CN110895625A - 性能退化产品可靠度置信区间估计数值仿真方法 - Google Patents
性能退化产品可靠度置信区间估计数值仿真方法 Download PDFInfo
- Publication number
- CN110895625A CN110895625A CN201811053521.8A CN201811053521A CN110895625A CN 110895625 A CN110895625 A CN 110895625A CN 201811053521 A CN201811053521 A CN 201811053521A CN 110895625 A CN110895625 A CN 110895625A
- Authority
- CN
- China
- Prior art keywords
- product
- reliability
- estimation
- value
- sample
- 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.)
- Pending
Links
Images
Landscapes
- Complex Calculations (AREA)
Abstract
一种性能退化产品可靠度置信区间估计数值仿真方法,其步骤如下。1)确定随机过程类型并估计特征参数;2)确定各时间点可靠度的估计值;3)产生一定数目的伪样本;4)计算各伪样本各时间点可靠度的估计值;5)得到可靠度置信区间。本发明为性能退化产品可靠度提供了一种符合适应性强、操作性强的置信区间估计方法,为产品的寿命设计、分析及验证提供依据和保障。
Description
一、技术领域
本发明涉及性能退化产品在退化试验下的可靠度置信区间估计方法,具体是基于随机过程的性能退化产品可靠度置信区间估计数值仿真方法,属于可靠性建模技术与寿命预测分析领域,用于对产品的可靠度进行区间估计,为产品的寿命设计、分析及验证提供依据和保障。
二、背景技术
目前对产品退化失效的研究中,大多采用随机系数或混合随机系数的回归模型描述产品的退化过程,退化量的随机性是利用模型中的随机系数表现的。但是,即便是在额定工作环境下工作,产品也可能会受到许多随机因素的影响,而随机系数或混合随机系数的回归模型中的随机系数,一般只能表征产品个体样品间的特性差异的随机性,它很难描述环境对产品状态变化的随机影响,因此,利用回归模型描述产品的退化规律时,将存在一定的局限性。然而,产品状态随时间的变化本质上是一个随机过程,因此使用随机过程进行退化建模将更符合工程实践。由于随机过程具有良好的计算和分析性质,我们很容易得到基于随机过程的产品可靠度的点估计,不过,仅仅得到点估计还远不能保证产品可靠度的计算精度,为了提升产品可靠度估计的可信性,对可靠度进行置信区间估计是必要的。由于不存在简单方法去估计性能退化产品可靠度的标准差,这时可利用数值仿真方法对基于随机过程的产品可靠度进行置信区间估计。本发明利用数值仿真方法对基于随机过程的产品可靠度进行区间估计,为提升产品可靠度估计的可信性提供保障。
三、发明内容
(一)目的
本发明的目的是针对性能退化产品的特点和可靠度置信区间估计的需求以及现有技术的不足,提供了一种适应性强、操作性强的性能退化产品可靠度置信区间估计数值仿真方法,一方面降低了产品可靠度置信区间的估计难度,另一方面,为提升产品可靠度估计的可信性提供保障。
(二)技术方案
一种性能退化产品可靠度置信区间估计数值仿真方法,该方法是以性能退化产品的性能退化数据为基础,利用所属随机过程特征参数,生成一系列的Bootstrap伪样本,每个样本是单位时间退化量的有放回抽样。通过对伪样本的一系列计算,获得产品可靠度的置信区间。
本发明一种性能退化产品可靠度置信区间估计数值仿真方法,其步骤如下。
步骤1,确定随机过程类型并估计特征参数。通过性能退化数据,依据性能退化数据所属随机过程类型,确定随机过程特征参数,并计算得到特征参数估计值。特征参数估计值可采用矩估计和极大似然估计进行确定。
步骤2,确定各时间点可靠度的估计值。通过步骤1得到的特征参数估计值,根据退化数据所属随机过程,计算得到各时间点可靠度的点估计值。
步骤3,产生一定数目的伪样本。利用步骤1得到的特征参数估计值,根据退化数据所属随机过程,生成一定数目的伪样本。
步骤4,计算各伪样本各时间点可靠度的估计值。利用伪样本计算得到对应退化轨道,其中每条退化轨道就像原始样本那样,计算各时间点可靠度的估计值。
步骤5,得到可靠度置信区间。根据既定置信度,对各时间点作出可靠度的Bootstrap区间估计。
其中,所述的“性能退化产品”,是指本发明所述的方法适用于下列产品,该性能退化产品包括:
(1)长贮退化失效型产品,是指在产品全寿命周期过程中,其绝大多数时间处于贮存状态的产品,该产品随着服役时间的增加,将产生劣化、老化现象;
(2)长时间连续工作退化失效型产品,是指在产品全寿命周期过程中,其绝大多数时间处于工作状态的产品,该产品随着服役时间的增加,将产生劣化、老化现象;
