CN105069532B - 一种多应力多退化量步进加速退化试验方案优化设计方法 - Google Patents
一种多应力多退化量步进加速退化试验方案优化设计方法 Download PDFInfo
- Publication number
- CN105069532B CN105069532B CN201510504304.6A CN201510504304A CN105069532B CN 105069532 B CN105069532 B CN 105069532B CN 201510504304 A CN201510504304 A CN 201510504304A CN 105069532 B CN105069532 B CN 105069532B
- Authority
- CN
- China
- Prior art keywords
- stress
- degradation
- amount
- product
- formula
- 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.)
- Active
Links
Landscapes
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
针对优化目标函数的解析形式难以推导的难题,本发明提供一种多应力多退化量步进加速退化试验方案优化设计方法,其基于蒙特卡罗统计仿真理论,建立多应力多退化量的步进加速退化试验方案优化设计优化模型,并提出相应的优化算法解决此优化问题,最终提出多应力多退化量步进加速退化试验方案优化设计方法。本发明所提出的方法易于流程化、便于工程应用,可为多应力多退化量场合产品寿命预测提供优化的试验方案支撑,以最小的试验代价实现最准确的寿命预测。
Description
技术领域
本发明涉及多应力多退化量步进加速退化试验方案优化设计方法,属于可靠性工程技术领域。
背景技术
对于高可靠长寿命产品而言,其寿命与可靠性如果通过传统的寿命试验技术或自然条件试验技术进行预测,则往往难以在可行的时间内完成。即使采用加速寿命试验技术,也很可能出现零失效的情况,给产品寿命预测带来困难。由于大部分产品在工作或贮存过程中性能指标(其函数被定义为退化量)会随时间逐渐退化,如果充分合理的利用这些性能退化数据,产品的寿命预测会更加高效与准确。加速退化试验对产品施加超出使用应力水平的加速应力,在退化机理不变的条件下,分析产品在加速应力水平下的性能退化数据,外推得出产品在使用条件下的寿命与可靠度。如果加速应力随时间成台阶状逐步提高,则称为步进加速退化试验,它具有试验效率高的优点。加速退化试验技术在可靠性试验工程领域得到越来越广泛的应用。
如何设计加速退化试验方案使产品寿命预测结果最准确、代价最小,是加速退化试验工程应用面临的核心问题之一,即加速退化试验方案优化设计问题。针对这一问题,目前出现的解决方案要么仅适用于单一应力加速退化试验,要么仅适用于单一退化量产品的加速退化试验。然而,在工程实际中,产品正常工作通常受到多种应力的作用,包括工作应力(如电流、电压等)和环境应力(如温度、湿度、振动等),因此单一应力不能真实体现产品实际的工作应力与环境应力特征。此外,对于高可靠长寿命产品而言,必须将多种应力作为加速应力才能得到更大的加速系数,同时保证加速退化机理的不变性,这是单一应力无法满足的。
同时,表征产品性能的退化量通常有多个,要完整衡量产品的性能状态需要借助多个退化量。例如,陀螺在长期贮存过程中的退化量有X方向漂移量、Y方向漂移量、Z方向漂移量等;火箭管路安全阀的退化量有其导阀调整弹簧松弛应力、主阀复位弹簧松弛应力、密封圈的永久压缩变形、壳体裂纹长度等。需要将多个退化量综合考虑,才能对其寿命及可靠性进行正确的建模和分析。
如果利用多应力步进加速退化试验对此类产品进行寿命预测,必然会面临多应力多退化量场合的复杂步进加速退化试验方案优化设计问题,其设计变量多、类型多样,如样本量(离散型)、各加速应力的应力水平(连续型)、每一应力水平下的监测时间间隔(离散型)、监测次数(离散型)等,各设计变量与多退化量所对应的多种退化过程相互作用,对产品寿命或可靠性估计精度的影响非常复杂,是可靠性工程领域亟待解决的难题。
发明内容
本发明的目的是,提供一种多应力多退化量步进加速退化试验方案优化设计方法,能够由产品相关先验信息得到费用约束条件下的优化试验方案,使得产品寿命预测结果精度最好。本发明针对优化目标函数的解析形式难以推导的难题,基于蒙特卡罗统计仿真理论,建立多应力多退化量的步进加速退化试验方案优化设计优化模型,并提出相应的优化算法解决此优化问题,最终提出多应力多退化量步进加速退化试验方案优化设计方法。本发明所提出的方法易于流程化、便于工程应用,可为多应力多退化量场合产品寿命预测提供优化的试验方案支撑,以最小的试验代价实现最准确的寿命预测。
为实现上述目的,本发明所采取的技术方案为:
一种多应力多退化量步进加速退化试验方案优化设计方法,包括以下步骤:
步骤1、获取产品加速退化试验相关信息
1-1)产品的退化量及失效阈值信息
产品在工作或贮存过程中有m个退化量Yi(i=1,2,...,m)随时间逐渐退化,一旦某个退化量Yi超过失效阈值Di(i=1,2,...,m),产品就会发生失效。
1-2)产品退化量的联合概率密度函数信息
时刻t产品退化量Y=(Y1,Y2,…,Ym)T服从多维正态分布,其联合概率密度函数可表示为
其中,μ=(μ1,μ2,…,μm)T为均值向量,Σ为方差协方差矩阵
σij(i=1,...,m,j=1,...,m)为退化量Yi与Yj的协方差。当i=j时,σij为退化量Yi的方差。|Σ|为Σ的行列式值。如前所述,步进加速退化试验要求产品退化失效机理不发生改变,此时Σ一般不随应力水平组合变化。
