CN114818348B - 考虑多应力耦合作用对产品退化影响的可靠性评估方法 - Google Patents
考虑多应力耦合作用对产品退化影响的可靠性评估方法 Download PDFInfo
- Publication number
- CN114818348B CN114818348B CN202210488437.9A CN202210488437A CN114818348B CN 114818348 B CN114818348 B CN 114818348B CN 202210488437 A CN202210488437 A CN 202210488437A CN 114818348 B CN114818348 B CN 114818348B
- Authority
- CN
- China
- Prior art keywords
- degradation
- stress
- product
- function
- coupling
- 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
Links
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 134
- 230000015556 catabolic process Effects 0.000 title claims abstract description 113
- 230000001808 coupling effect Effects 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 230000008878 coupling Effects 0.000 claims abstract description 39
- 238000010168 coupling process Methods 0.000 claims abstract description 39
- 238000005859 coupling reaction Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000005315 distribution function Methods 0.000 claims abstract description 14
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 10
- 230000035882 stress Effects 0.000 claims description 51
- 238000012360 testing method Methods 0.000 claims description 31
- 230000001133 acceleration Effects 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000032683 aging Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 230000005653 Brownian motion process Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000005537 brownian motion Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 abstract description 2
- 239000003990 capacitor Substances 0.000 description 17
- 239000010408 film Substances 0.000 description 11
- 239000010409 thin film Substances 0.000 description 6
- 238000012512 characterization method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
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
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种考虑多应力耦合作用对产品退化影响的可靠性评估方法,所述方法如下:一:建立考虑产品退化速率‑退化波动相关性的性能参数退化模型;二:建立多应力耦合作用对产品退化速率的定量影响关系;三:建立考虑多应力耦合作用对产品退化速率‑退化波动联合影响的加速退化模型;四:推导产品在多应力耦合作用下的失效分布函数和可靠度函数;五:利用极大似然估计,实现耦合作用函数的自适应辨识与未知参数估计;六:将优化得到的最优耦合作用函数与未知参数估计值代入失效分布函数和可靠度函数,实现产品在多应力耦合作用下的可靠性评估。该方法解决了产品可靠性评估过程中多应力耦合作用及其对退化过程的影响无法准确量化描述的问题。
Description
技术领域
本发明属于产品性能退化与可靠性分析技术领域,涉及一种产品可靠性评估方法,具体涉及一种考虑多应力耦合作用对产品退化影响的可靠性评估方法。
背景技术
产品的可靠性评估是指通过试验等手段分析其在规定时间内能够完成规定功能的概率,是保障系统安全性、制定最优维修策略以及全面实现装备健康管理的重要前提。加速退化试验在保证产品失效机理不变的前提下,通过增大试验应力,缩短试验周期,可以获取产品丰富的性能参数退化数据。通过对这些退化数据进行准确的加速退化建模是实现产品可靠性评估的核心所在。在工程实际中,大多数产品服役于多应力综合作用下,如温度、湿度、电应力、机械应力等。一般而言,各应力对产品性能退化的影响并非独立,且具有明显的耦合作用。
当前对多应力加速退化建模的相关研究中大多认为各应力对产品退化的影响相互独立,尚未考虑多应力之间的耦合作用,这将导致建模精度不高,进而影响可靠性评估的准确性。另一方面,受到产品服役过程中各类不确定因素的影响,其退化轨迹会出现一定的波动性,这种波动性往往随着产品退化速率的增大而愈发明显,表现为一定的相关性。当前研究大多认为加速应力变量仅仅影响产品的退化速率,忽略了产品退化速率与退化波动之间的相关性,进而降低了加速退化建模的精度,为可靠性评估结果带来偏差。
发明内容
为了解决现有的产品可靠性评估方法中尚未考虑多应力耦合作用及其对产品退化速率-退化波动的联合影响,进而导致可靠性评估结果不准确的问题,本发明提供了一种考虑多应力耦合作用对产品退化影响的可靠性评估方法。该方法量化表征了多加速应力之间的耦合作用及其对产品退化速率-退化波动的联合影响,实现了产品在多应力耦合作用下的可靠性准确评估。
本发明的目的是通过以下技术方案实现的:
一种考虑多应力耦合作用对产品退化影响的可靠性评估方法,包括如下步骤:
步骤一:建立考虑产品退化速率-退化波动相关性的性能参数退化模型:
式中,X(t,S)表示产品在多应力集合S={S1,S2,...,Sk,...,SN}耦合作用下t时刻的性能参数退化量,由退化趋势项μ(S)t和退化波动项组成;Sk表示第k个加速应力;N为加速应力总数量;μ(S)表示在多应力耦合作用下产品的退化速率;ξ为表征产品退化速率-退化波动相关性的系数;B(t)为标准布朗运动;
步骤二:建立多应力耦合作用对产品退化速率的定量影响关系:
式中,λ,β1,...,βk,γ1,...,γk为待估参数;hk(Sk,βk)表示第k个加速应力Sk单独作用时,对产品退化速率的影响;gk((S\{Sk}),γk)表示多应力集合S中除Sk外其他加速应力S\{Sk}对Sk老化规律的影响,即为耦合作用项;gk(·)表示耦合作用函数,其最优表征形式可由步骤五的极大似然估计过程自适应优化获得;
步骤三:根据步骤一和步骤二,建立考虑多应力耦合作用对产品退化速率-退化波动联合影响的加速退化模型:
步骤四:依据步骤三建立的加速退化模型,推导得到产品在多应力耦合作用下的失效分布函数和可靠度函数:
R(t,S)=1-F(t,S);
式中,F(t,S)表示产品在多应力耦合作用下的失效分布函数;Φ(·)表示标准正态分布;R(t,S)表示产品在多应力耦合作用下的可靠度函数;D表示失效阈值;
步骤五:基于步骤三建立的加速退化模型,构建产品退化增量的对数似然函数lnL(Θ|ΔX,S):
式中,lnL(Θ|ΔX,S)表示产品退化增量的对数似然函数;L、n、m分别表示多应力加速试验中应力组合数、样本数以及测试次数;Δtijl=tijl-ti(j-1)l表示在第l组加速试验中,第i个样本的第j次测试与第j-1次测试的时间间隔;ΔXijl表示在该测试间隔内的退化增量;
利用极大似然估计,借助群智能优化算法,以对数似然函数lnL(Θ|ΔX,S)最大为目标函数,通过遍历各加速应力在gk((S\{Sk}),γk)中的耦合函数形式,实现耦合作用函数gk(·)的自适应辨识与未知参数Θ={λ,γ1,...,γN,β1,...,βN,ξ}估计;
相比于现有技术,本发明具有如下优点:
1、本发明建立了多应力耦合作用对产品退化速率的定量影响关系,其最优函数形式可由极大似然估计过程自适应优化获得,解决了产品可靠性评估过程中多应力耦合作用无法准确量化描述的问题,同时增强了该模型与各类加速退化试验数据匹配的灵活性和适用性;
2、本发明通过引入产品退化速率与退化波动之间的相关性,定量建立了多应力耦合作用对产品退化速率-退化波动的联合影响关系,显著提升了产品可靠性评估精度,为服役于多应力综合作用下产品的运行维护与健康管理奠定基础。
附图说明
图1是考虑多应力耦合作用对产品退化影响的可靠性评估方法的流程图。
图2是应力耦合作用函数自适应优化及参数估计流程。
图3是某型号薄膜电容器在不同应力下的容值退化轨迹。
图4是分别基于本发明所述方法、忽略多应力耦合作用、忽略退化速率-退化波动相关性的情况下得到的某型号薄膜电容器的可靠性评估结果。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明,但并不局限于此,凡是对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的保护范围中。
本发明提供了一种考虑多应力耦合作用对产品退化影响的可靠性评估方法,所述方法首先建立了考虑产品退化速率-退化波动相关性的性能参数退化模型;之后,建立了多应力耦合作用对产品退化速率的定量函数关系;然后,基于上述函数关系和退化速率-波动相关性,得到考虑多应力耦合作用对产品退化速率-退化波动联合影响的加速退化模型;在此基础上,推导得到产品失效分布函数及可靠度函数;最后,基于产品多应力加速退化试验数据,利用极大似然估计,实现可靠度函数中各耦合函数形式的自适应优化与未知参数估计,完成多应力耦合作用下产品可靠性评估。如图1所示,具体步骤如下:
步骤一:建立考虑产品退化速率-退化波动相关性的性能参数退化模型,如式(1)所示:
式中,X(t,S)表示产品在多应力集合S={S1,S2,...,Sk,...,SN}耦合作用下t时刻的性能参数退化量,由退化趋势项μ(S)t和退化波动项组成;Sk表示第k个加速应力;N为加速应力总数量;μ(S)表示在多应力耦合作用下产品的退化速率;ξ为表征产品退化速率-退化波动相关性的系数;B(t)为标准布朗运动。
步骤二:建立多应力耦合作用对产品退化速率的定量影响关系,如式(2)所示:
式中,λ,β1,...,βk,γ1,...,γk为待估参数;hk(Sk,βk)表示第k个加速应力Sk单独作用时,对产品退化速率的影响,其具体函数形式hk(·)可物理老化规律确定;gk((S\{Sk}),γk)表示多应力集合S中除Sk外其他加速应力S\{Sk}对Sk老化规律的影响,即为耦合作用项;gk(·)表示耦合作用函数,其具体形式可用指数模型或幂律模型表征,如式(3)所示:
根据不同的加速退化试验数据,gk(·)的最优表征形式可由步骤五的极大似然估计过程自适应优化获得。
在工程实际中,常见的不同加速应力对应的物理老化规律如表1所示。
表1常见加速应力对应的物理老化规律
步骤三:将式(2)代入式(1),建立考虑多应力耦合作用对产品退化速率-退化波动联合影响的加速退化模型,如式(4)所示:
该模型可以定量描述产品在不同应力耦合作用下,性能参数随时间的变化过程。
步骤四:依据式(4)的加速退化模型,推导得到产品在多应力耦合作用下的失效分布函数和可靠度函数。
结合产品实际的工程需求,确定失效阈值D,可得产品失效分布函数为:
式中,F(t,S)表示产品在多应力耦合作用下的失效分布函数;Φ(·)表示标准正态分布;则产品的可靠度函数可表示为:
R(t,S)=1-F(t,S) (6);
式中,R(t,S)表示产品在多应力耦合作用下的可靠度函数。
步骤五:基于式(4)的多应力加速退化模型,构建产品退化增量的对数似然函数,如式(7)所示:
式中,lnL(Θ|ΔX,S)表示产品退化增量的对数似然函数;L、n、m分别表示多应力加速试验中应力组合数、样本数以及测试次数;Δtijl=tijl-ti(j-1)l表示在第l组加速试验中,第i个样本的第j次测试与第j-1次测试的时间间隔;ΔXijl表示在该测试间隔内的退化增量。
图2是应力耦合作用函数自适应优化及参数估计流程,如图2所示,在获取产品多应力加速退化试验数据和式(7)所示的对数似然函数lnL(Θ|ΔX,S)后,初始化各加速应力的耦合作用函数及模型参数,计算对数似然函数值。借助群智能优化算法,迭代各加速应力的耦合作用函数形式及模型参数,更新对数似然函数值,直至对数似然函数lnL(Θ|ΔX,S)达到最大时,输出最优的耦合作用函数形式gk(·)及相应的模型参数Θ={λ,γ1,...,γN,β1,...,βN,ξ}。
实施例:
实施例以某型号薄膜电容器多应力加速退化试验数据为例,完成考虑多应力耦合作用对薄膜电容器退化速率-退化波动联合影响的可靠性评估,具体步骤如下:
步骤一:明确某型号薄膜电容器多应力加速退化试验中所施加的加速应力数量及类型S={S1,S2,S3},S1表示温度应力,S2表示电压应力,S3表示振动应力。
步骤二:建立考虑薄膜电容器退化速率-退化波动相关性的性能参数退化模型,如式(1)所示。
步骤三:建立温度、电压和振动应力耦合作用对薄膜电容器退化速率影响的定量关系,如式(2)所示。根据温度应力、电压应力和振动应力单独作用时薄膜电容器的物理老化规律,确定hk(·)的具体形式如式(8)所示:
耦合作用函数gk((S\{Sk}),γk)可进一步表示为式(9):
其具体形式可用指数模型或幂律模型表征。基于式(3),g1(·),g2(·),g3(·)的所有可能组合方式如表2所示。根据不同的试验数据,g1(·),g2(·),g3(·)的最优函数形式可由步骤五的极大似然估计过程自适应优化获得。
表2各应力耦合作用函数的所有可能组合形式
步骤四:将式(2)代入式(1),建立考虑多应力耦合作用对薄膜电容器退化速率-退化波动联合影响的加速退化模型,如式(4)所示。该模型可以定量描述薄膜电容器在不同应力耦合作用下,性能参数随时间的变化过程。
步骤五:依据式(4)的加速退化模型,推导得到产品在多应力耦合作用下的失效分布函数和可靠度函数。结合薄膜电容器实际的工程需求,确定失效阈值D,可得产品失效分布函数如式(5)所示,可靠度函数如式(6)所示。
步骤五:某型号薄膜电容器多应力加速退化试验的应力组合方案如表3所示,每个应力组合下投放10只样本,试验时长为42天(1008小时),每隔3天(72小时)测试一次薄膜电容器的容值,其退化轨迹如图3所示。基于上述薄膜电容器的退化数据,利用极大似然估计,结合图2所示的流程,可以自适应获得各耦合函数最优表征形式以及参数估计结果如表4所示。
表3某型号薄膜电容器多应力加速退化试验方案
表4各耦合函数最优表征形式以及可靠度函数参数估计结果
步骤六:将各耦合函数最优表征形式以及可靠度函数参数估计结果代入式(5)和式(6),即可实现产品在多应力耦合作用下的可靠性准确评估。
在给定温度353K,电压300V,振动应力12Grms时,分别基于本发明所提方法、忽略多应力耦合作用、忽略退化速率-退化波动相关性方法所得到的薄膜电容器可靠度曲线如图4所示。通过对比分析可知,基于本发明所提的考虑多应力耦合作用对产品退化速率-退化波动联合影响的可靠性评估方法所得结果与薄膜电容器的真实可靠度曲线最为接近,具有最高的评估精度,充分说明了本发明所述方法的创新性与优越性。
Claims (1)
1.一种考虑多应力耦合作用对产品退化影响的可靠性评估方法,其特征在于所述方法包括如下步骤:
步骤一:建立考虑产品退化速率-退化波动相关性的性能参数退化模型:
式中,X(t,S)表示产品在多应力集合S={S1,S2,...,Sk,...,SN}耦合作用下t时刻的性能参数退化量,由退化趋势项μ(S)t和退化波动项组成;Sk表示第k个加速应力;N为加速应力总数量;μ(S)表示在多应力耦合作用下产品的退化速率;ξ为表征产品退化速率-退化波动相关性的系数;B(t)为标准布朗运动;
步骤二:建立多应力耦合作用对产品退化速率的定量影响关系:
式中,λ,β1,...,βk,γ1,...,γk为多应力耦合作用下产品退化速率μ(S)的待估参数;hk(Sk,βk)表示第k个加速应力Sk单独作用时,对产品退化速率的影响;gk((S\{Sk}),γk)表示多应力集合S中除Sk外其他加速应力S\{Sk}对Sk老化规律的影响,即为耦合作用项;gk(·)表示耦合作用函数,其最优表征形式由步骤五的极大似然估计过程自适应优化获得;
步骤三:根据步骤一和步骤二,建立考虑多应力耦合作用对产品退化速率-退化波动联合影响的加速退化模型:
步骤四:依据步骤三建立的加速退化模型,推导得到产品在多应力耦合作用下的失效分布函数和可靠度函数:
R(t,S)=1-F(t,S);
式中,F(t,S)表示产品在多应力耦合作用下的失效分布函数;Φ(·)表示标准正态分布;R(t,S)表示产品在多应力耦合作用下的可靠度函数;D表示失效阈值;
式中,lnL(Θ|ΔX,S)表示产品退化增量的对数似然函数;L、n、m分别表示多应力加速试验中应力组合数、样本数以及测试次数;Δtijl=tijl-ti(j-1)l表示在第l组加速试验中,第i个样本的第j次测试与第j-1次测试的时间间隔;ΔXijl表示在测试的时间间隔内的退化增量;
利用极大似然估计,借助群智能优化算法,以对数似然函数lnL(Θ|ΔX,S)最大为目标函数,通过遍历各加速应力在gk((S\{Sk}),γk)中的耦合函数形式,实现耦合作用函数gk(·)的自适应辨识与未知参数Θ={λ,γ1,...,γN,β1,...,βN,ξ}估计;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210488437.9A CN114818348B (zh) | 2022-05-06 | 2022-05-06 | 考虑多应力耦合作用对产品退化影响的可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210488437.9A CN114818348B (zh) | 2022-05-06 | 2022-05-06 | 考虑多应力耦合作用对产品退化影响的可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114818348A CN114818348A (zh) | 2022-07-29 |
CN114818348B true CN114818348B (zh) | 2022-10-11 |
Family
ID=82511053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210488437.9A Active CN114818348B (zh) | 2022-05-06 | 2022-05-06 | 考虑多应力耦合作用对产品退化影响的可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114818348B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809569B (zh) * | 2023-02-01 | 2023-06-20 | 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)) | 基于耦合竞争失效模型的可靠性评价方法和装置 |
CN116227240B (zh) * | 2023-05-08 | 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)) | 基于综合应力加速试验的产品寿命评价方法、装置及设备 |
CN117390767B (zh) * | 2023-10-19 | 2024-04-19 | 中国民航大学 | 航空机载电子设备可靠性评估方法、装置及系统和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795887A (zh) * | 2019-10-28 | 2020-02-14 | 中国人民解放军国防科技大学 | 多应力加速寿命试验分析方法和装置 |
CN111104756A (zh) * | 2020-01-06 | 2020-05-05 | 西安交通大学 | 基于任务剖面与老化分析的金属化膜电容器寿命预测方法 |
CN112069697A (zh) * | 2020-09-23 | 2020-12-11 | 中国人民解放军国防科技大学 | 多应力多失效模式相依竞争条件下加速退化试验统计分析方法 |
CN112926144A (zh) * | 2021-01-22 | 2021-06-08 | 北京航空航天大学 | 一种多应力加速寿命试验耦合效应分析及寿命预测方法 |
CN112949209A (zh) * | 2021-03-26 | 2021-06-11 | 北京航空航天大学 | 一种退化速率-波动联合更新的弹用密封橡胶贮存寿命评估方法 |
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 |
Family Cites Families (3)
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 |
US11281820B2 (en) * | 2019-04-02 | 2022-03-22 | Desktop Metal, Inc. | Systems and methods for growth-based design |
US11537768B2 (en) * | 2020-03-16 | 2022-12-27 | Nanya Technology Corporation | Method for aging simulation model establishment |
-
2022
- 2022-05-06 CN CN202210488437.9A patent/CN114818348B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795887A (zh) * | 2019-10-28 | 2020-02-14 | 中国人民解放军国防科技大学 | 多应力加速寿命试验分析方法和装置 |
CN111104756A (zh) * | 2020-01-06 | 2020-05-05 | 西安交通大学 | 基于任务剖面与老化分析的金属化膜电容器寿命预测方法 |
CN112069697A (zh) * | 2020-09-23 | 2020-12-11 | 中国人民解放军国防科技大学 | 多应力多失效模式相依竞争条件下加速退化试验统计分析方法 |
CN112926144A (zh) * | 2021-01-22 | 2021-06-08 | 北京航空航天大学 | 一种多应力加速寿命试验耦合效应分析及寿命预测方法 |
CN112949209A (zh) * | 2021-03-26 | 2021-06-11 | 北京航空航天大学 | 一种退化速率-波动联合更新的弹用密封橡胶贮存寿命评估方法 |
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 |
Non-Patent Citations (2)
Title |
---|
基于多元性能加速退化的航天器DC/DC电源寿命评估方法研究;王浩等;《航天器环境工程》;20170815(第04期);第101-107页 * |
基于多应力退化模型的电表全寿命周期预测方法;杨建等;《电子设计工程》;20200205(第03期);第117-120+125页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114818348A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114818348B (zh) | 考虑多应力耦合作用对产品退化影响的可靠性评估方法 | |
CN113094923B (zh) | 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 | |
CN103310051B (zh) | 一种全寿命周期内的车载信息终端故障率预测方法 | |
CN110794093B (zh) | 一种蒸发过程出料苛性碱浓度测量装置精度补偿方法 | |
CN103389472B (zh) | 一种基于nd-ar模型的锂离子电池循环寿命的预测方法 | |
CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
CN113065675B (zh) | 一种基于剩余寿命预测的设备最优维护方法 | |
CN112883550A (zh) | 一种考虑多重不确定性的退化设备剩余寿命预测方法 | |
CN108415884B (zh) | 一种结构模态参数实时追踪方法 | |
CN112800616A (zh) | 基于比例加速退化建模的设备剩余寿命自适应预测方法 | |
CN105259398B (zh) | 一种基于总方差的光纤电流互感器随机误差特性分析方法 | |
CN115950609B (zh) | 一种结合相关性分析和神经网络的桥梁挠度异常检测方法 | |
CN111860839A (zh) | 基于多信号融合及Adam优化算法的岸桥故障监测方法 | |
CN114117919B (zh) | 基于样本协同表示的即时学习的软测量建模方法 | |
CN101320258B (zh) | 利用双阶段虚拟测量系统的虚拟测量方法 | |
CN108647458B (zh) | 一种结合制造工艺数据的机电产品退化建模方法 | |
CN114707424B (zh) | 基于质量相关慢特征分析算法的化工过程软测量方法 | |
CN108710745B (zh) | 一种结合制造工艺数据的机电产品可靠性评估方法 | |
CN114925510B (zh) | 一种带有自适应交互作用项的多应力加速模型构建方法 | |
CN114792053A (zh) | 一种基于初值-速率相关退化模型的可靠性评估方法 | |
CN110532698B (zh) | 一种基于数据模型的工业设备振动特征值趋势预测方法 | |
Yan et al. | A Novel Parameter-Related Wiener Process Model With Its Estimation of Remaining Useful Life in Degradation Analysis | |
CN113239021B (zh) | 一种用于相似产品剩余寿命预测的数据迁移方法 | |
CN116629010B (zh) | 一种基于随机过程的退化模型确认及其试验设计方法 | |
CN109376337B (zh) | 一种基于Girvan-Newman算法的集散软测量方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240102 Address after: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Patentee after: HARBIN INSTITUTE OF TECHNOLOGY Patentee after: AVIC JONHON OPTRONIC TECHNOLOGY Co.,Ltd. Address before: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Patentee before: HARBIN INSTITUTE OF TECHNOLOGY |