CN105526949B - 基于非线性顺序损伤累加的太阳敏感器寿命预计方法 - Google Patents
基于非线性顺序损伤累加的太阳敏感器寿命预计方法 Download PDFInfo
- Publication number
- CN105526949B CN105526949B CN201610036916.1A CN201610036916A CN105526949B CN 105526949 B CN105526949 B CN 105526949B CN 201610036916 A CN201610036916 A CN 201610036916A CN 105526949 B CN105526949 B CN 105526949B
- Authority
- CN
- China
- Prior art keywords
- damage
- sun sensor
- failure
- stress
- vibration
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000001186 cumulative effect Effects 0.000 title claims abstract description 9
- 230000007246 mechanism Effects 0.000 claims abstract description 70
- 230000035882 stress Effects 0.000 claims abstract description 36
- 239000000523 sample Substances 0.000 claims abstract description 18
- 230000008646 thermal stress Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 45
- 238000009825 accumulation Methods 0.000 claims description 31
- 238000004088 simulation Methods 0.000 claims description 30
- 230000015556 catabolic process Effects 0.000 claims description 23
- 238000006731 degradation reaction Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000003287 optical effect Effects 0.000 claims description 19
- 229920002379 silicone rubber Polymers 0.000 claims description 19
- 238000002834 transmittance Methods 0.000 claims description 18
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 16
- 229910052710 silicon Inorganic materials 0.000 claims description 16
- 239000010703 silicon Substances 0.000 claims description 16
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 14
- 239000004945 silicone rubber Substances 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 7
- 230000032683 aging Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000005779 cell damage Effects 0.000 claims description 4
- 208000037887 cell injury Diseases 0.000 claims description 4
- 238000005094 computer simulation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000001351 cycling effect Effects 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000001845 vibrational spectrum Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 101001039157 Homo sapiens Leucine-rich repeat-containing protein 25 Proteins 0.000 description 1
- 102100040695 Leucine-rich repeat-containing protein 25 Human genes 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 239000005441 aurora Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012942 design verification Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
- G01C21/025—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means with the use of startrackers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
一种基于非线性顺序损伤累加的太阳敏感器寿命预计方法，包括如下步骤：步骤一、确定太阳敏感器的故障机理及选取物理模型；步骤二、对太阳敏感器的电路组件进行单应力仿真及损伤计算；步骤三、对太阳敏感器的光学探头组件进行单应力仿真及损伤计算；步骤四、进行发射阶段振动应力和在轨阶段热应力下的疲劳机理损伤累加；以及步骤五、运用故障机理树进行系统建模和寿命预计。该方法用不同应力顺序加载非线性累积法，使得太阳敏感器振动和热应力疲劳损伤累加更加符合产品实际经历的载荷状况；并利用系统建模的方法综合考虑各种不同故障机理对系统寿命的影响和贡献，使得预计的太阳敏感器寿命更加准确。
Description
技术领域
本发明提供一种太阳敏感器寿命预计方法，特别是涉及一种基于非线性顺序损伤累加的太阳敏感器寿命预计方法，属于产品可靠性预计领域。
背景技术
太阳敏感器是通过敏感太阳矢量方位来确定矢量在星体坐标中的方位，从而获得航天器相对于太阳方位信息的光学姿态敏感器。其主要包括光学探头和信号处理电路两部分。光学探头包括光学组件和探测器，利用光电转换功能实时获取星体相对太阳的姿态角度信息。
模拟太阳敏感器产生的输出信号是星体相对太阳矢量方位(太阳角)的连续函数；模拟式太阳敏感器又称为余弦检测器，常使用光电池作为其传感器件，它的输出信号强度与太阳光的入射角度有关，其关系式为：其中，Iθ—太阳光束与光电池法线方向的夹角。0—光电池的短路电流；模拟式太阳敏感器几乎全部都是全天候工作的，其视场一般在20--30°左右，精度在1°左右，它判断出现太阳信号的阈值以不高于太阳信号的80％(一般为50％)为门限。这样的精度对于通信卫星还可以，但对于对地观测的卫星来说，精度太低，因此，目前的通信卫星主要依赖这种模拟式的太阳敏感器。
太阳敏感器作为卫星重要的组成部位，其在发射阶段受到随机振动的影响比较大，在轨运行阶段，要周期性地经历日照区和阴影区，被周期性地加热和冷却，使得太阳敏感器往往要经受较大幅度的高低温变化，一般在-160℃～+120℃左右。工作寿命为30年的航天器在低地球轨道运行期间将承受17500次左右的热循环。温度循环导致电路板焊点等部位出现热疲劳失效。空间环境下，存在电离层等离子体、磁层等离子体和极光等离子体等低能带电粒子环境，也存在太阳宇宙线、银河宇宙线和地球辐射带等高能带电粒子辐射环境。在空间辐照下，太阳敏感器电路组件会出现热疲劳、振动疲劳和电应力损伤，而光学探头组件则会出现玻璃着色效应、表面溅射剥蚀、充放电效应和辐照诱发污染效应等。
目前，对产品的可靠性或者寿命的预计有两种方法。第一种是传统上的基于统计数据的可靠性预计方法。典型的手册有电子产品的GJB/Z299C-2006电子设备可靠性预计手册、美国军用标准MIL-HDBK-217F可靠性预计方法，机电产品通常采用基于历史数据的相似产品方法来进行可靠性预计。针对模拟型太阳敏感器这种光电产品，没有现成的可靠性预计手册，其故障历史数据也比较缺乏，可靠性或寿命预计无法参考传统的方式进行。产品寿命预计的另一种方法为故障物理，即通过确定产品的组成结构与载荷条件，利用故障机理与物理模型预测寿命。由于太阳敏感器在全寿命周期中所经历的载荷条件的阶段性，不同条件，不同阶段所造成的损伤不同，通常采用基于损伤累加的故障物理方法来预测寿命。目前应用较多的线性累积原则没有考虑载荷历程和载荷相互作用对损伤累积的影响，使得寿命预计存在较大的计算误差。同时，目前工程上太阳敏感器的故障机理采用竞争关系，取故障时间最小的机理作为系统主机理的方法也是不科学的。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于非线性顺序损伤累加的太阳敏感器寿命预计方法，为设计改进和定型验证提供依据，从而提高太阳敏感器的固有可靠性。
本发明提供了一种基于非线性顺序损伤累加的太阳敏感器寿命预计方法，所述太阳敏感器包括电路组件和光学探头组件，所述电路组件包括信号处理电路板，所述光学探头组件包括柱面镜、硅光电池，硅橡胶粘结层，其特征在于，所述方法包括如下步骤：
步骤一、确定太阳敏感器的故障机理及选取物理模型；
步骤二、对太阳敏感器的电路组件进行单应力仿真及损伤计算；
步骤三、对太阳敏感器的光学探头组件进行单应力仿真及损伤计算；
步骤四、进行发射阶段振动应力和在轨阶段热应力下的疲劳机理损伤累加；以及
步骤五、运用故障机理树进行系统建模和寿命预计。
根据本发明的方法，可优选的是，在所述步骤一中，确定的故障机理包括：所述信号处理电路板的热疲劳、振动疲劳和电应力损伤，硅橡胶老化，石英玻璃透过率退化，以及硅光电池电压退化。
根据本发明的方法，可优选的是，所述步骤二包括：
a.对太阳敏感器的信号处理电路板进行热仿真、振动仿真和单应力损伤计算；
b.对太阳敏感器的信号处理电路板进行电应力仿真及损伤计算。
根据本发明的方法，可优选的是，所述步骤三包括：
a.由选取的硅橡胶老化失效模型计算硅橡胶的预计寿命；
b.由选取的石英玻璃透过率退化模型计算石英玻璃的预计寿命；
c.由选取的硅光电池电压退化曲线模型，根据电压阈值计算得到硅光电池的预计寿命。
根据本发明的方法，可优选的是，在所述步骤四中，累加规律为：
其中：CDI是累积损伤指数；nV为实际振动时间；NV为单一振动条件下随机振动至失效的时间；NT为单一温循条件下器件失效时间；nT为在先振动再温循顺序加载条件下，器件至失效的实际循环时间；
累加后得到顺序作用的振动和热应力下的疲劳故障机理寿命。
根据本发明的方法，可优选的是，在所述步骤五中，所述故障机理树中包括参数联合与单元损伤累加这两种单元层面的故障机理关系。
根据本发明的方法，可优选的是，在所述步骤五中，参数联合的故障机理的寿命为：
其中，为参数联合的故障机理的寿命，Xth为单元的参数阈值，ΔX为单位时间的参数变化，ΔXi为由于第i个参数联合的故障机理在单位时间内引起的参数变化，λi为第i个参数联合的故障机理的比例系数，ti为第i个参数联合的故障机理单独作用时的故障时间，即寿命；
系统的故障概率密度函数F(t)为：
单元损伤累加的故障机理的寿命为：
其中，为单元损伤累加的故障机理的寿命；XNi(t)为第i个单元损伤累加的故障机理作用于系统的损伤，随时间发生变化；XNith为第i个单元损伤累加的故障机理作用时的损伤阈值；
仿真得到太阳敏感器输出参数变化以及故障时间分布，对故障时间进行拟合。
本发明提供的太阳敏感器寿命预计方法具有以下优点：
a.用不同应力顺序加载非线性累积法弥补了线性累积损伤理论的不足，使得太阳敏感器振动和热应力疲劳损伤累加更加符合产品实际经历的载荷状况。
b.利用系统建模的方法综合考虑各种不同故障机理对系统寿命的影响和贡献，打破了故障机理相互独立的假设，所预计的太阳敏感器寿命更加准确。
附图说明
图1本发明实施例的太阳敏感器的硬件组成
图2a参数联合的故障机理关系符号
图2b单元损伤累加的故障机理关系符号
图3信号处理电路板的温度循环剖面
图4信号处理电路版的振动谱型
图5信号处理电路板有限元网格模型
图6信号处理电路板输出信号退化的故障机理树
具体实施方式
下面将结合附图和实施例对本发明做进一步的详细说明，以如图1所示的太阳敏感器为例进行展开。
本实施例的基于非线性顺序损伤累加的太阳敏感器寿命预计方法，包括以下步骤：
步骤一：太阳敏感器的故障机理的确定及物理模型的选取。
太阳敏感器包括电路组件和光学探头组件。如图1所示，太阳敏感器的电路组件4包括信号处理电路板5；光学探头组件包括柱面镜2、硅光电池1、硅橡胶粘结层6。电路组件的主要失效机理即热疲劳、振动疲劳和电应力损伤；光学探头组件的主要失效机理包括硅橡胶老化、石英玻璃透过率退化和硅光电池性能下降等。表1列出了太阳敏感器的故障机理及相应的物理模型。
根据标准HB 20091-2012附录A，列出典型故障机理，如表2所示。参考表2，依次确定信号处理电路版即建模对象的“器件类型”、“潜在故障点”和“环境条件”，找到电路模块中各子模块存在的故障机理。
表1太阳敏感器相关故障机理及物理模型
表2故障发生位置、环境、故障机理对应关系
步骤二：对太阳敏感器的电路组件进行单应力计算/仿真及损伤计算。
a.利用Calce SARA软件对太阳敏感器的信号处理电路板进行热仿真、振动仿真和单应力损伤计算。
信号处理电路板的温度循环剖面如图3所示，在图3中横坐标t代表持续的时间，纵坐标代表温度循环W，图中示出的仿真计算中温度应力包括2个条件，量值见表3。信号处理电路版的振动谱型如图4所示，在图4中横坐标X代表振动频率，纵坐标Y代表加速度功率谱密度，振动量级见表4。
表3温度应力条件表
| 温度应力条件 | 温度(℃) |
| 1 | -20 |
| 2 | 25 |
表4振动应力量级表
对信号处理电路板进行Calce SARA软件温度分布仿真。主要包括：
据信号处理电路板的元器件清单、元器件手册在Calce SARA软件中建立元器件的Part模型和component模型。利用设计版图文件，建立信号处理电路板板层模型、提取元器件位置信息，最终建立信号处理电路板的单应力损伤计算模型。
对信号处理电路板模型进行网格划分。
施加温度载荷与边界条件。温度载荷主要包括环境温度和元器件的工作实际功耗，利用Calce SARA的温度施加命令，将温度环境条件施加到信号处理电路板模型中。在PWA的热应力仿真部分输入电路板周边温度负载条件。施加温度载荷与边界条件。
实施温度分布仿真。利用Calce SARA的求解命令进行该信号处理电路板在温度条件下的温度分布仿真，最终获得信号处理电路板各部分、各位置点的温度分布。分别得到太阳敏感器-20℃和25℃顶层器件壳温分布情况。其中顶层器件即为信号处理电路板正面的元器件，而底层器件即为信号处理电路板反面的元器件。在Calce SARA中的PWA软件中计算信号处理电路板在温度循环条件下的故障时间计算结果如表6所示
对信号处理电路板进行Calce SARA振动应力分布仿真。主要包括：
在Calce SARA软件包中的PWA中进行信号处理电路板模型建模，或者将建好的模型导入PWA软件中去，其中PWA软件能识别的文件格式为cda，该模型详细包含了电路板上器件的物理尺寸，封装信息，引脚信息、功耗以及焊接信息。定义信号处理电路板各部分的振动应力仿真材料参数。主要包括：各组成材料的密度、弹性模量、泊松比，如表5所示。
表5振动仿真材料参数
选择太阳敏感器中信号处理电路板的固定方式和约束位置。
对信号处理电路板模型进行网格划分。利用Calce SARA软件进行网格划分，然后创建有限元模型，如图5所示。
施加振动加速度功率谱密度与边界条件。主要包括利用输入的加速度功率谱密度施加命令，将图4中振动加速度功率谱密度量值及其对应的频率值输入到Calce SARA软件的负载条件中。
实施振动应力仿真。利用Calce SARA的求解命令进行该信号处理电路板在振动条件下的应力仿真，求解结束后可以获得信号处理电路板各部位的响应，包括位移、速度以及加速度均方根。在Calce SARA中的PWA软件中计算信号处理电路板潜在振动条件下的故障时间，计算结果如表6所示。
表6电路模块在温度循环和振动条件下故障时间计算结果
b.对太阳敏感器信号处理电路板进行电应力仿真及损伤计算。
建立正常状态下信号处理电路板的Pspice电路模型。首先建立组成信号处理电路板的各元器件的模型。对于电阻器、电容器、电感器、部分二极管、部分晶体管等元器件的电路模型可以在Pspice的模型库中选择通用模型，根据元器件的实际参数来修改通用模型中相应参数。对于集成电路芯片和部分二极管、晶体管等器件，若Pspice模型库中无法找到对应型号的模型，可以到元器件制造商的网页下载相应的模型。元器件模型建好后，根据电路功能关系，将各元器件输入输出端连接起来，形成信号处理电路板的Pspice电路模型。
对正常状态下信号处理电路板进行瞬态仿真。输入外界提供给信号处理电路板的电压随时间的变化曲线，启动Pspice电路瞬态仿真，获得正常状态下电路中各元器件的输入和输出电参数以及电路最终的输出，例如电压、电流随时间的变化曲线。需要输入的参数如表7所示，根据电应力仿真结果得到相应的电参数，输入Calce FAST软件得到电应力寿命预计结果，如表8所示。
表7电迁移、TDDB和热载流子需要部分重要参数
表8电迁移、TDDB和热载流子机理——故障时间计算结果(25℃)
步骤三：对太阳敏感器的光学探头组件进行单应力计算/仿真及损伤计算。
a.由选取的硅橡胶老化失效模型输入相关参数计算硅橡胶预计寿命。
(1)首先根据公式K＝Ae-E/RT得到速度常数K，其中A＝623.45，E＝27.03KJ/mol-1，R＝8.314J·mol-1·K-1,绝对温度根据光学探头热计算部分得到为72.249℃(345.409K)。则K＝Ae-E/RT＝0.0509。由式和y＝1-ε得到，硅橡胶压缩永久变形对其进行变形可以得到：
硅橡胶压缩永久变形的阈值ε设为20％，即变形量为原来的20％。则代入数据可以得到寿命t＝82.698年。
(2)计算硅橡胶在空间辐照下透光率的退化
硅橡胶透过率退化模型为：
Tr＝6.35e-0.3635t+75.9e-0.01287t (2)
硅橡胶透过率退化的阈值为透过率下降40％，也就是透过率变为原来的60％，则令y＝60％*82.45＝49.47，可以得到硅橡胶退化失效是的寿命为33.26年。
b.由选取的石英玻璃透过率退化模型输入相关参数计算石英玻璃预计寿命。
在辐照环境的作用下，随时间的推移，石英玻璃的重要性能指标透过率不断退化。
石英玻璃透过率退化模型为：
Tr＝14.07e-8.47t+78.18e-0.02809t (3)
石英玻璃透过率退化的阈值为透过率下降40％，也就是透过率变为原来的60％，则令y＝60％*92.25＝55.35，可以得到石英玻璃退化失效是的寿命为12.29年。
c.由选取的硅光电池电压退化曲线模型，根据电压阈值计算得到硅光电池的预计寿命。
硅光电池电压退化模型为：
Tr＝402e-0.01196t (4)
若硅光电池透过率退化的阈值为透过率下降到300μA/mm2，则硅光电池失效，可以得到硅光电池退化失效是的寿命为24.47年。
步骤四：进行发射阶段振动应力和在轨阶段热应力下的疲劳机理损伤累加。
利用振动和热应力顺序负载下非线性累积损伤规律，即
其中，CDI是累积损伤指数，取值0.7。
nV为实际振动时间，本实施例中发射阶段时间为600s，则nV＝0.166h；
NV为单一振动条件下随机振动至失效的时间，由软件仿真得到失效时间，即表9中第三列振动疲劳故障机理TTF(年)；
NT为单一温循条件下器件失效时间，有Calce PWA软件仿真得到失效时间，即表9中第二列热疲劳故障机理TTF(年)；
nT为在先振动再温循顺序加载条件下，器件至失效的实际循环时间。
则可以得到：
累加后得到顺序作用的振动和热应力下的疲劳故障机理寿命。
表9温度循环条件和随机振动条件下器件失效时间
步骤五：运用故障机理树进行系统建模和寿命预计。
太阳敏感器输出信号发生退化是光学探头组件和电路组件共同作用的结果。光学探头组件在辐射、温度等环境条件作用下，石英玻璃、硅橡胶光的透过率发生退化，导致光线输入信号减弱，输出电信号发生退化。信号处理电路在温度、振动、电等环境条件和载荷作用下，器件和功能电路的性能也会发生变化，从而导致所处理的电信号发生退化现象。图6为太阳敏感器输出信号退化的简化故障机理树，其中省略号为表8中电应力相关故障预计寿命。该故障机理树中有两种单元层面的故障机理关系，参数联合与单元损伤累加，前者用MAPA来表示，后者用UMACO来表示。图2a和图2b为两种单元层面的故障机理关系符号。
图2a中具有参数联合关系的故障机理M1,…Mn，单元的参数阈值假设为Xth，那么：
ΔXi是由于机理Mi在单位时间内引起的参数变化，ti是机理Mi单独作用时的故障时间，即寿命，则M1,…Mn在具有参数联合关系后，其寿命为：
ΔX是单位时间的参数变化，λi是各个故障机理之间的比例系数，在太阳敏感器中，该系数取值为1。
系统的故障概率密度函数F(t)可以表达为：
图2b中具有单元损伤累加的故障机理N1,…Ns，假设ti是Ni单独作用引发系统的故障时间，即寿命，为系统寿命，XNi(t)为Ni作用于系统的损伤，随时间发生变化，XNith是Ni作用时的损伤阈值，系统的故障时间即寿命可以表示为：
利用蒙特卡洛仿真方法和图2a和图2b所示的信号处理电路板输出信号退化的故障机理树，以表8和表9计算的各故障机理的寿命数据为基础，仿真得到太阳敏感器输出参数变化以及故障时间分布，将后者拟合得到正态分布，如表10所示。
表10太阳敏感器寿命预计结果
通过对太阳敏感器进行顺序应力非线性损伤累加和故障树的建模，系统地预计其寿命，为设计改进与定型验证提供依据。
以上实施方式仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种基于非线性顺序损伤累加的太阳敏感器寿命预计方法，所述太阳敏感器包括电路组件和光学探头组件，所述电路组件包括信号处理电路板，所述光学探头组件包括柱面镜、硅光电池，硅橡胶粘结层，其特征在于，所述方法包括如下步骤：
步骤一、确定太阳敏感器的故障机理及选取物理模型；
步骤二、对太阳敏感器的电路组件进行单应力仿真及损伤计算；
步骤三、对太阳敏感器的光学探头组件进行单应力仿真及损伤计算；
步骤四、进行发射阶段振动应力和在轨阶段热应力下的疲劳机理损伤累加；以及
步骤五、运用故障机理树进行系统建模和寿命预计。
2.根据权利要求1所述的基于非线性顺序损伤累加的太阳敏感器寿命预计方法，其特征在于，
在所述步骤一中，所述太阳敏感器的故障机理包括所述信号处理电路板的热疲劳、振动疲劳和电应力损伤，硅橡胶老化，石英玻璃透过率退化，以及硅光电池电压退化。
3.根据权利要求2所述的基于非线性顺序损伤累加的太阳敏感器寿命预计方法，其特征在于，
所述步骤二具体包括：
a.对太阳敏感器的信号处理电路板进行热仿真、振动仿真和单应力损伤计算；以及
b.对太阳敏感器的信号处理电路板进行电应力仿真及损伤计算。
4.根据权利要求3所述的基于非线性顺序损伤累加的太阳敏感器寿命预计方法，其特征在于，
所述步骤三具体包括：
a.由选取的硅橡胶老化失效模型计算硅橡胶的预计寿命；
b.由选取的石英玻璃透过率退化模型计算石英玻璃的预计寿命；以及
c.由选取的硅光电池电压退化曲线模型，根据电压阈值计算得到硅光电池的预计寿命。
5.根据权利要求4所述的基于非线性顺序损伤累加的太阳敏感器寿命预计方法，其特征在于，
在所述步骤四中，所述疲劳机理损伤累加的规律为：
<mrow>
<mi>C</mi>
<mi>D</mi>
<mi>I</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>n</mi>
<mi>T</mi>
</msub>
<msub>
<mi>N</mi>
<mi>T</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>0.905</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>n</mi>
<mi>V</mi>
</msub>
<msub>
<mi>N</mi>
<mi>V</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>0.927</mn>
</msup>
</mrow>
其中：CDI是累积损伤指数；nV为实际振动时间；NV为单一振动条件下随机振动至失效的时间；NT为单一温循条件下器件失效时间；nT为在先振动再温循顺序加载条件下，器件至失效的实际循环时间；
累加后得到顺序作用的振动和热应力下的疲劳故障机理寿命。
6.根据权利要求5所述的基于非线性顺序损伤累加的太阳敏感器寿命预计方法，其特征
在于，
在所述步骤五中，所述故障机理树中包括参数联合与单元损伤累加这两种单元层面的故障机理关系。
7.根据权利要求6所述的基于非线性顺序损伤累加的太阳敏感器寿命预计方法，其特征
在于，
在所述步骤五中，参数联合的故障机理的寿命为：
其中，为参数联合的故障机理的寿命，Xth为单元的参数阈值，ΔX为单位时间的参数变化，ΔXi为由于第i个参数联合的故障机理在单位时间内引起的参数变化，λi为第i个参数联合的故障机理的比例系数，ti为第i个参数联合的故障机理单独作用时的故障时间，即寿命；
系统的故障概率密度函数F(t)为：
单元损伤累加的故障机理的寿命为：
其中，为单元损伤累加的故障机理的寿命；XNi(t)为第i个单元损伤累加的故障机理作用于系统的损伤，随时间发生变化；XNith为第i个单元损伤累加的故障机理作用时的损伤阈值；
仿真得到太阳敏感器输出参数变化以及故障时间分布，对故障时间进行拟合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610036916.1A CN105526949B (zh) | 2016-01-20 | 2016-01-20 | 基于非线性顺序损伤累加的太阳敏感器寿命预计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610036916.1A CN105526949B (zh) | 2016-01-20 | 2016-01-20 | 基于非线性顺序损伤累加的太阳敏感器寿命预计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105526949A CN105526949A (zh) | 2016-04-27 |
| CN105526949B true CN105526949B (zh) | 2018-04-17 |
Family
ID=55769319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610036916.1A Active CN105526949B (zh) | 2016-01-20 | 2016-01-20 | 基于非线性顺序损伤累加的太阳敏感器寿命预计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105526949B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109614684B (zh) * | 2018-12-04 | 2022-10-28 | 中国航天标准化研究所 | 一种多应力综合下的卫星电子产品寿命预测方法 |
| CN112100953B (zh) * | 2020-08-31 | 2023-04-07 | 电子科技大学 | 一种辐射环境下buck电路的失效仿真方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103658A (zh) * | 2010-12-03 | 2011-06-22 | 北京航空航天大学 | 一种实用的电子产品寿命评估模型参数高精度萃取方法 |
| CN102682208A (zh) * | 2012-05-04 | 2012-09-19 | 电子科技大学 | 基于Bayes信息更新的涡轮盘概率故障物理寿命预测方法 |
| CN103559418A (zh) * | 2013-11-20 | 2014-02-05 | 北京航空航天大学 | 一种基于故障物理的电子产品任务可靠度计算方法 |
| CN103942354A (zh) * | 2013-12-16 | 2014-07-23 | 中国航空综合技术研究所 | 一种基于仿真技术的半导体器件电迁移失效测试方法 |
| CN103955568A (zh) * | 2014-04-17 | 2014-07-30 | 北京航空航天大学 | 一种基于失效物理的mos器件可靠性仿真评价方法 |
| CN104794282A (zh) * | 2015-04-22 | 2015-07-22 | 北京航空航天大学 | 一种航空电子装置电源模块的电磁兼容可靠性评估方法 |
| CN105204371A (zh) * | 2015-09-08 | 2015-12-30 | 中国航天标准化研究所 | 一种用于空间可修系统可靠性指标的分析方法 |
-
2016
- 2016-01-20 CN CN201610036916.1A patent/CN105526949B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103658A (zh) * | 2010-12-03 | 2011-06-22 | 北京航空航天大学 | 一种实用的电子产品寿命评估模型参数高精度萃取方法 |
| CN102682208A (zh) * | 2012-05-04 | 2012-09-19 | 电子科技大学 | 基于Bayes信息更新的涡轮盘概率故障物理寿命预测方法 |
| CN103559418A (zh) * | 2013-11-20 | 2014-02-05 | 北京航空航天大学 | 一种基于故障物理的电子产品任务可靠度计算方法 |
| CN103942354A (zh) * | 2013-12-16 | 2014-07-23 | 中国航空综合技术研究所 | 一种基于仿真技术的半导体器件电迁移失效测试方法 |
| CN103955568A (zh) * | 2014-04-17 | 2014-07-30 | 北京航空航天大学 | 一种基于失效物理的mos器件可靠性仿真评价方法 |
| CN104794282A (zh) * | 2015-04-22 | 2015-07-22 | 北京航空航天大学 | 一种航空电子装置电源模块的电磁兼容可靠性评估方法 |
| CN105204371A (zh) * | 2015-09-08 | 2015-12-30 | 中国航天标准化研究所 | 一种用于空间可修系统可靠性指标的分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105526949A (zh) | 2016-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Subramaniyan et al. | Quantification of environmental effects on PV module degradation: A physics-based data-driven modeling method | |
| Rahman et al. | Generalised model of a photovoltaic panel | |
| Brandbyge et al. | Grid based linear neutrino perturbations in cosmological N-body simulations | |
| CN109614684B (zh) | 一种多应力综合下的卫星电子产品寿命预测方法 | |
| Ince et al. | Array failure diagnosis using nonconvex compressed sensing | |
| Karlgaard et al. | Desensitised kalman filtering | |
| CN105526949B (zh) | 基于非线性顺序损伤累加的太阳敏感器寿命预计方法 | |
| CN111222204B (zh) | 一种航天机电产品性能与可靠性联合仿真设计方法 | |
| CN102981081A (zh) | 航天器用元器件热真空环境适应性的评价方法 | |
| CN110852016B (zh) | 一种可靠性仿真试验模型修正方法 | |
| Cristaldi et al. | A simplified model of photovoltaic panel | |
| Zhang et al. | Rigorous model for evaluating wind power capacity credit | |
| DelSole et al. | Empirical correction of a dynamical model. Part I: Fundamental issues | |
| Vesely et al. | Risk evaluations of aging phenomena: the linear aging reliability model and its extensions | |
| Lorenc et al. | Computing an ensemble of variational data assimilations using its mean and perturbations | |
| Boppana et al. | Impact of uncertainty in IAM measurement on energy predictions | |
| CN111245364B (zh) | 确定电气系统的校正的电流-电压特性曲线的方法 | |
| CN108879669B (zh) | 基于低阶iigd算法的时滞电力系统特征值分析方法 | |
| Pieters et al. | A new 2D model for the electrical potential in a cell stripe in thin‐film solar modules including local defects | |
| Lujano‐Rojas et al. | Probabilistic methodology for estimating the optimal photovoltaic capacity in distribution systems to avoid power flow reversals | |
| Paggi et al. | Prediction by means hazard rate occurrence is a deeply wrong approach | |
| Tolentino et al. | Using Machine Learning Techniques to Determine DDR5 SDRAM I/O Buffer’s Slew Rate at Different PVT Variations | |
| Katagiri et al. | Arbitrary polynomial chaos expansion and its application to power flow analysis-Fast approximation of probability distribution by arbitrary polynomial expansion | |
| Harris et al. | Comparison of TID effects in space-like variable dose rates and constant dose rates | |
| EP3385734A1 (en) | Method and device for estimating circuit aging |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160427 Assignee: BEIJING LANWEI TECHNOLOGY CO., LTD. Assignor: Beihang University Contract record no.: 2019990000075 Denomination of invention: Nonlinear order damage accumulation-based sun sensor service life prediction method Granted publication date: 20180417 License type: Common License Record date: 20190311 |
|
| EE01 | Entry into force of recordation of patent licensing contract |