1-3)产品退化模型及加速模型信息
在不同应力水平组合下,其中表示第i种加速应力的第li个水平,i=1,...,s,li=1,...,L,L为应力水平的个数,s为加速应力的个数;产品的m维正态分布均值向量μ的第j维元素与试验时间的关系满足如下退化模型
μj=bj+ajt j=1,2,…,m (3)
式中,bj为截距参数,aj为退化速率参数,t为试验时间。
退化速率参数aj与不同应力水平组合α之间满足如下多应力加速模型
其中ηj0、ηji为加速模型的系数,Ti(·)为任意的单调函数,Si为第i种加速应力。常用的单应力加速模型如下:当s=1,T(S)=exp(1/S),式(4)即为Arrhenius加速模型aj=ηj0exp(ηj1/S);当s=1,T(S)=S,式(4)即为幂律模型式(4)两边取自然对数
即
式中,Aj(x)=lnaj,γ′j0=lnηj0,γ′ji=ηji,xi=ln[T(Si)],i=1,2,…,s。xi称为等效应力水平。
将xi其进行标准化,得到取值范围为[0,1]的标准化等效应力水平ξi
其中,xiL和xiH分别为应力xi的最低水平和最高水平。因此,式(6)可重写为
其中,
1-4)产品性能退化的累积损伤模型信息
令νi表示第i个应力水平组合αi下退化轨迹的起始时间,且此时的退化量与第i-1个应力水平组合αi-1结束时的退化量相等,则ν1是以下方程的解
μj(ν1|α2)=μj(t1|α1) (9)
类似地,νi满足
μj(νi|αi+1)=μj(νi-1+ti-ti-1|αi) (10)
其中,i=1,...,K-1。因此,μj(t)可表示为
其中,j=1,...,m。
因此,获取的产品加速退化试验模型参数先验信息可描述为
I=(Σ,bj,γji,Dj),j=1,…,m;i=0,1,…,s (12)
步骤2、设计产品多应力多退化量步进加速退化试验基本方案。
Yi的退化受到S1,S2,...,Ss种应力的影响,高于使用条件或贮存条件的s种应力组合能加速Yi退化过程。在进行多应力步进加速退化试验时,这s种加速应力的应力水平数均取为L。s种加速应力的最高应力水平设置应不使加速退化试验过程中产品的退化机理发生改变,即产品在这s种加速应力的加速退化试验中的退化机理与正常使用过程中的退化机理保持一致。
令表示一种应力水平组合。根据现有技术中的均匀设计及正交设计原则(首先确定每种应力的应力水平数,然后选取相应的正交表,最后将应力及其水平按正交表排列形成试验方案),选取一系列应力水平组合α1,α2,…,αK形成试验方案,其中K为应力水平组合的个数。如果试验方案是分式析因设计方案,则K=Ls-1。例如:当s=3、L=2时,试验应力水平及其组合为α1,α2,α3,α4,如表1所示。
表1三种应力两水平的正交试验方案
注:“1”表示低应力水平,“2”表示高应力水平;此时,s=3,L=2,K=4, 这个步进加速退化试验方案有四个应力水平组合。
在开展多应力多退化量步进加速退化试验时,随机抽取N个样品在应力水平组合α1下进行试验,每隔F单位时间测试一次性能参数(监测频率),一共监测M1次(监测次数)。当试验进行到时间τ1时,应力水平组合由α1变为α2,继续进行试验,监测频率为F,监测次数为M2。当试验进行到时间τ2时,应力水平组合由α2变为α3,继续进行试验,监测频率为F,监测次数为M3。试验按如此方式进行,直到预定的时间结束。也就是说,应力水平组合最终变为τK,监测频率为F,监测次数为MK,试验到时间τK时试验全部结束。步进加速退化试验每一应力水平组合下的试验时间为τi(i=1,2,...,K),且τi=F·Mi·tu,其中tu为单位时间,为1天或1小时。因此,总试验时间τ可表示为
于是步进加速退化试验的应力水平组合随时间的变化规律可表示为
其中,例如,当s=3,L=2,K=4时,步进加速退化试验应力水平组合剖面如图1及图2所示,其中图1为三应力水平的设置,图2为应力水平组合随时间的变化规律。
步骤3、建立多应力多退化量步进加速退化试验方案优化模型。
3-1)确定优化模型的目标函数
将产品在使用应力水平组合下的p阶分位寿命估计的均方误差平方根RMSE作为优化的目标函数:
其中,E[·]表示数学期望;τp0为p阶分位寿命;为p阶分位寿命估计。及τp0的求解方法可描述如下。
p阶分位寿命τp0指产品在时刻τp0时的失效概率为p,此时产品的可靠度为1-p,即
R0(τp0)=1-p (16)
而产品在使用应力水平组合下时刻τp0的可靠度为
通过联立方程(16)、(17)求解τp0。式(17)中,τp0为p阶分位寿命,R0(τp0)为τp0时刻产品的可靠度,Y01(t),...,Y0m(t)为产品在使用应力水平组合下时刻t的m个退化量,D1,...,Dm为产品m个退化量阈值,f(y01,y02,…,y0m)为产品m个退化量的联合分布密度函数;f(y01,y02,…,y0m|τp0)为τp0时刻产品m个退化量的联合分布密度函数。而f(y01,y02,…,y0m)由步骤1中方程(12)确定,具体方法如下:
①将公式(12)中的γji代入式(8),可计算得到aj;
②将aj及公式(12)中的bj代入式(3),可计算得到μj;
③由μj及公式(12)中的Σ即可确定f(y01,y02,…,y0m)的均值向量参数及方差协方差矩阵参数,从而确定f(y01,y02,…,y0m)。
若f(y01,y02,…,y0m)的参数由试验数据或仿真数据估计出,则可用与上述步骤相同的方法求解
3-2)确定优化模型的设计变量
多应力多退化量步进加速退化试验的每一要素都可以作为设计变量:
①试验应力S1,S2,…,Ss;
