CN110889083B - 基于窗谱估计的退化数据一致性检验法 - Google Patents

基于窗谱估计的退化数据一致性检验法 Download PDF

Info

Publication number
CN110889083B
CN110889083B CN201811047983.9A CN201811047983A CN110889083B CN 110889083 B CN110889083 B CN 110889083B CN 201811047983 A CN201811047983 A CN 201811047983A CN 110889083 B CN110889083 B CN 110889083B
Authority
CN
China
Prior art keywords
degradation
test
data
storage
stress
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
Application number
CN201811047983.9A
Other languages
English (en)
Other versions
CN110889083A (zh
Inventor
冯静
孙权
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.)
Hunan Gingko Reliability Technology Research Institute Co ltd
Original Assignee
Hunan Gingko Reliability Technology Research Institute Co ltd
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 Hunan Gingko Reliability Technology Research Institute Co ltd filed Critical Hunan Gingko Reliability Technology Research Institute Co ltd
Priority to CN201811047983.9A priority Critical patent/CN110889083B/zh
Publication of CN110889083A publication Critical patent/CN110889083A/zh
Application granted granted Critical
Publication of CN110889083B publication Critical patent/CN110889083B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0001—Type of application of the stress
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/0202—Control of the test
    • G01N2203/0212—Theories, calculations
    • G01N2203/0218—Calculations based on experimental data

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
  • Pathology (AREA)
  • Operations Research (AREA)
  • Immunology (AREA)
  • Algebra (AREA)
  • Biochemistry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)

Abstract

加速贮存退化试验的重要假设之一是产品在正常应力和加速应力下贮存时具有相同的失效机理。两种应力条件下失效机理一致性检验是进行加速贮存退化试验设计的重要前提，也是解决长贮产品贮存寿命预测的关键问题和基础问题。本发明提出了一种基于等时间间隔退化增量残差序列窗谱估计的加速贮存与自然贮存退化数据一致性检验法。方法是将各加速应力水平下的试验数据等效折合为自然贮存环境下的试验数据，然后利用每个等效应力水平下的等效折合试验数据进行回归分析，得到残差序列，再利用残差序列的功率谱密度的一致性，判定试验数据的一致性。该一致性检验方法对加速试验的实施方案及其试验数据的有效性进行验证，以保证产品剩余寿命分析的有效性。

