤四，机电类产品的可靠度的可信性分布的云化

借助于云理论的思想，将信息的不完全可信性体现在云的厚度上，对步骤三建立的可靠度的可信性曲线H(k)进行云化，建立一个可靠度的可信性云分布H_i(k)，具体步骤为：

(4.1)输入可信性曲线H(k)的坐标数据，对左右分布曲线分别进行拟合；

(4.2)求取各云化参数，将对信息的不完全可信性体现在云的厚度上；

(4.3)生成相应的随机数；

(4.4)生成云滴；

步骤五，显示输出结果

将步骤三和步骤四中得到的机电类产品的可靠性的可靠度值R和可靠度的可信性云分布H_i(k)在显示器中显示出来。

上述一种机电类产品的可靠性的度量方法，所述机电类产品中的应力和强度是指广义应力和广义强度，广义应力是指由外力或其它因素引起的作用对产品施加的作用力，常见的有：机械应力、电应力和热应力，广义强度是指产品在经受外力或其它因素作用时抵抗破坏的能力，常见的有：机械强度、电强度和热强度。

上述一种机电类产品的可靠性的度量方法，所述云理论的思想是已有技术，是为本技术领域技术人员所熟知的。

上述一种机电类产品的可靠性的度量方法，所述将所获取的机电类产品的应力数据和强度数据输入单片机中的数据输入方法是公知的方法，所述单片机和显示器均是通过商购获得的。

本发明的有益效果是：本发明与现有技术相比有以下特点，

(1)相比于现有的其他可靠性度量方法，本发明方法的度量结果为一个以可靠度值为横坐标的云分布，也就是说产品的可靠度值将在曲线所覆盖的区间内变换，可以根据这个度量结果来判定产品是否满足可靠性要求，以便于控制产品的质量，降低故障发生率，延长工作时间，保证系统的最优化。

(2)应用本发明方法，在已选定的可靠性试验的样本的前提下，确定该试验的样本是否满足规定的可靠性度量要求，有利于对产品质量进行严格把关，降低了产品投产的风险，有利于产品的大规模生产。

(3)本发明方法中的可靠性度量结果不仅仅是一个固定的可靠度值，还包括一个可以反映可靠度值的可信度分布曲线，该可信度分布曲线不仅可以直接显示出现有技术所测得的常规可靠度值，而且还能反映出可靠度的分布区间，这有利于对即将大规模投产的产品进行可靠性检测。

(4)本发明方法建立的可靠度-可信性云模型将随机性、模糊性和不完全可信性纳入统一的理论体系，并在常规可靠性和模糊可靠性方法之间构建一座桥梁，与现有的技术相比更符合实际工程情况。

(5)本发明一种机电类产品的可靠性的度量的方法不仅限于机电类产品的可靠性的度量，也可以扩展用于其他类型产品的可靠性的度量。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明方法的流程示意图。

图2本发明方法中对可靠度的可信性分布进行云化的流程图。

图3是实施例1中一种铝电解电容的可靠度的可信性云分布的显示图。

图4是实施例2中一种机械轴承的可靠度的可信性云分布的显示图。

图5是实施例3中一种汽车零件的可靠度的可信性云分布显示图。

图6是实施例4中一种C8050型号三极管的可靠度的可信性云分布显示图。

具体实施方式

图1表明本发明一种机电类产品的可靠性的度量方法的流程是，机电类产品的应力数据和强度数据的获取和处理；建立一个可靠度的可信性曲线，进行机电类产品的可靠性度量；机电类产品的可靠度的可信性分布的云化；显示输出结果。

图2表明本发明方法对可靠度的可信性分布进行云化(即将曲线H(k)云化成H_i(k)云分布)的流程是，开始，输入可信性曲线H(k)的坐标数据，对左右分布曲线分别进行拟合；求取各云化参数，将对信息的不完全可信性体现在云的厚度上；生成相应的随机数；生成云滴；显示输出结果：显示器中显示出可靠度的可信性云分布H_i(k)，参见图3～图6，从显示图中看出信任度为1的可靠度值就是常规可靠度值。

