CN102426307B

CN102426307B - 一种基于短期寿命试验数据的快速寿命评价方法

Info

Publication number: CN102426307B
Application number: CN201110277713.9A
Authority: CN
Inventors: 路国光; 黄云; 杨少华; 雷志锋; 冯敬东
Original assignee: Fifth Electronics Research Institute of Ministry of Industry and Information Technology
Current assignee: China Electronic Product Reliability and Environmental Testing Research Institute
Priority date: 2011-09-19
Filing date: 2011-09-19
Publication date: 2017-11-21
Anticipated expiration: 2031-09-19
Also published as: CN102426307A

Abstract

本发明公开了一种基于短期寿命试验数据的快速寿命评价方法，它包括如下步骤：(1)选择合适应力对器件进行寿命试验获得原始数据；(2)基于寿命试验获得的数据建立数学模型；(3)对寿命试验数据进行线性回归分析；(4)采用最小二乘法原理确定模型参数；(5)进行拟合优度检验计算，判断模型的有效性；(6)计算显著性检验统计量，确定给定显著性水平条件下，回归方程是否有意义；(7)利用weibull分布函数以及建立的数学模型，对试验器件的可靠性数量指标进行统计分析，获得器件的寿命指标和寿命分布。

Description

一种基于短期寿命试验数据的快速寿命评价方法

技术领域

本发明涉及元器件的寿命评价方法，尤其涉及一种基于短期寿命试验数据的快速寿命评价方法。

背景技术

现代科学技术的发展和工业水平的提高，加快了材料、元器件和工艺质量以及可靠性的改进速度，使产品寿命越来越长。1973年以来，国外半导体器件的平均寿命每15个月翻一番，电子产品产生损耗的时间从上世纪50年代至80年代长期稳定在5-10年之间，发展到当前固态电子产品的50年。我国近20年来研制的一些装备用关键元器件的寿命也获得了大幅提升，如空间用斯特林制冷机的使用寿命达到了10年，大功率半导体激光器的使用寿命超过了1×10⁹次脉冲，因此，如何快速评价这些高可靠长寿命产品的寿命是目前可靠性工程领域亟待解决的重要问题。

目前，国内外对元器件的寿命评价常采用基于失效时间数据的评价方法，这种方法主要有两种：一种是被广泛采用的应力寿命试验方法，另一种是目前应用较多的加速寿命试验方法。

应力寿命试验方法通常采用元器件实际应用条件下的应力水平做为寿命试验的施加应力，因而获得的失效时间数据比较真实。失效时间数据较充足时，利用这种方法评价得到的产品的寿命比较接近真实水平。

加速寿命试验是在进行合理工程及统计假设的基础上，利用与物理失效规律相关的统计模型对在超出正常应力水平的加速环境下获得的可靠性信息进行转换，得到试验器件在额定应力水平下寿命估计值的一种方法。该方法通常采用3组或多组高应力水平下的寿命试验统计值，确定选用加速模型如阿列尼乌斯模型、爱林模型、逆幂律模型等模型的参数，进而推算器件在实际应用条件下的寿命估计值。采用该种试验方法，能够在一定程度上降低寿命试验时间。

对于目前常用的基于失效时间数据的寿命评价方法均存在一定的缺点。采用正常应力条件进行寿命试验获得寿命指标的方法存在的缺点是数据获取所需的试验时间长、费用高，对于高可靠长寿命产品难以承受。加速寿命试验获取寿命指标的方法存在的问题是，对于高可靠长寿命产品而言，短期加速寿命试验仍有可能出现失效数很少或无失效的情况，这就需要通过增加试验样本数量或增加试验时间来获取充足的失效数据，对于价格昂贵的试验样品来说，试验成本和试验周期还是难以承受。

发明内容

针对现有技术寿命评价方法成本高、试验周期长的缺点，本发明的目的是提供一种基于短期寿命试验数据的快速寿命评价方法，实现了快速、经济地对长寿命器件的寿命评价。

为了实现上述目的，本发明的技术方案为：一种基于短期寿命试验数据的快速寿命评价方法，它包括如下步骤：(1)选择合适应力对器件进行寿命试验获得原始数据；(2)基于寿命试验获得的数据建立数学模型；(3)对寿命试验数据进行线性回归分析；(4)采用最小二乘法原理确定模型参数；(5)进行拟合优度检验计算，判断模型的有效性；(6)计算显著性检验统计量，确定给定显著性水平条件下，回归方程是否有意义；(7)利用weibull分布函数以及建立的数学模型，对试验器件的可靠性数量指标进行统计分析，获得器件的寿命指标和寿命分布。