Description

基于窗谱估计的退化数据一致性检验法
一、技术领域
本发明涉及产品在不同试验应力水平下的退化数据一致性检验方法，具体是一种基于窗谱估计的加速贮存与自然贮存退化数据一致性检验方法，属于可靠性建模技术与寿命预测分析领域，用于对加速试验的实施方案及其试验数据的有效性验证，以保证产品剩余寿命分析的有效性。
二、背景技术
对于长期贮存产品，其有效贮存寿命是重要设计和使用指标之一。但长贮产品在正常贮存应力下状态变化极其缓慢，为了尽快获取产品的贮存失效规律并预测贮存寿命，通常采用提高应力的方式加速产品的贮存失效。对于某些长贮产品，即使在加速应力下，也很难观测到失效寿命数据，只能通过监测产品某些关键性能参数的退化失效规律，预测产品在正常应力下的贮存寿命。为了保证这种统计推断的可信性，必须论证产品在正常应力和加速应力下贮存时具有相同的失效机理，即提高应力水平仅仅增大失效速率而不改变失效机理。这是进行加速贮存退化试验设计的重要前提，也是解决长贮产品贮存寿命预测的关键问题和基础问题。
目前，国内外文献中关于加速试验失效机理一致性检验方法的研究，主要分为三类：第一类是突发失效产品失效机理的一致性检验，如正态分布方差的一致性；第二类是失效机理明确的退化失效产品，一般采用参数方法，检验两种应力下的退化轨道是否属于同一族而参数各异的随机过程；第三类是失效机理不明确的退化失效产品，一般凭借专家经验进行定性判断，此时结论具有一定的主观性，难以推广应用。一方面由于现代长贮产品的工艺复杂度提高，明确产品退化失效机理的难度相应增大，另一方面由于产品检测水平的提高，收集到的产品检测数据的种类和数量都相对充足。因此，基于数据驱动的非参数检验方法可有效提高试验数据一致性检验的水平。窗谱估计检验是一种是通过频率域里的相容性检验来判断两个平稳时间序列样本的一致性的检验方法。从验证原理上看，是基于等效折合数据的失效机理一致性检验方法，即根据加速方程将加速贮存试验获得的数据等效折合为自然贮存环境下的试验数据，再将折合后的数据与自然贮存试验数据进行一致性检验，此时，一致性检验问题就转化为两个数据集所对应统计总体的同分布检验问题。本发明是基于列窗谱估计的加速贮存与自然贮存退化数据一致性检验，可以对加速试验的实施方案及其试验退化数据的有效性进行验证。
三、发明内容
本发明的目的是进行加速贮存退化数据和自然贮存退化数据一致性检验，它能够检验加速贮存退化数据的有效性：一方面确保产品在试验过程中退化机理一致，验证加速试验的有效性；另一方面，提高产品剩余寿命预测的可行度和精度。
本发明的基本思想是：若加速贮存与自然贮存下的失效机理保持一致，则将各加速应力水平下的试验数据等效折合为自然贮存环境下的试验数据，再进行回归分析，得到的残差序列的功率谱密度保持一致性。
本发明采用的技术方案包括以下检验步骤：
(1)分别采集自然贮存退化数据和加速贮存退化数据，所述自然贮存退化数据的采集方式通常是专门的自然贮存试验或产品现场检测，加速贮存退化数据的采集于加速贮存试验中同一应力(通常为温度、湿度、盐雾等)下的不同水平的退化数据；
(2)对退化数据进行回归分析，得到表征退化量与贮存时间关系的回归方程，其中自然贮存退化数据可得到自然贮存环境下的回归方程，利用不同加速应力水平下的退化数据可以得到不同应力水平下的回归方程；
(3)根据产品设计寿命和试验总时间，设定时间间隔，得到等时间间隔下的性能退化量序列；
(4)计算各应力水平下产品等时间间隔下的退化增量序列，即利用(3)中得到的同一水平应力下的相邻的时间点下的退化量作差；
(5)根据不同加速水平下退化增量数据，确定表征每段时间间隔内应力与退化增量的关系，即加速方程。其中，若加速应力为温度应力，则选用Arrhenius方程；若为电应力，选用逆幂律；若为其他应力，可根据加速方程的物理含义进行选择，然后再利用不同应力下的时间间隔数据估计加速方程中的模型参数；
(6)利用加速方程，将各加速应力水平下的退化增量序列转化为自然贮存环境下的等时间间隔下所对应的等效折合数退化增量序列；
(7)由(6)中的等效折合数退化增量序列，得到将不同加速应力水平下的等效折合退化量序列；
(8)利用(7)中的数据进行回归分析，并得到残差序列；
(9)将自然贮存试验数据代入(2)中自然贮存环境下的回归模型，得到自然贮存环境下的残差序列；
(10)计算(8)和(9)中个残差序列的窗谱函数；
(11)根据规则判别：对某频率点计算检验统计量，若在置信区间内，则认为两个残差序列的功率谱密度具有一致性，若所有频率点的功率谱密度都一致，则这两个残差序列是一致的，即自然贮存环境与加速应力下的试验数据具有一致性。反之，则认为不一致。
在加速试验的选择中，产品所进行的加速贮存试验为恒定应力加速退化试验。恒定应力加速退化试验为工程上最常见最便利开展的加速试验类型，若实际进行的加速试验为步进应力或序进应力，则需采用一定的统计方法，将数据等效转化为恒定应力加速试验下的数据。
在加速贮存试验参试样品量的设置上，工程上比较普遍的做法是各加速贮存应力水平下分别投入一个或几个样品进行性能试验，并获得各样品的性能监测数据。
