CN108710745A - 一种结合制造工艺数据的机电产品可靠性评估方法 - Google Patents

Abstract

本发明公开了一种结合制造工艺数据的机电产品可靠性评估方法，所述方法首先根据机电产品的组成特点、制造工艺数据以及退化机理确定其输出特性退化模型的函数形式；之后以该机电产品的制造工艺数据为基础，通过有限元仿真及近似建模方法得到退化模型中随机影响系数的k个集合；同时，基于机电产品试验样本的退化数据，通过多次迭代的方式估计出退化模型中固定影响系数的值；随后，根据所得到的k组随机影响系数集合、固定影响系数估计值以及所述机电产品的退化失效阈值，得到该产品的k个退化失效伪寿命；最后，基于得到的退化失效伪寿命，计算并给出该机电产品在各时刻的可靠度。本发明为解决小子样条件下的批次产品可靠性评价问题提供了有效手段。

Description

一种结合制造工艺数据的机电产品可靠性评估方法

技术领域

本发明属于机电产品性能与可靠性分析技术领域涉及一种机电产品可靠性评估方法。

背景技术

对于机电产品而言，由于受到制造工艺水平的制约，其设计及制造过程所带来的参数分散性使得机电产品的批次个体之间不可避免地存在一定程度的差异性，而该差异性将直接影响机电产品的退化过程，并最终影响批次产品的可靠性水平。目前关于制造工艺对产品可靠性影响的相关研究主要从产品的失效分布或者可靠性函数方面展开，Jiang R等人通过研究制造过程中的装配错误、零件不合格等因素对产品可靠性的影响，建立了考虑制造工艺影响的产品可靠性预计模型；He Y等人则将制造过程中的参数分散性剖分为部件级偏差、元器件级偏差、系统级偏差，给出了量化制造过程参数波动与产品固有失效率的可行方法。但是，上述研究中存在的以下两个问题使其难以推广到机电产品的退化建模中：(1)计算不同类型参数分散性所导致失效的分布类型、分布系数需要大量的产品失效数据(寿命数据)，而高可靠性、长寿命的产品通常难以获得失效数据。(2)上述研究均从制造工艺与产品可靠度关系的角度展开研究，而未能建立制造工艺与产品退化过程的关系。

在基于退化模型进行可靠性评估方面，Meeker和Escobar提出个体的退化轨迹模型中存在着固定影响系数以及随机影响系数。随机影响系数作为产品退化过程不确定性的具体体现导致了批次产品退化趋势的多样性。目前的研究中通常认为决定随机影响系数的产品个体差异由不可观测因素所导致，无法进行量化表述。然而，随着有限元仿真与近似建模技术的发展，对于大多机电产品来说，其个体间的差异性已经可以基于相关的设计及制造工艺数据通过仿真分析的方式具体给出。因而，结合机电产品自身的结构特点与失效机理记性退化建模，并以机电产品的制造工艺数据为基础估计退化模型中随机影响系数的分布情况，进而通过有限数量样本的退化试验数据估计出退化模型中的固定影响系数。则可以通过将基于制造工艺数据的随机影响系数分布，基于试验数据的固定影响系数以及所建立的退化模型相结合，实现对批次产品退化失效伪寿命分布的估计，从而进一步准确评价批次机电产品的可靠性水平，有效解决仅依赖试验数据进行可靠性评价难以准确反映批次产品可靠性的问题。

发明内容

为了解决在机电产品可靠性评估的相关研究中，由于未考虑制造工艺对产品退化过程的影响，而无法基于有限个数的试验样本对批次产品的可靠性水平进行准确评价的问题，本发明提供了一种结合制造工艺数据的机电产品可靠性评估方法。

本发明的目的是通过以下技术方案实现的：

一种结合制造工艺数据的机电产品可靠性评估方法，包括以下步骤：

步骤一：根据机电产品的组成特点、制造工艺及退化机理，确定所述机电产品输出特性D的退化模型的函数形式，所述输出特性退化模型中包含由制造工艺导致的随机影响系数集合Θ₁以及体现所述机电产品退化过程的退化模型固定影响系数集合Θ₂；

