CN102629300A - 一种基于灰色预测模型的步进应力加速退化数据评估方法 - Google Patents

一种基于灰色预测模型的步进应力加速退化数据评估方法 Download PDF

Info

Publication number
CN102629300A
CN102629300A CN201210069416XA CN201210069416A CN102629300A CN 102629300 A CN102629300 A CN 102629300A CN 201210069416X A CN201210069416X A CN 201210069416XA CN 201210069416 A CN201210069416 A CN 201210069416A CN 102629300 A CN102629300 A CN 102629300A
Authority
CN
China
Prior art keywords
model
stress
sample
under
stress level
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.)
Pending
Application number
CN201210069416XA
Other languages
English (en)
Inventor
袁宏杰
吴浩
段刚
张泽
王磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201210069416XA priority Critical patent/CN102629300A/zh
Publication of CN102629300A publication Critical patent/CN102629300A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于灰色预测模型的步进应力加速退化数据评估方法,它有五大步骤:步骤一:对试验数据进行初步处理和转换,得到各试验样本在各应力水平下性能退化量的数据序列;步骤二:利用灰色预测建立预测模型并求取模型参数和对各模型的预测精度进行检验;步骤三:根据预测模型,计算各样品在应力水平Sa下的达到退化阀值Df的时间
Figure DDA0000143675450000011
各应力水平下样品的寿命分布类型及总体参数;步骤四:找出总体参数与应力水平之间的关系方程,即加速方程;步骤五:根据加速方程,用外推法估计正常应力水平下产品总体的分布参数,根据总体参数的估计值
Figure DDA0000143675450000012
即得到产品在正常使用条件下的可靠性函数。本发明应用灰色系统拟合产品退化轨迹,克服其它模型的缺点,提高了预测精度。

