CN112464441A - 一种电子产品多维向量加速因子表征方法 - Google Patents

一种电子产品多维向量加速因子表征方法 Download PDF

Info

Publication number
CN112464441A
CN112464441A CN202011214835.9A CN202011214835A CN112464441A CN 112464441 A CN112464441 A CN 112464441A CN 202011214835 A CN202011214835 A CN 202011214835A CN 112464441 A CN112464441 A CN 112464441A
Authority
CN
China
Prior art keywords
acceleration
stress
vector
coefficient
environment
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
Application number
CN202011214835.9A
Other languages
English (en)
Other versions
CN112464441B (zh
Inventor
吴建国
陈志军
冯国林
朱仪凡
贾洲侠
李志强
刘宝瑞
李艳芬
程昊
于荣刚
李尧
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.)
Beijing Institute of Structure and Environment Engineering
Original Assignee
Beijing Institute of Structure and Environment Engineering
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 Beijing Institute of Structure and Environment Engineering filed Critical Beijing Institute of Structure and Environment Engineering
Priority to CN202011214835.9A priority Critical patent/CN112464441B/zh
Publication of CN112464441A publication Critical patent/CN112464441A/zh
Application granted granted Critical
Publication of CN112464441B publication Critical patent/CN112464441B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种电子产品多维向量加速因子表征方法，通过明确使用环境中加速应力的类型、确定失效时间模型、确定失效时间模型的向量表征、确定加速因子向量表征，进而获得对加速因子进行数值求解。该表征方法既能充分反映电子产品的失效过程和机理，又可以通过加速应力的协方差矩阵表征多应力间的耦合效应，实现多应力加速因素的精确表征。

Description

一种电子产品多维向量加速因子表征方法
技术领域
本发明涉及一种电子产品多维向量加速因子表征方法，属于加速寿命试验技术领域。
背景技术
在电子产品的全寿命周期内，失效通常是由多种环境因素导致的，根据美国空军对电子产品的失效原因的统计分析，电子产品中40％的失效是由温度引起的，27％的失效是由振动引起的，19％的失效是由是湿度引起的，剩余14％的失效是由烟雾、灰尘、低压等环境因素引起的，由此可见影响电子产品可靠性的环境是多种多样的。
产品的可靠性评估与验证是通常由寿命试验获取产品寿命信息，然后进行统计分析给出产品可靠度。对高可靠长寿命产品通过寿命试验获取产品寿命信息是一个非常耗时耗资的过程，通常选择加速试验获取产品加速寿命信息，并通过加速因子将加速寿命信息等效转化为正常服役寿命信息，然后进行统计分析给出产品可靠度。对复杂服役环境下的高可靠电子产品而言，现有加速试验技术存在很大的局限性，一方面现有加速试验以单应力或双应力加速为主，故障激发效率低，已不满足高可靠电子产品可靠性提升需求；另一方面，单应力或双应力加速试验激发的产品故障模式与复杂服役环境下产品的故障模式一致性差。因此，急需发展多应力复合环境加速试验技术，提高加速试验中高可靠电子产品的故障激发效率与故障模式一致性，从而准确评估与验证高可靠电子产品的可靠性水平。加速因子表征是应用多应力综合环境加速试验进行高可靠电子产品可靠性评估与验证的关键。尽管各高校及科研机构已对多应力加速试验开展了大量的研究，但加速因子的表征大多停留在双应力模型，并且统计模型居多，没有考虑到实际的失效过程和机理，以及多应力间的耦合效应。
发明内容
(一)要解决的技术问题
针对现有技术中的上述不足和需求，本发明提出一种电子产品多维向量加速因子表征方法，既能充分反映电子产品的失效过程和机理，又可以通过加速应力的协方差矩阵表征多应力间的耦合效应，实现多应力加速因素的精确表征。
(二)技术方案
本发明涉及一种电子产品多维向量加速因子表征方法，包括以下步骤：
S1.确定电子产品使用环境；
S2.明确使用环境中加速应力的类型；
S3.确定失效时间模型；
S4.确定失效时间模型的向量表征；
S5.确定加速因子向量表征；
S6.对加速因子进行数值求解。
其中，步骤S2中，根据电子产品的结构特点、封装工艺类型以及使用环境状况，选择容易引起电子产品失效的环境因素作为加速应力的类型。
所述加速应力包括温度、湿度、振动、电应力、机械应力。
其中，步骤S3中，所述失效时间模型是在已有的多应力失效时间模型的基础上，引入耦合效应后建立的考虑多应力综合作用的失效时间模型；所述耦合效应包括固定效应和随机效应，所述固定效应用于刻画一般特征，所述随机效应用来反映随机变量之间的相关性；所述失效时间模型分为两层，第一层模型用来描述某一个多应力综合环境下特征寿命与所述加速应力的关系，第二层模型将第一层模型中的加速应力作为随机变量，通过建立加速应力的联合分布来表示加速应力之间的耦合作用；在第二层模型中，采用多元正态分布的均值表示所述固定效应，采用协方差矩阵表示所述随机效应。
在所述第一层模型中，假设所述电子设备受到p种加速应力的影响，将这些加速应力分别表示为X1，X2，…，Xp，其中Xn(n＝1，2，…，p)为第n种加速应力，这p种加速应力构成的综合环境应力状态有q种；假设第i种加速应力状态所对应的p种加速应力分别为X1，i，X2，i，…，Xp，i，那么寿命特征θi可以表示为：
Figure BDA0002759994230000031
其中，ak，i(k＝0，1，…，p)为第i种加速应力状态下寿命时间模型的环境系数，g(Xk，i)为第i种综合环境应力状态下第k个环境应力的函数，通过模型转化，可得：
Figure BDA0002759994230000032
其中，h(θi)为特征寿命θi的函数。
在所述第二层模型中，考虑到各加速应力间的耦合作用，假设系数ak，i与al，i(k＝0，1，…，p，l＝0，1，…，p，k≠l)之间具有相关性，服从二元正态分布，联合密度函数可以表示为：
Figure BDA0002759994230000033
其中，μk和μl分别是系数ak，i与al，i的均值，σk和σl分别是系数ak，i与al，i的标准差，ρ是ak，i与al，i的相关系数，ρ表示为：
Figure BDA0002759994230000041
基于以上两层模型的分析，考虑耦合效应的多应力失效时间模型具体表示为：
Figure BDA0002759994230000042
其中，k＝0，1，…，p，l＝0，1，…，p，μ＝(μk，μl)′为(ak，i，al，i)′的均值，
Figure BDA0002759994230000043
为(ak，i，al，i)′的协方差矩阵，BVN为二元正态分布，环境应力Xk与Xl的耦合作用通过(ak，i，al，i)′的协方差Cov(ak，i，al，i)来体现。
在步骤S4中，引入向量理论，假设系数向量为Ai＝(a0，i，a1，i，…，ap，i)′，加速应力的函数组成的向量为Gi＝(1，g(X1，i)，…，g(Xp，i))′，则考虑耦合作用的所述第一层模型表示：
h(θi)＝A′iGi
在考虑耦合作用的所述第二层模型中，任意两个环境系数ak，i与al，i(k＝0，1，…，p，l＝0，1，…，p，k≠l)均服从二元正态分布，根据正态分布向量的可加性，系数向量Ai＝(a0，i，a1，i，…，ap，i)′服从多元正态分布，其密度函数为：
Figure BDA0002759994230000044
其中，μA＝(μ0，μ1，…，μp)′为系数向量Ai的均值向量，表示固定效应；∑A为系数向量Ai的均值向量的协方差矩阵，表示随机效应，具体可以表示为：
Figure BDA0002759994230000051
任意两种加速应力Xk与Xl的耦合作用通过(ak，i，al，i)′的协方差Cov(ak，i，al，i)来描述。
基于以上分析，考虑耦合作用的多应力失效时间模型表示为如下向量形式：
Figure BDA0002759994230000052
其中MVN为多元正态分布。
在步骤S5中，
加速因子是加速应力下产品某种寿命特征值与正常应力下寿命特征值的比值，也称为加速系数，是加速应力的函数；
h-1(A′iGi)为寿命特征函数的反函数；电子产品在第j种综合环境应力状态下的寿命特征函数为h(θj)＝A′jGj，其中Gj为第j种综合环境应力状态下加速应力的函数组成的向量，那么电子产品在第j种综合环境应力状态的寿命特征可以表示为h-1(A′jGj)；在给定条件下的加速因子AFij|Ai，Aj表示为：
Figure BDA0002759994230000053
当h-1(·)为指数函数时，给定条件下的加速因子进一步简化为：
AFij|Ai，Aj＝h-1(A′iGi-A′jGj)
在考虑耦合效应的多应力失效时间模型中，环境系数向量Ai和Ak分别为服从多元正态分布的随机变量，因此对Ai和Ak进行积分可得加速因子为：
Figure BDA0002759994230000061
其中，f(Ai)为Ai的失效密度函数，可以表示为
Figure BDA0002759994230000062
f(Aj)为Aj的失效密度函数，可以表示为
Figure BDA0002759994230000063
μA为系数向量的均值向量，∑A为系数向量的协方差矩阵。
在步骤S6中，
在均值向量μA和协方差矩阵∑A已知的条件下，通过蒙特卡洛仿真的方法来获得加速因子估计值，具体计算方法如下：
4)从MVN(μA，∑A)中随机生成M组第i种综合环境应力状态下的环境系数矩阵，分别记为
Figure BDA0002759994230000064
其中M足够大，且M为正整数；
5)从MVN(μA，∑A)中随机生成M组第j种综合环境应力状态下的环境系数矩阵，分别记为
Figure BDA0002759994230000065
其中M足够大；
6)计算
Figure BDA0002759994230000066
其中r＝0，1，…，M；
加速因子表示为
Figure BDA0002759994230000067
(三)有益效果
本发明的一种电子产品多维向量加速因子表征方法，既能充分反映电子产品的失效过程和机理，又可以通过加速应力的协方差矩阵表征多应力间的耦合效应，实现多应力加速因素的精确表征。
附图说明
图1本发明的一种电子产品多维向量加速因子表征方法步骤图。
具体实施方式
本发明涉及一种电子产品多维向量加速因子表征方法，包括以下步骤：
S1.确定电子产品使用环境；
S2.明确使用环境中加速应力的类型；
S3.确定失效时间模型；
S4.确定失效时间模型的向量表征；
S5.确定加速因子向量表征；
S6.对加速因子进行数值求解。
其中，步骤S2中，根据电子产品的结构特点、封装工艺类型以及使用环境状况，选择容易引起电子产品失效的环境因素作为加速应力的类型。
所述加速应力包括温度、湿度、振动、电应力、机械应力。
其中，步骤S3中，所述失效时间模型是在已有的多应力失效时间模型的基础上，引入耦合效应后建立的考虑多应力综合作用的失效时间模型；所述耦合效应包括固定效应和随机效应，所述固定效应用于刻画一般特征，所述随机效应用来反映随机变量之间的相关性；所述失效时间模型分为两层，第一层模型用来描述某一个多应力综合环境下特征寿命与所述加速应力的关系，第二层模型将第一层模型中的加速应力作为随机变量，通过建立加速应力的联合分布来表示加速应力之间的耦合作用；在第二层模型中，采用多元正态分布的均值表示所述固定效应，采用协方差矩阵表示所述随机效应。
在所述第一层模型中，假设所述电子设备受到p种加速应力的影响，将这些加速应力分别表示为X1，X2，…，Xp，其中Xn(n＝1，2，…，p)为第n种加速应力，这p种加速应力构成的综合环境应力状态有q种；假设第i种加速应力状态所对应的p种加速应力分别为X1，i，X2，i，…，Xp，i，那么寿命特征θi可以表示为：
Figure BDA0002759994230000081
其中，ak，i(k＝0，1，…，p)为第i种加速应力状态下寿命时间模型的环境系数，g(Xk，i)为第i种综合环境应力状态下第k个环境应力的函数，通过模型转化，可得：
Figure BDA0002759994230000082
其中，h(θi)为特征寿命θi的函数。
在所述第二层模型中，考虑到各加速应力间的耦合作用，假设系数ak，i与al，i(k＝0，1，…，p，l＝0，1，…，p，k≠l)之间具有相关性，服从二元正态分布，联合密度函数可以表示为：
Figure BDA0002759994230000083
其中，μk和μl分别是系数ak，i与al，i的均值，σk和σl分别是系数ak，i与al，i的标准差，ρ是ak，i与al，i的相关系数，ρ表示为：
Figure BDA0002759994230000091
基于以上两层模型的分析，考虑耦合效应的多应力失效时间模型具体表示为：
Figure BDA0002759994230000092
其中，k＝0，1，…，p，l＝0，1，…，p，μ＝(μk，μl)′为(ak，i，al，i)′的均值，
Figure BDA0002759994230000093
为(ak，i，al，i)′的协方差矩阵，BVN为二元正态分布，环境应力Xk与Xl的耦合作用通过(ak，i，al，i)′的协方差Cov(ak，i，al，i)来体现。
在步骤S4中，引入向量理论，假设系数向量为Ai＝(a0，i，a1，i，…，ap，i)′，加速应力的函数组成的向量为Gi＝(1，g(X1，i)，…，g(Xp，i))′，则考虑耦合作用的所述第一层模型表示：
h(θi)＝A′iGi
在考虑耦合作用的所述第二层模型中，任意两个环境系数ak，i与al，i(k＝0，1，…，p，l＝0，1，…，p，k≠l)均服从二元正态分布，根据正态分布向量的可加性，系数向量Ai＝(a0，i，a1，i，…，ap，i)′服从多元正态分布，其密度函数为：
Figure BDA0002759994230000094
其中，μA＝(μ0，μ1，…，μp)′为系数向量Ai的均值向量，表示固定效应；∑A为系数向量Ai的均值向量的协方差矩阵，表示随机效应，具体可以表示为：
Figure BDA0002759994230000101
任意两种加速应力Xk与Xl的耦合作用通过(ak，i，al，i)′的协方差Cov(ak，i，al，i)来描述。
基于以上分析，考虑耦合作用的多应力失效时间模型表示为如下向量形式：
Figure BDA0002759994230000102
其中MVN为多元正态分布。
在步骤S5中，
加速因子是加速应力下产品某种寿命特征值与正常应力下寿命特征值的比值，也称为加速系数，是加速应力的函数；
h-1(A′iGi)为寿命特征函数的反函数；电子产品在第j种综合环境应力状态下的寿命特征函数为h(θj)＝A′jGj，其中Gj为第j种综合环境应力状态下加速应力的函数组成的向量，那么电子产品在第j种综合环境应力状态的寿命特征可以表示为h-1(A′jGj)；在给定条件下的加速因子AFij|Ai，Aj表示为：
Figure BDA0002759994230000103
当h-1(·)为指数函数时，给定条件下的加速因子进一步简化为：
AFij|Ai，Aj＝h-1(A′iGi-A′jGj)
在考虑耦合效应的多应力失效时间模型中，环境系数向量Ai和Ak分别为服从多元正态分布的随机变量，因此对Ai和Ak进行积分可得加速因子为：
Figure BDA0002759994230000111
其中，f(Ai)为Ai的失效密度函数，可以表示为
Figure BDA0002759994230000112
f(Aj)为Aj的失效密度函数，可以表示为
Figure BDA0002759994230000113
μA为系数向量的均值向量，∑A为系数向量的协方差矩阵。
在步骤S6中，
在均值向量μA和协方差矩阵∑A已知的条件下，通过蒙特卡洛仿真的方法来获得加速因子估计值，具体计算方法如下：
7)从MVN(μA，∑A)中随机生成M组第i种综合环境应力状态下的环境系数矩阵，分别记为
Figure BDA0002759994230000114
其中M足够大，且M为正整数；
8)从MVN(μA，∑A)中随机生成M组第j种综合环境应力状态下的环境系数矩阵，分别记为
Figure BDA0002759994230000115
其中M足够大；
9)计算
Figure BDA0002759994230000116
其中r＝0，1，…，M；
加速因子表示为
Figure BDA0002759994230000121

Claims (9)

1.一种电子产品多维向量加速因子表征方法，其特征在于，包括以下步骤：
S1.确定电子产品使用环境；
S2.明确使用环境中加速应力的类型；
S3.确定失效时间模型；
S4.确定失效时间模型的向量表征；
S5.确定加速因子向量表征；
S6.对加速因子进行数值求解。
2.如权利要求1所述的电子产品多维向量加速因子表征方法，其特征在于，在步骤S2中，根据电子产品的结构特点、封装工艺类型以及使用环境状况，选择容易引起电子产品失效的环境因素作为加速应力的类型。
3.如权利要求2所述的电子产品多维向量加速因子表征方法，其特征在于，所述加速应力包括温度、湿度、振动、电应力、机械应力。
4.如权利要求3所述的电子产品多维向量加速因子表征方法，其特征在于，在步骤S3中，所述失效时间模型是在已有的多应力失效时间模型的基础上，引入耦合效应后建立的考虑多应力综合作用的失效时间模型；所述耦合效应包括固定效应和随机效应，所述固定效应用于刻画一般特征，所述随机效应用来反映随机变量之间的相关性；所述失效时间模型分为两层，第一层模型用来描述某一个多应力综合环境下特征寿命与所述加速应力的关系，第二层模型将第一层模型中的加速应力作为随机变量，通过建立加速应力的联合分布来表示加速应力之间的耦合作用；在第二层模型中，采用多元正态分布的均值表示所述固定效应，采用协方差矩阵表示所述随机效应。
5.如权利要求4所述的电子产品多维向量加速因子表征方法，其特征在于，在所述第一层模型中，假设所述电子设备受到p种加速应力的影响，将这些加速应力分别表示为X1，X2，…，Xp，其中Xn(n＝1，2，…，p)为第n种加速应力，这p种加速应力构成的综合环境应力状态有q种；假设第i种加速应力状态所对应的p种加速应力分别为X1，i，X2，i，…，Xp，i，那么寿命特征θi可以表示为：
Figure FDA0002759994220000021
其中，ak，i(k＝0，1，…，p)为第i种加速应力状态下寿命时间模型的环境系数，g(Xk，i)为第i种综合环境应力状态下第k个环境应力的函数，通过模型转化，可得：
Figure FDA0002759994220000022
其中，h(θi)为特征寿命θi的函数。
6.如权利要求5所述的电子产品多维向量加速因子表征方法，其特征在于，在所述第二层模型中，考虑到各加速应力间的耦合作用，假设系数ak，i与al，i(k＝0，1，…，p，l＝0，1，…，p，k≠l)之间具有相关性，服从二元正态分布，联合密度函数可以表示为：
Figure FDA0002759994220000023
其中，μk和μl分别是系数ak，i与al，i的均值，σk和σl分别是系数ak，i与al，i的标准差，ρ是ak，i与al，i的相关系数，ρ表示为：
Figure FDA0002759994220000031
基于以上两层模型的分析，考虑耦合效应的多应力失效时间模型具体表示为：
Figure FDA0002759994220000032
其中，k＝0，1，…，p，l＝0，1，…，p，μ＝(μk，μl)′为(ak，i，al，i)′的均值，
Figure FDA0002759994220000033
为(ak，i，al，i)′的协方差矩阵，BVN为二元正态分布，环境应力Xk与Xl的耦合作用通过(ak，i，al，i)′的协方差Cov(ak，i，al，i)来体现。
7.如权利要求6所述的电子产品多维向量加速因子表征方法，其特征在于，在步骤S4中，引入向量理论，假设系数向量为Ai＝(a0，i，a1，i，…，ap，i)′，加速应力的函数组成的向量为Gi＝(1，g(X1，i)，…，g(Xp，i))′，则考虑耦合作用的所述第一层模型表示：
h(θi)＝A′iGi
在考虑耦合作用的所述第二层模型中，任意两个环境系数ak，i与al，i(k＝0，1，…，p，l＝0，1，…，p，k≠l)均服从二元正态分布，根据正态分布向量的可加性，系数向量Ai＝(a0，i，a1，i，…，ap，i)′服从多元正态分布，其密度函数为：
Figure FDA0002759994220000034
其中，μA＝(μ0，μ1，…，μp)′为系数向量Ai的均值向量，表示固定效应；∑A为系数向量Ai的均值向量的协方差矩阵，表示随机效应，具体可以表示为：
Figure FDA0002759994220000041
任意两种加速应力Xk与Xl的耦合作用通过(ak，i，al，i)′的协方差Cov(ak，i，al，i)来描述。
基于以上分析，考虑耦合作用的多应力失效时间模型表示为如下向量形式：
Figure FDA0002759994220000042
其中MVN为多元正态分布。
8.如权利要求7所述的电子产品多维向量加速因子表征方法，其特征在于，在步骤S5中，加速因子是加速应力下产品某种寿命特征值与正常应力下寿命特征值的比值，也称为加速系数，是加速应力的函数；
h-1(A′iGi)为寿命特征函数的反函数；电子产品在第j种综合环境应力状态下的寿命特征函数为h(θj)＝A′jGj，其中Gj为第j种综合环境应力状态下加速应力的函数组成的向量，那么电子产品在第j种综合环境应力状态的寿命特征可以表示为h-1(A′jGj)；在给定条件下的加速因子AFij|Ai，Aj表示为：
Figure FDA0002759994220000043
当h-1(·)为指数函数时，给定条件下的加速因子进一步简化为：
AFij|Ai，Aj＝h-1(A′iGi-A′jGj)
在考虑耦合效应的多应力失效时间模型中，环境系数向量Ai和Ak分别为服从多元正态分布的随机变量，因此对Ai和Ak进行积分可得加速因子为：
Figure FDA0002759994220000051
其中，f(Ai)为Ai的失效密度函数，可以表示为
Figure FDA0002759994220000052
f(Aj)为Aj的失效密度函数，可以表示为
Figure FDA0002759994220000053
μA为系数向量的均值向量，∑A为系数向量的协方差矩阵。
9.如权利要求8所述的电子产品多维向量加速因子表征方法，其特征在于，在步骤S6中，在均值向量μA和协方差矩阵∑A已知的条件下，通过蒙特卡洛仿真的方法来获得加速因子估计值，具体计算方法如下：
1)从MVN(μA，∑A)中随机生成M组第i种综合环境应力状态下的环境系数矩阵，分别记为
Figure FDA0002759994220000054
其中M足够大，且M为正整数；
2)从MVN(μA，∑A)中随机生成M组第j种综合环境应力状态下的环境系数矩阵，分别记为
Figure FDA0002759994220000055
其中M足够大；
3)计算
Figure FDA0002759994220000061
其中r＝0，1，…，M；
加速因子表示为
Figure FDA0002759994220000062
CN202011214835.9A 2020-11-04 2020-11-04 一种电子产品多维向量加速因子表征方法 Active CN112464441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011214835.9A CN112464441B (zh) 2020-11-04 2020-11-04 一种电子产品多维向量加速因子表征方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011214835.9A CN112464441B (zh) 2020-11-04 2020-11-04 一种电子产品多维向量加速因子表征方法

Publications (2)

Publication Number Publication Date
CN112464441A true CN112464441A (zh) 2021-03-09
CN112464441B CN112464441B (zh) 2023-06-30

Family

ID=74835006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011214835.9A Active CN112464441B (zh) 2020-11-04 2020-11-04 一种电子产品多维向量加速因子表征方法

Country Status (1)

Country Link
CN (1) CN112464441B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201313714D0 (en) * 2013-07-31 2013-09-11 Bqr Reliability Engineering Ltd Failure rate estimation from multiple failure mechanisms
CN104182603A (zh) * 2013-05-24 2014-12-03 上海空间电源研究所 长寿命、高可靠电子产品可靠性评估方法
CN108333208A (zh) * 2018-01-22 2018-07-27 航天科工防御技术研究试验中心 一种整机级产品贮存寿命加速试验方法
CN108399278A (zh) * 2018-01-24 2018-08-14 航天科工防御技术研究试验中心 一种电子装备多因素加速因子计算方法
CN110426168A (zh) * 2019-07-09 2019-11-08 中国航天标准化研究所 一种多维应力耦合的星上电子产品加速寿命试验方法
CN111523251A (zh) * 2020-06-09 2020-08-11 江苏科技大学 一种随机环境应力下的产品寿命快速评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104182603A (zh) * 2013-05-24 2014-12-03 上海空间电源研究所 长寿命、高可靠电子产品可靠性评估方法
GB201313714D0 (en) * 2013-07-31 2013-09-11 Bqr Reliability Engineering Ltd Failure rate estimation from multiple failure mechanisms
CN108333208A (zh) * 2018-01-22 2018-07-27 航天科工防御技术研究试验中心 一种整机级产品贮存寿命加速试验方法
CN108399278A (zh) * 2018-01-24 2018-08-14 航天科工防御技术研究试验中心 一种电子装备多因素加速因子计算方法
CN110426168A (zh) * 2019-07-09 2019-11-08 中国航天标准化研究所 一种多维应力耦合的星上电子产品加速寿命试验方法
CN111523251A (zh) * 2020-06-09 2020-08-11 江苏科技大学 一种随机环境应力下的产品寿命快速评估方法

Also Published As

Publication number Publication date
CN112464441B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN110457750B (zh) 基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法
Chen et al. Data-driven robust state estimation through off-line learning and on-line matching
CN111209316A (zh) 一种信息素养数据挖掘方法、装置、电子设备及存储介质
CN114355094B (zh) 基于多源信息的产品可靠性薄弱环节综合评估方法和装置
CN110782083B (zh) 基于深度Croston方法的航空发动机备用需求预测方法
CN115795920A (zh) 基于多应力耦合加速模型的产品可靠性评价方法和装置
Du et al. A general framework for fatigue reliability analysis of a high temperature component
CN112464441A (zh) 一种电子产品多维向量加速因子表征方法
CN109190279B (zh) 一种温度振动加速耦合效应模型的构建方法
CN113779116B (zh) 对象排序方法、相关设备及介质
Xie et al. Rank-based test for partial functional linear regression models
CN111814360B (zh) 一种机载机电设备使用可靠性评估方法
Jones et al. Introduction to Predictive Models for Motor Dielectric Aging
Gullo In-service reliability assessment and top-down approach provides alternative reliability prediction method
CN113609449A (zh) 惯性测量装置加速试验数据有效性评估方法
Ruiz et al. Bayesian accelerated reliability growth of complex systems
CN102982231A (zh) 软件可信度的定量计算方法
CN109325289B (zh) 一种估计电子件可靠性参数的方法
Le An Enhancement to Time Series Model for Short-Term Forecasting of Multi-Regional Electricity Load
CN111506998B (zh) 一种构建机电产品制造过程参数漂移故障特征样本库的方法
CN114254516B (zh) 一种删失数据下的参数概率不确定性建模方法
CN111581737B (zh) 一种基于有限元仿真的结构件可靠性评估方法及系统
Li et al. Performance analysis and optimization of queueing network production systems considering non-conforming products rework and departure
An et al. The Generation Method of Simulation Scenario Sample Space Based on Sensitivity Analysis of Meta-model
Yu et al. Bootstrap Methods for Canonical Correlation Analysis of Functional Data

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