优选地，在步骤(1)中，寿命试验包括基于时间可转换为线性退化的常规寿命试验及加速寿命试验。

优选地，在步骤(2)中，通过确定试验器件监测参数与时间的退化关系曲线来建立数学模型。

优选地，在步骤(3)中，线性回归分析包括对数学模型及原始试验数据进行线性变化，使监测参数与时间服从线性关系：式中，为试验数据统计量。

优选地，在步骤(4)中，最小二乘法原理通过使试验值与回归方程估计值之间误差平方和最小的方法确定模型参数，即

为回归值，通过下列方程组可以确定

其中x_i、y_i为试验观测值，为观测值平均值。

优选地，在步骤(5)中，进行拟合优度检验计算包括通过考核判定系数R²及标准残差RMSE的数值大小，确定数学模型与试验数据之间的一致程度。

优选地，在步骤(7)中，器件的寿命分布时，器件寿命分布遵从指数分布；m≥3时，器件寿命分布近似遵从正态分布。

与现有技术相比，本发明将线性拟合、最小二乘法原理、模型优度检验、回归模型显著性检验等统计学相关知识集成应用于元器件寿命试验数据分析，获得元器件寿命退化模型，基此外推器件的寿命指标，并确定给定应力条件下的最短寿命试验时间，实现了快速、经济的利用短期寿命试验数据对长寿命元器件寿命的评价，节省大量的时间和费用。

附图说明

下面结合附图对本发明作进一步的详细说明。

图1是本发明的方法流程图。

图2 25℃、100A寿命试验曲线。

图3是50℃、100A寿命试验曲线。

图4是50℃、115A寿命试验曲线。

具体实施方式

请参阅图1，本发明是基于短期寿命试验数据的一种快速寿命评价方法，包括如下步骤：步骤一，获取试验原始数据：选择合适应力条件，进行寿命试验，获得寿命试验数据，剔除试验数据中异常点，用于确定数学模型；

步骤二，建立数学模型：利用原始数据，确定试验器件监测参数与时间的退化关系曲线，建立数学模型；

步骤三，线性回归分析：对数学模型及原始试验数据进行线性变化，使监测参数与时间服从线性关系，如式(1)所示。

y＝ax+b (1)

用样本(试验数据)统计量就可确定a、b，则线性回归方程确定为(2)式。

步骤四，确定模型参数：依据最小二乘法原理，使试验值与回归方程估计值之间误差平方和最小的方法确定模型参数，即

为回归值，通过下列方程组可以确定

其中x_i、y_i为试验观测值，为观测值平均值。由此，获得试验器件监测参数随时间退化的数学模型。

步骤五，模型优度检验：通过考核判定系数R²及标准残差RMSE的数值大小，确定数学模型与试验数据之间的一致程度，验证模型的有效性。

为回归值，ω_i为权重。判定系数R²f 0.8时，数学模型与实际试验数据吻合的较好，建立的数学模型是有效的。在进行此步分析过程中，将试验数据区间进行等距分割，对每段区间数据的拟合判定系数进行计算，据此确定寿命试验的最短时间。

步骤六，显著性分析：利用检验统计量F判断给定显著性水平α时，建立的回归方程是否有意义。

对于给定显著性水平α，当F f F_1-α(1，n-k-1)时，回归方程有意义。

步骤七，统计分析：weibull分布函数的形状参数取值不同，可以用来描述指数分布和正态分布等不同分布，利用weibull分布函数这一性质，借助weibull++7商业软件，对试验器件的可靠性数量指标进行统计分析，获得器件的寿命指标和寿命分布。

m＝1时，器件寿命分布遵从指数分布；m≥3时，器件寿命分布近似遵从正态分布。

本发明通过对元器件短期寿命试验数据的分析，能够较准确的获得长寿命器件的寿命指标。其有益效果有三方面：一方面是为器件研制方和使用方快速获得产品寿命指标提供方法保证，保障产品的应用；二是能够快速检验产品寿命指标是否达到工程应用要求，并验证可靠性设计的合理性，加快新产品研制定型；三是合理使用本发明方法，能够高效激发器件潜在缺陷，为产品设计改进指明方向，加速产品可靠性增长过程。

下面例子是某研制单位大功率半导体激光器的寿命评价试验，试验分3组进行，第一组寿命试验条件是温度25℃、电流100A；第二组寿命试验条件是温度50℃、电流100A；第三组寿命试验条件是50℃、电流115A。按照本发明寿命评价方法分析得到如下分析结果。

步骤一，获取原始试验数据

请参阅图2-图3，剔除3组寿命试验异常试验数据，获得激光器功率随时间的退化曲线。

步骤二，建立数学模型

剔除突然失效器件对寿命试验的影响，通过对3组寿命试验曲线进行分析，发现激光器功率与时间近似遵从指数退化关系，基于此，建立激光器功率退化的数学模型。如(8)式所示。