实施例1

一种铝电解电容的可靠性度量

步骤一，该铝电解电容的应力数据和强度数据的获取

该铝电解电容在某电路中正常工作时，现场检测电容两端电压，获取应力数据200个数据；从厂家提供的出厂数据知道，该铝电解电容工作时的耐压值为50V，此为强度数据。

步骤二，该铝电解电容的应力数据和强度数据的处理

将步骤一获取的该铝电解电容的应力数据和强度数据输入单片机作如下处理；

(2.1)对获取的该铝电解电容的应力数据的处理

输入的该铝电解电容的应力数据200个≥100，将其视为随机应力数据s，其应力分布的随机概率密度分布函数为f(s)，根据输入的应力数据建立的该应力分布的随机概率密度分布函数服从正态分布N²(40，3)，

(2.2)对获取的该铝电解电容的强度数据的处理

根据实际情况，该铝电解电容的强度数据定为随机强度数据r，其强度分布的随机概率密度分布函数为g(r)，根据经验该强度分布的随机概率密度分布函数服从随机正态分布N²(50，2)。

步骤三，建立一个可靠度的可信性曲线，进行该铝电解电容的可靠性度量

在步骤二建立的应力分布函数和强度分布函数的基础上，在单片机上进行可靠性度量分析，方法是建立一个k为X轴，以H(k)为Y轴的可靠度的可信性曲线，该曲线函数为：

$H\left(k\right)=\left\{\begin{array}{cc}{\&Integral;}_0^k[1-h\left(y\right)]\mathrm{dy}/{\&Integral;}_0^R[1-h\left(y\right)]\mathrm{dy}& 0\&le;k<R\\ 1& k=R\\ {\&Integral;}_k^{1}h\left(y\right)\mathrm{dy}/{\&Integral;}_R^{1}h\left(y\right)\mathrm{dy}& R\&le;k<1\end{array}\right.$

上式中，k表示可靠度值，是一个变量k∈[0，1]，H(k)表示取不同k可靠度值时对应的可信度值，H(k)是一个关于k的曲线函数，y为所获取的该铝电解电容的应力数据为任意值时，所获取的该铝电解电容的强度数据大于该所获取的该铝电解电容的应力数据的安全程度，h(y)为可靠度的可能性分布函数，

上式中，h(y)的求取过程为：

该铝电解电容的应力数据和强度数据均为随机概率密度分布函数，有

$y={\&Integral;}_{\mathrm{\&lambda;}}^{+\&infin;}g\left(r\right)\mathrm{dr},$ $h\left(y\right)={\&Integral;}_{-\&infin;}^{\mathrm{\&lambda;}}f\left(y^{-1}\right){\mathrm{dy}}^{-1},$

在上述建立一个可靠度的可信性曲线的基础上，求取该铝电解电容的可靠性的可靠度值R：

$R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy},$

该铝电解电容在信任值为1时对应的可靠度值为： $R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}=0.9972.$

步骤四，该铝电解电容的可靠度的可信性分布的云化

借助于云理论的思想，将信息的不完全可信性体现在云的厚度上，对步骤三建立的该铝电解电容的可靠度的可信性曲线H(k)进行云化，建立一个该铝电解电容可靠度的可信性云分布H_i(k)，具体步骤为：

(4.1)输入可信性曲线H(k)的坐标数据，对左右分布曲线分别进行拟合；

(4.2)求取各云化参数，将对信息的不完全可信性体现在云的厚度上；

(4.3)生成相应的随机数；

(4.4)生成云滴。

步骤五，显示输出结果

将步骤三和步骤四中得到该铝电解电容的R和云分布H_i(k)在显示器中显示出来，如图3所示。该显示图表明了该铝电解电容的可靠度的可信性云分布，其中R为该铝电解电容在信任值为1时对应的可靠度值，H_i(k)为该铝电解电容的可靠度的可信性云分布。从显示图中看出信任值为1所对应的可靠度值就是常规可靠度值

实施例2

一种机械轴承的可靠性度量

步骤一，该机械轴承的应力数据和强度数据的获取

通过实验现场数据采集，在工作时该机械轴承所受压力，所获得的拉力应力数据为100个；从厂家提供的出厂数据知道，该强度数据为机械轴承所能承受的压力在100Mpa～108Mpa。

步骤二，该机械轴承的应力数据和强度数据的处理

将步骤一获取的机械轴承的应力数据和强度数据输入单片机作如下处理；

(2.1)对获取的该机械轴承的应力数据的处理

输入的机械轴承的应力数据100个＝100，将该应力数据视为随机应力数据s，其应力分布的随机概率密度分布函数为f(s)，根据输入的应力数据建立的该应力分布的随机概率密度分布函数为：