步骤二：根据所述机电产品的制造工艺数据，采用有限元仿真与机电产品输出特性近似建模方法，得到k组步骤一所述的随机影响系数集合；

步骤三：对m个所述机电产品样本进行退化试验，并获取对应于样本j的退化数据X_j∈{X₁,X₂,…,X_m}；

步骤四：采用粒子群算法，基于所述全部m个机电产品样本的退化数据，初步估计步骤一所述退化模型中固定影响系数集合的估计值以及对应于样本j＝1,2,…,m的随机影响系数集合的估计值

步骤五：将步骤四得到的作为步骤一所述的固定影响系数集合Θ₂的值，采用最小二乘法基于单个样本j＝1,2,…,m的退化数据X_j估计对应退化模型中随机影响系数集合的估计值

步骤六：将步骤五中得到的作为步骤一所述的随机影响系数集合Θ₁的值，采用粒子群算法，基于所述全部m个机电产品样本的退化数据，估计步骤一所述退化模型中固定影响系数集合的估计值

步骤七：判断及是否满足要求，若不满足，则将赋值给重复执行步骤五至步骤七，重新估计及直至参数估计结果满足要求，将及作为所述与Θ₂的最终参数估计结果及

步骤八：将步骤二所述的k个随机影响系数集合以及步骤七所述的固定影响系数集合估计结果代入步骤一所述的输出特性退化模型，根据所述机电产品输出特性的退化失效阈值D_f计算得到所述机电产品的k个退化失效伪寿命L_l∈{L₁,L₂,…,L_k}；

步骤九：对步骤八所得到的k个退化失效伪寿命进行分布拟合，得到所述机电产品寿命分布的概率密度函数f(L)，根据计算得到所述机电产品在t时刻的可靠度。

相比于现有技术，本发明具有如下优点：

1、本发明能够基于机电产品的具体制造工艺数据，采用仿真的方式对退化模型中随机影响系数进行估计，解决了目前的退化建模方法无法对由制造工艺所决定的随机影响系数进行量化表述的问题。

2、本发明提出了采用多次迭代的方式对固定影响系数进行估计的方法，解决了难以通过多个样本的试验数据对各样本对应的随机影响系数以及批次产品对应的固定影响系数进行同时估计的问题。

3、本发明在对机电产品的退化建模过程中，充分考虑了制造工艺对批次产品退化过程以及产品可靠性的影响，能够在试验样本量相同的条件下更好地描述批次机电产品退化过程的统计特性，为解决小子样条件下的批次产品可靠性评价问题提供了有效手段。

附图说明

图1是本发明所述结合制造工艺数据的机电产品可靠性评估方法的流程图。

图2是本发明所述步骤四到步骤七的算法流程图。

图3是本发明所述某型号电磁继电器1000个T_rls(0)的分布图。

图4是本发明所述某型号电磁继电器1000个参数c的分布图。

图5是本发明所述某型号电磁继电器1000个退化失效伪寿命的分布图。

图6是基于本发明得到的所述某型号电磁继电器可靠度评估结果。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

具体实施方式一：本实施方式提供了一种结合制造工艺数据的机电产品可靠性评估方法，所述方法首先根据机电产品的组成特点、制造工艺数据以及退化机理确定其输出特性退化模型的函数形式，该模型中包括固定影响系数以及由制造工艺决定的随机影响系数；之后，以该机电产品的制造工艺数据为基础，通过有限元仿真及近似建模方法得到退化模型中随机影响系数的k个集合；同时，基于机电产品试验样本的退化数据，通过多次迭代的方式估计出退化模型中固定影响系数的值；随后，根据所得到的k组随机影响系数集合、固定影响系数估计值以及所述机电产品的退化失效阈值，得到该产品的k个退化失效伪寿命；最后，基于得到的退化失效伪寿命，计算并给出该机电产品在各时刻的可靠度。如图1所示，具体步骤如下：

步骤一：根据机电产品的组成特点、制造工艺及退化机理，确定所述机电产品输出特性D的退化模型的函数形式，所述输出特性退化模型中包含由制造工艺导致的随机影响系数集合Θ₁以及体现所述机电产品退化过程的退化模型固定影响系数集合Θ₂。本步骤中，所述的输出特性D的退化模型的函数形式如公式(1)所示：