(3)非连续工作退化失效型产品,是指在产品全寿命周期过程中,其一部分时间处于贮存状态、一部分时间处于工作状态、且贮存与工作状态不断交替的产品,该产品随着服役时间的增加,将产生劣化、老化现象。
其中,在步骤1中所述的“性能退化数据”,是指本发明所述的方法是针对该类数据使用的,该类数据是通过对表征性能退化产品功能的某些量进行连续测量获得的。本发明的性能退化数据可以是一元的,也可以是多元的,若性能退化数据是多元的,可以采用仿真的方法进行可靠度的点估计求解。
本发明需至少获得一个样本的性能退化数据,若同时获得了多个样本的性能退化数据,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,将各样本的测量时刻对齐;然后得到各测量时刻的样本均值;再将样本均值随时间变化的序列看作是单样本性能变化数据,这样就将多样本数据转化成了单样本性能退化数据。
其中,在步骤1中所述的“随机过程类型”,是指本发明所述的方法是在下列随机过程类型基础上进行的,该随机过程类型包括:维纳过程、复合泊松过程和伽马过程中的一种或数种。
其中,在步骤1中所述的特征参数估计方法:是指矩估计法、极大似然估计法中的一种或数种。这些方法的具体情况如下。
似然函数定义为
其中,在步骤2中所述的“根据退化数据所属随机过程,计算得到各时间点可靠度的点估计值”,是指针对不同随机过程,其可靠度估计方法各不一样。针对常见随机过程类型具体情况如下。
(1)维纳过程:由于其寿命的分布服从逆高斯分布,可以得到其产品可靠度的点估计为
(2)伽马过程:其产品可靠度的点估计为
(3)复合泊松过程:其产品可靠度的点估计为
其中,在步骤3中所述的产生伪样本的方法,是指产生一个数B, B是Bootstrap抽取的样本个数,具体如下。
(三)本发明的优点:
本发明在考虑充分性、必要性、符合工程习惯、可论证性、可设计性、可验证性原则的基础上,根据性能退化产品的特点提出一种科学、规范化可靠度置信区间估计数值仿真方法,一方面填补了以往针对性能退化产品可靠度置信区间计算量大、算法复杂的缺陷;另一方面为性能退化产品的寿命设计、分析及验证提供依据和保障。
四、附图说明
图1为本发明的流程图。
五、具体实施方式
本发明一种性能退化产品可靠度置信区间估计数值仿真方法是以性能退化产品为研究对象,性能退化产品包括长贮退化失效型产品、长时间连续工作退化失效型产品和非连续工作退化失效型产品。性能退化产品的定义具体如下。
(1)长贮退化失效型产品,是指在产品全寿命周期过程中,其绝大多数时间处于贮存状态的产品,该产品随着服役时间的增加,将产生劣化、老化现象;
(2)长时间连续工作退化失效型产品,是指在产品全寿命周期过程中,其绝大多数时间处于工作状态的产品,该产品随着服役时间的增加,将产生劣化、老化现象;
(3)非连续工作退化失效型产品,是指在产品全寿命周期过程中,其一部分时间处于贮存状态、一部分时间处于工作状态、且贮存与工作状态不断交替的产品,该产品随着服役时间的增加,将产生劣化、老化现象。
本发明需至少获得一个样本的性能退化数据,若同时获得了多个样本的性能退化数据,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,将各样本的测量时刻对齐;然后得到各测量时刻的样本均值;再将样本均值随时间变化的序列看作是单样本性能变化数据,这样就将多样本数据转化成了单样本性能退化数据。
如图1所示,本发明一种性能退化产品可靠度置信区间估计数值仿真方法,其步骤如下。
步骤1,确定随机过程类型并估计特征参数。通过性能退化数据,依据性能退化数据所属随机过程类型,确定随机过程特征参数,并计算得到特征参数估计值。本发明所述的方法适用于下列随机过程类型:维纳过程、复合泊松过程和伽马过程中的一种或数种。特征参数估计值可采用矩估计和极大似然估计进行确定。
步骤2,确定各时间点可靠度的估计值。通过步骤1得到的特征参数估计值,根据退
化数据所属随机过程,计算得到各时间点可靠度的点估计值。本发明提供三种常见随机过
程类型可靠度的点估计算法,这三种随机过程类型分别为:维纳过程、复合泊松过程和伽马
过程。其中,(1)维纳过程:由于其寿命的分布服从逆高斯分布,可以得到其产品可靠度的点
估计为,其中,为失效阈值,为维纳过程
漂移系数的估计值,为维纳过程扩散系数的估计值;(2)伽马过程:其产品可靠度的点估计
为其中,为失效阈值,为不完全Gamma函数,,分布形状参数的估计值,分布尺度参数的估计值;(3)复合泊松过程:其产品
可靠度的点估计为其中,为失效阈值,
参数的估计值,为漂移系数的估计值,为扩散系数的估计值。
步骤3,产生伪样本。利用步骤1得到的特征参数估计值,根据退化数据所属随机过
程,生成一定数目的伪样本。产生一个数B, B是Bootstrap抽取的样本个数,具体如下。(a)
利用,b=1,…,B,在每个Bootstrap样本下得到T个单位时间退化量,T与