Description

一种基于灰色预测模型的步进应力加速退化数据评估方法
(一)技术领域
本发明涉及加速退化数据的评估方法,尤其涉及一种基于灰色预测模型的步进应力加速退化数据评估方法。对于复杂系统退化轨迹难拟合的问题,应用灰色系统理论GM(1.1)预测模型,对步进应力加速退化试验中产品的性能退化量进行预测,并以此得到产品的寿命特征分布,属于应用数学和可靠性工程技术领域。
(二)背景技术
随着科学技术的长足发展,航空航天领域对电子产品提出了高可靠性长寿命的要求。应用传统的可试验方法对其寿命和可靠性指标进行评估需要漫长的时间,耗费大量的人力、物力、财力。由于加速退化试验方法不需要观测到故障的发生,只需要对预先确定的性能退化参数进行检测即可,引起了人们越来越多的重视。
目前探讨较多的加速退化试验方法是恒定应力加速退化试验方法和步进应力加速退化试验方法。恒定应力加速退化试验评估方法由于方法简单、相应理论较为完善而经常被采用,而步进应力试验与恒定应力试验相比需要的样本数更少,试验效率更高。目前对步进应力试验的加速退化数据评估方法有三种:将步进应力加速退化试验数据转换为恒定应力加速退化试验数据进行评估;基于时间序列分析对步进应力加速退化试验进行评估;基于比例退化模型的步进应力加速退化数据评估。但它们都有各自的缺陷,前两种方法都需假设产品退化过程为线性或能转换为线性模型,这导致了预测的精度不高;基于比例退化模型的方法虽能够克服退化过程线性化假设,但其计算复杂且算法迭代不易收敛等限制了其在实际工程上的实际应用。
对于试验产品的退化过程部分确知、部分信息不确知的情形,灰色系统理论可以很好地处理这类问题。灰色系统理论认为,系统是否会出现信息不完全的情况、取决于认识的层次、信息的层次和决策的层次,低层次系统的不确定量是相当的高层次系统的确定量,要充分利用已知的信息去揭示系统的规律。本发明首先根据累积损伤理论-产品的残余寿命仅依赖当时已累积失效部分和当时应力水平,将步进应力加速退化数据转化为恒定应力加速退化数据。然后将电子产品在特定环境应力下的性能退化过程看作是在时间领域内变化的灰色过程,产品的性能退化量看作灰色量,建立各应力水平下每个样本性能退化量序列的GM(1,1)预测模型,并对各模型的预测精度进行检验,确定模型的预测精度是否合格。最后根据所建立的预测模型得到各应力水平下样品的寿命分布类型及总体参数,并利用加速寿命试验处理方法确定最终的加速方程,进而用外推方法估计出正常应力下产品总体分布参数。本发明应用灰色系统GM(1,1)拟合产品的退化轨迹,反映退化量随时间变化的规律,克服了其它模型将退化过程进行线性化假设的缺点,大大提高了预测精度。与传统评估方法相比,算法简单,易操作,评估精度高,具有很强的工程实用性。
(三)发明内容
(1)目的:本发明的目的是提供一种基于灰色预测模型的步进应力加速退化数据评估方法,它解决了复杂系统在步进应力试验中退化轨迹难拟合的实际问题,对推进产品的评估周期和准确性提供可靠帮助。
(2)技术方案:本发明一种基于灰色预测模型的步进应力加速退化数据评估方法,发明原理介绍如下:
3.1产品性能退化量的灰色预测建模
3.1.1灰色系统预测模型建立
GM(1,1)模型的建模过程如下:
记原始数据序列X(0)为非负序列,X(0)={x(0)(1),x(0)(2),…,x(0)(n)},其中x(0)≥0,k=1,2,...,n。原始数据列进行一次累加(1-AGO)后,相应的生成数据序列为X(1)={x(1)(1),x(1)(2),…,x(1)(n)},其中
Figure BDA0000143675430000021
k=1,2,…,n。对生成数据序列建立白化微分方程形式,即GM(1,1)方程:
dx ( 1 ) dt + ax ( 1 ) = u - - - ( 1 )
式中,a和u为待估参数,a是发展系数,u是灰色参数[6]。将上式离散化后得:
x ( 0 ) ( k + 1 ) + a 2 [ x ( 1 ) ( k + 1 ) + x ( 1 ) ( k ) ] = u
k = 2,3 , · · · , n - - - ( 2 )
写成矩阵的形式为:
Figure BDA0000143675430000033
其中
B = - 1 2 ( x ( 1 ) ( 1 ) + x ( 1 ) ( 2 ) ) , 1 - 1 2 ( x ( 1 ) ( 2 ) + x ( 1 ) ( 3 ) ) , 1 . . . . . . - 1 2 ( x ( 1 ) ( n - 1 ) + x ( 1 ) ( n ) ) , 1 , Y = x ( 0 ) ( 2 ) x ( 0 ) ( 3 ) . . . x ( 0 ) ( n )
应用最小二乘法其解方程得:
a ^ = [ a , u ] T = ( B T B ) - 1 B T Y ,
最后解得方程的时间响应函数为:
x ^ ( 1 ) ( k + 1 ) = ( x ( 0 ) ( 1 ) - u a e - ak + u a ) - - - ( 3 )
再作一次累减(1-IAGO)还原序列得到预测序列,即灰色GM(1,1)模型的具体计算公式为:
x ^ ( 0 ) ( k + 1 ) = x ^ ( 1 ) ( k + 1 ) - x ^ ( 1 ) ( k ) = - a [ x ( 0 ) ( 1 ) - u a exp ( - ak ) ]
k = 1,2,3 , · · · , n - - - ( 4 )
3.1.2GM(1,1)模型的检验
为确保所建立的灰色预测模型有较高的可信度应用于预测实践,一般需要检验其预测精度。可以用参差检验、后验差检验和灰度关联度等方法。进行精度检验的步骤如下:
Step1求出x(0)(k)与
Figure BDA00001436754300000310
之残差e(k)、相对误差Δk和平均相对误差
e ( k ) = x ( 0 ) ( k ) - x ^ ( 0 ) ( k ) - - - ( 5 )
Δk = | e ( k ) x ( 0 ) ( k ) | × 100 % - - - ( 6 )
Step2求出原始数据平均值
Figure BDA00001436754300000314
残差平均值
Figure BDA00001436754300000315
x ‾ = 1 n Σ k = 1 n x ( 0 ) ( k ) - - - ( 7 )
e ‾ = 1 n - 1 Σ k = 2 n e ( 0 ) ( k ) - - - ( 8 )
数据方差s1 2与残差方差s2 2的均方差比值C和小误差概率P为:
s 1 2 = 1 n Σ k = 1 n [ x ( 0 ) ( k ) - x ‾ ] 2 - - - ( 9 )
s 2 2 = 1 n - 1 Σ k = 2 n [ e ( 0 ) ( k ) - e ‾ ] 2 - - - ( 10 )
C=S2/S1           (11)
p = P { | e ( 0 ) ( k ) - e &OverBar; | < 0.6745 S 1 } - - - ( 12 )
通常,e(k)、Δk、C值越小,P值越大,则模型的预测精度越好。按P,C可以将模型精度分为4级,如表所示。根据灰色系统理论,当发展系数a∈(-2,2)且a≥-0.3时,则所建立的GM(1,1)模型可用于中长期预测。并且当p≥0.95且C≤0.35时说明预测精度良好。
3.2累积损伤理论
Nelson的累积损伤理论指出产品的残余寿命仅依赖于当时已累积失效部分和当时应力水平,而与累积方式无关。具体含义为:产品在应力水平Si下工作τi时间的累积失效概率Fii)等于此产品在应力水平Sj下工作某一段时间τij的累积失效概率Fiij),即:
Fi(ti)=Fj(tij),i≠j                (13)
在概率意义下,在Si下工作τi相当于在Si下工作τij时间,见图1所示:
利用这一假定,可以获得步进试验中时间折算公式,这里假定电子产品是服从指数分布:
Fi(ti)=1-exp(-t/θi)               (14)
从式13和式14可得到:
Figure BDA0000143675430000045
其中两平均寿命之比θji就是Sj对Si的加速系数
Figure BDA0000143675430000046
当j>i时,式子15可写为:
&tau; ij = &theta; j &theta; i &tau; i = &theta; j &theta; j - 1 &theta; j - 1 &theta; j - 2 &CenterDot; &CenterDot; &CenterDot; &theta; i + 1 &theta; i &tau; i - - - ( 16 )
可发现把τi折算到Si+1的时间,接着再折算到Si+2下的时间,最后再折算到Sj下的时间,其结果与直接从Si折算到Sj的结果是一致的。这表明时间折算与累积方式无关。
有了时间折算公式就可对步进试验数据进行补偿,使其成为寿命数据。在Si下的失效时间tij并没有计算其产品在S1,S1,…,Si-1下的工作时间τ1,τi…,τi-1。而这些工作时间折算到Si下的时间为ai,其取值为:
a 1 = 0 a 2 = &tau; 12 = &theta; 2 &theta; 1 &tau; 1 a 2 = &tau; 13 + &tau; 23 = &theta; 3 &theta; 1 &tau; 1 + &theta; 3 &theta; 2 &tau; 2 . . . . . . . . . a k = &tau; 1 k + &tau; 2 k + &CenterDot; &CenterDot; &CenterDot; + &tau; k - 1 , k = &Sigma; j = 1 k - 1 &theta; k &theta; j &tau; i - - - ( 17 )
把ai加到tij上去,所得tij+ai,j=1,…ri才是Si下的寿命数据。
3.2.1定时转换步进试验的统计分析
设有n个产品在一组加速应力水平{S1,S2,…,Sk}下顺序进行定时转换步进试验,其应力水平转换时间按分别为τ1,τ2,…,τk,设在Si下持续时间τi内共有ri个失效,其失效时间为
Figure BDA0000143675430000053
i=1,…,k。而在Si下的寿命数据为:
t i 1 + a i &le; t i 2 + a i &le; &CenterDot; &CenterDot; &CenterDot; t i r i + a i , i = 1 , &CenterDot; &CenterDot; &CenterDot; , k - - - ( 18 )
其中ai如式(17)所示,若记:
Ri=r1+r2…+ri,i=1,…,k
则Ri是在τ12…+τi内的总失效数。除了i=1以外,寿命数据(18)可以看作双截尾样本。它的左截尾数为Ri-1,因为在此样本出现前已有r1+r2…+ri-1个产品发生失效。它的右截尾数为Ri,因为在此样本之后尚有n-Ri个产品未失效。故可改写为:
t i , R i - 1 + 1 + a i &le; &CenterDot; &CenterDot; &CenterDot; t i , R i + a i , i = 2 , &CenterDot; &CenterDot; &CenterDot; , k
从折算公式(15)可见,折算时间τij还是未知参数b的函数,τij=τij(b),故aij=aij(b)也是b的函数。由于b是加速模型中的斜率,仍然是一个待估参数,因此双截尾样本(18)中,除i=1外,其余均为有待估参数b。为了避免这个困难,有必要进行如下处理:
设tr,n=ts,n(r<s)是服从指数分布Fi(ti)=1-exp(-t/θi),t>0,中抽取的容量为n样本的第r个和第s个次序统计量,其差ts,n-tr,n是服从同一指数分布总体找那个抽取容量为n-r的样本的第s-r个次序统计量。这说明,在指数分布场合,用两个次序统计量的差不仅可以消去补偿量ai,而且还是同一分布的次序统计量,只不过样本容量由n减少到n-r。这当然是一种信息损失,为了使信息损失最小,在i=2,…,k的每个双截尾样本中都减去各自的第一个分量,如此得到数据:
t i 1 * = t i , R i - 1 + 2 - t i , R i - 1 + 1 t i 2 * = t i , R i - 1 + 3 - t i , R i - 1 + 1 . . . . . . . . . t ir i - 1 * = t i , R i - t i , R i - 1 + 1 i = 2 , &CenterDot; &CenterDot; &CenterDot; , k
是来自指数Fi(ti)=1-exp(-t/θi)的容量为n-Ri-1的样本的前ri-1个次序统计量,即是一个定数截尾样本。尚有n-Ri-1-1-(ri-1)=n-Ri个产品未失效。而在i=1时(即在Si下)的样本本身就是一个截尾样本,这样依赖,就可以把定时转换步进试验数据转化为如下的定时截尾恒加试验数据:
t 11 * &le; t 12 &le; &CenterDot; &CenterDot; &CenterDot; &le; t 1 r 1 < &tau; 1 * t 21 * &le; t 22 * &le; &CenterDot; &CenterDot; &CenterDot; &le; t 2 r 2 - 1 * < &tau; 2 * . . . . . . . . . t k 1 * &le; t k 2 * &le; &CenterDot; &CenterDot; &CenterDot; &le; t k r k - 1 * < &tau; k * 其中, t 1 * = &tau; 1 &tau; i * = &tau; i - t i 1 i = 2 , &CenterDot; &CenterDot; &CenterDot; , k
3.2.2定数转换步进试验的统计分析
设有n个产品在一组加速应力水平{S1,S2,…,Sk}下顺序进行定数转换步进试验,其应力水平转换时间按分别为r1,r2,…,rk个产品发生的失效时间,而r1,r2,…,rk分别为事先确定的各应力水平下的失效数。设在Si下的失效时间为:
t i &le; t i 2 &le; &CenterDot; &CenterDot; &CenterDot; t i r i < t i , i = 1 , &CenterDot; &CenterDot; &CenterDot; , k
利用时间折算公式(15)可得到补偿量ai,,把它加到Si下的失效时间上去,就可得到Si下的寿命数据。
t i + a i &le; t i 2 + a i &le; &CenterDot; &CenterDot; &CenterDot; t i r i + a i , i = 1 , &CenterDot; &CenterDot; &CenterDot; , k
其中,a1=0
a i = &Sigma; j = 1 i - 1 &theta; i &theta; j t j , r j , i = 2 , &CenterDot; &CenterDot; &CenterDot; , k
恰好是在Si下第Ri-1个失效数据。因此把ai加到Si下的失效时间上去,所得的ri+1的寿命数据
Figure BDA0000143675430000074
是Si下的容量为n的双截尾样本,它的左截尾数为Ri-1-1,右截尾数为Ri。为了回避对补偿量ai的估计,用后面(从第二个开始)的分量分别减去第一个分量,所得
Figure BDA0000143675430000075
恰好是容量为Ri-1-1的前ri个次序统计量,即