自然贮存环境下至少获得一个同型产品的性能监测数据。在自然贮存环境下，若同时获得了多个同型产品的性能监测数据，则需先根据各产品监测时刻点，采用插值方法对性能数据进行插值，将各产品的测试时刻对齐；然后得到各测试时刻的样本均值；再将样本均值随贮存时间变化的序列看作是单样品性能变化数据，这样就将自然贮存环境下的多样本数据转化成了单样本退化序列数据。加速贮存环境下至少获得一个同型产品的性能监测数据。在加速贮存环境下，若同时获得了多个同型产品的性能监测数据，则需先根据各产品监测时刻点，采用插值方法对性能数据进行插值，将各产品的测试时刻对齐；然后得到各测试时刻的样本均值；再将样本均值随贮存时间变化的序列看作是单样品性能变化数据，这样就将加速贮存应力下的多样本数据转化成了单样本退化序列数据。
本发明中的产品为长贮退化失效型产品、长时间连续工作退化失效型产品、非连续工作退化失效型产品。
本发明可用于验证产品在加速贮存试验与自然贮存试验中失效机理一致性，同时对加速试验的实施方案及其试验退化数据的进行有效性验证，验证以保证产品剩余寿命预测分析的可行、有效。本发明可以快速、准确地判断加速试验方案及所获得的退化数据的有效性，为加速贮存试验数据与自然贮存数据的一致性提供了定量的衡量准则。
四、附图说明
图1为本发明的基本流程图
图2为本发明的详细计算分析过程流程图
五、具体实施方式
加速贮存和自然贮存退化数据一致性检验方法基于如下假设：(1)产品所进行的加速贮存试验为恒定应力加速退化试验；(2)各加速贮存应力水平下分别投入一个或几个样品进行性能试验，并获得各样品的性能监测数据；(3)自然贮存环境下至少获得一个同型产品的性能监测数据。所述假设条件(1)为工程上最常见最便利开展的加速试验类型，若需要验证一致性的产品不满足假设条件(1)，即实际进行的加速试验为步进应力或序进应力，则需采用一定的统计方法，将数据等效转化为恒定应力加速试验下的数据；假设条件(2)是关于加速贮存试验参试样品量的说明。在加速应力下，工程上比较普遍的做法是在各个应力水平下分别投入少数几个产品；假设条件(3)是关于自然贮存环境下产品数的说明。在自然贮存环境下，若同时获得了多个同型产品的性能监测数据，则需先根据各产品监测时刻点，采用插值方法对性能数据进行插值，将各产品的测试时刻对齐；然后得到各测试时刻的样本均值；再将样本均值随贮存时间变化的序列看作是单样品性能变化数据，这样就将自然贮存环境下的多样本数据转化成了单样本退化序列数据。对于加速贮存试验下的多样本数据也需作类似处理。
本发明包含如下详细步骤：
(1)分别采集自然贮存退化数据和加速贮存退化数据，所述自然贮存退化数据的采集方式通常是专门的自然贮存试验或产品的现场检测，加速贮存退化数据的采集于加速贮存试验中同一应力(通常为温度、湿度、盐雾等)的不同水平下的退化数据；
(2)根据自然贮存下的试验数据，进行回归分析，得到表征自然贮存环境下退化量与贮存时间关系的回归方程F0(t)；根据应力水平Si下的试验数据，进行回归分析，得到表征应力水平Si下退化量与贮存时间关系的回归方程Fi(t)，i＝1，2，...，m，m为进行恒定应力加速退化试验的应力水平数；
(3)根据产品设计寿命和试验总时间，设定时间间隔Δt，令tj＝j·Δt，j＝1，2，...，n，则由回归方程F0(t)和Fi(t)，i＝1，2，...，m可得到各时刻对应的性能退化量；
(4)计算等时间间隔对应的退化增量数据，Δxij＝xi,j+1-xij,i＝1,2,...,m；j＝1,2,...,n；(5) 根据加速应力S1～Sm下的退化增量数据，确定表征每一列数据中应力与退化增量关系的加速方程Gj(S)，j＝1，2，...，n；
(6)利用加速方程Gj(S)，j＝1，2，...，n，将加速应力下的退化增量序列Δxij转化为自然贮存环境下的等效折合退化增量序列；
(7)由等效折合退化增量序列，得到自然贮存环境下等效折合退化量序列Δx′ij，
Figure GDA0002712355650000041
(8)根据加速应力水平Si等效折合数据序列{(tj,x′ij),j＝1,2,...,n}，建立k阶多项式回归模型
Figure GDA0002712355650000042
且设
Figure GDA0002712355650000051
其中βi＝(βi0,βi1,...,βik)由最小二乘法估计得到，进一步得到该应力水平下的残差序列为{(tj，εij)，j＝1，2，...，n}，其中
Figure GDA0002712355650000052
(9)将自然贮存试验数据代入回归模型，得到参数序列为{(tj，ε0j)，j＝1，2，...，n}，其中
Figure GDA0002712355650000053
(10)计算残差序列{(tj，εij)，j＝0，1，2，...，n}的窗谱函数
Figure GDA0002712355650000054
Figure GDA0002712355650000055
其中，
Figure GDA0002712355650000056
Figure GDA0002712355650000057
Figure GDA0002712355650000058
(11)分别每个频率点ωh(h＝1，2，...，H)进行一致性检验，如果
Figure GDA0002712355650000059
其中
Figure GDA00027123556500000510
则认为两个残差序列的功率谱密度一致，即自然贮存与加速应力Si下的试验数据一致；反之认为残差序列功率谱密度不一致。