D(t,S)＝F(t,S|Θ₁,Θ₂) (1)

式中，D(t,S)表示产品在应力水平S下，在t时刻，其输出特性D的值；Θ₁为由制造工艺导致的退化模型随机影响系数集合，表征批次产品间的个体差异性；Θ₂为退化模型的固定影响系数集合。

步骤二：根据所述机电产品的制造工艺数据，采用有限元仿真与机电产品输出特性近似建模方法，得到k组步骤一所述的随机影响系数集合。本步骤中，为体现制造工艺对批次机电产品退化过程的统计特性，k的值应至少取100。

步骤三：对m个所述机电产品样本进行退化试验，并获取对应于样本j的退化数据X_j∈{X₁,X₂,…,X_m}。本步骤中，m的值应至少取5。

步骤四：采用粒子群算法，基于所述全部m个机电产品样本的退化数据，初步估计步骤一所述退化模型中固定影响系数集合的估计值以及对应于样本j＝1,2,…,m的随机影响系数集合的估计值

步骤五：将步骤四得到的作为步骤一所述的固定影响系数集合Θ₂的值，采用最小二乘法基于单个样本j＝1,2,…,m的退化数据X_j估计对应退化模型中随机影响系数集合的估计值

步骤六：将步骤五中得到的作为步骤一所述的随机影响系数集合Θ₁的值，采用粒子群算法，基于所述全部m个机电产品样本的退化数据，估计步骤一所述退化模型中固定影响系数集合的估计值

步骤七：判断及是否满足要求，若不满足，则将赋值给重复执行步骤五至步骤七，重新估计及直至参数估计结果满足要求，将及作为所述与Θ₂的最终参数估计结果及

步骤八：将步骤二所述的k个随机影响系数集合以及步骤七所述的固定影响系数集合估计结果代入步骤一所述的输出特性退化模型，根据所述机电产品输出特性的退化失效阈值D_f计算得到所述机电产品的k个退化失效伪寿命L_l∈{L₁,L₂,…,L_k}。

步骤九：对步骤八所得到的k个退化失效伪寿命进行分布拟合，得到所述机电产品寿命分布的概率密度函数f(L)，根据计算得到所述机电产品在t时刻的可靠度。

本实施方式步骤四至步骤七中，基于多个样本的试验数据，通过多次迭代对各样本对应的随机影响系数以及批次产品对应的固定影响系数进行同时估计的流程如图2所示。

本实施方式步骤四及步骤六中，采用粒子群算法估计所述各样本对应的随机影响系数以及所述固定影响系数的目标函数为平均绝对误差(MAE)最小，其表达式如公式(2)所示：

式中，m为样本个数；n为单个样本的试验数据个数；D_ij表示第i个样本第j个试验数据的输出特性值，表示D_ij的估计值。

具体实施方式二：下面结合图1至图6说明本实施方式，本实施方式对具体实施方式一作进一步说明。本实施方式以某型号电磁继电器为对象进行结合制造工艺数据的可靠性评估，具体步骤如下：

步骤一：根据公式(1)及所述电磁继电器的结构特点、制造工艺数据以及退化机理，确定其释放时间T_rls(所述输出特性)退化模型的函数关系如公式(3)所示。

T_rls(t,T)＝[T_rls(0)-c][a(1.8T+491.67)(logt+C)+b]+c (3)

式中，T_rls(t,T)为在温度应力T下贮存至t时刻的释放时间值；T_rls(0)为0时刻的释放时间值；Θ₁＝{T_rls(0),c}为所述退化模型随机影响系数的集合；Θ₂＝(a,b)为退化模型固定影响系数；C通常取为20。

步骤二：根据所述电磁继电器的制造工艺数据，采用有限元仿真与机电产品输出特性近似建模方法，得到1000组步骤一所述的随机影响系数集合Θ₁＝{T_rls(0),c}，如图3、4所示。

