CN108446523A - 一种电子整机贮存寿命评估与预测方法 - Google Patents
一种电子整机贮存寿命评估与预测方法 Download PDFInfo
- Publication number
- CN108446523A CN108446523A CN201810450756.4A CN201810450756A CN108446523A CN 108446523 A CN108446523 A CN 108446523A CN 201810450756 A CN201810450756 A CN 201810450756A CN 108446523 A CN108446523 A CN 108446523A
- Authority
- CN
- China
- Prior art keywords
- prediction
- curve
- fitting
- storage
- life
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电子整机贮存寿命评估与预测方法,在分析某典型整机失效机理的基础上,提出了基于Arrhenius模型的整机级加速因子计算方法,该方法仅需3种参数即可进行电子整机加速因子计算,根据计算结果开展加速试验并获得数据后,再利用基于优化GM(1,1)灰色模型的预测算法,研究自然贮存和加速试验数据的退化规律,并分析两组数据退化趋势的一致性,进而利用一致性分析结果实现加速因子计算模型参数的闭环修正,最后利用修正后的模型实现电子整机贮存寿命预测。本发明简单易懂且预测精度较高,适于工程推广。
Description
技术领域
本发明涉及一种电子整机贮存寿命评估与预测方法,属于系统贮存延寿研究技术领域。。
背景技术
电子类整机产品是航天器的核心组成部分,正确预估其贮存寿命具有重要的理论、实际意义,军事、经济价值。因为贮存时间不足,贮存期评定一般采取加速试验的方法,即通过施加高应力,使产品在既定加速模型下发生失效,之后结合定时或定数截尾等统计分析方法完成贮存期评定。而现役航天器往往具有高可靠特性,贮存加速试验已经难以产生失效。
传统可靠性理论只关注失效时间、失效次数等突发失效特征,未考虑因产品性能退化产生的可用信息。实际上,性能退化是产品的一种自然属性,包含丰富的可靠性信息。近年来,基于敏感参数变化来表征性能退化的研究已成为新的方向,如何利用性能退化数据设计一种整机贮存寿命评估与预测方法是延寿领域亟需解决的问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种电子整机贮存寿命评估与预测方法,解决电子整机贮存寿命加速因子和贮存时间参数确定不规范的问题,有针对性根据产品的特性开展加速贮存试验。
本发明目的通过如下技术方案予以实现:
提供一种电子整机贮存寿命评估与预测方法,包括如下步骤:
(1)计算电子整机的加速因子AFT:
其中ni为第i种元器件的个数;λUi为第i种元器件的通用失效率;AFi为第i种元器件的加速因子;β为修正因子,初值为1,m为元器件种类数量;
(2)开展温度为Te,时长为T/AFT的加速试验,并获得每个整机寿命参数x(t),T为目标贮存期;获取现有自然贮存数据;
(3)建立寿命参数优化灰度模型:
a1为发展系数,a2为影响因子,a3为灰作用量,t为贮存时间;
采用利用步骤(2)中获得的每个整机寿命参数x(t)替换x(0)(t),获得加速试验年均退化量α2;
利用步骤(2)中获取的现有自然贮存数据中每个整机寿命参数替换x(0)(t),获得自然贮存年均退化量α1;
(4)计算修正因子β=α2/α1;
(5)利用步骤(4)计算的修正因子修正加速试验的整机的加速因子AFT,得到加速试验对应的修正后的等效自然贮存时间为βT。
优选的,步骤(3)中获得加速试验年均退化量α2的具体方法为:采用利用步骤(2)中获得的每个整机寿命参数x(t)替换x(0)(t),获取n台整机加速试验条件下的拟合与预测曲线,对n条拟合与预测曲线取均值,获得整机加速试验条件下的均值拟合与预测曲线,根据该曲线获得加速试验年均退化量α2。
优选的,在获得加速试验年均退化量α2的同时获得n条曲线对应的极大值的拟合与预测曲线和极小值的拟合与预测曲线。
优选的,获得自然贮存年均退化量α1的方法为:利用步骤(2)中获取的现有自然贮存数据中每个整机寿命参数替换x(0)(t),分别获得n台整机自然贮存条件下的拟合与预测曲线,对n条拟合与预测曲线取均值,获得整机自然贮存条件下的均值拟合与预测曲线;根据该曲线获得自然贮存年均退化量α1。