(2.2)对获取的该机械轴承的强度数据的处理

根据实际需要，该机械轴承的强度数据定为模糊强度数据

其强度分布的模糊隶属函数函数为

根据经验该强度分布的模糊隶属函数分布为：

步骤三，建立一个可靠度的可信性曲线，进行该机械轴承的可靠性度量

在步骤二建立的应力分布函数和强度分布函数的基础上，在单片机上进行可靠性度量分析，方法是建立一个k为X轴，以H(k)为Y轴的可靠度的可信性曲线，该曲线函数为：

$H\left(k\right)=\left\{\begin{array}{cc}{\&Integral;}_0^k[1-h\left(y\right)]\mathrm{dy}/{\&Integral;}_0^R[1-h\left(y\right)]\mathrm{dy}& 0\&le;k<R\\ 1& k=R\\ {\&Integral;}_k^{1}h\left(y\right)\mathrm{dy}/{\&Integral;}_R^{1}h\left(y\right)\mathrm{dy}& R\&le;k<1\end{array}\right.$

上式中，k表示可靠度值，是一个变量k∈[0，1]，H(k)表示取不同k可靠度值时对应的可信度值，H(k)是一个关于k的曲线函数，y为所获取的机械轴承的应力数据为任意值时，所获取的该机械轴承的强度数据大于所获取该机械轴承的应力数据的安全程度，h(y)为可靠度的可能性分布函数，

上式中，h(y)的求取过程为：

该机械轴承应力数据为随机概率密度分布函数，强度数据为模糊隶属函数，有

$y={\&Integral;}_{\mathrm{\&lambda;}}^{108}{g}_{\tilde{r}}\left(x\right)\mathrm{dx}/{\&Integral;}_{100}^{108}{g}_{\tilde{r}}\left(x\right)\mathrm{dx},$ $h\left(y\right)={\&Integral;}_{99}^{\mathrm{\&lambda;}}f\left(y^{-1}\right){\mathrm{dy}}^{-1},$

在上述建立一个可靠度的可信性曲线的基础上，求取该机械轴承的可靠性的可靠度值R：

$R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}$

该机械轴承在信任值为1时对应的可靠度值为： $R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}=0.9974.$

步骤四，该机械轴承的可靠度的可信性分布的云化

借助于云理论的思想，将信息的不完全可信性体现在云的厚度上，对步骤三建立的该机械轴承的可靠度的可信性曲线H(k)进行云化，建立一个该机械轴承可靠度的可信性云分布H_i(k)，具体步骤为：

(4.1)输入可信性曲线H(k)的坐标数据，对左右分布曲线分别进行拟合；

(4.2)求取各云化参数，将对信息的不完全可信性体现在云的厚度上；

(4.3)生成相应的随机数；

(4.4)生成云滴。

步骤五，显示输出结果

将步骤三和步骤四中得到该机械轴承的R和云分布H_i(k)在显示器中显示出来，如图4所示。该显示图表明了该机械轴承的可靠度的可信性云分布，其中R为该机械轴承在信任值为1时对应的可靠度值，H_i(k)为该铝电解电容的可靠度的可信性云分布。从显示图中看出信任值为1所对应的可靠度值就是常规可靠度值

实施例3

一种汽车零件的可靠性度量

步骤一，该汽车零件的应力数据和强度数据的获取

该汽车零件在汽车工作时，会承受一定作用力，现场检测其所受作用力，获取50个数据为应力数据，从厂家提供的出厂数据知道，该汽车零件的强度数据为100Mpa。

步骤二，该汽车零件的应力数据和强度数据的处理

将步骤一获取的汽车零件的应力数据和强度数据输入单片机作如下处理；

(2.1)对获取的该汽车零件的应力数据的处理

输入的汽车零件的应力数据为50个，将该应力数据视为模糊应力数据

其模糊隶属函数为

根据输入的应力数据建立的模糊隶属函数为一个正态模糊数

(2.2)对获取的该汽车零件的强度数据的处理

该汽车零件的强度为100Mpa，根据实际情况，该汽车零件的强度数据定为模糊强度数据

其强度分布的模糊隶属函数函数为根据经验其为一个正态模糊数

步骤三，建立一个可靠度的可信性曲线，进行该汽车零件的可靠性度量

在步骤二建立的应力分布函数和强度分布函数的基础上，在单片机上进行可靠性度量分析，方法是建立一个k为X轴，以H(k)为Y轴的可靠度的可信性曲线，该曲线函数为：

$H\left(k\right)=\left\{\begin{array}{cc}{\&Integral;}_0^k[1-h\left(y\right)]\mathrm{dy}/{\&Integral;}_0^R[1-h\left(y\right)]\mathrm{dy}& 0\&le;k<R\\ 1& k=R\\ {\&Integral;}_k^{1}h\left(y\right)\mathrm{dy}/{\&Integral;}_R^{1}h\left(y\right)\mathrm{dy}& R\&le;k<1\end{array}\right.$