Figure BDA0000143675430000076
是来自指数分布总体Fi(ti)=1-exp(-t/θi)的容量为n-Ri-1的定数截尾样本。这样就可把定数转换步进试验数据转化为如下的定数截尾恒加试验数据:
Figure BDA0000143675430000077
3.3步进应力加速退化试验数据评估步骤
综上所述,本发明一种基于灰色预测模型的步进应力加速退化数据评估方法,该方法具体步骤如下:
步骤一:对试验数据进行初步处理和转换,得到各试验样本在各应力水平下性能退化量的数据序列。
根据累计损伤理论可知,产品的残余寿命仅依赖于当时已累积失效部分和当时应力水平,而与累积方式无关。对试验数据进行初步处理,将步进应力加速退化数据转化为恒定应力加速退化试验数据,其转换方法如下:
假设有n个试验样本进行k水平的温度SSADT。试验过程中每隔Δt时间对产品通电一次,并检测性能参数。设退化特征量为
Y(t)=A-βt
其中,系数β为应力S的函数。则设第j个样品在t时刻的步进应力退化数据转化为恒定应力退化数据的折算公式为:
cyij(t)=Aj-yij(t)+ymi                (19)
其中,Aj(j=1,…,n)为第j个样品的初始性能值,yij(i=1,…,k)为第j个样品的在第i个应力下第k次测量时的步进应力退化量,ymi(m=1,…,i-1)为前m个应力水平下产品的性能退化量。通过转化,可以将步进加速应力性能退化数据对(tij,yij(t))转化为恒定应力性能退化数据对(tij,cyij(t))。利用此转换公式,可以得到各样本在各应力水平下性能退化量的数据序列。
步骤二:利用灰色预测建模方法,建立各应力水平下每个样本性能退化量序列的GM(1,1)预测模型,求取模型参数。利用模型,求得每个样本性能退化量序列的预测值。然后利用GM(1,1)模型的检验方法,对各模型的预测精度进行检验,以确认是否可以应用GM(1,1)进行预测样本的性能退化量。
GM(1,1)模型的建模过程如下:记原始数据序列X(0)为非负序列,X(0)={x(0)(1),x(0)(2),…,x(0)(n)},其中x(0)≥0,k=1,2,...,n。原始数据列进行一次累加(1-AGO)后,相应的生成数据序列为X(1)={x(1)(1),x(1)(2),…,x(1)(n)},其中
Figure BDA0000143675430000081
k=1,2,…,n。对生成数据序列建立白化微分方程形式,即GM(1,1)方程:
dx ( 1 ) dt + ax ( 1 ) = u - - - ( 20 )
式中,a和u为待估参数,a是发展系数,u是灰色参数。将上式离散化后得:
x ( 0 ) ( k + 1 ) + a 2 [ x ( 1 ) ( k + 1 ) + x ( 1 ) ( k ) ] = u
k = 2,3 , &CenterDot; &CenterDot; &CenterDot; , n - - - ( 21 )
写成矩阵的形式为:
Figure BDA0000143675430000085
其中
B = - 1 2 ( x ( 1 ) ( 1 ) + x ( 1 ) ( 2 ) ) , 1 - 1 2 ( x ( 1 ) ( 2 ) + x ( 1 ) ( 3 ) ) , 1 . . . . . . - 1 2 ( x ( 1 ) ( n - 1 ) + x ( 1 ) ( n ) ) , 1 , Y = x ( 0 ) ( 2 ) x ( 0 ) ( 3 ) . . . x ( 0 ) ( n )
应用最小二乘法其解方程得:
a = ^ [ a , u ] T = ( B T B ) - 1 B T Y ,
最后解得方程的时间响应函数为:
x ^ ( 1 ) ( k + 1 ) = ( x ( 0 ) ( 1 ) - u a e - ak + u a ) - - - ( 22 )
再作一次累减(1-IAGO)还原序列得到预测序列,即灰色GM(1,1)模型的具体计算公式为:
x ^ ( 0 ) ( k + 1 ) = x ^ ( 1 ) ( k + 1 ) - x ^ ( 1 ) ( k ) = - a [ x ( 0 ) ( 1 ) - u a exp ( - ak ) ]
k = 1,2,3 , &CenterDot; &CenterDot; &CenterDot; , n - - - ( 23 )
GM(1,1)模型的检验过程如下:
为确保所建立的灰色预测模型有较高的可信度应用于预测实践,一般需要检验其预测精度。可以用参差检验、后验差检验和灰度关联度等方法。进行精度检验的步骤如下:
1、求出x(0)(k)与之残差e(k)、相对误差Δk和平均相对误差
Figure BDA0000143675430000098
e ( k ) = x ( 0 ) ( k ) - x ^ ( 0 ) ( k ) - - - ( 24 )
&Delta;k = | e ( k ) x ( 0 ) ( k ) | &times; 100 % - - - ( 25 )
2、求出原始数据平均值
Figure BDA00001436754300000911
残差平均值
Figure BDA00001436754300000912
x &OverBar; = 1 n &Sigma; k = 1 n x ( 0 ) ( k ) - - - ( 26 )
e &OverBar; = 1 n - 1 &Sigma; k = 2 n e ( 0 ) ( k ) - - - ( 27 )
数据方差s1 2与残差方差s2 2的均方差比值C和小误差概率P为:
s 1 2 = 1 n &Sigma; k = 1 n [ x ( 0 ) ( k ) - x &OverBar; ] 2 - - - ( 28 )
s 2 2 = 1 n - 1 &Sigma; k = 2 n [ e ( 0 ) ( k ) - e &OverBar; ] 2 - - - ( 29 )
C=S2/S1                (30)
p = P { | e ( 0 ) ( k ) - e &OverBar; | < 0.6745 S 1 } - - - ( 31 )
通常,e(k)、Δk、C值越小,P值越大,则模型的预测精度越好。按P,C可以将模型精度分为4级,如表所示。根据灰色系统理论,当发展系数a∈(-2,2)且a≥-0.3时,则所建立的GM(1,1)模型可用于中长期预测。并且当p≥0.95且C≤0.35时说明预测精度良好。
步骤三:若模型的预测精度检验合格,假定退化阀值为Df,根据步骤二所建立的预测模型,计算各样品在应力水平Sα下的达到退化阀值Df的时间
Figure BDA0000143675430000104
即样品的伪失效寿命时间。对应力水平Sα下各样本的伪失效寿命进行分布假设检验,得到各应力水平下样品的寿命分布类型(如威布尔分布),并估算各应力水平下样品的寿命分布的总体参数(如威布尔分布参数中的尺度参数m和形状参数η)。
步骤四:利用加速寿命试验处理不同应力水平下总体参数之间关系的方法,对上一步得到的不用应力水平下样品分布的总体参数,找出总体参数与应力水平之间的关系方程,即加速方程。例如在温度应力下,一般采用Arrhenius模型。利用最小二乘法,估计加速方程中各参数值,得到总体参数与应力水平之间的对应关系。威布尔分布的参数与应力水平的对应关系为ln(η)=a+b/T。
步骤五:根据上一步得到的加速方程,用外推法估计正常应力水平下产品总体的分布参数,根据总体参数的估计值
Figure BDA0000143675430000105
即可得到产品在正常使用条件下的可靠性函数:
R ^ ( T ) = exp { - { t &eta; ^ 0 } m ^ 0 }
(3)优点及功效:本发明的优点是:应用灰色系统理论GM(1,1)预测模型对步进应力加速退化试验数据进行评估,克服了其他模型将退化过程进行线性化假设的缺点,打打提高了预测精度,算法简单,易操作,评估精度高,具有很强的工程实用性。
