CN115962797A - 一种基于温度应力下的传感器可靠性测试方法及系统 - Google Patents
一种基于温度应力下的传感器可靠性测试方法及系统 Download PDFInfo
- Publication number
- CN115962797A CN115962797A CN202211694802.8A CN202211694802A CN115962797A CN 115962797 A CN115962797 A CN 115962797A CN 202211694802 A CN202211694802 A CN 202211694802A CN 115962797 A CN115962797 A CN 115962797A
- Authority
- CN
- China
- Prior art keywords
- sensor
- tested
- degradation
- electric field
- failure
- 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
Links
Images
Abstract
本发明公开了一种基于温度应力下的传感器可靠性测试方法及系统,方法包括:对待测试传感器进行分析,识别待测试传感器的薄弱模块;以待测试传感器的薄弱模块施加温度应力进行加速退化实验,并获得退化实验数据;根据所述退化实验数据,确定退化轨迹模型;根据退化轨迹模型,确定待测试传感器的伪失效寿命,并对伪失效寿命进行分布参数估计;根据伪失效寿命的分布参数进行退化机理一致性进行检验;对经过退化机理一致性检验的伪失效寿命的分布参数建立可靠性模型;确定关于电场应力的相关系数;根据可靠性模型和相关系数,计算待测试传感器的考虑电场应力的可靠度值;该方法能够提高预测结果的可靠性和置信度。
Description
技术领域
本发明涉及测试技术领域,尤其涉及一种基于温度应力下的传感器可靠性测试方法及系统。
背景技术
随着科学技术的发展,各类产品,尤其是航空航天领域、电力电子工业以及武器装备领域的产品,其可靠性要求越来越高,这就需要我们对产品进行可靠性评估,以此来分析产品的使用寿命。在工程中,传统的可靠性评估方法是采用经典法和贝叶斯(Bayes)统计法,这两种方法科技借助相应的软件来快速的给出分析结果。然而,由于产品的设计、制造方法以及材料的不断发展和改善,类似于传感器的电子产品还面临着小样本的问题,而经典法和贝叶斯统计方法无法解决小样本以及在短时间内获取足够可靠性信息的问题。
现在广泛使用的加速试验技术,分为加速寿命试验以及加速退化试验,例如,专利文献CN112985488B公开了一种用于传感器的温度应力加速寿命试验系统及方法,系统包括:加热模块、制冷模块、中央控制模块、调试模块、温度监测模块、湿度监测模块、驱动模块、应力测试模块、腐蚀测试模块、数据分析模块、数据存储模块、更新显示模块。该专利文献公开的系统结构复杂,硬件成本高,且加速寿命试验短时间内很难获取大量的产品失效数据。
发明内容
本发明提供了一种基于温度应力下的传感器可靠性测试方法及系统,能够克服无失效数据或极少失效数据的情况下进行可靠性评估时精度不高的缺点,有效的缩短了传感器可靠性评估的时间,提高了预测结果的可靠性和置信度。
一种基于温度应力下的传感器可靠性测试方法,包括:
对待测试传感器进行分析,识别待测试传感器的薄弱模块;
以待测试传感器的薄弱模块施加温度应力进行加速退化实验,并获得退化实验数据;
根据所述退化实验数据,确定退化轨迹模型;
根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,并对伪失效寿命进行分布参数估计;
根据伪失效寿命的分布参数进行退化机理一致性进行检验;
对经过退化机理一致性检验的伪失效寿命的分布参数建立可靠性模型;
确定关于电场应力的相关系数;
根据所述可靠性模型和所述相关系数,计算待测试传感器的考虑电场应力的可靠度值。
进一步地,采用寿命周期剖面研究,各阶段故障事件故障树分析,故障模式、机理和影响分析识别所述待测试传感器的薄弱环节。
进一步地,以待测试传感器的薄弱模块施加温度应力进行加速退化实验,包括:
确定多个温度应力,所述温度应力高于待测试传感器的正常工作温度且低于待测试传感器的最大承受温度;
将待测试温度传感器的薄弱模块依次置于各个温度应力下并持续预设时长进行测试,并获得退化实验数据,每次测试间隔的时间相同。
进一步地,所述退化实验数据包括待测试温度传感器薄弱模块的退化数据,所述退化轨迹模型为待测试温度传感器的退化特征量与时间的指数函数。
进一步地,所述退化轨迹模型如下所示:
X(tq)=exp(α+βtq);
其中,X(tq)表示退化特征量,tq表示测试时间,α和β均为待求解的参数;
根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,包括:
将所述性能失效阈值代入所述退化轨迹模型,计算获得伪失效寿命;
所述伪失效寿命服从对数正态分布,伪失效寿命的分布参数包括对数正态分布中的形状参数和尺度参数。
进一步地,所述可靠性模型如下所示:
其中,R(t)表示正常使用时间t内的传感器可靠度值,t表示正常使用时间,μ表示尺度参数,σ表示形状参数,Ф表示标准正态分布的分布函数。
进一步地,确定关于电场应力的相关系数,包括:
对待测试传感器分别进行正常工作电场应力下和非正常电场应力下的无替换定时结尾寿命试验,分别获得第一试验结果和第二试验结果;
根据所述第一试验结果和第二试验结果,计算电场应力下的失效率的置信区间;
根据电场应力下的失效率,计算获得电场应力的相关系数。
进一步地,所述相关系数通过以下公式进行计算:
其中,ε表示电场应力的相关系数,λ表示电场应力下的失效率,t表示正常使用时间;
第一试验结果包括待测试传感器在正常工作电场应力下的第一测试时间和第一故障次数,第二试验结果包括待测试传感器在非正常电场应力下的第二测试时间和第二故障次数,电场应力下的失效率的置信区间通过以下公式进行计算:
其中, 1-γ表示具有自由度2z1+1,2z2+1的F分布的1-γ分数, γ表示具有自由度2z1+1,2z2+1的F分布的γ分数,τ1为第一故障次数,τ2为第二故障次数,γ为给定的置信水平,z1为第一测试时间,z2为第二测试时间,[λL,λU]为失效率λ的置信区间。
进一步地,所述可靠度考虑电场应力的可靠度值通过以下公式进行计算:
R’(t)=ε×R(t);
其中,ε表示电场应力的相关系数,R(t)表示正常使用时间t内的传感器可靠度值,t表示正常使用时间,R’(t)表示考虑电场应力的可靠度值。
一种应用于上述方法的基于温度应力下的传感器可靠性测试系统,包括处理器、识别模块以及应力施加装置;
所述识别模块用于对待测试传感器进行分析,识别待测试传感器的薄弱模块;
所述应力施加装置用于以待测试传感器的薄弱模块施加温度应力进行加速退化实验,并获得退化实验数据;
所述处理器用于执行:根据所述退化实验数据,确定退化轨迹模型;根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,并对伪失效寿命进行分布参数估计;根据伪失效寿命的分布参数进行退化机理一致性进行检验;对经过退化机理一致性检验的伪失效寿命的分布参数建立可靠性模型;确定关于电场应力的相关系数;根据所述可靠性模型和所述相关系数,计算待测试传感器的考虑电场应力的可靠度值。
本发明提供的基于温度应力下的传感器可靠性测试方法及系统,至少包括如下有益效果:
采用加速退化实验进行传感器的测试,能够克服无失效数据或极少失效数据的情况下进行可靠性评估时精度不高的缺点,有效的缩短了传感器可靠性评估的时间,提高了测试的可靠性和置信度,在测试过程中进行退化机理的一致性检验并考虑电场应力的影响,使得测试的可靠性和准确性进一步提高。
附图说明
图1为本发明提供的基于温度应力下的传感器可靠性测试方法一种实施例的流程图。
图2为本发明提供的基于温度应力下的传感器可靠性测试系统一种实施例的流程图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
参考图1,在一些实施例中,提供一种基于温度应力下的传感器可靠性测试方法,包括:
S1、对待测试传感器进行分析,识别待测试传感器的薄弱模块;
S2、以待测试传感器的薄弱模块施加温度应力进行加速退化实验,并获得退化实验数据;
S3、根据所述退化实验数据,确定退化轨迹模型;
S4、根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,并对伪失效寿命进行分布参数估计;
S5、根据伪失效寿命的分布参数进行退化机理一致性进行检验;
S6、对经过退化机理一致性检验的伪失效寿命的分布参数建立可靠性模型;
S7、确定关于电场应力的相关系数;
S8、根据所述可靠性模型和所述相关系数,计算待测试传感器的考虑电场应力的可靠度值。
在一些实施例中,步骤S1中,采用寿命周期剖面研究(LCP),各阶段故障事件故障树分析(FTA),故障模式、机理和影响分析(FMEA)识别所述待测试传感器的薄弱环节。
其中,寿命剖面是对产品从接收到其寿命终结或退出使用这段时间内所要经历的各种事件和状态(包括环境条件、工作方式及其延续情况)的一种时序描述,是确定产品将会遇到的环境条件的基础。
各阶段故障事件故障树分析,是由上往下的演绎式失效分析法,利用布林逻辑组合低阶事件,分析系统中不希望出现的状态。
故障模式、机理和影响分析,是分析每一产品所有可能产生的故障或后果的方法。
进一步地,步骤S2中,以待测试传感器的薄弱模块施加温度应力进行加速退化实验,包括:
S21、确定多个温度应力,所述温度应力高于待测试传感器的正常工作温度且低于待测试传感器的最大承受温度;