②试验应力水平
及其组合α1,…,αK;
③试验样品个数N;
④监测频率F;
⑤应力水平组合αj下的监测次数Mj。
因此,试验方案可表示为d=(s,Si,L,K,αj,N,F,Mj),i=1,…,s,j=1,…K。经过方案的基本设计,多应力多变量步进加速退化试验的设计变量可简化为d=(N,F,Mj)。
3-3)确定优化模型的约束条件
优化模型的约束条件如下:
①试验总费用CT不超过试验预算Cb,CT≤Cb;
②试验的应力数不低于2,s≥2;
③每一应力的水平数不少于2,L≥2;
④应力水平的组合数与应力水平数满足K=Ls-1;
⑤试验样品个数不少于5,N≥5;
⑥监测频率不小于1个时间单位,F≥1;
⑦监测次数不少于3次,Mj≥3;
⑧
总的试验费用CT由试验运行费用、测量费用、试验样品费用组成,由下式计算:
其中,Cop表示单位时间试验运行费用,CM表示单次测量的费用,Cd表示样品单价。
综上所述,建立多应力多退化量步进加速退化试验方案优化模型可描述为
步骤4、按如图3所示流程对优化模型进行优化,具体如下:
4-1)根据约束条件构造可行试验方案集D,输入选取的试验方案数Z及蒙特卡罗仿真次数Nmc,令z=1;
4-2)在D中选取一个方案dz=(s,Si,L,K,αj,N,F,Mj),i=1,…,s,j=1,…,K,z=1,…,Z,令nmc=1;
4-3)根据方案dz及前述获取的先验参数信息I=(Σ,bj,γji,βj,Dj),j=1,…,m;i=0,1,…,s计算仿真参数:
4-3-1)将α1,α2,…,αK中的标准化等效应力水平代入加速模型(8)计算aji(j=1,...,m,i=1,...,K);
4-3-2)根据式(3)、(9)、(10)、(11)可推导出
其中j=1,2,...,m。
4-3-3)令t=F,2F,…,MF,其中根据式(21)计算μ(t)=[μ1(t),μ2(t),…,μm(t)]T。
4-4)根据μ(t)及先验信息I中的Σ参数,对于t=F,2F,…,MF生成N个m维正态分布N(μ(t),Σ)向量如下
其中,Yn(tj)=[Yn1(tj),Yn2(tj),…,Ynm(tj)]T且n=1,…,N,j=1,…,M,t1=F,t2=2F,…,tM=MF。Yn(tj)从m维正态分布N(μ(tj),Σ)中抽样获得。
4-5)分析仿真数据(22),按如下步骤计算
4-5-1)对t=F,2F,…,MF估计均值向量和方差协方差矩阵
其中
因此,方差协方差矩阵可用下式估计
其中可令t=kF,由式(24)计算。
4-5-2)用模型(21)拟合4-5-1)得到的估计模型(21)的参数
4-5-3)令即根据式(7)将它们转化为标准应力水平并代入式(8)计算使用应力水平组合下的
4-5-4)将和代入式(3)确定使用应力水平组合下和t的关系,然后联立方程(16)、(17)求解令nmc=nmc+1。
4-5-5)如果nmc≤Nmc则返回步骤4-3),重复步骤4-3)~4-5-4)。否则,由以上步骤可得根据先验信息I中的参数bj,γji,i=0,1,…,s,j=1,…,m,再由步骤4-5-3)、4-5-4)求解τp0。由下式计算方案dz对应的优化目标函数值Uz
令z=z+1。
4-6)如果z≤Z,则返回步骤4-2)选取另一方案,重复步骤4-3)~4-5),否则转到步骤4-7)。
4-7)选取使U(d)最小的试验方案作为最优试验方案d*。
进一步地,步骤1-2)中,如果产品的退化量Y服从多维非正态分布,一般有两种方法处理:一是将其变换为多维正态分布,二是将正态分布的情况扩展为非正态分布的情况。
进一步地,步骤1-3)中,可对试验时间t进行变换,使变换后的试验时间与μj成线性关系,例如其中t′为实际的日历时间,单位为小时或天,βj则是待估计的系数。
进一步地,步骤4-5)中,仿真次数Nmc越多,蒙特卡罗仿真误差将越小,但较大的Nmc会增加计算量,可通过初步仿真分析确定。
本发明提供了一种多应力多退化量步进加速退化试验方案优化设计方法。该方法以蒙特卡罗仿真优化理论为基础,将使用应力水平组合下产品p阶分位寿命误差的均方根作为优化目标,将试验应力及其水平组合、试验样品个数、监测频率、每一应力水平组合下的监测次数作为优化变量,将试验总费用及相关优化变量的整数限制作为约束条件,通过仿真、分析、寻优得到试验方案的最优解。该方法突破了多应力多退化量加速退化试验方案优化目标函数表达式难以求解的问题,易于流程化,便于工程应用,能够在满足试验费用约束条件的同时,得到产品寿命指标的最精确估计,可为产品基于多应力多退化量加速退化试验的寿命预测提供最优试验方案支持。
本发明提供的方法目前已经成功应用于某型安全阀橡胶密封圈的多应力多退化量加速退化试验方案优化设计,为此型安全阀基于多应力多退化量加速退化试验的寿命预测提供最优试验方案支持。
附图说明
图1三应力步进加速退化试验三应力水平的设置
图2三应力步进加速退化试验应力水平组合随时间的变化规律
图3多应力多退化量步进加速退化试验方案优化设计方法流程图
图4实施例中该型橡胶密封圈两应力两退化量步进加速退化试验设置
图5实施例中该型橡胶密封圈两应力两退化量步进加速退化试验应力水平组合随时间的变化规律
图6实施例中得到的U(d)-d(RMSE-z)关系图
具体实施方式
下面以某安全阀橡胶密封圈为例进一步说明本发明所述方法的具体实施方式。该型橡胶密封圈广泛应用于安全阀,而此型安全阀则是火箭发动机姿态控制的关键部件。正常贮存环境的温度为25℃,温度为50%RH。工程经验表明,该型橡胶密封圈是此安全阀的寿命薄弱环节。该型橡胶密封圈在贮存环境中会逐渐发生老化,直到其某些性能参数不能满足要求时发生失效。该型橡胶密封圈老化决定了此安全阀的贮存寿命。为利用加速退化试验预测该型橡胶密封圈的贮存寿命,需要设计其多应力多退化量步进加速退化试验的最优方案。