上式中，k表示可靠度值，是一个变量k∈[0，1]，H(k)表示取不同k可靠度值时对应的可信度值，H(k)是一个关于k的曲线函数，y为所获取的汽车零件的应力数据为任意值时，所获取的该汽车零件的强度数据大于所获取该汽车零件的应力数据的安全程度，h(y)为可靠度的可能性分布函数，

上式中，h(y)的求取过程为：

该汽车零件的应力数据和强度数据均为随机概率密度分布函数，有

$y={\&Integral;}_{\mathrm{\&lambda;}}^{+\&infin;}{g}_{\tilde{r}}\left(x\right)\mathrm{dx}/{\&Integral;}_{-\&infin;}^{+\&infin;}{g}_{\tilde{r}}\left(x\right)\mathrm{dx},$ $h\left(y\right)={\&Integral;}_{-\&infin;}^{\mathrm{\&lambda;}}{f}_{\tilde{s}}\left(y^{-1}\right){\mathrm{dy}}^{-1}/{\&Integral;}_{-\&infin;}^{+\&infin;}{f}_{\tilde{r}}\left(y\right){\mathrm{dy}}^{-1},$

在上述建立一个可靠度的可信性曲线的基础上，求取该汽车零件的可靠性的可靠度值R：

$R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}$

该汽车零件在信任值为1时对应的可靠度值： $R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}=0.9214.$

步骤四，该汽车零件的可靠度的可信性分布的云化

借助于云理论的思想，将信息的不完全可信性体现在云的厚度上，对步骤三建立的该汽车零件的可靠度的可信性曲线H(k)进行云化，建立一个该汽车零件可靠度的可信性云分布H_i(k)，具体步骤为：

(4.1)输入可信性曲线H(k)的坐标数据，对左右分布曲线分别进行拟合；

(4.2)求取各云化参数，将对信息的不完全可信性体现在云的厚度上；

(4.3)生成相应的随机数；

(4.4)生成云滴。

步骤五，显示输出结果

将步骤三和步骤四中得到该汽车零件的R和云分布H_i(k)在显示器中显示出来，如图5所示。该显示图表明了该汽车零件的可靠度的可信性云分布，其中R为该汽车零件在信任值为1时对应的可靠度值，H_i(k)为该汽车零件的可靠度的可信性云分布。从显示图中看出信任值为1所对应的可靠度值就是常规可靠度值

实施例4

一种C8050型号三极管的可靠性度量

步骤一，该型号三极管的应力数据和强度数据的获取

已知该型号三极管在某电路中正常工作，在不考虑其它因素的影响的前提下现场检测该三极管集电极-发射极之间的电压，获取50个数据作为应力数据；从厂家提供的出厂数据知道，该型号三极管的集电极-发射极击穿电压的出厂值为25V，此为型号三极管的强度数据。

步骤二，该型号三极管的应力数据和强度数据的处理

将步骤一获取的该型号三极管的应力数据和强度数据输入单片机作如下处理；

(2.1)对获取的该型号三极管的应力数据的处理

输入的汽车零件的应力数据为50个，将该应力数据视为模糊应力数据其模糊隶属函数为根据输入的应力数据建立的模糊隶属函数为一个三角模糊数

(2.2)对获取的该型号三极管的强度数据的处理

该该型号三极管的强度为，其集电极-发射极击穿电压的出厂值为25V，根据实际情况，该型号三极管的强度数据定为随机强度数据r，其概率密度分布函数为g(r)，根据经验其分布为：