优选的,当加速试验数条件下的均值拟合与预测曲线数据退化为下降趋势时,利用加速试验极小值的拟合与预测曲线进行寿命预测,当加速试验数条件下的均值拟合与预测曲线数据退化为上升趋势时,利用加速试验极大值的拟合与预测曲线进行寿命预测,修正用于寿命预测的极大值的拟合与预测曲线或极小值的拟合与预测曲线,预测剩余寿命或者预测给定贮存期内是否会失效。
优选的,第i种元器件的加速因子AFi的计算方法如下:
其中Eai为第i种元器件的激活能,Tu为自然贮存环境温度,Te为加速试验温度,k为速率常数。
优选的,步骤(1)中ni通过查看元器件清单得到;λUi和Eai通过《电子设备非工作状态可靠性预计手册》查阅。
优选的,步骤(5)中还包括获得自然贮存条件下n条曲线对应的极大值的拟合曲线与预测曲线和极小值的拟合与预测曲线,用于辅助监控自然贮存条件下是否出现退化失效。
优选的,辅助监控自然贮存条件下是否出现退化失效的具体方法为:如果自然贮存条件下n条曲线对应的极大值的拟合曲线与预测曲线和极小值的拟合与预测曲线与加速试验条件下的极大值的拟合与预测曲线和极小值的拟合与预测曲线趋势不同,则重新进行加速试验,并重新选取寿命参数x(t)。
优选的,寿命参数x(t)为电压或电流。
本发明与现有技术相比具有如下优点:
(1)本发明在分析典型电子整机失效机理的基础上,首先提出了基于Arrhenius温度加速模型的整机加速因子计算方法,该方法只需获得3个常见参数即可计算整机加速因子,便于工程应用。
(2)本发明根据加速因子计算结果开展加速试验并获得数据,利用修正GM(1,1)灰色模型预测方法,对自然贮存和加速试验数据的退化规律分别开展研究,并对退化趋势的一致性进行分析,该方法计算简单,拟合精度高。
(3)利用一致性分析结果实现加速模型的闭环修正,进而利用修正后的模型实现整机贮存寿命预测。研究结果可知,基于GM(1,1)灰色模型预测导弹整机贮存寿命的方法简单且具有较高的预测精度,适用于工程应用。
附图说明
图1为本发明加速试验及寿命预测方法原理框图;
图2为本发明自然贮存数据的拟合与预测曲线;
图3为本发明加速试验数据的拟合与预测曲线。
具体实施方式
本发明提供一种弹载电子整机贮存寿命评估与预测方法,结合图1,具体包括如下步骤:
(1)基于元器件信息的整机加速因子计算方法,步骤如下:
温度应力加速试验模型中,最常用的是Arrhenius模型:
然而该模型只适用于元器件,不能直接用于整机,基于此新提出一种利用元器件信息计算“整机加速因子”的方法:
式中AFT为整机加速因子;λAT为加速应力下设备总平均失效率;λUT为实际使用时设备总平均失效率。
由于元器件失效率之和为“总失效率”:
由式(2)、(3)可得:
式中m为整机中元器件种数;ni为第i种元器件的数量;λUi表示实际使用时,第i种元器件的“通用失效率”;λAi为加速试验下,第i种元器件“平均失效率”。
由“加速因子“定义可得,每种元器件有:
λAi=λUi·AFi (5)
式中AFi为第i种元器件的加速因子。
由此可得:
β为修正因子,初值设为1,可根据后续试验结果修正。
式(6)中:
式(7)中Eai为第i种元器件的激活能。
上述式(6)即为基于Arrhenius模型的“整机加速因子”计算方法,该方法只需获得ni,λUi,Eai 3个参数即可。其中ni为某类元器件的个数,可以通过查阅“元器件清单”获得;λUi与Eai分别是某种元器件的“失效率”和“加速因子”,可通过查阅GJB/Z 108A-2006《电子设备非工作状态可靠性预计手册》获得,Tu为自然贮存温度,Te为加速试验温度,k为速率常数。该方法利用元器件的“数量”、“通用失效率”和“激活能”作为加权因子,实现了整机加速因子的计算,为整机级加速试验奠定了基础。
(2)开展加速温度为Te,为目标贮存期为T,时长为T/AFT的加速试验,并获得每台整机寿命参数x(t);同时提取已有的自然贮存数据,用于数据分析。
(3)基于优化GM(1,1)灰色模型的数据拟合与预测:
GM(1,1)模型是灰色预测理论能够很好地处理小子样数据的拟合与预测问题,但常会出现精度较差的现象,已有的改进方法可以一定程度上改善拟合精度,但无法根除由拟合方法缺陷所造成的固有误差。
本发明提出了一种优化的GM(1,1)灰色模型,该模型是对服从非齐次指数增长规律的数据建模,克服了原有GM(1,1)模型指数规律的缺点。本发明首先给出GM(1,1)模型的推广微分形式,考虑初值的影响,建立了优化GM(1,1)模型,并通过精确的离散化求取参数,实例显示新模型的拟合与预测精度较原模型高。