S22、将待测试温度传感器的薄弱模块依次置于各个温度应力下并持续预设时长进行测试,并获得退化实验数据,每次测试间隔的时间相同。
进一步地,步骤S3中,所述退化实验数据包括待测试传感器的薄弱模块的退化数据,包括相对电阻值、电容值等,所述退化轨迹模型为待测试温度传感器的性能退化量与时间的指数函数。
具体地,将待测试传感器的退化数据进行处理形成退化特征量,假设退化特征量与时间的函数为线性模型X(t)=α+βt或指数模型X(t)=exp(α+βt),式中X(t)为传感器在时间t观测到的退化特征量;α和β为待求参数。
采用最小二乘法(LSE)对上述指数模型及线性模型进行拟合,LSE是将观测到的退化特征量X(t)与退化轨迹模型构造一个目标函数,以线性模型为例,构造的目标函数L(a,b)为:
通过对上述目标函数求偏导并令其等于0,可得到如下方程组:
其中,Xi(ti)表示在第i个温度应力下的退化特征量,ti表示第i个温度应力下的测量时间,a,b为相关参数。
其中,Y表示真实试验值,Y′表示拟合值,n表示样本个数
SSE越小,代表其拟合得到的结果越准确,因此可以通过比较SSE来选取退化轨迹模型。
在一些实施例中,选取指数模型作为退化轨迹模型。
将多个温度应力下获得的退化特征量以及测试时间代入指数模型X(tq)=exp(α+βtq)中,经过拟合计算获得参数α和β,进而获得退化轨迹模型,X(tq)表示退化特征量,tq表示测试时间。
进一步地,步骤S4中,根据待测试传感器的预先获知的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,包括:
将所述性能失效阈值代入所述退化轨迹模型,计算获得伪失效寿命。
具体地,性能失效阈值可根据产品说明书提供的传感器工作判定失效标准来确定,具有相关的国标规定,将性能失效阈值作为X(tq)代入指数模型X(tq)=exp(α+βtq)中,求得的tq即为伪失效寿命。
所述伪失效寿命服从对数正态分布,伪失效寿命的分布参数包括对数正态分布中的形状参数和尺度参数;
伪失效寿命数据服从对数正态分布,其概率密度函数为:
式中,μi表示对数正态分布中的尺度参数,σi表示对数正态分布中的形状参数,在得到第i个温度应力下第j个样品的伪失效寿命tij后,可通过相应计算得到其极大似然函数(MLE):
其中,参数μ和σ2的极大似然估计量分别为:
其中,n表示样品数量。
进一步地,步骤S5中,假设进行加速退化试验时,在不同应力下的失效机理应保持一致,然而由于测量误差等因素,实际得到的可能不一致,因此我们需进行一致性检验。检验方法如下:当产品伪失效寿命服从对数正态分布时,设tij为第i个温度应力水平Ti下的第j个产品的伪寿命,i=1,2,…,k;j=1,2,…,ni.设tij服从对数正态分布,有tij~LN(μi,σi 2),i=1,2,…,k;j=1,2,…,ni,则参数μ和σ2的点估计分别为:
假设温度应力水平下T1<T2<…<Tq-1(q=2,3,…,k)满足退化机理一致性条件,即有
σ1=σ2=...=σq-1=σ0;(9)
其中,σ0为常数,根据χ2分布的可加性有
式中
如果温度应力水平Tq的退化机理与T1,T2,Tq-1的退化机理一致,则有:σq=σ0。
进一步地,步骤S6中,当伪失效寿命数据服从对数正态分布时,其可靠性模型为:
其中,R(t)表示正常使用时间t内的传感器可靠度值,t表示正常使用时间,μ表示尺度参数,σ表示形状参数,Ф表示标准正态分布的分布函数。
将正常使用时间代入到可靠性模型中即可得到正常温度应力下的可靠度。
进一步地,步骤S7中,确定关于电场应力的相关系数,包括:
S71、对待测试传感器分别进行正常工作电场应力下和非正常电场应力下的无替换定时结尾寿命试验,分别获得第一试验结果和第二试验结果;
S72、根据所述第一试验结果和第二试验结果,计算电场应力下的失效率的置信区间;
S73、根据电场应力下的失效率,计算获得电场应力的相关系数。
具体地,步骤S71和步骤S72中,第一试验结果包括待测试传感器在正常工作电场应力下的第一测试时间和第一故障次数,第二试验结果包括待测试传感器在非正常电场应力下的第二测试时间和第二故障次数,则在给定的置信水平γ下,电场应力下的失效率λ的置信区间[λL,λU]为:
其中, 1-γ表示具有自由度2z1+1,2z2+1的F分布的1-γ分数, γ表示具有自由度2z1+1,2z2+1的F分布的γ分数,τ1为第一故障次数,τ2为第二故障次数,γ为置信水平,z1为第一测试时间,z2为第二测试时间,[λL,λU]为失效率λ的置信区间。
在工程计算中,环境因子的置信水平一般为0.6-0.8,引入电场环境失效因子后可靠性会进一步降低,因此采用失效因子的置信水平γ=0.5。
取置信水平γ=0.5时,可求得上述电场应力下失效率λ的λL以及λU,根据电场应力水平的大小,当电场应力水平为3V/m以下时,可不考虑电场环境失效率,即认为λ=1;当应力水平为3V/m~10V/m时,认为失效率λ为λL,当电场应力水平较大,大于10V/m时,取失效率λ为λU。