原始样本相同,于是得到B条退化轨道;(b)利用B条退化轨道,得出,b=1,…,B。
步骤5,得到可靠度置信区间。根据既定置信度,对每时刻t作出的Bootstrap
置信区间,具体如下。(a)把在步骤4中获得的B个的估计值,b=1,…,B,按从小到大
排列成,其中,t为定值;(b)分布函数的近似的置信区
间为其中,
兹举实施案例如下。
本案例以XX型飞轮轴承组件为例,陈述本发明一种性能退化产品可靠度置信区间估计数值仿真方法的应用。本案例所涉及性能退化产品为非连续工作退化失效型产品。样本数为1个。随机过程类型为一元漂移维纳过程。
案例实施流程为上述五个步骤。针对本案例,步骤1,确定随机过程类型并估计特
征参数。经过前期分析,可知XX型飞轮轴承组件的关键性能参数为电流值(阈值为600mA),
记为,服从一元漂移维纳过程,即。利用极大似然估计法,可以求得维纳
过程特征参数,。
步骤2,确定各时间点可靠度的估计值。通过步骤1得到的特征参数估计值,根据退化数据所属随机过程,计算得到各时间点可靠度的点估计值。由于其寿命的分布服从逆高斯分布,可以得到其产品可靠度的点估计,如表1所示。
表1产品可靠度的点估计
表2产品可靠度的区间估计
可靠寿命(年) | 12 | 12.5 | 13 | 13.5 | 14 | 14.5 | 15 |
可靠度 | [1,1] | [0.9696,1] | [0.3660,1] | [0.0066,1] | [0,1] | [0,1] | [0,1] |
可靠寿命(年) | 15.5 | 16 | 16.5 | 17 | 17.5 | 18 | 18.5 |
可靠度 | [0,1] | [0,0.9983] | [0,0.9234] | [0,0.4867] | [0,0.0725] | [0,0.0023] | [0,0] |
Claims (9)
1.一种性能退化产品可靠度置信区间估计数值仿真方法,该方法是以性能退化产品的性能退化数据为基础,利用所属随机过程特征参数,生成一系列的Bootstrap伪样本,每个样本是单位时间退化量的有放回抽样,通过对伪样本的一系列计算,获得产品可靠度的置信区间,方法的具体步骤如下:
步骤1,确定随机过程类型并估计特征参数,通过性能退化数据,依据性能退化数据所属随机过程类型,确定随机过程特征参数,并计算得到特征参数估计值,特征参数估计值可采用矩估计和极大似然估计进行确定;
步骤2,确定各时间点可靠度的估计值,通过步骤1得到的特征参数估计值,根据退化数据所属随机过程,计算得到各时间点可靠度的点估计值;
步骤3,产生一定数目的伪样本,利用步骤1得到的特征参数估计值,根据退化数据所属随机过程,生成一定数目的伪样本;
步骤4,计算各伪样本各时间点可靠度的估计值,利用伪样本计算得到对应退化轨道,其中每条退化轨道按照原始样本的处理方法,计算各时间点可靠度的估计值;
步骤5,得到可靠度置信区间,根据既定置信度,对各时间点作出可靠度的Bootstrap区间估计。
2.根据权利要求1所述的一种性能退化产品可靠度置信区间估计数值仿真方法,其特征在于,所述的“性能退化产品”包括:(1)长贮退化失效型产品,指在产品全寿命周期过程中,其绝大多数时间处于贮存状态的产品,该产品随着服役时间的增加,将产生劣化、老化现象;(2)长时间连续工作退化失效型产品,指在产品全寿命周期过程中,其绝大多数时间处于工作状态的产品,该产品随着服役时间的增加,将产生劣化、老化现象;(3)非连续工作退化失效型产品,指在产品全寿命周期过程中,其一部分时间处于贮存状态、一部分时间处于工作状态、且贮存与工作状态不断交替的产品,该产品随着服役时间的增加,将产生劣化、老化现象。
3.根据权利要求1所述的一种性能退化产品可靠度置信区间估计数值仿真方法,其特征在于,在步骤1中所述的“性能退化数据”是指:本发明所述的方法主要用于该类数据,该类数据是通过对表征性能退化产品功能的某些量进行连续测量获得的,本发明的性能退化数据可以是一元的,也可以是多元的,若性能退化数据是多元的,可以采用仿真的方法进行可靠度的点估计求解,本发明需至少获得一个样本的性能退化数据,若同时获得了多个样本的性能退化数据,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,将各样本的测量时刻对齐;然后得到各测量时刻的样本均值;再将样本均值随时间变化的序列看作是单样本性能变化数据,这样就将多样本数据转化成了单样本性能退化数据。
4.根据权利要求1所述的一种性能退化产品可靠度置信区间估计数值仿真方法,其特征在于,在步骤1中所述的“随机过程类型”,是指本发明所述的方法是在下列随机过程类型基础上进行的,该随机过程类型包括:维纳过程、复合泊松过程和伽马过程中的一种或数种。
6.根据权利要求1所述的一种性能退化产品可靠度置信区间估计数值仿真方法,其特征在于,在步骤2中所述的“根据退化数据所属随机过程,计算得到各时间点可靠度的点估计值”,是指针对不同随机过程,其可靠度估计方法各不一样,针对常见随机过程类型具体情况如下:
(1)维纳过程:由于其寿命的分布服从逆高斯分布,可以得到其产品可靠度的点估计为
(2)伽马过程:其产品可靠度的点估计为
(3)复合泊松过程:其产品可靠度的点估计为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811053521.8A CN110895625A (zh) | 2018-09-11 | 2018-09-11 | 性能退化产品可靠度置信区间估计数值仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811053521.8A CN110895625A (zh) | 2018-09-11 | 2018-09-11 | 性能退化产品可靠度置信区间估计数值仿真方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110895625A true CN110895625A (zh) | 2020-03-20 |
Family
ID=69784818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811053521.8A Pending CN110895625A (zh) | 2018-09-11 | 2018-09-11 | 性能退化产品可靠度置信区间估计数值仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110895625A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814301A (zh) * | 2020-05-28 | 2020-10-23 | 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)) | 可靠性评价方法、计算机设备以及计算机可读存储介质 |
US11675322B2 (en) | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520652A (zh) * | 2009-03-03 | 2009-09-02 | 华中科技大学 | 一种数控装备服役可靠性的评估方法 |
CN102208028A (zh) * | 2011-05-31 | 2011-10-05 | 北京航空航天大学 | 一种适用于动态复杂系统的故障预测和诊断方法 |
CN103678858A (zh) * | 2012-09-26 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种存在竞争失效条件下的设备剩余寿命预测方法 |
CN103679280A (zh) * | 2012-09-26 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种性能缓变退化的设备最优维护方法 |
CN103971024A (zh) * | 2014-05-26 | 2014-08-06 | 华北电力大学(保定) | 小样本失效数据下继电保护系统可靠性评估方法 |
-
2018
- 2018-09-11 CN CN201811053521.8A patent/CN110895625A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520652A (zh) * | 2009-03-03 | 2009-09-02 | 华中科技大学 | 一种数控装备服役可靠性的评估方法 |
CN102208028A (zh) * | 2011-05-31 | 2011-10-05 | 北京航空航天大学 | 一种适用于动态复杂系统的故障预测和诊断方法 |
CN103678858A (zh) * | 2012-09-26 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种存在竞争失效条件下的设备剩余寿命预测方法 |
CN103679280A (zh) * | 2012-09-26 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种性能缓变退化的设备最优维护方法 |
CN103971024A (zh) * | 2014-05-26 | 2014-08-06 | 华北电力大学(保定) | 小样本失效数据下继电保护系统可靠性评估方法 |
Non-Patent Citations (3)
Title |
---|
冯静等: "《基于高储能密度电容退化数据的可靠性评估》", 《强激光与粒子束》 * |
孙权等: "《基于性能退化的长寿命产品寿命预测技术》", 31 January 2015 * |
