CN112685912B - 一种多元广义Wiener过程性能退化可靠性分析方法 - Google Patents

一种多元广义Wiener过程性能退化可靠性分析方法 Download PDF

Info

Publication number
CN112685912B
CN112685912B CN202110037260.6A CN202110037260A CN112685912B CN 112685912 B CN112685912 B CN 112685912B CN 202110037260 A CN202110037260 A CN 202110037260A CN 112685912 B CN112685912 B CN 112685912B
Authority
CN
China
Prior art keywords
performance degradation
reliability
wiener process
product
degradation
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
CN202110037260.6A
Other languages
English (en)
Other versions
CN112685912A (zh
Inventor
李军星
邱明
庞晓旭
陈立海
董艳方
杨传猛
牛凯岑
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.)
Henan University of Science and Technology
Original Assignee
Henan University of Science and Technology
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 Henan University of Science and Technology filed Critical Henan University of Science and Technology
Priority to CN202110037260.6A priority Critical patent/CN112685912B/zh
Publication of CN112685912A publication Critical patent/CN112685912A/zh
Application granted granted Critical
Publication of CN112685912B publication Critical patent/CN112685912B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明提供一种多元广义Wiener过程性能退化可靠性分析方法,包括以下步骤:S1、采集产品环境应力数据和性能退化试验数据,建立多元广义Wiener过程性能退化分析模型;S2、对退化分析模型中的未知参数进行估计,包括定义退化分析模型中未知参数的似然函数以及对未知参数进行最优化估计;S3、基于多元广义Wiener过程性能退化分析模型对任一工况下产品的性能退化进行可靠性分析。本发明解决了传统性能退化分析方法大多不考虑环境应力变量或只考虑单个应力变量,以及传统Wiener过程有时无法描述非线性产品性能退化过程从而导致评估精度低等问题,更符合工程实际情况,能够有效提高评估精度。

Description

一种多元广义Wiener过程性能退化可靠性分析方法
技术领域
本发明属于性能退化可靠性分析技术领域,具体涉及一种多元广义Wiener过程性能退化可靠性分析方法。
背景技术
性能退化分析在产品的可靠性评估、维修计划制定等中都起到重要的作用,特别是针对高可靠长寿命产品。目前的研究大多只关注于产品本身的性能退化过程,不考虑环境应力变量,有时即使在加速性能退化分析中考虑环境应力,大多也只考虑单应力。然而,对于很多现代化产品,由于其内部结构和退化失效机理都比较复杂,使其性能退化过程往往受内部和外部多种因素(如温度、湿度、电压等)共同作用和影响,例如:橡胶密封圈的压缩变形性能退化及电连接器的性能退化等常常受温度和湿度等的共同影响;LED发光性能退化问题常常受温度和电流的影响等。针对以上相关产品,若不考虑或少考虑了环境应力变量,将会直接导致评估精度低,增加了产品或系统突发停机的风险,严重时将会造成重大的财产损失和人员伤亡。
产品的性能退化失效过程主要是由外部的工作环境、工艺制造过程和内部的材料结构变化等引起的,这些因素都具有随机性,从而导致产品的性能退化过程也是一个随机过程。因此,基于随机过程理论对产品进行性能退化建模更加符合工程实际。在所有随机过程理论中,由于具有明确的物理解释和良好的数学性质,Wiener过程已经被广泛应用于多种产品的性能退化建模过程中,也已经成为目前性能退化可靠性分析建模中最常用的模型之一。
因此,针对这种多环境应力变量下产品性能退化试验可靠性分析的问题,本发明提出一种多元广义Wiener过程性能退化可靠性分析方法,该方法不仅能够同时考虑多个环境应力变量,而且将传统的Wiener过程扩展到具有非线性时变函数的广义Wiener过程,更加符合工程中产品实际的性能退化过程。
发明内容
本发明的目的是提供一种多元广义Wiener过程性能退化可靠性分析方法,其解决了传统性能退化分析方法大多不考虑环境应力变量或只考虑单个应力变量,以及传统Wiener过程有时无法描述非线性产品性能退化过程从而导致评估精度低等问题。
为了达到上述目的,本发明所采用的技术方案是:一种多元广义Wiener过程性能退化可靠性分析方法,包括以下步骤:
S1、采集产品环境应力数据和性能退化试验数据,建立多元广义Wiener过程性能退化分析模型;
S2、对多元广义Wiener过程性能退化分析模型中的未知参数进行估计,包括定义多元广义Wiener过程性能退化分析模型中未知参数的似然函数以及对未知参数进行最优化估计;
S3、基于多元广义Wiener过程性能退化分析模型对任一工况下产品的性能退化进行可靠性分析。
进一步的,所述的环境应力数据包括从产品中提取的多个环境应力变量。
进一步的,步骤S1在采集性能退化试验数据时,共投入多个产品进行性能退化试验,并分别对多个产品的实验数据进行采集,然后对性能退化试验数据中的异常值及其它无效数据进行剔除处理。
进一步的,所述多元广义Wiener过程性能退化分析模型的输入为时间,输出为产品性能退化参数。
进一步的,在对产品的性能退化进行可靠性分析时,需要预先给定产品的退化失效阈值,然后根据多元广义Wiener过程性能退化分析模型的单调性,对任一工况下产品的性能退化进行可靠性分析。
进一步的,所述可靠性分析包括可靠度估计与可靠寿命估计。
进一步的,在对未知参数进行最优化估计时,采用多维搜索算法。
与现有技术相比,本发明的有益效果是:
1、本发明考虑到很多现代化产品性能退化失效的过程常常同时受内部和外部多种因素(如温度、湿度、电压等)的共同作用和影响,而现有研究分析方法大多只关注于产品本身的性能退化过程,不考虑环境应力变量或只考虑单应力的情况,因此,本发明提出的多元性能退化可靠性分析方法更符合工程实际情况,能够有效提高评估精度;
2、本发明提出一种基于广义Wiener过程的性能退化建模方法,该建模方法同时包含两个不同时间尺度函数分别来表征性能退化参数趋势项和方差项的随机时变特征,不仅能够描述非线性的情况,而且可以退化到线性的情况,更具有一般性。
附图说明
图1为本发明的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种多元广义Wiener过程性能退化可靠性分析方法,其流程图如图1所示,本发明方法的具体实现包括以下步骤:
步骤一:采集产品环境应力数据和性能退化试验数据,建立多元广义Wiener过程性能退化分析模型,具体实施方式如下:
假设产品的性能退化失效过程受q种环境应力变量L=(L1,L2,...,Lq)T共同作用和影响下发生退化,试验共投入m个产品进行性能退化试验。
1.单个试样环境应力变量和性能退化试验数据:第i个产品在q种环境应力变量Li=(Li1,Li2,...,Liq)T下进行了ni次测量,测试时刻分别为
Figure BDA0002894793560000041
测得的相应性能退化量分别为
Figure BDA0002894793560000042
从而可以得到第i个试样的环境应力变量和性能退化试验数据分别为Li=(Li1,Li2,...,Liq)T
Figure BDA0002894793560000043
2.m个产品环境应力变量和性能退化试验数据采集:采集得到m个试样环境应力变量和性能退化试验数据分别为L=(L1,L2,...,Lm)T和x=(x1,x2,…,xm),随后对性能退化数据中的异常值及其它无效数据进行剔除处理。
3.建立产品多元广义Wiener过程性能退化分析模型:产品性能退化参数X(t,L)与q种环境应力变量L=(L1,L2,...,Lq)T和产品工作时间t间的退化模型可由下式表征:
Figure BDA0002894793560000051
式(1)中,a为初始退化量;
Figure BDA0002894793560000052
Λk=Λ(Lk)为关于状态变量Lk的严格单调函数;βk为与其相应的影响效应参数,k=1,2,…,q;Λt=Λt(t;η)和ν=ν(t;γ)分别为关于时间t的严格单调递增函数,η和γ均为未知参数;βt为漂移系数,假设
Figure BDA0002894793560000059
B(ν)为广义标准Wiener过程;其中,Λ12,...,Λq是与环境应力(如温度、湿度、电压等)有关的变量,称为状态自变量,Λt是与退化过程(如时间、里程、循环次数等)有关的变量,即称为时间或过程自变量;σ≥0为扩散系数;随机变量a,βt和B(ν)相互独立。
步骤二:对多元广义Wiener过程性能退化模型中的未知参数估计,具体实现过程为:
1.定义退化模型对数似然函数;
结合步骤一中采集到的m个试样环境应力变量和性能退化试验数据L=(L1,L2,...,Lm)T和x=(x1,x2,…,xm),可得多元广义Wiener过程性能退化分析模型的对数似然函数为:
Figure BDA0002894793560000053
式(2)中,
Figure BDA0002894793560000057
Figure BDA0002894793560000058
Figure BDA0002894793560000056
1i为ni维元素全为1的列向量;
Figure BDA0002894793560000061
且νij=ν(tij;γ),i=1,2,...,m,j=1,2,...,ni
2.未知参数估计;
首先通过多维搜索算法最大化下式(3)可得到极大似然估计值
Figure BDA0002894793560000062
Figure BDA0002894793560000063
Figure BDA0002894793560000064
式(3)中
Figure BDA0002894793560000065
Figure BDA0002894793560000066
其次得到参数μ和β的极大似然估计值分别为:
Figure BDA0002894793560000067
然后由估计值
Figure BDA0002894793560000068
Figure BDA0002894793560000069
可得参数
Figure BDA00028947935600000610
的极大似然估计值为
Figure BDA00028947935600000611
最后可得σ和σ1的极大似然估计分别为
Figure BDA00028947935600000612
Figure BDA00028947935600000613
步骤三:基于多元广义Wiener过程的性能退化可靠性分析。具体实现过程为:
1.确定性能退化失效阈值Df:可以从三个方面确定产品性能退化失效阈值:①根据工程经验确定失效阈值;②根据相关国家标准确定失效阈值,例如国标GB_T 24607-2009明确规定:滚动轴承在循环油润滑时外圈温度性能参数不应超过95℃,脂润滑时外圈温度不应超过80℃;③根据产品已有历史数据,统计分析得到历史数据失效阈值的平均值做为失效阈值。
2.可靠度估计:产品在给定失效阈值Df,在q种环境应力变量L=(L1,L2,...,Lq)T下的可靠度估计为:
Figure BDA0002894793560000071
3.可靠寿命估计:则对于给定退化失效阈值Df,当退化过程X(t,L)是关于时间t的单调增函数时,可以通过解:
Figure BDA0002894793560000072
可得到失效时间百分位值tpL的点估计
Figure BDA0002894793560000073
而当退化过程X(t,L)是关于时间t的单调减函数时,可以通过解:
Figure BDA0002894793560000074
可得到失效时间百分位值tpL的点估计
Figure BDA0002894793560000075
因此,可以得到在q种环境因素L=(L1,L2,...,Lq)T水平下,针对以上两种情况,将P=1-R带入公式(7)和公式(8),可以得到给定可靠度R下的可靠寿命估计值为
Figure BDA0002894793560000076
本发明中:
q为产品所受环境应力变量个数;
Li为第个环境应力变量;
L=(L1,L2,...,Lq)T为q个环境应力变量组合;
tij为第i个试样在环境应力变量组合Li=(Li1,Li2,...,Liq)T下第j个测试时刻,i=1,2,...,m,j=1,2,...,ni
Λik=Λ(Lik)为第i个产品关于第k种环境应力变量Lik的函数;
Λtij=Λt(tij;η)为第i个产品关于第个j测量时刻tij的函数;
xij=X(Λtij,Li)表示第i个产品在q种环境应力自变量(Λi1i2,...,Λiq)T下,在第j个时间过程自变量Λtij(即第j个测试时刻tij)处的性能参数测试值,i=1,2,...,m,j=1,2,...,ni,q<m;
a为初始退化量,被假设为
Figure BDA0002894793560000081
βk为与状态变量函数相应的影响效应参数,k=1,2,...,q;
βt为漂移系数,假设
Figure BDA0002894793560000082
ν=ν(t;γ)分别为关于时间t的严格单调递增函数
B(ν)为广义标准Wiener过程;
σ≥0为扩散系数;
Θ=(β,μ1212,σ,η,γ)表示退化模型未知参数向量;
l(·)为对数似然函数;
Df性能退化失效阈值;
Figure BDA0002894793560000083
给定可靠度R下的可靠寿命估计值;
Figure BDA0002894793560000084
在q种环境因素L=(L1,L2,...,Lq)T下的失效概率估计;
Figure BDA0002894793560000085
在q种环境因素L=(L1,L2,...,Lq)T下的可靠度估计;
Df为性能退化失效阈值。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种多元广义Wiener过程性能退化可靠性分析方法,其特征在于,包括以下步骤:
S1、采集产品环境应力数据和性能退化试验数据,建立多元广义Wiener过程性能退化分析模型,具体表达式为:
Figure FDA0004006390140000011
式(1)中,t表示产品工作时间,L=(L1,L2,...,Lq)T表示q种环境应力变量,a为初始退化量,
Figure FDA0004006390140000012
βk为与其相应的影响效应参数,Λk=Λ(Lk)为关于状态变量Lk的严格单调函数,k=1,2,...,q;Λt和ν分别为关于时间t的严格单调递增函数;βt为漂移系数,
Figure FDA0004006390140000013
B(ν)为广义标准Wiener过程,σ≥0为扩散系数;随机变量a,βt和B(ν)相互独立;
S2、对多元广义Wiener过程性能退化分析模型中的未知参数进行估计,包括定义多元广义Wiener过程性能退化分析模型中未知参数的似然函数以及对未知参数进行最优化估计,具体实现方法为:
S2.1、定义退化模型对数似然函数;
结合步骤S1中采集到的m个试样环境应力变量和性能退化试验数据L=(L1,L2,...,Lm)T和x=(x1,x2,…,xm),可得多元广义Wiener过程性能退化分析模型的对数似然函数为:
Figure FDA0004006390140000014
式(2)中,
Figure FDA0004006390140000015
Figure FDA0004006390140000021
Figure FDA0004006390140000022
1i为ni维元素全为1的列向量;
Figure FDA0004006390140000023
且νij=ν(tij;γ),i=1,2,...,m,j=1,2,...,ni
S2.2、未知参数估计;
首先通过多维搜索算法最大化下式(3)可得到极大似然估计值
Figure FDA0004006390140000024
Figure FDA0004006390140000025
Figure FDA0004006390140000026
其中,
Figure FDA0004006390140000027
Figure FDA0004006390140000028
其次得到参数μ和β的极大似然估计值分别为:
Figure FDA0004006390140000029
然后由估计值
Figure FDA00040063901400000210
Figure FDA00040063901400000211
可得参数
Figure FDA00040063901400000212
的极大似然估计值为
Figure FDA00040063901400000213
最后可得σ和σ1的极大似然估计分别为
Figure FDA00040063901400000214
Figure FDA00040063901400000215
S3、基于多元广义Wiener过程性能退化分析模型对任一工况下产品的性能退化进行可靠性分析;
S3.1、确定性能退化失效阈值Df
S3.2、可靠度估计:产品在给定失效阈值Df,在q种环境应力变量L=(L1,L2,...,Lq)T下的可靠度估计为:
Figure FDA0004006390140000031
S3.3、可靠寿命估计:则对于给定退化失效阈值Df,当退化过程X(t,L)是关于时间t的单调增函数时,可以通过解:
Figure FDA0004006390140000032
可得到失效时间百分位值tpL的点估计
Figure FDA0004006390140000033
而当退化过程X(t,L)是关于时间t的单调减函数时,可以通过解:
Figure FDA0004006390140000034
可得到失效时间百分位值tpL的点估计
Figure FDA0004006390140000035
2.根据权利要求1所述的一种多元广义Wiener过程性能退化可靠性分析方法,其特征在于,所述的环境应力数据包括从产品中提取的多个环境应力变量。
3.根据权利要求2所述的一种多元广义Wiener过程性能退化可靠性分析方法,其特征在于,步骤S1在采集性能退化试验数据时,共投入多个产品进行性能退化试验,并分别对多个产品的实验数据进行采集,然后对性能退化试验数据中的异常值及其它无效数据进行剔除处理。
4.根据权利要求1所述的一种多元广义Wiener过程性能退化可靠性分析方法,其特征在于,所述多元广义Wiener过程性能退化分析模型的输入为时间,输出为产品性能退化参数。
5.根据权利要求1所述的一种多元广义Wiener过程性能退化可靠性分析方法,其特征在于,在对产品的性能退化进行可靠性分析时,需要预先给定产品的退化失效阈值,然后根据多元广义Wiener过程性能退化分析模型的单调性,对任一工况下产品的性能退化进行可靠性分析。
6.根据权利要求5所述的一种多元广义Wiener过程性能退化可靠性分析方法,其特征在于,所述可靠性分析包括可靠度估计与可靠寿命估计。
7.根据权利要求1所述的一种多元广义Wiener过程性能退化可靠性分析方法,其特征在于,在对未知参数进行最优化估计时,采用多维搜索算法。
CN202110037260.6A 2021-01-12 2021-01-12 一种多元广义Wiener过程性能退化可靠性分析方法 Active CN112685912B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110037260.6A CN112685912B (zh) 2021-01-12 2021-01-12 一种多元广义Wiener过程性能退化可靠性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110037260.6A CN112685912B (zh) 2021-01-12 2021-01-12 一种多元广义Wiener过程性能退化可靠性分析方法

Publications (2)

Publication Number Publication Date
CN112685912A CN112685912A (zh) 2021-04-20
CN112685912B true CN112685912B (zh) 2023-02-28

Family

ID=75457549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110037260.6A Active CN112685912B (zh) 2021-01-12 2021-01-12 一种多元广义Wiener过程性能退化可靠性分析方法

Country Status (1)

Country Link
CN (1) CN112685912B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227143B (zh) * 2022-12-30 2023-07-28 哈尔滨工业大学 一种考虑橡胶老化机理的电连接器密封可靠性预计方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657937A (zh) * 2018-11-30 2019-04-19 西安电子科技大学 一种基于退化数据的产品可靠性评估与寿命预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959676B (zh) * 2017-12-22 2019-09-20 北京航空航天大学 一种考虑有效冲击的退化建模与寿命预测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657937A (zh) * 2018-11-30 2019-04-19 西安电子科技大学 一种基于退化数据的产品可靠性评估与寿命预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种双时间尺度函数Wiener过程性能退化模型;张雄健 等;《航空动力学报》;20180930;第33卷(第9期);摘要、正文第1-4节 *
基于Copula函数的多参数退化评估方法研究;鲍兆伟;《万方数据库学位论文库》;20190114;摘要、正文第4-5章 *
随机效应Wiener过程退化可靠性分析方法;李军星等;《系统工程理论与实践》;20180925(第09期);全文 *

Also Published As

Publication number Publication date
CN112685912A (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
CN109062189B (zh) 一种用于复杂故障的工业过程故障诊断方法
CN111046564A (zh) 两阶段退化产品的剩余寿命预测方法
CN109917777B (zh) 基于混合多采样率概率主成分分析模型的故障检测方法
CN105468850B (zh) 基于多残差回归预测算法的电子产品退化趋势预测方法
CN110348150B (zh) 一种基于相关概率模型的故障检测方法
CN109523171B (zh) 一种基于svdd的燃气轮机进气系统健康度评估方法
CN104699050A (zh) 数据驱动的卷烟制丝过程制叶丝段在线监测和故障诊断方法
CN104700200A (zh) 一种面向数字化车间的产品多元质量监控方法
CN104933477A (zh) 一种利用输变电设备风险评估优化检修策略的方法
CN110751217B (zh) 基于主元分析的设备能耗占比预警分析方法
CN111368428B (zh) 一种基于监控二阶统计量的传感器精度下降故障检测方法
CN110466381A (zh) 充电桩状态的评估方法
CN112685912B (zh) 一种多元广义Wiener过程性能退化可靠性分析方法
CN108241790A (zh) 基于恒加试验数据的Weibull型产品可靠性估计方法
CN113919204B (zh) 一种多状态制造系统可用性综合重要度分析方法
CN109918707B (zh) 一种基于Lévy过程的航空发动机剩余寿命预测方法
CN108182306B (zh) 车辆动力传动装置磨粒特征参数退化失效阈值的确定方法
CN110135002B (zh) 一种衡量新能源汽车电池充电累积容量损耗可靠性的方法
CN111507374A (zh) 一种基于随机矩阵理论的电网海量数据异常检测方法
CN109522519B (zh) 一种弹药部组件多个性能参数间的相依性评价方法
CN116127713A (zh) 考虑不完全维修的可修设备可靠性建模与评估方法
CN113378309B (zh) 一种滚动轴承健康状态在线监测与剩余寿命预测方法
CN113283157A (zh) 智能冲压压力机部件生命周期预测系统、方法、终端、介质
CN108846182A (zh) 基于ar-garch回归的机械衰退数据质量改善方法
Wang Research on accelerated degradation test and reliability evaluation method of electromechanical products

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