步骤S73中,电场应力的相关系数通过以下公式进行计算:
其中,ε表示电场应力的相关系数,λ表示电场应力下的失效率,t表示正常使用时间。
进一步地,步骤S8中,所述可靠度考虑电场应力的可靠度值通过以下公式进行计算:
R’(t)=ε×R(t);(15)
其中,R(t)表示正常使用时间t内的传感器可靠度值,t表示正常使用时间,R’(t)表示考虑电场应力的可靠度值。
上述实施例提供的基于温度应力下的传感器可靠性测试方法及系统,至少包括如下有益效果:
采用加速退化实验进行传感器的测试,能够克服无失效数据或极少失效数据的情况下进行可靠性评估时精度不高的缺点,有效的缩短了传感器可靠性评估的时间,提高了测试的可靠性和置信度,在测试过程中进行退化机理的一致性检验并考虑电场应力的影响,使得测试的可靠性和准确性进一步提高。
参考图2,在一些实施例中,还提供一种应用于上述方法的基于温度应力下的传感器可靠性测试系统,包括处理器201、识别模块202以及应力施加装置203;
识别模块202用于对待测试传感器进行分析,识别待测试传感器的薄弱模块;
应力施加装置203用于以待测试传感器的薄弱模块施加温度应力进行加速退化实验,并获得退化实验数据;
处理器201用于执行:根据所述退化实验数据,确定退化轨迹模型;根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,并对伪失效寿命进行分布参数估计;根据伪失效寿命的分布参数进行退化机理一致性进行检验;对经过退化机理一致性检验的伪失效寿命的分布参数建立可靠性模型;确定关于电场应力的相关系数;根据所述可靠性模型和所述相关系数,计算待测试传感器的考虑电场应力的可靠度值。
具体地,识别模块202采用寿命周期剖面研究(LCP),各阶段故障事件故障树分析(FTA),故障模式、机理和影响分析(FMEA)识别所述待测试传感器的薄弱环节。
应力施加装置203用于待测试温度传感器的薄弱模块依次置于各个温度应力下并持续预设时长进行测试,并获得退化实验数据。
进一步地,退化轨迹模块为X(tq)=exp(α+βtq),X(tq)表示退化特征量,tq表示测试时间,α和β为参数。
处理器201根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,包括:
将所述性能失效阈值代入所述退化轨迹模型,计算获得伪失效寿命;
所述伪失效寿命服从对数正态分布,伪失效寿命的分布参数包括对数正态分布中的形状参数和尺度参数。
进一步地,可靠性模型如公式(12)所示。
进一步地,处理器201确定关于电场应力的相关系数,包括:
对待测试传感器分别进行正常工作电场应力下和非正常电场应力下的无替换定时结尾寿命试验,分别获得第一试验结果和第二试验结果;
根据所述第一试验结果和第二试验结果,计算电场应力下的失效率的置信区间;
根据电场应力下的失效率,计算获得电场应力的相关系数。
其中,相关系数通过公式(14)计算,电场应力下的失效率的置信区间通过公式(13)计算,考虑电场应力的可靠度值通过公式(15)进行计算。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于温度应力下的传感器可靠性测试方法,其特征在于,包括:
对待测试传感器进行分析,识别待测试传感器的薄弱模块;
以待测试传感器的薄弱模块施加温度应力进行加速退化实验,并获得退化实验数据;
根据所述退化实验数据,确定退化轨迹模型;
根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,并对伪失效寿命进行分布参数估计;
根据伪失效寿命的分布参数进行退化机理一致性进行检验;
对经过退化机理一致性检验的伪失效寿命的分布参数建立可靠性模型;
确定关于电场应力的相关系数;
根据所述可靠性模型和所述相关系数,计算待测试传感器的考虑电场应力的可靠度值。
2.根据权利要求1所述的方法,其特征在于,采用寿命周期剖面研究,各阶段故障事件故障树分析,故障模式、机理和影响分析识别所述待测试传感器的薄弱环节。
3.根据权利要求1所述的方法,其特征在于,以待测试传感器的薄弱模块施加温度应力进行加速退化实验,包括:
确定多个温度应力,所述温度应力高于待测试传感器的正常工作温度且低于待测试传感器的最大承受温度;
将待测试温度传感器的薄弱模块依次置于各个温度应力下并持续预设时长进行测试,并获得退化实验数据,每次测试间隔的时间相同。
4.根据权利要求1所述的方法,其特征在于,所述退化实验数据包括待测试温度传感器薄弱模块的退化数据,所述退化轨迹模型为待测试温度传感器的退化特征量与时间的指数函数。
5.根据权利要求1所述的方法,其特征在于,所述退化轨迹模型如下所示:
X(tq)=exp(α+βtq);
其中,X(tq)表示退化特征量,tq表示测试时间,α和β均为待求解的参数;
根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,包括:
将所述性能失效阈值代入所述退化轨迹模型,计算获得伪失效寿命;
所述伪失效寿命服从对数正态分布,伪失效寿命的分布参数包括对数正态分布中的形状参数和尺度参数。
7.根据权利要求6所述的方法,其特征在于,确定关于电场应力的相关系数,包括:
对待测试传感器分别进行正常工作电场应力下和非正常电场应力下的无替换定时结尾寿命试验,分别获得第一试验结果和第二试验结果;
根据所述第一试验结果和第二试验结果,计算电场应力下的失效率的置信区间;
根据电场应力下的失效率,计算获得电场应力的相关系数。
8.根据权利要求7所述的方法,其特征在于,所述相关系数通过以下公式进行计算:
其中,ε表示电场应力的相关系数,λ表示电场应力下的失效率,t表示正常使用时间;
所述第一试验结果包括待测试传感器在正常工作电场应力下的第一测试时间和第一故障次数,第二试验结果包括待测试传感器在非正常电场应力下的第二测试时间和第二故障次数,电场应力下的失效率的置信区间通过以下公式进行计算:
9.根据权利要求8所述的方法,其特征在于,所述可靠度考虑电场应力的可靠度值通过以下公式进行计算:
R’(t)=ε×R(t);
其中,ε表示电场应力的相关系数,R(t)表示正常使用时间t内的传感器可靠度值,t表示正常使用时间,R’(t)表示考虑电场应力的可靠度值。
10.一种应用于如权利要求1-9任一所述方法的基于温度应力下的传感器可靠性测试系统,其特征在于,包括处理器、识别模块以及应力施加装置;
所述识别模块用于对待测试传感器进行分析,识别待测试传感器的薄弱模块;
所述应力施加装置用于以待测试传感器的薄弱模块施加温度应力进行加速退化实验,并获得退化实验数据;
所述处理器用于执行:根据所述退化实验数据,确定退化轨迹模型;根据待测试传感器的性能失效阈值和所述退化轨迹模型,确定待测试传感器的伪失效寿命,并对伪失效寿命进行分布参数估计;根据伪失效寿命的分布参数进行退化机理一致性进行检验;对经过退化机理一致性检验的伪失效寿命的分布参数建立可靠性模型;确定关于电场应力的相关系数;根据所述可靠性模型和所述相关系数,计算待测试传感器的考虑电场应力的可靠度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211694802.8A CN115962797A (zh) | 2022-12-28 | 2022-12-28 | 一种基于温度应力下的传感器可靠性测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211694802.8A CN115962797A (zh) | 2022-12-28 | 2022-12-28 | 一种基于温度应力下的传感器可靠性测试方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115962797A true CN115962797A (zh) | 2023-04-14 |
Family
ID=87359688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211694802.8A Pending CN115962797A (zh) | 2022-12-28 | 2022-12-28 | 一种基于温度应力下的传感器可靠性测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115962797A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116678552A (zh) * | 2023-08-03 | 2023-09-01 | 四川中测仪器科技有限公司 | 一种变温度环境下光纤应力传感器异常监测方法 |
CN117574681B (zh) * | 2024-01-11 | 2024-04-26 | 北京市计量检测科学研究院 | 基于油烟气体干扰的传感器寿命预测方法 |
-
2022
- 2022-12-28 CN CN202211694802.8A patent/CN115962797A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116678552A (zh) * | 2023-08-03 | 2023-09-01 | 四川中测仪器科技有限公司 | 一种变温度环境下光纤应力传感器异常监测方法 |
CN116678552B (zh) * | 2023-08-03 | 2023-10-03 | 四川中测仪器科技有限公司 | 一种变温度环境下光纤应力传感器异常监测方法 |
CN117574681B (zh) * | 2024-01-11 | 2024-04-26 | 北京市计量检测科学研究院 | 基于油烟气体干扰的传感器寿命预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guan et al. | Objective Bayesian analysis accelerated degradation test based on Wiener process models | |
EP1416348B1 (en) | Methodology for temporal fault event isolation and identification | |
CN102262191B (zh) | 一种固体钽电解电容器寿命预测方法 | |
CN111859658B (zh) | 一种产品贮存寿命与可靠性评估方法 | |
Li et al. | A nonlinear Wiener process degradation model with autoregressive errors | |
CN104181457A (zh) | 一种半导体器件温湿度复合应力加速模型优选方法 | |
CN115962797A (zh) | 一种基于温度应力下的传感器可靠性测试方法及系统 | |
CN111351697A (zh) | 一种键合金丝可靠性评价方法 | |
CN111400850A (zh) | 设备故障分析方法、装置、设备和存储介质 | |
Anderson-Cook et al. | Reliability modeling using both system test and quality assurance data | |
CN109145331A (zh) | 基于硬件白盒测试的电子类产品性能评估方法及装置 | |
Song et al. | Fiducial inference-based failure mechanism consistency analysis for accelerated life and degradation tests | |
CN111382029B (zh) | 基于pca和多维监测数据的主板异常诊断方法及装置 | |
EP3926427A1 (en) | Work efficiency evaluating method, work efficiency evaluating device, and program | |
CN110889077B (zh) | 一种加速贮存与自然贮存退化数据一致性检验方法 | |
CN110889186B (zh) | 灰关联分析的加速贮存与自然贮存退化数据一致性检验法 | |
CN110895624B (zh) | 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法 | |
Li et al. | Accelerated degradation analysis based on a random-effect Wiener process with one-order autoregressive errors | |
Baussaron et al. | Degradation test plan for Wiener degradation processes | |
RU2745968C1 (ru) | Способ контроля динамики параметрической безотказности технических систем | |
CN114266006A (zh) | 一种加速退化试验测量不确定度的评定方法 | |
Zheng et al. | Reliability analysis of multi-stage degradation with stage-varying noises based on the nonlinear Wiener process | |
Louahem M'Sabah et al. | Simulation of Bearing Degradation by the Use of the Gamma Stochastic Process. | |
Guo et al. | Improved reliability using accelerated degradation & design of experiments | |
Lee et al. | PREDICTION OF TIMES-TO-FAILURE OF SEMICONDUCTOR CHIPS USING VMIN 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 |