Claims (1)

1.一种基于窗谱估计的加速贮存与自然贮存退化数据一致性检验方法，其特征在于该方法包括如下步骤：
(1)分别采集自然贮存退化数据和加速贮存退化数据，所述自然贮存退化数据的采集方式是专门的自然贮存试验或产品的现场检测，加速贮存退化数据的采集于加速贮存试验中同一应力的不同水平下的退化数据；
(2)根据自然贮存下的试验数据，进行回归分析，得到表征自然贮存环境下退化量与贮存时间关系的回归方程F0(t)；根据应力水平Si下的试验数据，进行回归分析，得到表征应力水平Si下退化量与贮存时间关系的回归方程Fi(t)，i＝1，2，...，m，m为进行恒定应力加速退化试验的应力水平数；
(3)根据产品设计寿命和试验总时间，设定时间间隔Δt，令tj＝j·Δt，j＝1，2，...，n，则由回归方程F0(t)和Fi(t)，i＝1，2，...，m可得到各时刻对应的性能退化量xij，i＝1，2，...，m；j＝1，2，...，n；
(4)计算等时间间隔对应的退化增量数据，Δxij＝xi，j+1-xij，i＝1，2，...，m；j＝1，2，...，n；
(5)根据加速应力S1～Sm下的退化增量数据，确定表征每一列数据中应力与退化增量关系的加速方程Gj(S)，j＝1，2，...，n；
(6)利用加速方程Gj(S)，j＝1，2，...，n，将加速应力下的退化增量序列Δxij转化为自然贮存环境下的等效折合退化增量序列Δx′ik；
(7)由等效折合退化增量序列，得到自然贮存环境下等效折合退化量序列x′ij，
Figure FDA0002743711550000011
(8)根据加速应力水平等效折合数据序列{(tj，x′ij)j＝1，2，...，n}，建立k阶多项式回归模型
Figure FDA0002743711550000012
且设
Figure FDA0002743711550000013
其中βi＝(βi0，βi1，...，βik)由最小二乘法估计得到，进一步得到该应力水平下的残差序列为{(tj，εij)，j＝1，2，...，n}，其中
Figure FDA0002743711550000014
(9)将自然贮存试验数据代入回归模型，得到残差序列为{(tj，ε0j)，j＝1，2，...，n}，其中
Figure FDA0002743711550000015
(10)计算残差序列{(tj，εij)，j＝0，1，2，...，n}的窗谱函数
Figure FDA0002743711550000016
Figure FDA0002743711550000021
其中，
Figure FDA0002743711550000022
Figure FDA0002743711550000023
Figure FDA0002743711550000024
(11)分别每个频率点ωh进行一致性检验，其中，h＝1，2，...，H，如果
Figure FDA0002743711550000025
其中
Figure FDA0002743711550000026
则认为两个残差序列的功率谱密度一致，即自然贮存与加速应力Si下的试验数据一致；反之认为残差序列功率谱密度不一致。
CN201811047983.9A 2018-09-10 2018-09-10 基于窗谱估计的退化数据一致性检验法 Active CN110889083B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811047983.9A CN110889083B (zh) 2018-09-10 2018-09-10 基于窗谱估计的退化数据一致性检验法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811047983.9A CN110889083B (zh) 2018-09-10 2018-09-10 基于窗谱估计的退化数据一致性检验法

Publications (2)

Publication Number Publication Date
CN110889083A CN110889083A (zh) 2020-03-17
CN110889083B true CN110889083B (zh) 2020-12-22

Family

ID=69744888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811047983.9A Active CN110889083B (zh) 2018-09-10 2018-09-10 基于窗谱估计的退化数据一致性检验法

Country Status (1)

Country Link
CN (1) CN110889083B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609449B (zh) * 2021-08-17 2024-05-31 北京计算机技术及应用研究所 惯性测量装置加速试验数据有效性评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102042848A (zh) * 2010-11-23 2011-05-04 北京航空航天大学 基于多元混合时序分析的多性能参数加速退化试验产品寿命预测方法
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

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8275575B2 (en) * 2009-03-20 2012-09-25 International Business Machines Corporation Determining component failure rates using accelerated life data
CN101620045B (zh) * 2009-07-31 2011-08-17 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
EP2372703A1 (en) * 2010-03-11 2011-10-05 Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. Signal processor, window provider, encoded media signal, method for processing a signal and method for providing a window
CN102054104B (zh) * 2010-12-29 2013-03-13 北京航空航天大学 一种基于单参数加速退化机理一致性边界确定方法
CN102520279B (zh) * 2011-12-07 2014-06-25 中国航天科技集团公司第五研究院第五一〇研究所 空间电子设备加速寿命试验中温度加速基准应力确定方法
CN106650204A (zh) * 2016-09-27 2017-05-10 北京航空航天大学 一种产品故障行为耦合建模和可靠性评估方法
CN108334667B (zh) * 2018-01-09 2019-12-20 北京航空航天大学 一种基于环境折合的加速可靠性试验方案设计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102042848A (zh) * 2010-11-23 2011-05-04 北京航空航天大学 基于多元混合时序分析的多性能参数加速退化试验产品寿命预测方法
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

Also Published As

Publication number Publication date
CN110889083A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
Guan et al. Objective Bayesian analysis accelerated degradation test based on Wiener process models
CN109376401B (zh) 一种自适应多源信息优选与融合的机械剩余寿命预测方法
CN110046453A (zh) 一种激光雷达的寿命预测方法
CN107436963B (zh) 一种基于Copula函数多元退化的O型橡胶密封圈寿命预测方法
CN108664700B (zh) 基于不确定数据包络分析的加速退化信息融合建模方法
CN108460230B (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
CN109033499A (zh) 一种多阶段一致性检验的航空发动机剩余寿命预测方法
CN109271319B (zh) 一种基于面板数据分析的软件故障的预测方法
Peng et al. The transformed inverse Gaussian process as an age-and state-dependent degradation model
CN107436983A (zh) 一种基于多元样本差异的o型橡胶密封圈寿命预测方法
CN113065702B (zh) 基于st-seep分段法和时空arma模型的滑坡位移多线性预测方法
CN110895624B (zh) 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法
CN112100574A (zh) 一种基于重采样的aakr模型不确定度计算方法及系统
CN111104736A (zh) 基于时间序列的异常数据检测方法、装置、介质和设备
CN115962797A (zh) 一种基于温度应力下的传感器可靠性测试方法及系统
CN110889083B (zh) 基于窗谱估计的退化数据一致性检验法
CN111523727A (zh) 基于不确定过程的考虑恢复效应的电池剩余寿命预测方法
CN114169128B (zh) 一种基于Bayes分析的可靠性强化试验定量评估方法
CN110889186B (zh) 灰关联分析的加速贮存与自然贮存退化数据一致性检验法
CN117131977B (zh) 一种基于误判风险最小准则的径流预报样本集划分方法
CN110083933B (zh) 一种考虑随机效应的腐蚀管道贝叶斯退化分析方法
CN110889077A (zh) 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
CN110889187B (zh) 基于Pearson系数的贮存退化数据一致性检验法
CN115577551A (zh) 基于71度法模型的变环境输入寿命评估方法及系统
CN110895625A (zh) 性能退化产品可靠度置信区间估计数值仿真方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Consistency test of degraded data based on window spectrum estimation

Effective date of registration: 20211008

Granted publication date: 20201222

Pledgee: Bank of Changsha Co.,Ltd. Yinde sub branch

Pledgor: Hunan gingko Reliability Technology Research Institute Co.,Ltd.

Registration number: Y2021980010281

PE01 Entry into force of the registration of the contract for pledge of patent right