需要特别指出的是,以下实施仅用于说明目的,而非用于限定本发明的范围。
实施例1、某安全阀橡胶密封圈多应力多退化量步进加速退化试验优化设计
步骤1、获取该橡胶密封圈的加速退化试验相关信息。
1-1)产品的退化量及失效阈值信息
该橡胶密封圈在贮存过程中压缩永久变形量Y1和压缩应力松弛系数Y2随时间会逐渐变大,当Y1>0.3567或Y1>0.3567时判定该橡胶密封圈贮存失效。即该橡胶密封圈有2个退化量Yi(i=1,2)随时间逐渐退化,一旦某个退化量Yi超过失效阈值Di(i=1,2),D=(0.3567,0.3567)T,该橡胶密封圈就会发生失效。高于正常贮存环境的温度S1和湿度S2能加速的退化速度。
1-2)该橡胶密封圈退化量的联合概率密度函数信息
时刻t该橡胶密封圈退化量Y=(Y1,Y2)T服从二维正态分布,其联合概率密度函数可表示为
其中,μ=(μ1,μ2)T为均值向量,Σ为方差协方差矩阵
|Σ|为行列式值,|Σ|不随应力水平组合变化。通过预试验分析估计σ11=9.332×10-5、σ12=1.9064×10-5、σ22=4.9297×10-5。
1-3)该型橡胶密封圈退化模型及加速模型信息
在不同应力水平组合α下,样品二维正态分布均值向量μ的第j维元素与试验时间的关系满足如下退化模型
式中,b1、b2为截距参数,a1、a2为退化速率参数,t为试验时间单位为天,β1、β2是时间变换系数。b1=-0.08865、b2=-0.134793、β1=0.7、β2=0.4。
退化速率参数a1、a2与不同应力水平组合α之间满足如下加速模型
其中,由于加速应力分别为温度S1(℃)、湿度S2(%RH),因此采用如下应力转换函数
式(32)两边取自然对数
即
式中,Aj(x)=lnaj,γ′j0=lnηj0,γ′ji=ηji,xi=ln[Ti(Si)],i,j=1,2。将xi标准化,使加速应力水平的取值范围为[0,1]
其中,x1L、x2L和x1H、x2H分别为应力x1、x2的最低水平和最高水平
同时,正常贮存时环境应力水平
因此,正常贮存应力、最低及最高加速应力如表2所示。
表2正常贮存应力、最低及最高加速应力
因此,式(35)可重写为
γ10=-2.9246、γ11=-0.93626、γ12=-0.47946、γ20=-2.2378、γ21=-0.52551、γ22=-0.31084。
1-4)该型橡胶密封圈性能退化的累积损伤模型信息
基于方程(3)及累积损伤理论,在应力水平组合αi下,多应力多退化量步进加速退化试验的μj(t)和相应恒定加速退化试验的μαij(t),i=1,...,K;j=1,2如图4所示。
令νi表示组合αi下退化轨迹的起始时间,且此时的退化量与组合αi-1结束时的退化量相等,则ν1是以下方程的解
μj(ν1|α2)=μj(t1|α1)
类似地,νi满足
μj(νi|αi+1)=μj(νi-1+ti-ti-1|αi)
其中,i=1,...,K-1。因此,μj(t)可表示为μαij(t)的形式
其中,j=1,2。
因此,获取的该型橡胶密封圈加速退化试验模型参数先验相关信息可描述为
步骤2、设计该型橡胶密封圈多应力多退化量步进加速退化试验基本方案。
如前所述,压缩永久变形量Y1和压缩应力松弛系数Y2的退化受到温度S1和湿度S2两种应力的影响,高于贮存条件的两(s=2)种应力的水平组合能加速Y1和Y2的退化过程。在进行多应力步进加速退化试验时,这两种加速应力的应力水平数均取为L=3。两种加速应力的最高应力水平设置不使加速退化试验过程中产品的退化机理发生改变,即产品在这两种加速应力的加速退化试验中的退化机理与正常使用过程中的退化机理保持一致。按此原则,设置多应力多退化量步进应力加速退化试验的最高应力水平最低应力水平中间应力水平
令表示一种应力水平组合。根据均匀设计及正交设计原则,选取如表3所示的应力水平组合α1,α2,α3形成试验方案,此方案可更直观的表示为表4及图4。
表3两应力两退化量步进加速退化试验的均匀正交试验方案
表4两应力两退化量步进加速退化试验的均匀正交试验方案直观表示
随机抽取N个样品在应力水平组合α1下进行试验,每隔F单位时间测试一次性能参数(监测频率),一共监测M1次(监测次数)。当试验进行到时间τ1时,应力水平组合由α1变为α2,继续进行试验,监测频率为F,监测次数为M2。当试验进行到时间τ2时,应力水平组合由α2变为α3,继续进行试验,监测频率为F,一直试验到监测次数达到M3时试验结束。步进加速退化试验每一应力水平组合下的试验时间为τi(i=1,2,3),且τi=F·Mi·tu,其中tu=1天。因此,总试验时间τ可表示为
τ=τ1+τ2+τ3
=F·M1·tu+F·M2·tu+F·M3·tu
于是步进加速退化试验的应力水平组合随时间的变化规律可表示为
其中,t1=τ1,t2=τ1+τ2,t3=τ=τ1+τ2+τ3。图5为应力水平组合随时间变化规律示意。
步骤3、建立多应力多退化量步进加速退化试验方案优化模型。
3-1)确定优化模型的目标函数
将产品在使用应力水平组合下的p阶分位寿命估计的均方误差平方根RMSE作为优化的目标函数:
其中,E[·]表示数学期望。及τp0的求解方法可描述如下。
p阶分位寿命τp0指产品在时刻τp0时的失效概率为p,此时产品的可靠度为1-p,即
R0(τp0)=1-p (42)
而产品在使用应力水平组合下时刻τp0的可靠度为
通过联立方程(35)、(36)求解τp0。其中D1、D2、f(y01,y02)的参数由步骤1中的相关先验信息确定。若f(y01,y02)的参数由试验数据或仿真数据估计出,则可用类似的方法求解
