CN113946986A - 基于加速退化试验的产品平均失效前时间评估方法和装置 - Google Patents

基于加速退化试验的产品平均失效前时间评估方法和装置 Download PDF

Info

Publication number
CN113946986A
CN113946986A CN202111558561.XA CN202111558561A CN113946986A CN 113946986 A CN113946986 A CN 113946986A CN 202111558561 A CN202111558561 A CN 202111558561A CN 113946986 A CN113946986 A CN 113946986A
Authority
CN
China
Prior art keywords
performance parameter
product
model
evaluated
time
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
CN202111558561.XA
Other languages
English (en)
Other versions
CN113946986B (zh
Inventor
潘广泽
李丹
王春辉
王远航
刘文威
丁小健
董成举
陈勃琛
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.)
China Electronic Product Reliability and Environmental Testing Research Institute
Original Assignee
China Electronic Product Reliability and Environmental Testing Research Institute
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 China Electronic Product Reliability and Environmental Testing Research Institute filed Critical China Electronic Product Reliability and Environmental Testing Research Institute
Priority to CN202111558561.XA priority Critical patent/CN113946986B/zh
Publication of CN113946986A publication Critical patent/CN113946986A/zh
Application granted granted Critical
Publication of CN113946986B publication Critical patent/CN113946986B/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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请涉及一种基于加速退化试验的产品平均失效前时间评估方法和装置。所述方法包括：获取待评估产品的产品加速退化试验数据；基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。采用本方法能够提高对产品平均失效前时间的评估精度。

Description

基于加速退化试验的产品平均失效前时间评估方法和装置
技术领域
本申请涉及产品性能测试技术领域，特别是涉及一种基于加速退化试验的产品平均失效前时间评估方法和装置。
背景技术
可靠性加速退化试验是通过提高应力水平来加速产品性能退化，采集产品在高应力水平下的性能退化数据，并利用这些数据来估计产品可靠性及预测产品在正常应力下的寿命时间的加速试验方法。可靠性加速退化试验可极大的缩短产品可靠性评价的周期，减少可靠性评价过程的费用，是解决高可靠长寿命产品可靠性评价难题的重要途径。
目前，大多数可靠性加速退化试验数据分析方法主要是针对单个性能退化产品，建立单个性能参数退化模型，开展加速退化试验数据分析，评价可靠性水平。这些分析方法大多都假设产品退化数据服从线性退化模型或者某种特定的退化模型，而没有对多种有可能符合的模型进行分析、检验及优选，导致对基于加速退化试验的产品平均失效前时间评估精度不高的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高评估精度的基于加速退化试验的产品平均失效前时间评估方法和装置。
第一方面，本申请提供了一种基于加速退化试验的产品平均失效前时间评估方法。所述方法包括：
获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
在其中一个实施例中，所述基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型包括：
获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；
基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
在其中一个实施例中，所述基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型包括：
将所述拟合数据按照所述预设的模型库中的模型表达式分别进行拟合处理，获取各模型表达式对应的拟合参数；
基于各模型表达式对应的拟合参数，获取各模型表达式的相关系数；
基于各模型表达式的相关系数，获取各性能参数的最优单个性能参数退化模型。
在其中一个实施例中，所述基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间包括：
获取各性能参数的最优单个性能参数退化模型的拟合参数；
基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的性能参数失效阈值，获取各性能参数对应的单个性能参数的超差时间。
在其中一个实施例中，所述基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间包括：
基于所述待评估产品的各性能参数获取所述待评估产品的多个性能参数融合模型；所述待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型；
基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间；
测试获取多个待评估产品的失效时间，基于多个待评估产品的失效时间，获取待评估产品在加速应力下产品的平均失效前时间；
计算待评估产品在加速应力下产品的平均失效前时间和预设的加速因子的乘积，获取待评估产品在正常应力下产品的平均失效前时间。
在其中一个实施例中，所述基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间包括：
若所述待评估产品的多个性能参数融合模型是无备份模型，获取各性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间；
若所述待评估产品的多个性能参数融合模型是有备份模型，获取各性能参数对应的单个性能参数的超差时间中最长的超差时间作为待评估产品的失效时间；
若所述待评估产品的多个性能参数融合模型是混合模型，获取所述混合模型中无备份模型中最短的超差时间、有备份模型中最长的超差时间和剩余性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间。
第二方面，本申请还提供了一种基于加速退化试验的产品平均失效前时间评估装置。所述装置包括：
退化数据获取模块，用于获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
退化模型获取模块，用于基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
超差时间获取模块，用于基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
失效时间获取模块，用于基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
在其中一个实施例中，所述退化模型获取模块包括：
数据获取子模块：用于获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；
模型获取子模块：用于基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
上述基于加速退化试验的产品平均失效前时间评估方法和装置，通过对各性能参数分别构建最优单个性能参数退化模型，并通过多个性能参数融合模型获取待评估产品的失效时间，最后基于待评估产品的失效时间实现对待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间的获取，提高了对产品的平均失效前时间的评估精度。
附图说明
图1为一个实施例中基于加速退化试验的产品平均失效前时间评估方法的应用环境图；
图2为一个实施例中基于加速退化试验的产品平均失效前时间评估方法的流程示意图；
图3为一个实施例中获取产品的平均失效前时间步骤的流程示意图；
图4为一个实施例中基于加速退化试验的产品平均失效前时间评估装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的基于加速退化试验的产品平均失效前时间评估方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。
其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于加速退化试验的产品平均失效前时间评估方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间。
其中，产品加速退化试验数据中包含不少于一个待评估产品的不少于一种性能参数和各性能参数对应的试验时间；每种性能参数和性能参数对应的试验时间都有多组。
具体地，获取待评估产品的产品加速退化试验数据，其中产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间，例如某型产品共计5个在90℃高温下开展加速退化试验，间隔100h对所有样品的22个性能参数开展测试。
步骤204，基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型。
具体地，基于性能参数和性能参数对应的试验时间，对各性能参数和各性能参数对应的试验时间按照预设的模型表达式分别进行拟合处理，通过拟合获取各性能参数的最佳模型表达式的最佳拟合参数，获取各性能参数的最优单个性能参数退化模型。
例如，当预设的模型表达式为
Figure 401477DEST_PATH_IMAGE001
，F（x）为产品的性能参数值， x为试验时间，m和n为拟合参数，对模型表达式变换如下：
Figure 857866DEST_PATH_IMAGE002
其形式为
Figure 990164DEST_PATH_IMAGE003
式中：
Figure 848398DEST_PATH_IMAGE004
，
Figure 539274DEST_PATH_IMAGE005
，
Figure 951801DEST_PATH_IMAGE006
，
Figure 245379DEST_PATH_IMAGE007
。
假设产品加速退化试验中单个性能参数的N组退化数据为
Figure 833486DEST_PATH_IMAGE008
，
Figure 819897DEST_PATH_IMAGE009
，则拟合参数a和b为：
Figure 126244DEST_PATH_IMAGE010
Figure 223513DEST_PATH_IMAGE011
式中：
Figure 164662DEST_PATH_IMAGE012
，
Figure 321974DEST_PATH_IMAGE013
。
因此，评估得到单个性能参数退化模型的拟合参数m和n如下：
Figure 115618DEST_PATH_IMAGE015
Figure 750998DEST_PATH_IMAGE016
当预设的模型表达式为若干个时，对若干个模型表达式分别进行拟合，获取其中拟合最优的模型表达式的拟合参数为最佳拟合参数，并基于最佳拟合参数获取各性能参数的最优单个性能参数退化模型。
步骤206，基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间。
具体地，根据各性能参数的最优单个性能参数退化模型，结合预设的性能参数失 效阈值D，评估单个性能参数的超差时间。如最优单个性能参数退化模型为
Figure 313698DEST_PATH_IMAGE001
，则其单个性能参数的超差时间X为：
Figure 641911DEST_PATH_IMAGE017
。
步骤208，基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
具体地，基于待评估产品的各性能参数，获取待评估产品的多个性能参数融合模型，待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型；其中，对于无备份模型，待评估产品的多个性能参数中任一性能参数超差都导致产品失效；对于有备份模型，待评估产品的多个性能参数中只有所有性能参数都超差，产品才失效；对于混合模型，待评估产品的多个性能参数中无备份模型和有备份模型同时存在。
对于无备份模型，产品的失效时间为：
Figure 657271DEST_PATH_IMAGE018
式中：T为产品的失效时间，
Figure 361922DEST_PATH_IMAGE019
为第j个性能参数的超差时间，
Figure 280593DEST_PATH_IMAGE020
，M为性 能参数的个数。
对于有备份模型，产品的失效时间为：
Figure 779708DEST_PATH_IMAGE021
对于混合模型，产品的失效时间结合多个性能参数实际关联情况，具体分析。如性能参数1和2之间、性能参数3和4之间为有备份模型，剩余均为无备份模型，则其表达式为：
Figure 282364DEST_PATH_IMAGE023
获取产品的失效时间以后，根据产品的失效时间计算加速应力下产品的平均失效前时间，具体计算公式为：
Figure 728389DEST_PATH_IMAGE025
式中：T为产品的失效时间，
Figure 390315DEST_PATH_IMAGE026
为加速应力下第p个产品的失效时间，
Figure 935696DEST_PATH_IMAGE027
，Q为加速应力下待评估产品的总个数。
获取加速应力下产品的平均失效前时间以后，计算正常应力下产品的平均失效前 时间
Figure 50283DEST_PATH_IMAGE028
为：
Figure 299999DEST_PATH_IMAGE029
式中：
Figure 691797DEST_PATH_IMAGE028
为加速应力下产品的平均失效前时间，A为加速应力下产品的加速 因子。
上述基于加速退化试验的产品平均失效前时间评估方法中，通过对各性能参数分别构建最优单个性能参数退化模型，并通过多个性能参数融合模型获取待评估产品的失效时间，最后基于待评估产品的失效时间实现对待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间的获取，提高了对产品的平均失效前时间的评估精度。
在一个实施例中，所述基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型包括：
获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；
基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
具体地，获取不少于一组性能参数和性能参数对应的试验时间作为单个性能参数退化模型的拟合数据，在每组试验时间均对应有测试获取的性能参数。基于拟合数据与预设的模型库中的模型表达式，对拟合数据进行拟合，获取各性能参数的最优单个性能参数退化模型；如表1所示为一个实施例中预设的模型库，模型库中包含不少于一种预设的模型表达式，模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
表1
Figure 532714DEST_PATH_IMAGE031
本实施例中，通过获取不少于一组性能参数和性能参数对应的试验时间作为单个性能参数退化模型的拟合数据，并基于拟合数据与预设的模型库中的模型表达式分别进行拟合，实现了对各性能参数的最优单个性能参数退化模型的获取，提高了获取的拟合参数的精度，提高了对单个性能参数的超差时间获取的精度。
在一个实施例中，所述基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型包括：
将所述拟合数据按照所述预设的模型库中的模型表达式分别进行拟合处理，获取各模型表达式对应的拟合参数；
基于各模型表达式对应的拟合参数，获取各模型表达式的相关系数；
基于各模型表达式的相关系数，获取各性能参数的最优单个性能参数退化模型。
具体地，获取各性能参数的最优单个性能参数退化模型时，首先将拟合数据按照预设的模型库中的模型表达式分别进行拟合处理，获取各模型表达式对应的拟合参数，基于各模型表达式对应的拟合参数，获取各模型表达式的相关系数，基于各模型表达式的相关系数，获取各性能参数的最优单个性能参数退化模型。其中，采用线性相关系数对单个性能参数退化模型进行检验与优选时，
相关系数r如果满足
Figure 508498DEST_PATH_IMAGE032
，则模型通过检验；相关系数r如果满足
Figure 93063DEST_PATH_IMAGE033
，则 模型不通过检验。相关系数越接近1，则模型越优，α为置信度。
对于模型表达式为
Figure 339368DEST_PATH_IMAGE001
，相关系数r表达式如下：
Figure 351186DEST_PATH_IMAGE034
通过对比分析各个模型的相关系数，进行模型检验与优选，从而确定最优单个性能参数退化模型。
本实施例中，通过获取各模型表达式的相关系数，并基于各模型表达式的相关系数获取各性能参数的最优单个性能参数退化模型，实现了对各性能参数的最优单个性能参数退化模型的获取，提高了获取的拟合参数的精度，提高了对单个性能参数的超差时间获取的精度。
在一个实施例中，所述基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间包括：
获取各性能参数的最优单个性能参数退化模型的拟合参数；
基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的性能参数失效阈值，获取各性能参数对应的单个性能参数的超差时间。
具体地，计算单个性能参数的超差时间时，获取各性能参数的最优单个性能参数 退化模型的拟合参数，基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的 性能参数失效阈值，获取各性能参数对应的单个性能参数的超差时间；例如，对于最优单个 性能参数退化模型为
Figure 50152DEST_PATH_IMAGE001
，则其单个性能参数的超差时间X为：
Figure 907249DEST_PATH_IMAGE017
。
本实施例中，基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的性能参数失效阈值，实现了对各性能参数对应的单个性能参数的超差时间的获取，提高了对超差时间的获取精度。
在一个实施例中，所述基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间包括：
基于所述待评估产品的各性能参数获取所述待评估产品的多个性能参数融合模型；所述待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型；
基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间；
测试获取多个待评估产品的失效时间，基于多个待评估产品的失效时间，获取待评估产品在加速应力下产品的平均失效前时间；
计算待评估产品在加速应力下产品的平均失效前时间和预设的加速因子的乘积，获取待评估产品在正常应力下产品的平均失效前时间。
具体地，基于待评估产品的各性能参数获取待评估产品的多个性能参数融合模型，待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型，对于无备份模型，待评估产品的多个性能参数中任一性能参数超差都导致产品失效；对于有备份模型，待评估产品的多个性能参数中只有所有性能参数都超差，产品才失效；对于混合模型，待评估产品的多个性能参数中无备份模型和有备份模型同时存在。
基于待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间，对于无备份模型，产品的失效时间为：
Figure 132694DEST_PATH_IMAGE018
式中：T为产品的失效时间，
Figure 190780DEST_PATH_IMAGE019
为第j个性能参数的超差时间，
Figure 767255DEST_PATH_IMAGE020
，M为 性能参数的个数。
对于有备份模型，产品的失效时间为：
Figure 162464DEST_PATH_IMAGE021
对于混合模型，产品的失效时间结合多个性能参数实际关联情况，具体分析。如性能参数1和2之间、性能参数3和4之间为有备份模型，剩余均为无备份模型，则其表达式为：
Figure 619247DEST_PATH_IMAGE035
获取产品的失效时间以后，根据产品的失效时间计算加速应力下产品的平均失效前时间，具体计算公式为：
Figure 238447DEST_PATH_IMAGE024
式中：T为产品的失效时间，
Figure 912005DEST_PATH_IMAGE026
为加速应力下第p个产品的失效时间，
Figure 376484DEST_PATH_IMAGE027
，Q为加速应力下待评估产品的总个数。
获取加速应力下产品的平均失效前时间以后，计算正常应力下产品的平均失效前 时间
Figure 451888DEST_PATH_IMAGE028
为：
Figure 710831DEST_PATH_IMAGE029
式中：
Figure 730739DEST_PATH_IMAGE028
为加速应力下产品的平均失效前时间，A为加速应力下产品的加速 因子。
本实施例中，通过基于待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间，并基于待评估产品的失效时间获取待评估产品在加速应力下产品的平均失效前时间和待评估产品在正常应力下产品的平均失效前时间，能对单个性能参数的产品进行可靠性评价，也能对具有众多性能参数的产品（性能参数个数为十几个甚至几十个的产品）进行可靠性评价，且本实施例的评价过程简便、精度更高，适用范围更广。
在一个实施例中，所述基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间包括：
若所述待评估产品的多个性能参数融合模型是无备份模型，获取各性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间；
若所述待评估产品的多个性能参数融合模型是有备份模型，获取各性能参数对应的单个性能参数的超差时间中最长的超差时间作为待评估产品的失效时间；
若所述待评估产品的多个性能参数融合模型是混合模型，获取所述混合模型中无备份模型中最短的超差时间、有备份模型中最长的超差时间和剩余性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间。
具体地，基于待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间时，若待评估产品的多个性能参数融合模型是无备份模型，获取各性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间，即对于无备份模型，产品的失效时间为：
Figure 139855DEST_PATH_IMAGE018
式中：T为产品的失效时间，
Figure 663240DEST_PATH_IMAGE019
为第j个性能参数的超差时间，
Figure 358664DEST_PATH_IMAGE020
，M为性 能参数的个数。
若待评估产品的多个性能参数融合模型是有备份模型，获取各性能参数对应的单个性能参数的超差时间中最长的超差时间作为待评估产品的失效时间，即对于有备份模型，产品的失效时间为：
Figure 505349DEST_PATH_IMAGE021
若待评估产品的多个性能参数融合模型是混合模型，获取混合模型中无备份模型中最短的超差时间、有备份模型中最长的超差时间和剩余性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间，即对于混合模型，产品的失效时间结合多个性能参数实际关联情况，具体分析。如性能参数1和2之间、性能参数3和4之间为有备份模型，剩余均为无备份模型，则其表达式为：
Figure 46052DEST_PATH_IMAGE022
该混合模型的产品失效时间为性能参数1和2之中超差时间的最大值，和性能参数3和4之中超差时间的最大值，以及剩余性能参数的超差时间之中的最大值。
本实施例中，针对不同待评估产品的多个性能参数融合模型按照不同的计算方法计算待评估产品的产品失效时间，提高了对于待评估产品的失效时间的计算精度。
以下为一个具体实施例，某待评估产品的测试样本共计5个在90℃高温下开展加速退化试验，间隔100h对所有样品的22个性能参数开展测试，表2为5份样品中的样品1加速退化试验数据。
表2
Figure 361627DEST_PATH_IMAGE037
图3为一个实施例中获取产品的平均失效前时间步骤的流程示意图，如图3所示，对各个性能参数退化模型开展参数估计、模型检验和模型优选，评估各个性能参数的超差时间，得到如下表3所示的样品1性能参数退化模型分析结果。
表3
Figure 493531DEST_PATH_IMAGE039
建立该产品的多个性能参数融合模型，并对模型开展分析，评估产品性能参数超差时间。该产品的多个性能参数融合模型为无备份模型，即产品多个性能参数中，任一性能参数超差都导致产品失效。因此，样品1的失效时间为：
Figure 363398DEST_PATH_IMAGE040
同理可以获取其他样品的失效时间，加速应力条件下其他样品的失效寿命如表4所示：
表4
Figure 238950DEST_PATH_IMAGE042
则加速应力下产品的平均失效前时间为：
Figure 674611DEST_PATH_IMAGE043
由于该产品在90℃高温加速应力下的加速因子为10，因此，正常应力下产品的平均失效前时间为：
Figure 76949DEST_PATH_IMAGE044
产品实际使用的平均失效前时间为9250h，本实施例中的评估结果与实际值误差仅为2.064%，误差很小。
本实施例提出的基于加速退化试验的产品平均失效前时间评估方法在对单个性能参数退化模型分析时，考虑了单个性能参数可能符合的多种模型，并对模型进行分析、检验及优选，评估精度更高。该方法提出了产品的多个性能参数融合模型，模型简洁易懂，不仅能对单个性能参数的产品进行可靠性评价，也能对具有众多性能参数的产品进行可靠性评价，适用范围更广。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于加速退化试验的产品平均失效前时间评估方法的基于加速退化试验的产品平均失效前时间评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于加速退化试验的产品平均失效前时间评估装置实施例中的具体限定可以参见上文中对于基于加速退化试验的产品平均失效前时间评估方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种基于加速退化试验的产品平均失效前时间评估装置，包括：退化数据获取模块401、退化模型获取模块402、超差时间获取模块403和失效时间获取模块404，其中：
退化数据获取模块401，用于获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间。
退化模型获取模块402，用于基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型。
超差时间获取模块403，用于基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间。
失效时间获取模块404，用于基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
在一个实施例中，所示退化模型获取模块402具体用于：获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
在一个实施例中，所示退化模型获取模块402还用于：将所述拟合数据按照所述预设的模型库中的模型表达式分别进行拟合处理，获取各模型表达式对应的拟合参数；基于各模型表达式对应的拟合参数，获取各模型表达式的相关系数；基于各模型表达式的相关系数，获取各性能参数的最优单个性能参数退化模型。
在一个实施例中，所示超差时间获取模块403具体用于：获取各性能参数的最优单个性能参数退化模型的拟合参数；基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的性能参数失效阈值，获取各性能参数对应的单个性能参数的超差时间。
在一个实施例中，所示失效时间获取模块404具体用于：基于所述待评估产品的各性能参数获取所述待评估产品的多个性能参数融合模型；所述待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型；基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间；测试获取多个待评估产品的失效时间，基于多个待评估产品的失效时间，获取待评估产品在加速应力下产品的平均失效前时间；计算待评估产品在加速应力下产品的平均失效前时间和预设的加速因子的乘积，获取待评估产品在正常应力下产品的平均失效前时间。
在一个实施例中，所示失效时间获取模块404还用于：若所述待评估产品的多个性能参数融合模型是无备份模型，获取各性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间；若所述待评估产品的多个性能参数融合模型是有备份模型，获取各性能参数对应的单个性能参数的超差时间中最长的超差时间作为待评估产品的失效时间；若所述待评估产品的多个性能参数融合模型是混合模型，获取所述混合模型中无备份模型中最短的超差时间、有备份模型中最长的超差时间和剩余性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间。
上述基于加速退化试验的产品平均失效前时间评估装置，通过对各性能参数分别构建最优单个性能参数退化模型，并通过多个性能参数融合模型获取待评估产品的失效时间，最后基于待评估产品的失效时间实现对待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间的获取，提高了对产品的平均失效前时间的评估精度。
上述基于加速退化试验的产品平均失效前时间评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于加速退化试验的产品平均失效前时间评估方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述拟合数据按照所述预设的模型库中的模型表达式分别进行拟合处理，获取各模型表达式对应的拟合参数；基于各模型表达式对应的拟合参数，获取各模型表达式的相关系数；基于各模型表达式的相关系数，获取各性能参数的最优单个性能参数退化模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取各性能参数的最优单个性能参数退化模型的拟合参数；基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的性能参数失效阈值，获取各性能参数对应的单个性能参数的超差时间。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于所述待评估产品的各性能参数获取所述待评估产品的多个性能参数融合模型；所述待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型；基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间；测试获取多个待评估产品的失效时间，基于多个待评估产品的失效时间，获取待评估产品在加速应力下产品的平均失效前时间；计算待评估产品在加速应力下产品的平均失效前时间和预设的加速因子的乘积，获取待评估产品在正常应力下产品的平均失效前时间。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述待评估产品的多个性能参数融合模型是无备份模型，获取各性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间；若所述待评估产品的多个性能参数融合模型是有备份模型，获取各性能参数对应的单个性能参数的超差时间中最长的超差时间作为待评估产品的失效时间；若所述待评估产品的多个性能参数融合模型是混合模型，获取所述混合模型中无备份模型中最短的超差时间、有备份模型中最长的超差时间和剩余性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间。
上述计算机设备，通过对各性能参数分别构建最优单个性能参数退化模型，并通过多个性能参数融合模型获取待评估产品的失效时间，最后基于待评估产品的失效时间实现对待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间的获取，提高了对产品的平均失效前时间的评估精度。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述拟合数据按照所述预设的模型库中的模型表达式分别进行拟合处理，获取各模型表达式对应的拟合参数；基于各模型表达式对应的拟合参数，获取各模型表达式的相关系数；基于各模型表达式的相关系数，获取各性能参数的最优单个性能参数退化模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取各性能参数的最优单个性能参数退化模型的拟合参数；基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的性能参数失效阈值，获取各性能参数对应的单个性能参数的超差时间。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于所述待评估产品的各性能参数获取所述待评估产品的多个性能参数融合模型；所述待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型；基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间；测试获取多个待评估产品的失效时间，基于多个待评估产品的失效时间，获取待评估产品在加速应力下产品的平均失效前时间；计算待评估产品在加速应力下产品的平均失效前时间和预设的加速因子的乘积，获取待评估产品在正常应力下产品的平均失效前时间。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述待评估产品的多个性能参数融合模型是无备份模型，获取各性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间；若所述待评估产品的多个性能参数融合模型是有备份模型，获取各性能参数对应的单个性能参数的超差时间中最长的超差时间作为待评估产品的失效时间；若所述待评估产品的多个性能参数融合模型是混合模型，获取所述混合模型中无备份模型中最短的超差时间、有备份模型中最长的超差时间和剩余性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间。
上述存储介质，通过对各性能参数分别构建最优单个性能参数退化模型，并通过多个性能参数融合模型获取待评估产品的失效时间，最后基于待评估产品的失效时间实现对待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间的获取，提高了对产品的平均失效前时间的评估精度。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于加速退化试验的产品平均失效前时间评估方法，其特征在于，所述方法包括：
获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
2.根据权利要求1所述的方法，其特征在于，所述基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型包括：
获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；
基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
3.根据权利要求2所述的方法，其特征在于，所述基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型包括：
将所述拟合数据按照所述预设的模型库中的模型表达式分别进行拟合处理，获取各模型表达式对应的拟合参数；
基于各模型表达式对应的拟合参数，获取各模型表达式的相关系数；
基于各模型表达式的相关系数，获取各性能参数的最优单个性能参数退化模型。
4.根据权利要求1所述的方法，其特征在于，所述基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间包括：
获取各性能参数的最优单个性能参数退化模型的拟合参数；
基于各性能参数的最优单个性能参数退化模型的拟合参数和预设的性能参数失效阈值，获取各性能参数对应的单个性能参数的超差时间。
5.根据权利要求1所述的方法，其特征在于，所述基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间包括：
基于所述待评估产品的各性能参数获取所述待评估产品的多个性能参数融合模型；所述待评估产品的多个性能参数融合模型包括无备份模型、有备份模型和混合模型；
基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间；
测试获取多个待评估产品的失效时间，基于多个待评估产品的失效时间，获取待评估产品在加速应力下产品的平均失效前时间；
计算待评估产品在加速应力下产品的平均失效前时间和预设的加速因子的乘积，获取待评估产品在正常应力下产品的平均失效前时间。
6.根据权利要求5所述的方法，其特征在于，所述基于所述待评估产品的多个性能参数融合模型和各性能参数对应的单个性能参数的超差时间，获取待评估产品的失效时间包括：
若所述待评估产品的多个性能参数融合模型是无备份模型，获取各性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间；
若所述待评估产品的多个性能参数融合模型是有备份模型，获取各性能参数对应的单个性能参数的超差时间中最长的超差时间作为待评估产品的失效时间；
若所述待评估产品的多个性能参数融合模型是混合模型，获取所述混合模型中无备份模型中最短的超差时间、有备份模型中最长的超差时间和剩余性能参数对应的单个性能参数的超差时间中最短的超差时间作为待评估产品的失效时间。
7.一种基于加速退化试验的产品平均失效前时间评估装置，其特征在于，所述装置包括：
退化数据获取模块，用于获取待评估产品的产品加速退化试验数据；所述产品加速退化试验数据包含待评估产品的所有性能参数和所有性能参数对应的试验时间；
退化模型获取模块，用于基于所述性能参数和所述性能参数对应的试验时间，获取各性能参数的最优单个性能参数退化模型；
超差时间获取模块，用于基于各性能参数的最优单个性能参数退化模型，获取各性能参数对应的单个性能参数的超差时间；
失效时间获取模块，用于基于所述待评估产品的各性能参数和各性能参数对应的单个性能参数的超差时间，获取待评估产品在加速应力下产品的平均失效前时间和正常应力下产品的平均失效前时间。
8.根据权利要求7所述的装置，其特征在于，所述退化模型获取模块包括：
数据获取子模块：用于获取不少于一组所述性能参数和所述性能参数对应的试验时间作为单个性能参数退化模型的拟合数据；
模型获取子模块：用于基于所述拟合数据与预设的模型库中的模型表达式，获取各性能参数的最优单个性能参数退化模型；所述模型库中包含不少于一种预设的模型表达式，所述模型表达式中的参数包含性能参数、性能参数对应的试验时间和拟合参数。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111558561.XA 2021-12-20 2021-12-20 基于加速退化试验的产品平均失效前时间评估方法和装置 Active CN113946986B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111558561.XA CN113946986B (zh) 2021-12-20 2021-12-20 基于加速退化试验的产品平均失效前时间评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111558561.XA CN113946986B (zh) 2021-12-20 2021-12-20 基于加速退化试验的产品平均失效前时间评估方法和装置

Publications (2)

Publication Number Publication Date
CN113946986A true CN113946986A (zh) 2022-01-18
CN113946986B CN113946986B (zh) 2022-04-19

Family

ID=79339340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111558561.XA Active CN113946986B (zh) 2021-12-20 2021-12-20 基于加速退化试验的产品平均失效前时间评估方法和装置

Country Status (1)

Country Link
CN (1) CN113946986B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114357812A (zh) * 2022-03-21 2022-04-15 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）） 产品可靠性试验方法、装置、计算机设备和存储介质
CN115308558A (zh) * 2022-08-29 2022-11-08 北京智芯微电子科技有限公司 Cmos器件寿命预测方法、装置、电子设备及介质
CN116108697A (zh) * 2023-04-04 2023-05-12 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）） 基于多元性能退化的加速试验数据处理方法、装置和设备
CN116228045A (zh) * 2023-05-09 2023-06-06 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）） 基于性能退化的产品可靠性薄弱环节评估方法和装置

Citations (8)

* 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
CN104181457A (zh) * 2014-08-15 2014-12-03 中国电子科技集团公司第二十四研究所 一种半导体器件温湿度复合应力加速模型优选方法
CN108399271A (zh) * 2017-12-18 2018-08-14 广东科鉴检测工程技术有限公司 仪器电控设备加速退化试验方法和系统
CN109145331A (zh) * 2017-06-27 2019-01-04 中车株洲电力机车研究所有限公司 基于硬件白盒测试的电子类产品性能评估方法及装置
CN112651119A (zh) * 2020-12-21 2021-04-13 北京航空航天大学 一种空间谐波减速器多性能参数加速退化试验评估方法
CN113032998A (zh) * 2021-03-26 2021-06-25 北京中关村水木医疗科技有限公司 医疗器械寿命评估方法和装置
CN113094923A (zh) * 2021-04-22 2021-07-09 哈尔滨工业大学 考虑多源不确定性的多参数相关退化产品可靠性评估方法
CN113312755A (zh) * 2021-05-10 2021-08-27 南京理工大学 一种弹用弹簧多元参数相关加速退化试验方法

Patent Citations (8)

* 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
CN104181457A (zh) * 2014-08-15 2014-12-03 中国电子科技集团公司第二十四研究所 一种半导体器件温湿度复合应力加速模型优选方法
CN109145331A (zh) * 2017-06-27 2019-01-04 中车株洲电力机车研究所有限公司 基于硬件白盒测试的电子类产品性能评估方法及装置
CN108399271A (zh) * 2017-12-18 2018-08-14 广东科鉴检测工程技术有限公司 仪器电控设备加速退化试验方法和系统
CN112651119A (zh) * 2020-12-21 2021-04-13 北京航空航天大学 一种空间谐波减速器多性能参数加速退化试验评估方法
CN113032998A (zh) * 2021-03-26 2021-06-25 北京中关村水木医疗科技有限公司 医疗器械寿命评估方法和装置
CN113094923A (zh) * 2021-04-22 2021-07-09 哈尔滨工业大学 考虑多源不确定性的多参数相关退化产品可靠性评估方法
CN113312755A (zh) * 2021-05-10 2021-08-27 南京理工大学 一种弹用弹簧多元参数相关加速退化试验方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
刘虹豆等: "基于加速退化试验多性能参数相关性失效的可靠性评估模型", 《绵阳师范学院学报》 *
李伟等: "基于Copula函数的多性能参数雷达电路板可靠性评估", 《仪表技术与传感器》 *
潘宇雄等: "基于核路径分类与估计模型的贮存寿命预测", 《控制与信息技术》 *
潘广泽等: "基于维纳过程和蒙特卡洛法的多元性能退化产品可靠性评估", 《环境技术》 *
潘骏等: "基于多元性能参数的加速退化试验方案优化设计研究", 《机械工程学报》 *
王浩伟等: "融合加速退化和现场实测退化数据的剩余寿命预测方法", 《航空学报》 *
葛蒸蒸等: "多元加速退化数据评估弹上产品贮存可靠性", 《现代防御技术》 *
魏高乐等: "基于多应力综合加速模型的产品可靠性评估方法", 《科学技术与工程》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114357812A (zh) * 2022-03-21 2022-04-15 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）） 产品可靠性试验方法、装置、计算机设备和存储介质
CN115308558A (zh) * 2022-08-29 2022-11-08 北京智芯微电子科技有限公司 Cmos器件寿命预测方法、装置、电子设备及介质
CN115308558B (zh) * 2022-08-29 2023-06-02 北京智芯微电子科技有限公司 Cmos器件寿命预测方法、装置、电子设备及介质
CN116108697A (zh) * 2023-04-04 2023-05-12 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）） 基于多元性能退化的加速试验数据处理方法、装置和设备
CN116108697B (zh) * 2023-04-04 2023-08-04 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）） 基于多元性能退化的加速试验数据处理方法、装置和设备
CN116228045A (zh) * 2023-05-09 2023-06-06 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）） 基于性能退化的产品可靠性薄弱环节评估方法和装置
CN116228045B (zh) * 2023-05-09 2023-09-01 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）） 基于性能退化的产品可靠性薄弱环节评估方法和装置

Also Published As

Publication number Publication date
CN113946986B (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN113946986B (zh) 基于加速退化试验的产品平均失效前时间评估方法和装置
CN114357812B (zh) 产品可靠性试验方法、装置、计算机设备和存储介质
CN115841046B (zh) 基于维纳过程的加速退化试验数据处理方法和装置
CN115795920B (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
CN116227240B (zh) 基于综合应力加速试验的产品寿命评价方法、装置及设备
CN115809569B (zh) 基于耦合竞争失效模型的可靠性评价方法和装置
CN113887845A (zh) 极端事件预测方法、装置、设备、介质和计算机程序产品
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
CN113946983A (zh) 产品可靠性薄弱环节评估方法、装置和计算机设备
Beutner et al. Nonparametric meta‐analysis for minimal‐repair systems
CN114691506A (zh) 压力测试方法、装置、设备、介质和程序产品
CN115795928B (zh) 基于伽马过程的加速退化试验数据处理方法和装置
CN116108697B (zh) 基于多元性能退化的加速试验数据处理方法、装置和设备
CN117170915A (zh) 数据中心设备故障预测方法、装置和计算机设备
CN116015932A (zh) 入侵检测网络模型生成方法以及数据流量入侵检测方法
CN115935761A (zh) 设备的可靠性仿真方法、装置、计算机设备和存储介质
CN114529136A (zh) 基于主成分分析和Topsis的电子部组件评价方法和装置
CN112488528A (zh) 数据集的处理方法、装置、设备和存储介质
CN116127785B (zh) 基于多元性能退化的可靠性评价方法、装置和设备
CN116087702A (zh) 电连接器的寿命评估方法、装置、设备和存储介质
CN113127804B (zh) 确定车辆故障次数的方法、装置、计算机设备和存储介质
CN114490361A (zh) 测试脚本质量获取方法、装置、计算机设备和存储介质
CN116860492A (zh) 接口异常检测方法、装置、计算机设备和存储介质
CN115578114A (zh) 对象交互预测方法、装置、计算机设备和存储介质
CN117056307A (zh) 数据库管理方法、装置、设备、存储介质和程序产品

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