(四)附图说明
图1是时间折算示意图
图2是本发明流程框图
图中符号说明如下:
F(t)代表累积失效率;Fi(t)代表应力水平Si下的累积失效率;Fi(t)代表应力水平Sj下的累积失效率;τij代表应力水平Si下工作τi时间等价于在应力水平Sj下的工作时间。τi代表在应力水平Si下工作τi时间。
(五)具体实施方式:
见图2,本发明一种基于灰色预测模型的步进应力加速退化数据评估方法,该方法具体步骤如下:
步骤一:对试验数据进行初步处理和转换,得到各试验样本在各应力水平下性能退化量的数据序列。
根据累计损伤理论可知,产品的残余寿命仅依赖于当时已累积失效部分和当时应力水平,而与累积方式无关。对试验数据进行初步处理,将步进应力加速退化数据转化为恒定应力加速退化试验数据,其转换方法如下:
假设有n个试验样本进行k水平的温度SSADT。试验过程中每隔Δt时间对产品通电一次,并检测性能参数。设退化特征量为
Y(t)=A-βt
其中,系数β为应力S的函数。则设第j个样品在t时刻的步进应力退化数据转化为恒定应力退化数据的折算公式为:
cyij(t)=Aj-yij(t)+ymi                   (13)
其中,Aj(j=1,…,n)为第j个样品的初始性能值,yij(i=1,…,k)为第j个样品的在第i个应力下第k次测量时的步进应力退化量,ymi(m=1,…,i-1)为前m个应力水平下产品的性能退化量。通过转化,可以将步进加速应力性能退化数据对(tij,yij(t))转化为恒定应力性能退化数据对(tij,cyij(t))。利用此转换公式,可以得到各样本在各应力水平下性能退化量的数据序列。
步骤二:利用灰色预测建模方法,建立各应力水平下每个样本性能退化量序列的GM(1,1)预测模型,求取模型参数。利用模型,求得每个样本性能退化量序列的预测值。然后利用GM(1,1)模型的检验方法,对各模型的预测精度进行检验,以确认是否可以应用GM(1,1)进行预测样本的性能退化量。
GM(1,1)模型的建模过程如下:
记原始数据序列X(0)为非负序列,X(0)={x(0)(1),x(0)(2),…,x(0)(n)},其中x(0)≥0,k=1,2,...,n。原始数据列进行一次累加(1-AGO)后,相应的生成数据序列为X(1)={x(1)(1),x(1)(2),…,x(1)(n)},其中
Figure BDA0000143675430000111
k=1,2,…,n。对生成数据序列建立白化微分方程形式,即GM(1,1)方程:
dx ( 1 ) dt + ax ( 1 ) = u - - - ( 1 )
式中,a和u为待估参数,a是发展系数,u是灰色参数[6]。将上式离散化后得:
x ( 0 ) ( k + 1 ) + a 2 [ x ( 1 ) ( k + 1 ) + x ( 1 ) ( k ) ] = u
k = 2,3 , &CenterDot; &CenterDot; &CenterDot; , n - - - ( 2 )
写成矩阵的形式为:
Figure BDA0000143675430000124
其中
B = - 1 2 ( x ( 1 ) ( 1 ) + x ( 1 ) ( 2 ) ) , 1 - 1 2 ( x ( 1 ) ( 2 ) + x ( 1 ) ( 3 ) ) , 1 . . . . . . - 1 2 ( x ( 1 ) ( n - 1 ) + x ( 1 ) ( n ) ) , 1 , Y = x ( 0 ) ( 2 ) x ( 0 ) ( 3 ) . . . x ( 0 ) ( n )
应用最小二乘法其解方程得:
a ^ = [ a , u ] T = ( B T B ) - 1 B T Y ,
最后解得方程的时间响应函数为:
x ^ ( 1 ) ( k + 1 ) = ( x ( 0 ) ( 1 ) - u a e - ak + u a ) - - - ( 3 )
再作一次累减(1-IAGO)还原序列得到预测序列,即灰色GM(1,1)模型的具体计算公式为:
x ^ ( 0 ) ( k + 1 ) = x ^ ( 1 ) ( k + 1 ) - x ^ ( 1 ) ( k ) = - a [ x ( 0 ) ( 1 ) - u a exp ( - ak ) ]
k = 1,2,3 , &CenterDot; &CenterDot; &CenterDot; , n - - - ( 4 )
GM(1,1)模型的检验过程如下:
为确保所建立的灰色预测模型有较高的可信度应用于预测实践,一般需要检验其预测精度。可以用参差检验、后验差检验和灰度关联度等方法。进行精度检验的步骤如下:
1、求出x(0)(k)与之残差e(k)、相对误差Δk和平均相对误差
Figure BDA00001436754300001212
e ( k ) = x ( 0 ) ( k ) - x ^ ( 0 ) ( k ) - - - ( 5 )
&Delta;k = | e ( k ) x ( 0 ) ( k ) | &times; 100 % - - - ( 6 )
2、求出原始数据平均值
Figure BDA0000143675430000132
残差平均值
x &OverBar; = 1 n &Sigma; k = 1 n x ( 0 ) ( k ) - - - ( 7 )
e &OverBar; = 1 n - 1 &Sigma; k = 2 n e ( 0 ) ( k ) - - - ( 8 )
数据方差s1 2与残差方差s2 2的均方差比值C和小误差概率P为:
s 1 2 = 1 n &Sigma; k = 1 n [ x ( 0 ) ( k ) - x &OverBar; ] 2 - - - ( 9 )
s 2 2 = 1 n - 1 &Sigma; k = 2 n [ e ( 0 ) ( k ) - e &OverBar; ] 2 - - - ( 10 )
C=S2/S1                (11)
p = P { | e ( 0 ) ( k ) - e &OverBar; | < 0.6745 S 1 } - - - ( 12 )
通常,e(k)、Δk、C值越小,P值越大,则模型的预测精度越好。按P,C可以将模型精度分为4级,如表所示。根据灰色系统理论,当发展系数a∈(-2,2)且a≥-0.3时,则所建立的GM(1,1)模型可用于中长期预测。并且当p≥0.95且C≤0.35时说明预测精度良好。
步骤三:若模型的预测精度检验合格,假定退化阀值为Df,根据第二步所建立的预测模型,计算各样品在应力水平Sα下的达到退化阀值Df的时间
Figure BDA0000143675430000139
即样品的伪失效寿命时间。图1是时间折算示意图。对应力水平Sα下各样本的伪失效寿命进行分布假设检验,得到各应力水平下样品的寿命分布类型,并估算样品的寿命分布的总体参数(如威布尔分布参数中的尺度参数m和形状参数)。
步骤四:利用加速寿命试验处理不同应力水平下总体参数之间关系的方法,对上一步得到的不用应力水平下样品分布的总体参数,找出总体参数与应力水平之间的关系方程,即加速方程。例如在温度应力下,一般采用Arrhenius模型:ln(η)=a+b/T
利用最小二乘法,估计加速方程中各参数值,得到总体参数与应力水平之间的对应关系:
&eta; ^ i = e a ^ + b ^ / T i m ^ i &equiv; &Sigma; i = 1 k n i m i &Sigma; i = 1 k n i
步骤五:根据上一步得到的加速方程,用外推法估计正常应力水平下产品总体的分布参数,根据总体参数的估计值,即可得到产品在正常使用条件下的可靠性函数:
R ^ ( T ) = exp { - { t &eta; ^ 0 } m ^ 0 } .

Claims (2)

1.一种基于灰色预测模型的步进应力加速退化数据评估方法,其特征在于:该方法具体步骤如下:
步骤一:对试验数据进行初步处理和转换,得到各试验样本在各应力水平下性能退化量的数据序列;
根据累计损伤理论,产品的残余寿命仅依赖于当时已累积失效部分和当时应力水平,而与累积方式无关,对试验数据进行初步处理,将步进应力加速退化数据转化为恒定应力加速退化试验数据,其转换方法如下:
假设有n个试验样本进行k水平的温度SSADT,试验过程中每隔Δt时间对产品通电一次,并检测性能参数,设退化特征量为
Y(t)=A-βt
其中,系数β为应力S的函数,则设第j个样品在t时刻的步进应力退化数据转化为恒定应力退化数据的折算公式为:
cyij(t)=Aj-yij(t)+ymi           (19)
其中,Aj(j=1,…,n)为第j个样品的初始性能值,yij(i=1,…,k)为第j个样品的在第i个应力下第k次测量时的步进应力退化量,ymi(m=1,…,i-1)为前m个应力水平下产品的性能退化量,通过转化,将步进加速应力性能退化数据对(tij,yij,(t))转化为恒定应力性能退化数据对(tij,cyij(t));利用此转换公式,得到各样本在各应力水平下性能退化量的数据序列;
步骤二:利用灰色预测建模方法,建立各应力水平下每个样本性能退化量序列的GM(1,1)预测模型,求取模型参数;利用模型,求得每个样本性能退化量序列的预测值,然后利用GM(1,1)模型的检验方法,对各模型的预测精度进行检验,以确认是否可以应用GM(1,1)进行预测样本的性能退化量;
GM(1,1)模型的建模过程如下:记原始数据序列X(0)为非负序列,X(0)={x(0)(1),x(0)(2),…,x(0)(n)},其中x(0)≥0,k=1,2,...,n;原始数据列进行一次累加(1-AGO)后,相应的生成数据序列为X(1)={x(1)(1),x(1)(2),…,x(1)(n)},其中 
Figure FDA0000143675420000011
k=1,2,…,n;对生成数据序列建立白化微分方程形式,即GM(1,1)方程:
Figure FDA0000143675420000012
式中,a和u为待估参数,a是发展系数,u是灰色参数;将上式离散化后得:
Figure FDA0000143675420000021
Figure FDA0000143675420000022
写成矩阵的形式为: 
Figure FDA0000143675420000023
其中
Figure FDA0000143675420000025
应用最小二乘法其解方程得:
Figure FDA0000143675420000026
最后解得方程的时间响应函数为:
Figure FDA0000143675420000027
再作一次累减(1-IAGO)还原序列得到预测序列,即灰色GM(1,1)模型的具体计算公式为:
Figure FDA0000143675420000028
Figure FDA0000143675420000029
GM(1,1)模型的检验过程如下:
1、求出x(0)(k)与 之残差e(k)、相对误差Δk和平均相对误差 
Figure FDA00001436754200000211
Figure FDA00001436754200000212
Figure FDA00001436754200000213
2.求出原始数据平均值 
Figure FDA00001436754200000214
残差平均值 
Figure FDA00001436754200000216
Figure FDA0000143675420000031
数据方差s1 2与残差方差s2 2的均方差比值C和小误差概率P为:
Figure FDA0000143675420000032
Figure FDA0000143675420000033
C=S2/S1            (30)
Figure FDA0000143675420000034
通常,e(k)、Δk、C值越小,P值越大,则模型的预测精度越好;按P,C将模型精度分为4级,根据灰色系统理论,当发展系数a∈(-2,2)且a≥-0.3时,则所建立的GM(1,1)模型用于中长期预测,并且当p≥0.95且C≤0.35时说明预测精度良好;
步骤三:若模型的预测精度检验合格,假定退化阀值为Df,根据步骤二所建立的预测模型,计算各样品在应力水平Sa下的达到退化阀值Df的时间 
Figure FDA0000143675420000035
即样品的伪失效寿命时间,对应力水平Sα下各样本的伪失效寿命进行分布假设检验,得到各应力水平下样品的寿命分布类型,并估算各应力水平下样品的寿命分布的总体参数;
步骤四:利用加速寿命试验处理不同应力水平下总体参数之间关系的方法,对上一步得到的不用应力水平下样品分布的总体参数,找出总体参数与应力水平之间的关系方程,即加速方程;例如在温度应力下,一般采用Arrhenius模型;利用最小二乘法,估计加速方程中各参数值,得到总体参数与应力水平之间的对应关系,威布尔分布的参数与应力水平的对应关系为ln(η)=a+b/T;
步骤五:根据上一步得到的加速方程,用外推法估计正常应力水平下产品总体的分布参数,根据总体参数的估计值 
Figure FDA0000143675420000036
即得到产品在正常使用条件下的可靠性函数:
Figure FDA0000143675420000037
CN201210069416XA 2012-03-15 2012-03-15 一种基于灰色预测模型的步进应力加速退化数据评估方法 Pending CN102629300A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210069416XA CN102629300A (zh) 2012-03-15 2012-03-15 一种基于灰色预测模型的步进应力加速退化数据评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210069416XA CN102629300A (zh) 2012-03-15 2012-03-15 一种基于灰色预测模型的步进应力加速退化数据评估方法