3-2)确定优化模型的设计变量
由于经过了基本设计,因此该型橡胶密封圈多应力多退化量步进加速退化试验的设计变量为:
①试验样品个数N;
②监测频率F;
③应力水平组合α1、α2、α3下的监测次数M1、M2、M3。
因此,试验方案可表示为d=(N,F,M1,M2,M3)。
3-3)确定优化模型的约束条件
优化模型的约束条件如下:
①试验总费用CT不超过试验预算Cb=60000,CT≤Cb;
②试验样品个数不少于5,N≥5;
③监测频率不小于1个时间单位,F≥1;
④监测次数不少于3次,M1,M2,M3≥3;
⑤
总的试验费用CT由试验运行费用、测量费用、试验样品费用组成,由下式计算:
其中,Cop=20元/小时表示单位时间试验运行费用,CM=5元/次表示单次测量的费用,Cd=850元/个表示样品单价。
令x=(x1,x2,x3,x4,x5)且x1=N、x2=F、x3=M1、x4=M2、x5=M3。建立多应力多退化量步进加速退化试验方案优化模型可描述为
步骤4、按以下流程对优化模型进行优化。
4-1)根据约束条件构造可行方案集D,输入选取的试验方案数Z=2594,以及蒙特卡罗仿真次数Nmc=1000,令z=1;
4-2)从D中选取一个方案d1=(N,F,M1,M2,M3)=(20,1,15,15,44),令nmc=1;
4-3)根据方案d1及前述获取的式(40)所示的先验参数信息I=(Σ,bj,γji,βj,Dj),j=1,2,i=0,1,2计算仿真参数:
4-3-1)将如表3所示的α1,α2,α3标准化等效应力水平代入加速模型(32)计算aji(j=1,2,i=1,2,3):
4-3-2)根据式(3)、(9)、(10)、(11)及b1、b2、a11、a12、a13、a21、a22、a23可推导出
化简,得
4-3-3)令t=F,2F,…,MF=1,2,…,74,其中M=M1+M2+M3=15+15+44=74,将t代入式(45)、(46)计算μ(t)=[μ1(t),μ2(t)]T。μ1(t)、μ2(t)均为1行74列的数组,μ(t)为2行74列矩阵,此处省略。
4-4)根据μ(t)及式(40)所示先验信息I中的Σ参数,对于t=1,2,…,74生成N个2维正态分布N(μ(t),Σ)向量如下
其中,Yn(tj)=[Yn1(tj),Yn2(tj)]T且n=1,…,20,j=1,…,74,t1=1,t2=2,…,tM=74。Yn(tj)从2维正态分布N(μ(tj),Σ)中抽样获得。生成的仿真数据为40行74列矩阵,此处省略。
4-5)按如下步骤计算
4-5-1)对t=1,2,…,74估计均值向量和方差协方差矩阵
其中
通过计算,得到的为2行74列矩阵,此处省略。方差协方差矩阵可用下式估计
其中,即
4-5-2)用模型(21)拟合4-5-1)得到的及其中t=1,2,…,74,估计模型(21)的参数计算结果为:
4-5-3)令即S1=25,S2=50%。根据式(36)将它们转化为标准应力水平并代入式(39)计算使用应力水平组合下的
4-5-4)将和代入式(31)确定使用应力水平组合下和t的关系,然后联立方程(42)、(43)求解令nmc=nmc+1。
4-5-5)如果nmc≤Nmc则返回步骤4-3),重复步骤4-3)~4-5-4)。否则,由以上步骤可得(具体值省略)。根据先验信息I中的参数bj,γji,i=0,1,2,j=1,2,再由步骤4-5-3)、4-5-4)求解τp0=612.3302。由下式计算方案d1对应的优化目标函数值U1
令z=z+1。
4-6)如果z≤Z,则返回步骤4-2)选取另一方案,重复步骤4-3)~4-5),否则转到步骤4-7)。
4-7)得到使U(d)最小的最优试验方案d*=(21,1,15,18,39),此时U(d*)=27。计算得到的U(d)-d关系如图6所示,其中横坐标z为方案d的序号,纵坐标RMSE为方案d对应的目标函数值U(d),即估计误差的均方根值,d*为最优试验方案。
在本发明的上述实例中,通过优化过程,得到在约束条件下的两应力两退化量步进加速退化试验的最优试验方案。投入21个该型橡胶密封圈样品,以1天/次的监测频率,在α1=(115℃,70%)下试验监测15次,然后将应力变化为α2=(80℃,95%)继续进行试验监测18次,最后将应力变化为α3=(50℃,82%)继续进行试验监测39次,可得到正常贮存条件α0=(25℃,50%)下95%可靠贮存寿命最精确估计,其误差均方根(RMSE)达到最小值27。
Claims (2)
1.一种多应力多退化量步进加速退化试验方案优化设计方法,其特征在于:包括以下步骤:
步骤1、获取产品加速退化试验相关信息
1-1)产品的退化量及失效阈值信息
产品在工作或贮存过程中有m个退化量Yi(i=1,2,...,m)随时间逐渐退化,一旦某个退化量Yi超过失效阈值Di(i=1,2,...,m),产品就会发生失效;
1-2)产品退化量的联合概率密度函数信息
时刻t产品退化量Y=(Y1,Y2,…,Ym)T服从多维正态分布,其联合概率密度函数表示为
其中,μ=(μ1,μ2,…,μm)T为均值向量,Σ为方差协方差矩阵
σij(i=1,...,m,j=1,...,m)为退化量Yi与Yj的协方差;当i=j时,σij为退化量Yi的方差;|Σ|为Σ的为行列式值;
1-3)产品退化模型及加速模型信息
在不同应力水平组合α下,这里其中表示第i种加速应力的第li个水平,i=1,...,s,li=1,...,L,L为应力水平的个数,s为加速应力的个数;产品的m维正态分布均值向量μ的第j维元素与试验时间的关系满足如下退化模型
μj=bj+ajt j=1,2,…,m (3)
式中,bj为截距参数,aj为退化速率参数,t为试验时间;