步骤三，建立一个可靠度的可信性曲线，进行该型号三极管的可靠性度量

在步骤二建立的应力分布函数和强度分布函数的基础上，在单片机上进行可靠性度量分析，方法是建立一个k为X轴，以H(k)为Y轴的可靠度的可信性曲线，该曲线函数为：

$H\left(k\right)=\left\{\begin{array}{cc}{\&Integral;}_0^k[1-h\left(y\right)]\mathrm{dy}/{\&Integral;}_0^R[1-h\left(y\right)]\mathrm{dy}& 0\&le;k<R\\ 1& k=R\\ {\&Integral;}_k^{1}h\left(y\right)\mathrm{dy}/{\&Integral;}_R^{1}h\left(y\right)\mathrm{dy}& R\&le;k<1\end{array}\right.$

上式中，k表示可靠度值，是一个变量k∈[0，1]，H(k)表示取不同k可靠度值时对应的可信度值，H(k)是一个关于k的曲线函数，y为所获取的该型号三极管的应力数据为任意值时，所获取的该型号三极管的强度数据大于所获取该型号三极管的应力数据的安全程度，h(y)为可靠度的可能性分布函数，

上式中，h(y)的求取过程为：

该型号三极管的应力数据为模糊隶属函数，强度数据为随机概率密度分布函数，有

$y={\&Integral;}_{\mathrm{\&lambda;}}^{26.5}g\left(r\right)\mathrm{dr},$ $h\left(y\right)={\&Integral;}_{23.5}^{\mathrm{\&lambda;}}{f}_{\tilde{s}}\left(y^{-1}\right){\mathrm{dy}}^{-1}/{\&Integral;}_{23.5}^{25.5}{f}_{\tilde{s}}\left(y\right){\mathrm{dy}}^{-1},$

在上述建立一个可靠度的可信性曲线的基础上，求取该型号三极管的可靠性的可靠度值R：

$R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}$

该型号三极管在信任值为1时对应的可靠度值： $R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}=0.9523.$

步骤四，该型号三极管的可靠度的可信性分布的云化

借助于云理论的思想，将信息的不完全可信性体现在云的厚度上，对步骤三建立的该型号三极管的可靠度的可信性曲线H(k)进行云化，建立一个该型号三极管可靠度的可信性云分布H_i(k)，具体步骤为：

(4.1)输入可信性曲线H(k)的坐标数据，对左右分布曲线分别进行拟合；

(4.2)求取各云化参数，将对信息的不完全可信性体现在云的厚度上；

(4.3)生成相应的随机数；

(4.4)生成云滴。

步骤五，显示输出结果

将步骤三和步骤四中得到该型号三极管的R和云分布H_i(k)在显示器中显示出来，如图6所示。该显示图表明了该型号三极管的可靠度的可信性云分布，其中R为该型号三极管在信任值为1时对应的可靠度值，H_i(k)为该型号三极管的可靠度的可信性云分布。从显示图中看出信任值为1所对应的可靠度值就是常规可靠度值

实施例5

除步骤一该铝电解电容的应力数据和强度数据的获取中，所获取的应力数据为该铝电解电容在某电路中正常工作时的现场检测电容两端电压数据500个数据之外，其他步骤和结果均同实施例1。

实施例6

除步骤一该汽车零件的应力数据和强度数据的获取中，所获取的应力数据为该汽车零件在汽车工作时的现场检测其所受作用力的数据1个数据之外，其他步骤和结果均同实施例3。

实施例7

除步骤一该型号三极管的应力数据和强度数据的获取中，所获取的应力数据为已知该型号三极管该三极管集电极-发射极之间的电压数据99个数据之外，其他步骤和结果均同实施例4。

上述所有实施例中，所述云理论的思想是已有技术，是为本技术领域技术人员所熟知的，所述将所获取的应力数据和强度数据输入单片机中的数据输入方法是公知的方法，所述单片机和显示器均是通过商购获得的。

Claims (2)

1.一种机电类产品的可靠性的度量方法，其特征在于是基于云理论的机电类产品可靠性度量方法，其步骤如下：

步骤一，机电类产品的应力数据和强度数据的获取

通过实验现场数据采集、参照相关标准或者同型号历史数据、参考相关专家经验或由厂家提供的产品的出厂值来获得待测机电类产品的应力数据和强度数据；

步骤二，机电类产品的应力数据和强度数据的处理

将步骤一获取的机电类产品的应力数据和强度数据输入单片机作如下处理；

(2.1)对获取的机电类产品的应力数据的处理

当输入的机电类产品的应力数据数为1～99个时，将其视为模糊应力数据，记为并构造一个应力分布的模糊隶属函数

当输入的机电类产品的应力数据≥100时，将其视为随机应力数据，记为s，并构造一个应力分布的随机概率密度分布函数f(s)，

(2.2)对获取的机电类产品的强度数据的处理

机电类产品的强度数据是指机电类产品的生产厂家提供的出厂值，是一个确定的数值或者一个数值区间，根据实际需要将其定为随机强度数据或是模糊强度数据均可，当定为模糊强度数据，记为

并构造一个强度分布的模糊隶属函数为当定为随机强度数据时，记为r，并构造一个强度分布的随机概率密度函数为g(r)；

步骤三，建立一个可靠度的可信性曲线，进行机电类产品的可靠性度量

在步骤二建立的应力分布函数和强度分布函数的基础上，在单片机上进行可靠性度量分析，方法是建立一个k为X轴，以H(k)为Y轴的可靠度的可信性曲线，该曲线函数为：

$H\left(k\right)=\left\{\begin{array}{cc}{\&Integral;}_0^k[1-h\left(y\right)]\mathrm{dy}/{\&Integral;}_0^R[1-h\left(y\right)]\mathrm{dy}& 0\&le;k<R\\ 1& k=R\\ {\&Integral;}_k^{1}h\left(y\right)\mathrm{dy}/{\&Integral;}_R^{1}h\left(y\right)\mathrm{dy}& R\&le;k<1\end{array}\right.$

上式中，k表示可靠度值，是一个变量k∈[0，1]，H(k)表示取不同k可靠度值时对应的可信度值，H(k)是一个关于k的曲线函数，y为所获取的机电类产品的应力数据为任意值时，所获取的该机电类产品的强度数据大于该所获取的机电类产品的应力数据的安全程度，h(y)为可靠度的可能性分布函数。

上式中，h(y)的求取过程为：

(3.1)当应力数据和强度数据均为随机概率密度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}f\left(y^{-1}\right){\mathrm{dy}}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^{d}g\left(r\right)\mathrm{dr}$

(3.2)当应力数据和强度数据均为模糊隶属度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}{f}_{\tilde{s}}\left(y^{-1}\right){\mathrm{dy}}^{-1}/{\&Integral;}_a^b{f}_{\tilde{r}}\left(y\right){\mathrm{dy}}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}/{\&Integral;}_c^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}$

(3.3)当应力数据为随机概率密度分布函数，强度数据为模糊隶属度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}f\left(y^{-1}\right)d{y}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}/{\&Integral;}_c^d{g}_{\tilde{r}}\left(x\right)\mathrm{dx}$

(3.4)当应力数据为模糊隶属度分布函数，强度数据为随机概率密度分布函数时，

$h\left(y\right)={\&Integral;}_a^{\mathrm{\&lambda;}}{f}_{\tilde{s}}\left(y^{-1}\right)d{y}^{-1}/{\&Integral;}_a^b{f}_{\tilde{r}}\left(y\right){\mathrm{dy}}^{-1},$ $y={\&Integral;}_{\mathrm{\&lambda;}}^{d}g\left(r\right)\mathrm{dr}$

上述式子中，a，b表示定义域内应力数据的最小值和最大值，c，d表示定义域内强度数据的最小值和最大值，

在上述建立一个可靠度的可信性曲线的基础上，求取机电类产品的可靠性的可靠度值R：

$R={\&Integral;}_0^{1}h\left(y\right)\mathrm{dy}$

R是通过对曲线h(y)和X坐标轴所围成的面积积分所得的，为最值得信任的可靠度值，也就是常规的可靠度值；

步骤四，机电类产品的可靠度的可信性分布的云化

借助于云理论的思想，将信息的不完全可信性体现在云的厚度上，对步骤三建立的可靠度的可信性曲线H(k)进行云化，建立一个可靠度的可信性云分布H_i(k)，具体步骤为：

(4.1)输入可信性曲线H(k)的坐标数据，对左右分布曲线分别进行拟合；

(4.2)求取各云化参数，将对信息的不完全可信性体现在云的厚度上；

(4.3)生成相应的随机数；

(4.4)生成云滴；

步骤五，显示输出结果

将步骤三和步骤四中得到的机电类产品的可靠性的可靠度值R和可靠度的可信性云分布H_i(k)在显示器中显示出来。

2.按照权利要求1所述一种机电类产品的可靠性的度量方法，其特征在于：所述的机电类产品是铝电解电容、机械轴承、汽车零件或三极管。

Images