GM(1,1)模型的建模基础是假定原始数据序列服从近似指数规律,即x(0)(k)≈be-ak,但实际情况是,许多数列并不服从上述规律,若仍用上述方法建模,会影响预测效果。对服从非齐次指数增长规律的数列,即x(0)(k)≈be-ak+c,给出推广GM(l,1)模型的白化方程可表成如下的初值问题:
其中a1为发展系数,a2为影响因子,a3为灰作用量。
一阶还原计算得到的预测序列为:
经优化GM(l,1)灰色模型的精确离散形式为:
整机数量为n,对于每台整机的使用实际的自然贮存数据作为x(0)(t)带入式10,t为时间;对x(0)(t)进行一阶累加,获得x(1)(t)数据;由最小二乘估计得到式10中a1、a2、a3的估计值,分别获得n台整机自然贮存条件下的拟合与预测曲线,对n条拟合与预测曲线取均值,获得整机自然贮存拟合与预测的均值曲线;同时获得n条曲线对应的极大值、极小值的拟合与预测均值曲线,参见图2,两条极值曲线用于监控是否会出现退化失效。
对每台整机使用步骤(2)获得的寿命参数数据作为x(0)(t)带入式10,t为时间;对x(0)(t)进行一阶累加,获得x(1)(t)数据;由最小二乘估计得到式10中a1、a2、a3的估计值,分别获得加速试验条件下n台整机的拟合与预测曲线,进而获得拟合与预测的均值曲线,根据该曲线可获得加速试验年均退化量α2;同时获得n条曲线对应的极大值、极小值的拟合与预测均值曲线,参见图3。
(4)对比自然贮存和加速试验数据的一致性,实现加速模型的闭环修正,进一步实现贮存寿命预测,具体方法如下:
根据自然贮存拟合与预测的均值曲线获得自然贮存年均退化量α1,根据加速试验拟合与预测的均值曲线获得加速试验数年均退化量α2。
更新修正因子:
β=α2/α1
(5)修正整机加速试验的加速因子AFT,得到修正后的等效自然贮存时间为βT。当数据退化趋势为下降时,可利用极小值的拟合与预测曲线进行寿命预测,当数据退化趋势为上升时,可利用极大值的拟合与预测曲线进行寿命预测,修正寿命预测的极大值或极小值的拟合与预测曲线(横轴坐标T修改为βT),可预测剩余寿命或给定贮存期内整机是否会退化失效。
通过图2、3可对比知:自然贮存年均退化量0.0167V;恒定应力加速试验设定80℃、7天一循环为一年伪寿命,实测每循环循环平均退化量为0.033V;恒加试验每周期平均退化量是自然贮存的2.0倍。即80℃高温下加速因子为理论值的2.0倍,2.0即为修正因子,可用于修正加速试验结果。由修正后的恒加试验预测曲线可知:在30年贮存期内,该整机不会产生退化失效。
本发明利用优化GM(1,1)预测方法,对加速试验和自然贮存数据分别进行了拟合和预测,通过自然贮存和加速试验数据退化趋势的一致性比对,可实现加速模型的闭环修正,利用修正后的模型可以实现整机贮存寿命的预测。经过“残差检验法”和“后验差检验法”对拟合预测精度进行误差比较可知,优化GM(1,1)模型在5年内预测精度为一级,显著优于传统方法。
本发明适应性较强,可用于为各型武器系统电子整机延寿研究。
以上所述,仅为本发明最佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (10)
1.一种电子整机贮存寿命评估与预测方法,其特征在于,包括如下步骤:
(1)计算电子整机的加速因子AFT:
其中ni为第i种元器件的个数;λUi为第i种元器件的通用失效率;AFi为第i种元器件的加速因子;β为修正因子,初值为1,m为元器件种类数量;
(2)开展温度为Te,时长为T/AFT的加速试验,并获得每个整机寿命参数x(t),T为目标贮存期;获取现有自然贮存数据;
(3)建立寿命参数优化灰度模型:
a1为发展系数,a2为影响因子,a3为灰作用量,t为贮存时间;
采用利用步骤(2)中获得的每个整机寿命参数x(t)替换x(0)(t),获取n台整机加速试验条件下的拟合与预测曲线,获得加速试验年均退化量α2;
利用步骤(2)中获取的现有自然贮存数据中每个整机寿命参数替换x(0)(t),获得自然贮存年均退化量α1;
(4)计算修正因子β=α2/α1;
(5)利用步骤(4)计算的修正因子修正加速试验的整机的加速因子AFT,得到加速试验对应的修正后的等效自然贮存时间为βT,并预测电子整机剩余寿命或者预测给定贮存期内是否会失效。
2.如权利要求1所述的电子整机贮存寿命评估与预测方法,其特征在于,步骤(3)中获得加速试验年均退化量α2的具体方法为:采用利用步骤(2)中获得的每个整机寿命参数x(t)替换x(0)(t),获取n台整机加速试验条件下的拟合与预测曲线,对n条拟合与预测曲线取均值,获得整机加速试验条件下的均值拟合与预测曲线,根据该曲线获得加速试验年均退化量α2。