退化速率参数aj与不同应力水平组合α之间满足如下多应力加速模型
其中ηj0、ηji为加速模型的系数,Ti(·)为任意的单调函数,Si为第i种加速应力;
式(4)两边取自然对数,有
即
式中,Aj(x)=lnaj,γ′j0=lnηj0,γ′ji=ηji,xi=ln[T(Si)],i=1,2,…,s;xi称为等效应力水平;
将xi其进行标准化,得到取值范围为[0,1]的标准化等效应力水平ξi
其中,xiL和xiH分别为应力xi的最低水平和最高水平;因此,式(6)可重写为
其中,
1-4)产品性能退化的累积损伤模型信息
令νi表示第i个应力水平组合αi下退化轨迹的起始时间,且此时的退化量与第i-1个应力水平组合αi-1结束时的退化量相等,则ν1是以下方程的解
μj(ν1|α2)=μj(t1|α1) (9)
类似地,νi满足
μj(νi|αi+1)=μj(νi-1+ti-ti-1|αi) (10)
其中,i=1,...,K-1;因此,μj(t)能表示为
其中,j=1,...,m;
因此,获取的产品加速退化试验模型参数先验信息描述为
I=(Σ,bj,γji,Dj),j=1,…,m;i=0,1,…,s (12)
步骤2、设计产品多应力多退化量步进加速退化试验基本方案;
Yi的退化受到S1,S2,...,Ss种应力的影响,高于使用条件或贮存条件的s种应力组合能加速Yi退化过程;在进行多应力步进加速退化试验时,这s种加速应力的应力水平数均取为L;s种加速应力的最高应力水平设置应不使加速退化试验过程中产品的退化机理发生改变,即产品在这s种加速应力的加速退化试验中的退化机理与正常使用过程中的退化机理保持一致;
令表示一种应力水平组合;根据均匀设计及正交设计原则,选取一系列应力水平组合α1,α2,…,αK形成试验方案,其中K为应力水平组合的个数;如果试验方案是分式析因设计方案,则K=Ls-1;
在开展多应力多退化量步进加速退化试验时,随机抽取N个样品在应力水平组合α1下进行试验,每隔F单位时间测试一次性能参数即监测频率为F,监测次数为M1;当试验进行到时间τ1时,应力水平组合由α1变为α2,继续进行试验,监测频率为F,监测次数为M2;当试验进行到时间τ2时,应力水平组合由α2变为α3,继续进行试验,监测频率为F,监测次数为M3;试验按如此方式进行,直到预定的时间结束;应力水平组合最终变为τK,监测频率为F,监测次数为MK,试验到时间τK时试验全部结束;步进加速退化试验每一应力水平组合下的试验时间为τi(i=1,2,...,K),且τi=F·Mi·tu,其中tu为单位时间,为1天或1小时;因此,总试验时间τ可表示为
于是步进加速退化试验的应力水平组合随时间的变化规律可表示为
其中,
步骤3、建立多应力多退化量步进加速退化试验方案优化模型;
3-1)确定优化模型的目标函数
将产品在使用应力水平组合下的p阶分位寿命估计的均方误差平方根RMSE作为优化的目标函数:
其中,E[·]表示数学期望;τp0为p阶分位寿命;为p阶分位寿命估计;及τp0的求解方法描述如下;
p阶分位寿命τp0指产品在时刻τp0时的失效概率为p,此时产品的可靠度为1-p,即
R0(τp0)=1-p (16)
而产品在使用应力水平组合下时刻τp0的可靠度为
通过联立方程(16)、(17)求解τp0;式(17)中,τp0为p阶分位寿命,R0(τp0)为τp0时刻产品的可靠度,Y01(t),...,Y0m(t)为产品在使用应力水平组合下时刻t的m个退化量,D1,...,Dm为产品m个退化量阈值,f(y01,y02,…,y0m)为产品m个退化量的联合分布密度函数;f(y01,y02,…,y0m|τp0)为τp0时刻产品m个退化量的联合分布密度函数;
3-2)确定优化模型的设计变量
多应力多退化量步进加速退化试验的每一要素都能作为设计变量:
①试验应力S1,S2,…,Ss;
②试验应力水平
及其组合α1,…,αK;
③试验样品个数N;
④监测频率F;
⑤应力水平组合αj下的监测次数Mj;
因此,试验方案可表示为d=(s,Si,L,K,αj,N,F,Mj),i=1,…,sj=1,…K;
3-3)确定优化模型的约束条件
优化模型的约束条件如下:
①试验总费用CT不超过试验预算Cb,CT≤Cb;
②试验的应力数不低于2,s≥2;
③每一应力的水平数不少于2,L≥2;
④应力水平的组合数与应力水平数满足K=Ls-1;
⑤试验样品个数不少于5,N≥5;
⑥监测频率不小于1个时间单位,F≥1;
⑦监测次数不少于3次,Mj≥3;
⑧
总的试验费用CT由试验运行费用、测量费用、试验样品费用组成,由下式计算:
其中,Cop表示单位时间试验运行费用,CM表示单次测量的费用,Cd表示样品单价;
综上所述,建立多应力多退化量步进加速退化试验方案优化模型可描述为
步骤4、对优化模型进行优化;
4-1)根据约束条件构造可行试验方案集D,输入选取的试验方案数Z及蒙特卡罗仿真次数Nmc,令z=1;
4-2)在D中选取一个方案dz=(s,Si,L,K,αj,N,F,Mj),i=1,…,s,j=1,…,K,z=1,…,Z,令nmc=1;
4-3)根据方案dz及前述获取的先验参数信息I=(Σ,bj,γji,βj,Dj),j=1,…,m;i=0,1,…,s计算仿真参数:
4-3-1)将α1,α2,…,αK中的标准化等效应力水平代入加速模型(8)计算aji(j=1,...,m,i=1,...,K);
4-3-2)根据式(3)、(9)、(10)、(11)可推导出
其中j=1,2,...,m;
4-3-3)令t=F,2F,…,MF,其中根据式(21)计算μ(t)=[μ1(t),μ2(t),…,μm(t)]T;
4-4)根据μ(t)及先验信息I中的Σ参数,对于t=F,2F,…,MF生成N个m维正态分布N(μ(t),Σ)向量如下
其中,Yn(tj)=[Yn1(tj),Yn2(tj),…,Ynm(tj)]T且n=1,…,N,j=1,…,M,t1=F,t2=2F,…,tM=MF;Yn(tj)从m维正态分布N(μ(tj),Σ)中抽样获得;
4-5)分析仿真数据(22),按如下步骤计算
4-5-1)对t=F,2F,…,MF估计均值向量和方差协方差矩阵
其中
因此,方差协方差矩阵可用下式估计
其中可令t=kF,由式(24)计算;
4-5-2)用模型(21)拟合4-5-1)得到的估计模型(21)的参数
4-5-3)令即根据式(7)将它们转化为标准应力水平并代入式(8)计算使用应力水平组合下的
4-5-4)将和代入式(3)确定使用应力水平组合下和t的关系,然后联立方程(16)、(17)求解令nmc=nmc+1;
4-5-5)如果nmc≤Nmc则返回步骤4-3),重复步骤4-3)~4-5-4);否则,由以上步骤可得根据先验信息I中的参数bj,γji,i=0,1,…,s,j=1,…,m,再由步骤4-5-3)、4-5-4)求解τp0;由下式计算方案dz对应的优化目标函数值Uz
令z=z+1;
4-6)如果z≤Z,则返回步骤4-2)选取另一方案,重复步骤4-3)~4-5),否则转到步骤4-7);
4-7)选取使U(d)最小的试验方案作为最优试验方案d*。
2.根据权利要求1所述的多应力多退化量步进加速退化试验方案优化设计方法,其特征在于:步骤3-1)中的f(y01,y02,…,y0m)由步骤1中方程(12)确定,具体方法如下:
①将公式(12)中的γji代入式(8),可计算得到aj;
②将aj及公式(12)中的bj代入式(3),可计算得到μj;
③由μj及公式(12)中的Σ即可确定f(y01,y02,…,y0m)的均值向量参数及方差协方差矩阵参数,从而确定f(y01,y02,…,y0m)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510504304.6A CN105069532B (zh) | 2015-08-17 | 2015-08-17 | 一种多应力多退化量步进加速退化试验方案优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510504304.6A CN105069532B (zh) | 2015-08-17 | 2015-08-17 | 一种多应力多退化量步进加速退化试验方案优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105069532A CN105069532A (zh) | 2015-11-18 |
CN105069532B true CN105069532B (zh) | 2018-07-06 |
Family
ID=54498892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510504304.6A Active CN105069532B (zh) | 2015-08-17 | 2015-08-17 | 一种多应力多退化量步进加速退化试验方案优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069532B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292025B (zh) * | 2017-06-21 | 2019-08-06 | 北京航空航天大学 | 软包锂离子电池的密封寿命预测方法 |
CN107515965B (zh) * | 2017-07-27 | 2019-07-23 | 北京航空航天大学 | 一种基于不确定过程的加速退化建模评估方法 |
CN109388829B (zh) * | 2017-08-10 | 2023-05-26 | 湖南中车时代电动汽车股份有限公司 | 一种电子产品寿命测算方法 |
CN108470101A (zh) * | 2018-03-21 | 2018-08-31 | 西北工业大学 | 基于代理模型的机电系统y型密封结构可靠性评估方法 |
CN110826234B (zh) * | 2019-11-08 | 2022-11-29 | 中国航天标准化研究所 | 一种基于仿真的多应力加速寿命试验方案优化方法 |
CN111079255A (zh) * | 2019-11-15 | 2020-04-28 | 湖南海智机器人技术有限公司 | 一种基于加速因子的电子调速器加速寿命试验方法 |
CN110928269A (zh) * | 2019-11-19 | 2020-03-27 | 中国人民解放军火箭军工程大学 | 一种基于惯导平台的退化加速试验优化设计方法及系统 |
CN113312755B (zh) * | 2021-05-10 | 2023-03-17 | 南京理工大学 | 一种弹用弹簧多元参数相关加速退化试验方法 |
CN116629010B (zh) * | 2023-06-02 | 2024-01-23 | 江苏科技大学 | 一种基于随机过程的退化模型确认及其试验设计方法 |
CN117610324B (zh) * | 2024-01-24 | 2024-04-16 | 西南科技大学 | 一种基于最小偏差度的加速退化试验优化设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793927A (zh) * | 2010-01-12 | 2010-08-04 | 北京航空航天大学 | 步进应力加速退化试验优化设计方法 |