文档收集: "《基于性能退化数据的可靠性评估方法研究》", 《道客巴巴:HTTPS://WWW.DOC88.COM/P-9748234504921.HTML》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11675322B2 (en) | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
CN111814301A (zh) * | 2020-05-28 | 2020-10-23 | 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)) | 可靠性评价方法、计算机设备以及计算机可读存储介质 |
CN111814301B (zh) * | 2020-05-28 | 2021-07-27 | 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)) | 可靠性评价方法、计算机设备以及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN107145645B (zh) | 带不确定冲击的非平稳退化过程剩余寿命预测方法 | |
Ye et al. | A Bayesian approach to condition monitoring with imperfect inspections | |
CN110197288B (zh) | 故障影响下设备的剩余使用寿命预测方法 | |
CN107885928B (zh) | 考虑测量误差的步进应力加速性能退化可靠性分析方法 | |
CN107436983B (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 | |
Kuniewski et al. | Sampling inspection for the evaluation of time-dependent reliability of deteriorating systems under imperfect defect detection | |
CN111046564A (zh) | 两阶段退化产品的剩余寿命预测方法 | |
CN108304348B (zh) | 一种基于二元维纳过程的轴承剩余寿命预测方法 | |
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 | |
CN110895625A (zh) | 性能退化产品可靠度置信区间估计数值仿真方法 | |
CN112100574A (zh) | 一种基于重采样的aakr模型不确定度计算方法及系统 | |
CN116307244A (zh) | 一种港口碳排放预测方法、系统、电子设备及介质 | |
CN111428360A (zh) | 一种不同维修深度分布下海底管道剩余寿命预测方法 | |
CN108875169B (zh) | 水面舰船装备用数字多用表的退化建模与寿命预测方法 | |
CN112329272B (zh) | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 | |
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 | |
CN110096820B (zh) | 单元寿命服从威布尔分布时k/n(G)系统的剩余寿命预测方法 | |
Baraldi et al. | Prognostics under different available information | |
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 | |
CN110889186A (zh) | 基于等退化增量时间间隔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 | |
CN110889083B (zh) | 基于窗谱估计的退化数据一致性检验法 | |
CN112685912A (zh) | 一种多元广义Wiener过程性能退化可靠性分析方法 | |
Wan et al. | Data analysis and reliability estimation of step-down stress accelerated degradation test based on Wiener process | |
Grall-Maes et al. | Degradation prognosis based on a model of Gamma process mixture |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200320 |
|
RJ01 | Rejection of invention patent application after publication |