Publications (1)

Publication Number Publication Date
CN102629300A true CN102629300A (zh) 2012-08-08

Family

ID=46587558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210069416XA Pending CN102629300A (zh) 2012-03-15 2012-03-15 一种基于灰色预测模型的步进应力加速退化数据评估方法

Country Status (1)

Country Link
CN (1) CN102629300A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102833326A (zh) * 2012-08-15 2012-12-19 广东工业大学 一种基于灰色预测的云存储负载均衡方法
CN103198223A (zh) * 2013-04-12 2013-07-10 电子科技大学 一种电子产品实时可靠性的预测方法
CN103310051A (zh) * 2013-06-05 2013-09-18 天泽信息产业股份有限公司 一种全寿命周期内的车载信息终端故障率预测方法
CN103604432A (zh) * 2013-11-25 2014-02-26 中国人民武装警察部队工程大学 一种导航信息动态粗精控制去野值算法
CN104020045A (zh) * 2014-05-20 2014-09-03 北京航空航天大学 一种测定飞机/直升机动部件高周疲劳特性的步进加速试验方法
CN104143037A (zh) * 2013-05-10 2014-11-12 北京圣涛平试验工程技术研究院有限责任公司 航天器器件位移损伤失效率测算方法
CN104215741A (zh) * 2014-06-20 2014-12-17 卢申林 一种通用可靠性加速模型评价方法
CN104537211A (zh) * 2014-12-12 2015-04-22 中钢集团武汉安全环保研究院有限公司 一种基于层次分析法及灰色理论的企业安全风险预警方法
CN104680005A (zh) * 2015-02-11 2015-06-03 北京航空航天大学 基于加速因子可行域选择的非平行贮存寿命试验评估方法
CN105701352A (zh) * 2016-01-15 2016-06-22 中国科学院光电研究院 空间运动目标的轨迹预测方法
CN105891645A (zh) * 2016-05-31 2016-08-24 西安航空制动科技有限公司 确定防滑刹车控制装置振动故障分布的方法
CN106053984A (zh) * 2016-05-31 2016-10-26 西安航空制动科技有限公司 确定防滑刹车控制装置高温故障分布的方法
CN106202707A (zh) * 2016-07-08 2016-12-07 北京航空航天大学 一种基于灰色置信区间的结构应力‑强度干涉模型集合可靠性分析方法
CN106227910A (zh) * 2016-06-21 2016-12-14 广州韵脉质量技术服务有限公司 一种基于灰色系统理论的加速退化试验可靠性评估方法
CN108038317A (zh) * 2017-12-18 2018-05-15 广东科鉴检测工程技术有限公司 精密仪器性能参数保持期预测方法和系统
CN108052714A (zh) * 2016-11-30 2018-05-18 中国航空工业集团公司沈阳飞机设计研究所 一种基于灰色理论的发电机寿命预测算法
CN108229727A (zh) * 2017-12-18 2018-06-29 广东科鉴检测工程技术有限公司 医疗器械整机寿命分布预测方法和系统
CN108470082A (zh) * 2018-01-31 2018-08-31 北京航空航天大学 一种基于指数-逆幂律的航空液压泵加速寿命试验建模方法
CN108664690A (zh) * 2018-03-24 2018-10-16 北京工业大学 基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法
CN110895626A (zh) * 2018-09-11 2020-03-20 湖南银杏可靠性技术研究所有限公司 基于留一交叉验证的性能退化模型精度验证方法
CN116227239A (zh) * 2023-05-08 2023-06-06 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 基于灰色预测模型的加速试验数据分析方法、装置和设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN101894221A (zh) * 2010-08-02 2010-11-24 北京航空航天大学 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法
CN102262191A (zh) * 2011-04-28 2011-11-30 北京航空航天大学 一种固体钽电解电容器寿命预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN101894221A (zh) * 2010-08-02 2010-11-24 北京航空航天大学 基于退化量分布非平稳时序分析的加速退化试验产品寿命预测方法
CN102262191A (zh) * 2011-04-28 2011-11-30 北京航空航天大学 一种固体钽电解电容器寿命预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李坤兰,等。: "恒温加速退化试验的灰色预测", 《装备环境工程》 *
袁宏杰,等。: "加速度计贮存寿命与可靠性的步进应力加速退化试验评估方法", 《中国惯性技术学报》 *
贾占强,等。: "基于步进加速退化试验的电子产品可靠性评估技术", 《系统工程理论与实践》 *
贾占强,等。: "灰色理论在步进应力加速寿命试验中的应用", 《武器装备自动化》 *