CN103279657A (zh) * | 2013-05-21 | 2013-09-04 | 北京航空航天大学 | 一种基于工程经验的产品加速退化试验方案设计方法 |
CN103530449A (zh) * | 2013-09-27 | 2014-01-22 | 北京电子工程总体研究所 | 一种弹上寿命件的多变量加速贮存试验优化设计方法 |
-
2015
- 2015-08-17 CN CN201510504304.6A patent/CN105069532B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793927A (zh) * | 2010-01-12 | 2010-08-04 | 北京航空航天大学 | 步进应力加速退化试验优化设计方法 |
CN103279657A (zh) * | 2013-05-21 | 2013-09-04 | 北京航空航天大学 | 一种基于工程经验的产品加速退化试验方案设计方法 |
CN103530449A (zh) * | 2013-09-27 | 2014-01-22 | 北京电子工程总体研究所 | 一种弹上寿命件的多变量加速贮存试验优化设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105069532A (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069532B (zh) | 一种多应力多退化量步进加速退化试验方案优化设计方法 | |
Alinezhad et al. | Sensitivity analysis of TOPSIS technique: the results of change in the weight of one attribute on the final ranking of alternatives | |
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 | |
CN102779208B (zh) | 基于相对熵的序贯加速退化试验优化设计方法 | |
CN103279657B (zh) | 一种基于工程经验的产品加速退化试验方案设计方法 | |
CN105468907A (zh) | 一种加速退化数据有效性检验及模型选择方法 | |
CN105868534A (zh) | 一种基于多目标优化抽样的水文模型不确定性分析方法 | |
CN106021685B (zh) | 一种考虑测量误差的退化可靠性分析方法 | |
Emory et al. | Uncertainty quantification in turbomachinery simulations | |
Xing et al. | Dynamic Bayesian evaluation method for system reliability growth based on in-time correction | |
CN106886620B (zh) | 航天器测试资源优化配置方法 | |
CN109684713B (zh) | 基于贝叶斯的复杂系统可靠性分析方法 | |
CN107644145B (zh) | 一种基于蒙特卡洛和决策逻辑的故障行为仿真方法 | |
CN104111887A (zh) | 基于Logistic模型的软件故障预测系统及方法 | |
Philippe et al. | Riemann sums for MCMC estimation and convergence monitoring | |
Defreitas et al. | Anomaly detection in wind tunnel experiments by principal component analysis | |
CN106294131A (zh) | 一种蕴含相关性特征面向系统测试用的仿真流式大数据生成方法 | |
CN111400859A (zh) | 一种考虑扰动不确定性的纳米芯片多参数成品率估算方法 | |
CN113361025B (zh) | 一种基于机器学习的蠕变疲劳概率损伤评定方法 | |
Pontes et al. | The suitability of the spr-mp method to evaluate the reliability of logic circuits | |
CN112849429A (zh) | 一种民机系统测量参数的溯源方法 | |
Clarich et al. | Reliability-based design optimization applying polynomial chaos expansion: theory and Applications | |
Haas | Prediction of Structural Reliability Through an Alternative Variability-Based Methodology | |
Sekerka et al. | Analyse options for relationship between sustainability development indicators | |
Li et al. | Diagnosis of Quantum Circuits in the NISQ Era |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |