CN115618575A - 一种非线性加速退化试验失效机理一致性判别方法及装置 - Google Patents

一种非线性加速退化试验失效机理一致性判别方法及装置 Download PDF

Info

Publication number
CN115618575A
CN115618575A CN202211173526.0A CN202211173526A CN115618575A CN 115618575 A CN115618575 A CN 115618575A CN 202211173526 A CN202211173526 A CN 202211173526A CN 115618575 A CN115618575 A CN 115618575A
Authority
CN
China
Prior art keywords
degradation
distribution
calculating
failure mechanism
test
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
Application number
CN202211173526.0A
Other languages
English (en)
Inventor
殷泽凯
郭宇
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.)
Jiangsu XCMG Guozhong Laboratory Technology Co Ltd
Original Assignee
Jiangsu XCMG Guozhong Laboratory Technology Co Ltd
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 Jiangsu XCMG Guozhong Laboratory Technology Co Ltd filed Critical Jiangsu XCMG Guozhong Laboratory Technology Co Ltd
Publication of CN115618575A publication Critical patent/CN115618575A/zh
Pending legal-status Critical Current

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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

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

Abstract

本发明公开了一种非线性加速退化试验失效机理一致性判别方法，所述方法包括获取待测退化量的试件，等时间间隔测量所述试件的退化量；根据测量数据计算得到试件各时刻的参数估计值；对各时刻参数估计值建立分布模型；计算所述分布模型中的参数值并由全概率公式计算退化量分布密度函数；根据所述分布密度函数，计算试件退化至目标退化水平的概率P；计算试件以概率P退化至目标水平的时间，根据加速系数定义得到失效机理一致性判别条件；通过T检验判断失效机理是否一致，本发明提供一种基于加速系数不变原则的失效机理一致性判别方法，且该方法能够同样适用于破坏性与非破坏性测量的退化数据。

Description

一种非线性加速退化试验失效机理一致性判别方法及装置
技术领域
本发明涉及一种非线性加速退化试验失效机理一致性判别方法及装置，属于可靠性试验设计技术领域。
背景技术
产品寿命的日益提高使得退化试验成为产品可靠性评估的重要信息来源，而退化在高应力下更易发生，因此，加速退化试验常用以快速获得产品退化数据。有效的加速退化试验应保证产品在所有加速应力下应具备相同的失效机理，否则无法正确外推产品在正常应力下的退化信息。在产品加速退化试验的失效机理一致性检验上，通常有退化轨迹一致、加速系数不变、激活能不变等判别基本原则。常根据退化模型、加速方式、加速模型等选择合适的检验方法，如根据退化模型的参数一致性检验方法、基于数据的退化轨迹一致性检验方法等，而对于非线性加速退化，退化轨迹较为复杂，无法使用退化轨迹一致性检验方法，现有的方法也多通过假设同应力下，退化量服从固定效应的退化模型，如Gamma过程、Wiener过程、逆高斯过程等，由加速系数不变的原则，进行失效机理一致性的检验。而工程中数据往往更具随机性，固定效应的退化模型无法完全模拟试验所得数据的分布情形。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种非线性加速退化试验失效机理一致性判别方法及装置，同时考虑退化过程的非线性，以及退化量分布参数的随机效应，建立退化量分布模型，在此基础上基于加速系数不变原则，考虑不同应力下退化量分布模型中影响失效机理一致性的参数和统计量，给出失效机理一致性判别方法。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种非线性加速退化试验失效机理一致性判别方法，包括：
获取待测退化量的试件，等时间间隔测量所述试件的退化量；
根据测量数据计算得到试件各时刻的参数估计值；
对各时刻参数估计值建立分布模型；
计算所述分布模型中的参数值并由全概率公式计算退化量分布密度函数；
根据所述分布密度函数，计算试件退化至目标退化水平的概率P；
计算试件以概率P退化至目标水平的时间，根据加速系数定义得到失效机理一致性判别条件；
通过T检验判断失效机理是否一致。
进一步的，所述获取待测退化量的试件，等时间间隔测量所述试件的退化量，包括：
在应力Sl，时刻tj下对n个试件分别进行退化量测量，所得的样本数据，记录为
xijl,i＝1,2,…,n,j＝1,2,…,m,l＝1,2,…,s
其中，n表示试件个数，m表示测量次数，s表示应力总数，xijl表示记录的退化量数据；i表示应力标签；l表示时刻标签。
进一步的，所述根据测量数据计算得到试件各时刻的参数估计值，包括：
根据测量数据，由极大似然估计计算得到样本各时刻参数估计值：
Figure BDA0003864365390000031
进一步的，所述对各时刻参数估计值建立分布模型，包括：
对各时刻参数估计值建立分布模型，设在同应力下，给定时刻t，μtl服从正态分布，分布均值随时间呈现非线性的性质，分布方差与退化量Xtl方差相同，而
Figure BDA0003864365390000032
在给定时刻服从Gamma分布，即
Figure BDA0003864365390000033
νtl～Gamma(αlt-1,βl)，其中
Figure BDA0003864365390000034
进一步的，计算所述分布模型中的参数值并由全概率公式计算退化量分布密度函数，包括：
获取所述分布模型中的参数值，通过数值方法得到参数的极大似然估计，记为
Figure BDA0003864365390000035
由全概率公式计算时刻t退化量Xtl的分布密度函数：
Figure BDA0003864365390000036
其中，d表示微分符号；Γ表示Gamma函数；
对xtl进行变量替换
Figure BDA0003864365390000037
得到ytl的分布密度函数：
Figure BDA0003864365390000038
由该密度函数可知ytl～T(γl)，为T分布。
进一步的，根据所述分布密度函数，计算试件退化至目标退化水平的概率P，包括：
限制目标退化水平为D，则产品时刻t退化不超过该目标退化水平的概率为
Figure BDA0003864365390000041
进一步的，计算试件以概率P退化至目标水平的时间，根据加速系数定义得到失效机理一致性判别条件，包括：
分别计算应力为Sl、S0下的产品相同的概率P退化至此目标水平的时间，记为tl,P与t0,P，公式如下：
Figure BDA0003864365390000042
根据加速系数Kl0定义，与其不随概率P变化的原则，计算得
Figure BDA0003864365390000043
其中，
Figure BDA0003864365390000044
可得最终一致性判别条件：
Figure BDA0003864365390000045
即
Figure BDA0003864365390000046
应为定值，方可保证失效机理是一致的。
进一步的，所述通过T检验判断失效机理是否一致，包括：
分别对
Figure BDA0003864365390000051
进行T检验，其中，对
Figure BDA0003864365390000052
进行T检验时，新的应力l1下是否仍具备一致的失效机理，即判断
Figure BDA0003864365390000053
l1≥3与
Figure BDA0003864365390000054
是否具有显著的均值差异，有以下步骤：
a)计算判断统计量Tl为：
Figure BDA0003864365390000055
其中
Figure BDA0003864365390000056
分别为
Figure BDA0003864365390000057
的样本均值与样本标准差，
Figure BDA0003864365390000058
b)给定置信度α，查T分布分位表得Tα/2(l1-1)；
c)比较
Figure BDA0003864365390000059
Tα/2(l1-1)，若
Figure BDA00038643653900000510
则认为应力l1下失效机理不具备一致性，否则认为失效机理是一致的。
第二方面，本发明提供一种非线性加速退化试验失效机理一致性判别装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据前述任一项所述方法的步骤。
第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任一项所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明考虑同应力下退化过程的非线性，以及退化量分布参数的随机效应，建立退化量分布模型，且无需确定失效阈值，即可基于加速系数不变原则，推导不同应力下退化量分布模型中影响失效机理一致性的参数和统计量，经过合理的假设，简化了判别条件，通过T检验给出失效机理一致性判别方法能够适用于破坏性测量得到的退化数据，且该方法同时适用于破坏性与非破坏性测量的退化数据。
附图说明
图1是本发明实施例提供的一种非线性加速退化试验失效机理一致性判别方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本实施例介绍一种非线性加速退化试验失效机理一致性判别方法，包括：
获取待测退化量的试件，等时间间隔测量所述试件的退化量；
根据测量数据计算得到试件各时刻的参数估计值；
对各时刻参数估计值建立分布模型；
计算所述分布模型中的参数值并由全概率公式计算退化量分布密度函数；
根据所述分布密度函数，计算试件退化至目标退化水平的概率P；
计算试件以概率P退化至目标水平的时间，根据加速系数定义得到失效机理一致性判别条件；
通过T检验判断失效机理是否一致。
如图1所示，本实施例提供的非线性加速退化试验失效机理一致性判别方法，其应用过程具体涉及如下步骤：
步骤1：在应力Sl，时刻tj下对n个产品分别进行退化量测量，所得的样本数据，记录为
xijl,i＝1,2,…,n,j＝1,2,…,m,l＝1,2,…,s；
其中，n表示试件个数，m表示测量次数，s表示应力总数，xijl表示记录的退化量数据；i表示应力标签；l表示时刻标签。
步骤2：根据上述数据，由极大似然估计可得样本各时刻参数估计值：
Figure BDA0003864365390000071
步骤3：对各时刻参数估计值建立分布模型，设在同应力下，给定时刻t，μtl服从正态分布，分布均值随时间呈现非线性的性质，分布方差与退化量Xtl方差相同，而
Figure BDA0003864365390000072
在给定时刻服从Gamma分布，即
Figure BDA0003864365390000073
νtl～Gamma(αlt-1,βl)，其中
Figure BDA0003864365390000074
步骤4：结合步骤2、3，通过数值方法得到参数的极大似然估计，记为
Figure BDA0003864365390000075
Figure BDA0003864365390000076
由全概率公式计算时刻t退化量Xtl的分布密度函数：
Figure BDA0003864365390000077
其中，d表示微分符号；Γ表示Gamma函数；
步骤5：对xtl进行变量替换
Figure BDA0003864365390000078
得到ytl的分布密度函数：
Figure BDA0003864365390000081
由该密度函数可知ytl～T(γl)，为T分布
步骤6：限制目标退化水平为D，则产品时刻t退化不超过该目标退化水平的概率为
Figure BDA0003864365390000082
步骤7：分别计算应力为Sl、S0下的产品相同的概率P退化至此目标水平的时间，记为tl,P与t0,P
Figure BDA0003864365390000083
步骤8：根据加速系数Kl0定义，与其不随概率P变化的原则，计算得
Figure BDA0003864365390000084
步骤9：由于通常使用新产品进行加速退化试验，因此代表退化量波动程度的退化量方差多为逐渐降低至趋于稳定状态，因此Gamma分布应呈现峰度较小的右偏状态，即形状参数αlt-1应较大，此时2αlt-1自由度的T分布分位点间差异较小，因此
Figure BDA0003864365390000085
可得最终一致性判别条件
Figure BDA0003864365390000091
即
Figure BDA0003864365390000092
应为定值，方可保证失效机理是一致的。
步骤10：考虑数据的随机性，不同应力下所得
Figure BDA0003864365390000093
不应完全相等，考虑其具有正态性的纯随机波动，因此，分别对二者进行T检验，以
Figure BDA0003864365390000094
为例，新的应力l1下是否仍具备一致的失效机理，即判断
Figure BDA0003864365390000095
l1≥3与
Figure BDA0003864365390000096
是否具有显著的均值差异，有以下步骤
a)计算判断统计量Tl为
Figure BDA0003864365390000097
其中
Figure BDA0003864365390000098
分别为
Figure BDA0003864365390000099
的样本均值与样本标准差，
Figure BDA00038643653900000910
b)给定置信度α，查T分布分位表得Tα/2(l1-1)
c)比较
Figure BDA00038643653900000911
Tα/2(l1-1)，若
Figure BDA00038643653900000912
则认为应力l1下失效机理不具备一致性，否则认为失效机理是一致的。
与现有技术相比，本发明具有如下优点：
(1)能够适用于破坏性测量得到的退化数据。
(2)无需确定失效阈值，仅需给定目标退化水平，应用条件相对宽松。
(3)适用于非线性的退化过程。
(4)经过理论推导，能够客观地给出评价失效机理一致性的判别条件。
(5)将复杂的模型进行了简化，给出简易的判别条件。
实施例2
本实施例提供一种非线性加速退化试验失效机理一致性判别装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
实施例3
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例1中任一项所述方法的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种非线性加速退化试验失效机理一致性判别方法，其特征在于，包括：
获取待测退化量的试件，等时间间隔测量所述试件的退化量；
根据测量数据计算得到试件各时刻的参数估计值；
对各时刻参数估计值建立分布模型；
计算所述分布模型中的参数值并由全概率公式计算退化量分布密度函数；
根据所述分布密度函数，计算试件退化至目标退化水平的概率P；
计算试件以概率P退化至目标水平的时间，根据加速系数定义得到失效机理一致性判别条件；
通过T检验判断失效机理是否一致。
2.根据权利要求1所述的非线性加速退化试验失效机理一致性判别方法，其特征在于，所述获取待测退化量的试件，等时间间隔测量所述试件的退化量，包括：
在应力Sl，时刻tj下对n个试件分别进行退化量测量，所得的退化量样本数据，记录为
xijl,i＝1,2,…,n,j＝1,2,…,m,l＝1,2,…,s
其中，n表示试件个数，m表示测量次数，s表示应力总数，xijl表示记录的退化量数据；i表示应力标签；l表示时刻标签。
3.根据权利要求2所述的非线性加速退化试验失效机理一致性判别方法，其特征在于，所述根据测量数据计算得到试件各时刻的参数估计值，包括：
根据测量数据，由极大似然估计计算得到样本各时刻参数估计值：
Figure FDA0003864365380000011
其中，
Figure FDA0003864365380000021
为样本分布均值参数的估计值，
Figure FDA0003864365380000022
为样本分布方差参数的估计值。
4.根据权利要求3所述的非线性加速退化试验失效机理一致性判别方法，其特征在于，所述对各时刻参数估计值建立分布模型，包括：
对各时刻参数估计值建立分布模型，设在同应力下，给定时刻t，μtl服从正态分布，分布均值随时间呈现非线性的性质，分布方差与退化量Xtl方差相同，而
Figure FDA0003864365380000023
在给定时刻服从Gamma分布，即，νtl～Gamma(αlt-1,βl)，其中
Figure FDA0003864365380000024
μtl为样本分布均值参数，
Figure FDA0003864365380000025
为样本分布方差参数的倒数，μl为μtl分布的均值参数，bl为常数，αl,βl为νtl的分布参数。
5.根据权利要求4所述的非线性加速退化试验失效机理一致性判别方法，其特征在于，计算所述分布模型中的参数值并由全概率公式计算退化量分布密度函数，包括：
获取所述分布模型中的参数值，通过数值方法得到参数的极大似然估计，记为
Figure FDA0003864365380000026
由全概率公式计算时刻t退化量Xtl的分布密度函数：
Figure FDA0003864365380000027
其中，d表示微分符号；Γ表示Gamma函数；
对xtl进行变量替换
Figure FDA0003864365380000028
得到ytl的分布密度函数：
Figure FDA0003864365380000031
由该密度函数可知ytl～T(γl)，为T分布。
6.根据权利要求5所述的非线性加速退化试验失效机理一致性判别方法，其特征在于，根据所述分布密度函数，计算试件退化至目标退化水平D的概率P，包括：
限制目标退化水平为D，则产品时刻t退化不超过该目标退化水平的概率为
Figure FDA0003864365380000032
7.根据权利要求6所述的非线性加速退化试验失效机理一致性判别方法，其特征在于，计算试件以概率P退化至目标水平的时间，根据加速系数定义得到失效机理一致性判别条件，包括：
分别计算应力为Sl、S0下的产品相同的概率P退化至此目标水平的时间，记为tl,P与t0,P，公式如下：
Figure FDA0003864365380000033
根据加速系数Kl0定义，与其不随概率P变化的原则，计算得
Figure FDA0003864365380000034
其中，
Figure FDA0003864365380000041
可得最终一致性判别条件：
Figure FDA0003864365380000042
即
Figure FDA0003864365380000043
应为定值，方可保证失效机理是一致的。
8.根据权利要求7所述的非线性加速退化试验失效机理一致性判别方法，其特征在于，所述通过T检验判断失效机理是否一致，包括：
分别对
Figure FDA0003864365380000044
进行T检验，其中，对
Figure FDA0003864365380000045
进行T检验时，新的应力l1下是否仍具备一致的失效机理，即判断
Figure FDA0003864365380000046
与
Figure FDA0003864365380000047
是否具有显著的均值差异，有以下步骤：
a)计算判断统计量Tl为：
Figure FDA0003864365380000048
其中
Figure FDA0003864365380000049
分别为
Figure FDA00038643653800000410
的样本均值与样本标准差，
Figure FDA00038643653800000411
b)给定置信度α，查T分布分位表得Tα/2(l1-1)；
c)比较
Figure FDA00038643653800000412
Tα/2(l1-1)，若
Figure FDA00038643653800000413
则认为应力l1下失效机理不具备一致性，否则认为失效机理是一致的。
9.一种非线性加速退化试验失效机理一致性判别装置，其特征在于：包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～8任一项所述方法的步骤。
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：该程序被处理器执行时实现权利要求1～8任一项所述方法的步骤。
CN202211173526.0A 2022-08-15 2022-09-26 一种非线性加速退化试验失效机理一致性判别方法及装置 Pending CN115618575A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210972641 2022-08-15
CN2022109726418 2022-08-15

Publications (1)

Publication Number Publication Date
CN115618575A true CN115618575A (zh) 2023-01-17

Family

ID=84858731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211173526.0A Pending CN115618575A (zh) 2022-08-15 2022-09-26 一种非线性加速退化试验失效机理一致性判别方法及装置

Country Status (1)

Country Link
CN (1) CN115618575A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115795928A (zh) * 2023-02-10 2023-03-14 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）） 基于伽马过程的加速退化试验数据处理方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115795928A (zh) * 2023-02-10 2023-03-14 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）） 基于伽马过程的加速退化试验数据处理方法和装置

Similar Documents

Publication Publication Date Title
CN110046453B (zh) 一种激光雷达的寿命预测方法
US7225368B2 (en) Efficient real-time analysis method of error logs for autonomous systems
CN115618575A (zh) 一种非线性加速退化试验失效机理一致性判别方法及装置
CN113837596A (zh) 一种故障确定方法、装置、电子设备及存储介质
CN112131078B (zh) 一种监控磁盘容量的方法及设备
JP2012230072A (ja) 破壊検査システム、破壊検査方法、データ処理プログラムおよびプログラム記録媒体
JP2013036901A (ja) 破壊検査システム、破壊検査方法、データ処理プログラムおよびプログラム記録媒体
Shah et al. Statistical Development of the VSQ‐Control Chart for Extreme Data with an Application to the Carbon Fiber Industry
CN115964361B (zh) 一种数据增强方法、系统、设备及计算机可读存储介质
CN108446213A (zh) 一种静态代码质量分析方法和装置
CN109189673B (zh) 一种软件的测试方案、测试用例的确定方法及装置
CN110472264A (zh) 一种非概率区间干涉时变可靠性分析方法
Andrews et al. Weak identification in maximum likelihood: A question of information
CN115269389A (zh) 一种项目质量确定方法、装置、电子设备及存储介质
CN114236272A (zh) 一种电子产品的智能检测系统
CN109325289B (zh) 一种估计电子件可靠性参数的方法
CN111488284A (zh) 一种用于OpenStack云平台的模拟操作主动检测方法
Yu et al. Performance of the Shiryaev‐Roberts‐type scheme in comparison to the CUSUM and EWMA schemes in monitoring weibull scale parameter based on Type I censored data
JP3612428B2 (ja) ソフトウェア信頼性予測方法および装置と記録媒体
CN106951701A (zh) Nand flash使用寿命的计算方法及系统
CN117093821B (zh) 一种洗衣机能效、水效测定系统和方法
CN115936266B (zh) 轨道交通设备的可靠度预测方法、系统、设备和介质
CN117637004B (zh) 一种基于测试结果数据的测试指标优化方法
CN116259337B (zh) 磁盘异常检测方法及模型训练方法、相关装置
CN117906937B (zh) 一种水压试验方法、试验系统及存储介质

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