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102833326A (zh) * 2012-08-15 2012-12-19 广东工业大学 一种基于灰色预测的云存储负载均衡方法
CN103198223B (zh) * 2013-04-12 2015-12-09 电子科技大学 一种电子产品实时可靠性的预测方法
CN103198223A (zh) * 2013-04-12 2013-07-10 电子科技大学 一种电子产品实时可靠性的预测方法
CN104143037B (zh) * 2013-05-10 2017-04-26 北京圣涛平试验工程技术研究院有限责任公司 航天器器件位移损伤失效率测算方法
CN104143037A (zh) * 2013-05-10 2014-11-12 北京圣涛平试验工程技术研究院有限责任公司 航天器器件位移损伤失效率测算方法
CN103310051A (zh) * 2013-06-05 2013-09-18 天泽信息产业股份有限公司 一种全寿命周期内的车载信息终端故障率预测方法
CN103310051B (zh) * 2013-06-05 2016-03-02 天泽信息产业股份有限公司 一种全寿命周期内的车载信息终端故障率预测方法
CN103604432A (zh) * 2013-11-25 2014-02-26 中国人民武装警察部队工程大学 一种导航信息动态粗精控制去野值算法
CN104020045B (zh) * 2014-05-20 2016-06-08 北京航空航天大学 一种测定飞机/直升机动部件高周疲劳特性的步进加速试验方法
CN104020045A (zh) * 2014-05-20 2014-09-03 北京航空航天大学 一种测定飞机/直升机动部件高周疲劳特性的步进加速试验方法
CN104215741A (zh) * 2014-06-20 2014-12-17 卢申林 一种通用可靠性加速模型评价方法
CN104537211A (zh) * 2014-12-12 2015-04-22 中钢集团武汉安全环保研究院有限公司 一种基于层次分析法及灰色理论的企业安全风险预警方法
CN104680005A (zh) * 2015-02-11 2015-06-03 北京航空航天大学 基于加速因子可行域选择的非平行贮存寿命试验评估方法
CN104680005B (zh) * 2015-02-11 2018-04-27 北京航空航天大学 基于加速因子可行域选择的非平行贮存寿命试验评估方法
CN105701352A (zh) * 2016-01-15 2016-06-22 中国科学院光电研究院 空间运动目标的轨迹预测方法
CN105891645B (zh) * 2016-05-31 2018-10-09 西安航空制动科技有限公司 确定防滑刹车控制装置振动故障分布的方法
CN105891645A (zh) * 2016-05-31 2016-08-24 西安航空制动科技有限公司 确定防滑刹车控制装置振动故障分布的方法
CN106053984A (zh) * 2016-05-31 2016-10-26 西安航空制动科技有限公司 确定防滑刹车控制装置高温故障分布的方法
CN106053984B (zh) * 2016-05-31 2018-12-11 西安航空制动科技有限公司 确定防滑刹车控制装置高温故障分布的方法
CN106227910B (zh) * 2016-06-21 2019-09-03 广东科鉴检测工程技术有限公司 一种基于灰色系统理论的加速退化试验可靠性评估方法
CN106227910A (zh) * 2016-06-21 2016-12-14 广州韵脉质量技术服务有限公司 一种基于灰色系统理论的加速退化试验可靠性评估方法
CN106202707A (zh) * 2016-07-08 2016-12-07 北京航空航天大学 一种基于灰色置信区间的结构应力‑强度干涉模型集合可靠性分析方法
CN106202707B (zh) * 2016-07-08 2018-08-17 北京航空航天大学 一种基于灰色置信区间的结构应力-强度干涉模型集合可靠性分析方法
CN108052714A (zh) * 2016-11-30 2018-05-18 中国航空工业集团公司沈阳飞机设计研究所 一种基于灰色理论的发电机寿命预测算法
CN108229727A (zh) * 2017-12-18 2018-06-29 广东科鉴检测工程技术有限公司 医疗器械整机寿命分布预测方法和系统
CN108038317A (zh) * 2017-12-18 2018-05-15 广东科鉴检测工程技术有限公司 精密仪器性能参数保持期预测方法和系统
CN108229727B (zh) * 2017-12-18 2021-08-17 广东科鉴检测工程技术有限公司 医疗器械整机寿命分布预测方法和系统
CN108470082A (zh) * 2018-01-31 2018-08-31 北京航空航天大学 一种基于指数-逆幂律的航空液压泵加速寿命试验建模方法
CN108470082B (zh) * 2018-01-31 2020-01-10 北京航空航天大学 一种基于指数-逆幂律的航空液压泵加速寿命试验建模方法
CN108664690A (zh) * 2018-03-24 2018-10-16 北京工业大学 基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法
CN110895626A (zh) * 2018-09-11 2020-03-20 湖南银杏可靠性技术研究所有限公司 基于留一交叉验证的性能退化模型精度验证方法
CN110895626B (zh) * 2018-09-11 2021-02-23 湖南银杏可靠性技术研究所有限公司 基于留一交叉验证的性能退化模型精度验证方法
CN116227239A (zh) * 2023-05-08 2023-06-06 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 基于灰色预测模型的加速试验数据分析方法、装置和设备
CN116227239B (zh) * 2023-05-08 2023-08-04 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 基于灰色预测模型的加速试验数据分析方法、装置和设备

Similar Documents

Publication Publication Date Title
CN102629300A (zh) 一种基于灰色预测模型的步进应力加速退化数据评估方法
CN104268658B (zh) 一种桥梁结构安全监测数据的预测方法
CN103246821B (zh) 一种基于仿真的多应力小样本加速寿命试验方案设计优化方法
CN102262191B (zh) 一种固体钽电解电容器寿命预测方法
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
Li et al. A Wiener process model for accelerated degradation analysis considering measurement errors
CN105139585A (zh) 一种土质边坡险情智能预警预报方法
CN102680812A (zh) 一种产品寿命评价方法和装置
CN104182603A (zh) 长寿命、高可靠电子产品可靠性评估方法
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
CN108460230A (zh) 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法
CN103745410B (zh) 基于dft定性定量分析的系统可靠性评估方法和设备
CN102663516B (zh) 产品外场寿命及可靠性模型构建及评估方法
Kaloop et al. Multi input–single output models identification of tower bridge movements using GPS monitoring system
CN108549955B (zh) 一种充电桩异常率确定方法及装置
CN105320797A (zh) 轨道交通车辆关键系统的寿命预测方法
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
Lamár et al. Average probability of failure of aperiodically operated devices
CN103364703B (zh) Led多应力下可靠性快速评测方法
CN103927343A (zh) 一种phm系统诊断与预测能力综合验证方法
CN112100574A (zh) 一种基于重采样的aakr模型不确定度计算方法及系统
CN110096820B (zh) 单元寿命服从威布尔分布时k/n(G)系统的剩余寿命预测方法
Utkin Calculating the reliability of machine parts on the basis of the Chebyshev inequality
CN116773239A (zh) 一种智能燃气表控制器可靠性寿命预测方法
CN106250993A (zh) 一种基于舰船维修剖面的测量设备计量周期调整方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120808