3.如权利要求2所述的电子整机贮存寿命评估与预测方法,其特征在于,在获得加速试验年均退化量α2的同时获得n条曲线对应的极大值的拟合与预测曲线和极小值的拟合与预测曲线。
4.如权利要求3所述的电子整机贮存寿命评估与预测方法,其特征在于,获得自然贮存年均退化量α1的方法为:利用步骤(2)中获取的现有自然贮存数据中每个整机寿命参数替换x(0)(t),分别获得n台整机自然贮存条件下的拟合与预测曲线,对n条拟合与预测曲线取均值,获得整机自然贮存条件下的均值拟合与预测曲线;根据该曲线获得自然贮存年均退化量α1。
5.如权利要求4所述的电子整机贮存寿命评估与预测方法,其特征在于,
当加速试验数条件下的均值拟合与预测曲线数据退化为下降趋势时,利用加速试验极小值的拟合与预测曲线进行寿命预测,当加速试验数条件下的均值拟合与预测曲线数据退化为上升趋势时,利用加速试验极大值的拟合与预测曲线进行寿命预测,修正用于寿命预测的极大值的拟合与预测曲线或极小值的拟合与预测曲线,预测剩余寿命或者预测给定贮存期内是否会失效。
6.如权利要求1或5所述的电子整机贮存寿命评估与预测方法,其特征在于,第i种元器件的加速因子AFi的计算方法如下:
其中Eai为第i种元器件的激活能,Tu为自然贮存环境温度,Te为加速试验温度,k为速率常数。
7.如权利要求1或5所述的电子整机贮存寿命评估与预测方法,其特征在于,步骤(1)中ni通过查看元器件清单得到;λUi和Eai通过《电子设备非工作状态可靠性预计手册》查阅。
8.如权利要求5所述的电子整机贮存寿命评估与预测方法,其特征在于,步骤(5)中还包括获得自然贮存条件下n条曲线对应的极大值的拟合曲线与预测曲线和极小值的拟合与预测曲线,用于辅助监控自然贮存条件下是否出现退化失效。
9.如权利要求5所述的电子整机贮存寿命评估与预测方法,其特征在于,辅助监控自然贮存条件下是否出现退化失效的具体方法为:如果自然贮存条件下n条曲线对应的极大值的拟合曲线与预测曲线和极小值的拟合与预测曲线与加速试验条件下的极大值的拟合与预测曲线和极小值的拟合与预测曲线趋势不同,则重新进行加速试验,并重新选取寿命参数x(t)。
10.如权利要求5所述的电子整机贮存寿命评估与预测方法,其特征在于,寿命参数x(t)为电压或电流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810450756.4A CN108446523B (zh) | 2018-05-11 | 2018-05-11 | 一种电子整机贮存寿命评估与预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810450756.4A CN108446523B (zh) | 2018-05-11 | 2018-05-11 | 一种电子整机贮存寿命评估与预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108446523A true CN108446523A (zh) | 2018-08-24 |
CN108446523B CN108446523B (zh) | 2022-04-08 |
Family
ID=63203034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810450756.4A Active CN108446523B (zh) | 2018-05-11 | 2018-05-11 | 一种电子整机贮存寿命评估与预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446523B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109165790A (zh) * | 2018-09-03 | 2019-01-08 | 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)) | 光电耦合器自然贮存寿命预测方法 |
CN109375143A (zh) * | 2018-08-30 | 2019-02-22 | 中国电力科学研究院有限公司 | 一种确定智能电能表剩余寿命的方法 |
CN109444609A (zh) * | 2018-12-18 | 2019-03-08 | 北京交通大学 | 牵引变流器使用寿命预测方法及装置 |