步骤三：对10个所述机电产品样本进行退化试验，并获取对应于样本j的退化数据X_j∈{X₁,X₂,…,X_m}。

步骤四至步骤七：根据如图2所示的所述多次迭代过程，确定所述10个机电产品样本试验数据所对应的模型系数a,b,c的估计值如表1所示。

表1模型系数估计结果

步骤八：将步骤二所述的1000个随机影响系数组合以及表1所示的固定影响系数a,b的估计结果代入公式(3)所示的释放时间退化模型，根据所述电磁继电器输出特性的退化失效阈值D_f计算得到所述机电产品的1000个退化失效伪寿命L_l∈{L₁,L₂,…,L₁₀₀₀}，所述1000个退化失效伪寿命的分布情况如图5所示。

步骤九：对步骤八所得到的1000个退化失效伪寿命进行分布拟合，所述威布尔分布的尺度参数和形状参数的估计结果分别为25941.5056与1.2320，根据其概率密度函数及计算得到所述电磁继电器的可靠度曲线如图6所示。

至此完成结合制造工艺数据的机电产品可靠性评估。

Claims (5)

1.一种结合制造工艺数据的机电产品可靠性评估方法，其特征在于所述方法步骤如下：

步骤一：根据机电产品的组成特点、制造工艺及退化机理，确定所述机电产品输出特性D的退化模型的函数形式，所述输出特性退化模型中包含由制造工艺导致的随机影响系数集合Θ₁以及体现所述机电产品退化过程的退化模型固定影响系数集合Θ₂；

步骤二：根据所述机电产品的制造工艺数据，采用有限元仿真与机电产品输出特性近似建模方法，得到k组步骤一所述的随机影响系数集合；

步骤三：对m个所述机电产品样本进行退化试验，并获取对应于样本j的退化数据X_j∈{X₁,X₂,…,X_m}；

步骤四：采用粒子群算法，基于所述全部m个机电产品样本的退化数据，初步估计步骤一所述退化模型中固定影响系数集合的估计值以及对应于样本j＝1,2,…,m的随机影响系数集合的估计值

步骤五：将步骤四得到的作为步骤一所述的固定影响系数集合Θ₂的值，采用最小二乘法基于单个样本j＝1,2,…,m的退化数据X_j估计对应退化模型中随机影响系数集合的估计值

步骤六：将步骤五中得到的作为步骤一所述的随机影响系数集合Θ₁的值，采用粒子群算法，基于所述全部m个机电产品样本的退化数据，估计步骤一所述退化模型中固定影响系数集合的估计值

步骤七：判断及是否满足要求，若不满足，则将赋值给重复执行步骤五至步骤七，重新估计及直至参数估计结果满足要求，将及作为所述与Θ₂的最终参数估计结果及

步骤八：将步骤二所述的k个随机影响系数集合以及步骤七所述的固定影响系数集合估计结果代入步骤一所述的输出特性退化模型，根据所述机电产品输出特性的退化失效阈值D_f计算得到所述机电产品的k个退化失效伪寿命L_l∈{L₁,L₂,…,L_k}；

步骤九：对步骤八所得到的k个退化失效伪寿命进行分布拟合，得到所述机电产品寿命分布的概率密度函数f(L)，根据计算得到所述机电产品在t时刻的可靠度。

2.根据权利要求1所述的结合制造工艺数据的机电产品可靠性评估方法，其特征在于所述步骤一中，输出特性D的退化模型的函数形式如公式(1)所示：

D(t,S)＝F(t,S|Θ₁,Θ₂) (1)

式中，D(t,S)表示产品在应力水平S下，在t时刻，其输出特性D的值。

3.根据权利要求1所述的结合制造工艺数据的机电产品可靠性评估方法，其特征在于所述步骤二中，k的值至少取100。

4.根据权利要求1所述的结合制造工艺数据的机电产品可靠性评估方法，其特征在于所述步骤三中，m的值至少取5。

5.根据权利要求1所述的结合制造工艺数据的机电产品可靠性评估方法，其特征在于所述步骤四及步骤六中，采用粒子群算法估计所述各样本对应的随机影响系数以及所述固定影响系数的目标函数为平均绝对误差MAE最小，其表达式如公式(2)所示：

式中，m为样本个数；n为单个样本的试验数据个数；D_ij表示第i个样本第j个试验数据的输出特性值，表示D_ij的估计值。