P＝Aexp(-Bt) (8)

步骤三，线性回归分析

对(8)式进行对数坐标变化，得到线性方程为

ln P＝ln A-Bt (9)

则获得激光器的线性回归方程为

其中，

步骤四，确定模型参数

依据(3)、(4)式确定激光器功率退化数学模型的参数如表1所示。

表1激光器功率退化数学模型参数计算结果

步骤五，模型优度检验

依据(5)式对模型的拟合优度判定系数及标准残差进行计算，得到如表2的计算结果。

表2拟合优度检验计算结果

根据表格计算结果，判定建立的数学模型与实际试验数据较好的吻合。将第一、二组寿命试验数据区间进行等距划分，采用上述分析方法，确定25℃、100A寿命试验最短寿命试验为4000小时，50℃、100A寿命试验最短寿命试验为2500小时，50℃、115A寿命试验最短寿命试验为2000小时。分析结果证明通过加大试验应力，能够实现更短时间寿命试验数据对激光器长寿命的评估。具体计算结果如表3-表5所示。

表3 25℃、100A寿命试验分段拟合结果

表4 50℃、100A寿命试验分段拟合结果

表5 50℃、100A寿命试验分段拟合结果

步骤六，显著性分析

依据(6)式对激光器线性回归模型的显著性进行检验，表6是计算结果，结果表明，建立的线性回归方程是有意义的，分析结果有效。

表6回归模型显著性分析结果

步骤七，统计分析

利用建立的退化模型，结合weibull++7商业软件，确定25℃、100A条件下双侧取90％置信区间的激光器寿命为(6996.0145，7758.1951)，累积失效率50％时寿命为7367.2549，形状参数m的均值为13.6，寿命分布近似为正态分布；50℃、100A条件下双侧取90％置信区间的激光器寿命为(4119.5436，4663.9115)，累积失效率50％时寿命为4383.2849，形状参数m的均值为12.5，寿命分布近似为正态分布；50℃、115A条件下双侧取90％置信区间的激光器寿命为(3630.2508，3856.2805)，累积失效率50％时寿命为3741.5592，形状参数m的均值为21.2，寿命分布近似为正态分布。

50℃、115A条件寿命试验中有2只器件在试验进行到4000小时时达到失效判据，与本发明采用方法获得的器件寿命误差为6.5％，验证了本发明采用的寿命评价方法的有效性。

此外，本发明寿命评价方法，成功的对长寿命斯特林制冷机以及空间行波管等器件的寿命进行了评价，实现短期寿命试验数据对器件长寿命的快速评价。

Claims

1.一种基于短期寿命试验数据的快速寿命评价方法，其特征在于，它包括如下步骤：

(1)选择合适应力对器件进行寿命试验获得原始数据；

(2)基于寿命试验获得的数据，通过确定试验器件监测参数与时间的退化关系曲线建立数学模型；

(3)对寿命试验数据进行线性回归分析，线性回归分析包括对数学模型及原始试验数据进行线性变化，使监测参数与时间服从线性关系：

式中，a、b为试验数据统计量；

(4)采用最小二乘法原理确定模型参数；

(5)进行拟合优度检验计算，判断模型的有效性；

(6)计算显著性检验统计量，确定给定显著性水平条件下，回归方程是否有意义；

(7)利用weibull分布函数以及建立的数学模型，对试验器件的可靠性数量指标进行统计分析，获得器件的寿命指标和寿命分布。

2.根据权利要求1所述的基于短期寿命试验数据的快速寿命评价方法，其特征在于，在步骤(1)中，寿命试验包括基于时间可转换为线性退化的常规寿命试验及加速寿命试验。

3.根据权利要求1所述的基于短期寿命试验数据的快速寿命评价方法，其特征在于，在步骤(4)中，最小二乘法原理通过使试验值与回归方程估计值之间误差平方和最小的方法确定模型参数，即

为回归值，通过下列方程组可以确定

其中x_i、y_i为试验观测值，为观测值平均值。

4.根据权利要求1所述的基于短期寿命试验数据的快速寿命评价方法，其特征在于，在步骤(5)中，进行拟合优度检验计算包括通过考核判定系数R²及标准残差RMSE的数值大小，确定数学模型与试验数据之间的一致程度。

5.根据权利要求1所述的基于短期寿命试验数据的快速寿命评价方法，其特征在于，在步骤(7)中，器件的寿命分布t f 0，m＝1时，器件寿命分布遵从指数分布；m≥3时，器件寿命分布近似遵从正态分布。