CN110196779A (zh) * | 2019-05-28 | 2019-09-03 | 中国航天标准化研究所 | 一种星上电子产品加速寿命试验时间计算方法 |
CN110531735A (zh) * | 2019-08-07 | 2019-12-03 | 广东科鉴检测工程技术有限公司 | 一种仪器电控系统的可靠性指标考核方法 |
CN110889189A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于等退化增量时间间隔Spearman系数加速贮存与自然贮存退化数据一致性检验法 |
CN110889077A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于Kendall相关系数的加速贮存与自然贮存退化数据一致性检验方法 |
CN110889084A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 加速贮存和自然贮存退化数据一致性检验回归置信区间法 |
CN110889187A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于等退化量时间Pearson系数的加速贮存与自然贮存退化数据一致性检验法 |
CN111625990A (zh) * | 2020-04-16 | 2020-09-04 | 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)) | 电子整机贮存寿命持续评价方法及装置 |
CN111880023A (zh) * | 2020-06-16 | 2020-11-03 | 中国航天标准化研究所 | 基于多级加速因子的弹上电子产品贮存期加速试验方法 |
CN111898236A (zh) * | 2020-05-25 | 2020-11-06 | 中国航天标准化研究所 | 基于失效大数据的电子整机加速贮存试验加速因子分析方法 |
CN112231886A (zh) * | 2019-12-26 | 2021-01-15 | 贵州大学 | 一种预测元器件失效时间的方法 |
CN112257237A (zh) * | 2020-10-10 | 2021-01-22 | 重庆大学 | 一种预测电缆热老化使用寿命的方法 |
CN112710690A (zh) * | 2020-12-17 | 2021-04-27 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 一种确定加速寿命试验中加速因子的方法及应用 |
CN113887009A (zh) * | 2021-06-24 | 2022-01-04 | 北京电子工程总体研究所 | 一种定数截尾试验加速失效机理一致性检验方法 |
CN114062820A (zh) * | 2021-11-18 | 2022-02-18 | 西安太乙电子有限公司 | 一种电子整机贮存试验薄弱元器件识别及影响评估方法 |
CN114966294A (zh) * | 2022-07-27 | 2022-08-30 | 北京智芯微电子科技有限公司 | 电力设备的可靠性试验系统及控制方法、装置和介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1587989A (zh) * | 2004-07-15 | 2005-03-02 | 上海交通大学 | 基于灰色模型的动调陀螺仪寿命预测方法 |
CN101576443A (zh) * | 2009-06-16 | 2009-11-11 | 北京航空航天大学 | 基于灰色rbf神经网络的加速寿命试验寿命预测方法 |
US20130103351A1 (en) * | 2011-10-21 | 2013-04-25 | Ru Huang | Method for Predicting Reliable Lifetime of SOI Mosfet Device |
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 |
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 |
CN105093028A (zh) * | 2015-08-21 | 2015-11-25 | 北京航天长征飞行器研究所 | 一种电子类产品加速贮存的试验方法 |
CN105973597A (zh) * | 2016-05-27 | 2016-09-28 | 北京交通大学 | 列车轴箱轴承寿命的试验预测方法 |
CN106874582A (zh) * | 2017-01-25 | 2017-06-20 | 吉林大学 | 一种电主轴加速寿命试验时间设计方法 |
CN107015875A (zh) * | 2017-03-31 | 2017-08-04 | 北京强度环境研究所 | 一种电子整机贮存寿命评估方法及装置 |
CN107025328A (zh) * | 2017-01-24 | 2017-08-08 | 浙江工业大学 | 一种c型独立液货罐y型接头疲劳强度评估方法 |
CN107688689A (zh) * | 2017-07-27 | 2018-02-13 | 南京航空航天大学 | 一种基于分层加权的飞行程序噪声评估方法 |
-
2018
- 2018-05-11 CN CN201810450756.4A patent/CN108446523B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1587989A (zh) * | 2004-07-15 | 2005-03-02 | 上海交通大学 | 基于灰色模型的动调陀螺仪寿命预测方法 |
CN101576443A (zh) * | 2009-06-16 | 2009-11-11 | 北京航空航天大学 | 基于灰色rbf神经网络的加速寿命试验寿命预测方法 |
US20130103351A1 (en) * | 2011-10-21 | 2013-04-25 | Ru Huang | Method for Predicting Reliable Lifetime of SOI Mosfet Device |
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 |
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 |
CN105093028A (zh) * | 2015-08-21 | 2015-11-25 | 北京航天长征飞行器研究所 | 一种电子类产品加速贮存的试验方法 |
CN105973597A (zh) * | 2016-05-27 | 2016-09-28 | 北京交通大学 | 列车轴箱轴承寿命的试验预测方法 |
CN107025328A (zh) * | 2017-01-24 | 2017-08-08 | 浙江工业大学 | 一种c型独立液货罐y型接头疲劳强度评估方法 |
CN106874582A (zh) * | 2017-01-25 | 2017-06-20 | 吉林大学 | 一种电主轴加速寿命试验时间设计方法 |
CN107015875A (zh) * | 2017-03-31 | 2017-08-04 | 北京强度环境研究所 | 一种电子整机贮存寿命评估方法及装置 |
CN107688689A (zh) * | 2017-07-27 | 2018-02-13 | 南京航空航天大学 | 一种基于分层加权的飞行程序噪声评估方法 |
Non-Patent Citations (3)
Title |
---|
FAN,TH;HSU,TM: "Accelerated Life Tests of a Series System With Masked Interval Data Under Exponential Lifetime Distributions", 《IEEE TRANSACTIONS ON RELIABILITY》 * |
向刚,苗静,邱丰: "航天电子产品贮存期评估方法研究", 《电子测量技术》 * |
郑伟,张洁,邵,进段然: "弹载单机无失效条件下可靠性评估方法研究", 《航天控制》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375143B (zh) * | 2018-08-30 | 2022-09-09 | 中国电力科学研究院有限公司 | 一种确定智能电能表剩余寿命的方法 |
CN109375143A (zh) * | 2018-08-30 | 2019-02-22 | 中国电力科学研究院有限公司 | 一种确定智能电能表剩余寿命的方法 |
CN109165790A (zh) * | 2018-09-03 | 2019-01-08 | 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)) | 光电耦合器自然贮存寿命预测方法 |
CN110889084B (zh) * | 2018-09-10 | 2020-11-17 | 湖南银杏可靠性技术研究所有限公司 | 加速贮存和自然贮存退化数据一致性检验回归置信区间法 |
CN110889189A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于等退化增量时间间隔Spearman系数加速贮存与自然贮存退化数据一致性检验法 |
CN110889077A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于Kendall相关系数的加速贮存与自然贮存退化数据一致性检验方法 |
CN110889084A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 加速贮存和自然贮存退化数据一致性检验回归置信区间法 |
CN110889187A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于等退化量时间Pearson系数的加速贮存与自然贮存退化数据一致性检验法 |
CN110889077B (zh) * | 2018-09-10 | 2021-02-23 | 湖南银杏可靠性技术研究所有限公司 | 一种加速贮存与自然贮存退化数据一致性检验方法 |
CN110889189B (zh) * | 2018-09-10 | 2020-12-11 | 湖南银杏可靠性技术研究所有限公司 | 一种产品在不同试验应力水平下的退化数据一致性检验法 |
CN109444609B (zh) * | 2018-12-18 | 2024-03-01 | 北京交通大学 | 牵引变流器使用寿命预测方法及装置 |
CN109444609A (zh) * | 2018-12-18 | 2019-03-08 | 北京交通大学 | 牵引变流器使用寿命预测方法及装置 |
CN110196779B (zh) * | 2019-05-28 | 2023-06-02 | 中国航天标准化研究所 | 一种星上电子产品加速寿命试验时间计算方法 |
CN110196779A (zh) * | 2019-05-28 | 2019-09-03 | 中国航天标准化研究所 | 一种星上电子产品加速寿命试验时间计算方法 |
CN110531735A (zh) * | 2019-08-07 | 2019-12-03 | 广东科鉴检测工程技术有限公司 | 一种仪器电控系统的可靠性指标考核方法 |
CN110531735B (zh) * | 2019-08-07 | 2022-08-05 | 广东科鉴检测工程技术有限公司 | 一种仪器电控系统的可靠性指标考核方法 |
CN112231886A (zh) * | 2019-12-26 | 2021-01-15 | 贵州大学 | 一种预测元器件失效时间的方法 |
CN112231886B (zh) * | 2019-12-26 | 2023-08-25 | 贵州大学 | 一种预测元器件失效时间的方法 |
CN111625990B (zh) * | 2020-04-16 | 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)) | 电子整机贮存寿命持续评价方法及装置 |
CN111625990A (zh) * | 2020-04-16 | 2020-09-04 | 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)) | 电子整机贮存寿命持续评价方法及装置 |
CN111898236A (zh) * | 2020-05-25 | 2020-11-06 | 中国航天标准化研究所 | 基于失效大数据的电子整机加速贮存试验加速因子分析方法 |
CN111898236B (zh) * | 2020-05-25 | 2024-01-09 | 中国航天标准化研究所 | 基于失效大数据的加速贮存试验加速因子分析方法 |
CN111880023A (zh) * | 2020-06-16 | 2020-11-03 | 中国航天标准化研究所 | 基于多级加速因子的弹上电子产品贮存期加速试验方法 |
CN112257237A (zh) * | 2020-10-10 | 2021-01-22 | 重庆大学 | 一种预测电缆热老化使用寿命的方法 |
CN112710690A (zh) * | 2020-12-17 | 2021-04-27 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 一种确定加速寿命试验中加速因子的方法及应用 |
CN113887009A (zh) * | 2021-06-24 | 2022-01-04 | 北京电子工程总体研究所 | 一种定数截尾试验加速失效机理一致性检验方法 |
CN114062820A (zh) * | 2021-11-18 | 2022-02-18 | 西安太乙电子有限公司 | 一种电子整机贮存试验薄弱元器件识别及影响评估方法 |
CN114966294A (zh) * | 2022-07-27 | 2022-08-30 | 北京智芯微电子科技有限公司 | 电力设备的可靠性试验系统及控制方法、装置和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108446523B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446523A (zh) | 一种电子整机贮存寿命评估与预测方法 | |
JP6404832B2 (ja) | SoCに関する制御技術的オブザーバの決定方法 | |
CN103218675B (zh) | 一种基于聚类和滑动窗口的短期负荷预测方法 | |
US7107187B1 (en) | Method for modeling system performance | |
CN109993270A (zh) | 基于灰狼群优化lstm网络的锂离子电池剩余寿命预测方法 | |
CN106055775B (zh) | 一种粒子滤波与机理模型相结合的二次电池寿命预测方法 | |
CN107274038A (zh) | 一种基于蚁狮优化的lssvm年用电量预测方法 | |
CN108304685A (zh) | 一种非线性退化设备剩余寿命预测方法及系统 | |
CN109598052B (zh) | 基于相关系数分析的智能电表寿命周期预测方法及装置 | |
CN113762486A (zh) | 换流阀故障诊断模型的构建方法、装置和计算机设备 | |
CN113504483B (zh) | 考虑不确定性的锂离子电池剩余寿命集成预测方法 | |
CN108960334A (zh) | 一种多传感器数据加权融合方法 | |
CN115308558B (zh) | Cmos器件寿命预测方法、装置、电子设备及介质 | |
CN111415010A (zh) | 一种基于贝叶斯神经网络的风电机组参数辨识方法 | |
CN112949930A (zh) | 基于pa-lstm网络的道路机动车尾气高排放预警方法 | |
Srivastava et al. | Optimum multi-objective ramp-stress accelerated life test with stress upper bound for Burr type-XII distribution | |
CN116578551A (zh) | 一种基于gru-gan的电网数据修复方法 | |
CN116930609A (zh) | 一种基于ResNet-LSTM模型的电能计量误差分析方法 | |
CN113610266B (zh) | 汽车零件的故障预测方法、装置、计算机设备和存储介质 | |
CN113988210A (zh) | 结构监测传感网失真数据修复方法、装置及存储介质 | |
CN117445735A (zh) | 云边协同的充电预警方法、设备及介质 | |
CN113159395A (zh) | 一种基于深度学习的污水处理厂进水流量预测方法及系统 | |
CN112529209A (zh) | 模型训练方法、装置以及计算机可读存储介质 | |
CN112232570A (zh) | 一种正向有功总电量预测方法、装置及可读存储介质 | |
Lu et al. | Parameter estimation of software reliability growth models by a modified whale optimization algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |