CN116244918A - 产品的可靠性评估方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种产品的可靠性评估方法、装置、计算机设备、存储介质和计算机程序产品。包括：获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集；从多种故障模式中选取任意一种故障模式作为当前故障模式；基于第一加速寿命集和第二加速寿命集，确定失效时间数据；对失效时间数据进行统计分析，获得应力参数估计结果；若失效时间数据均分析完成，则获得使用参数估计结果；从多种故障模式下选取新的故障模式作为当前故障模式，并返回基于第一加速寿命集和第二加速寿命集确定当前故障模式下的每一种应力水平的失效时间数据的步骤；根据各使用参数估计结果，对待评估产品的可靠性进行评估。采用本方法能够提高产品的可靠性评估精度。

Description

产品的可靠性评估方法、装置和计算机设备

技术领域

本申请涉及可靠性技术领域，特别是涉及一种产品的可靠性评估方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着产品(如智能电表)功能的复杂化和大面积投运，其质量可靠性问题也逐渐暴露出来。由于智能电表寿命较长、故障数据较少等特点，加速寿命试验成为一种用于评估智能电表可靠性水平及寿命特性的重要试验方法，它通过施加影响智能电表可靠性的温度、湿度等环境应力，在加大应力水平的条件下激发电表故障的发生，而后通过统计分析试验数据，给出智能电表在长期稳定下可靠性随时间的变化关系，达到评估被试产品可靠性水平和寿命特性的目的。

尽管加速寿命试验能够加大温度、湿度等应力水平，激发电表故障的提前发生，但通过加速寿命试验产生的故障样本数据属于小样本范畴，即存在故障样本不足的问题，导致难以建立精确的可靠性评估模型，针对当前存在的问题，现有技术多利用贝叶斯、支持向量机等方法，结合产品的经验信息等建立可靠性模型，但这一类方法存在计算过程复杂、模型求解困难等问题，不利于智能电表加速寿命试验数据分析的工程实践。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高产品的可靠性评估精度的产品的可靠性评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种产品的可靠性评估方法，所述方法包括：

获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，所述参考产品为与所述待评估产品间满足相似条件的产品；

从所述待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式；

基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据；

分别对各所述失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各所述目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果；

若所述当前故障模式下的各失效时间数据均分析完成，则根据各所述应力参数估计结果，进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果；

从所述多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止；

根据各所述使用参数估计结果，对所述待评估产品的可靠性进行评估。

在其中一个实施例中，所述第一加速寿命集包括多个第一应力失效集，所述第二加速寿命集包括多个第二应力失效集；所述失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集；

所述基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据，包括：

基于所述第一加速寿命集和所述第二加速寿命集，确定在所述当前故障模式下的每一种应力水平对应的第一应力失效集和第二应力失效集。

在其中一个实施例中，所述失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集；

所述分别对各所述失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各所述目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果，包括：

从所述当前故障模式下选取任意一种应力水平作为当前应力水平；

获取所述当前应力水平对应的当前第一应力失效集和当前第二应力失效集；

基于所述当前第一应力失效集中的各当前待评估时间、以及所述当前第二应力失效集中的各当前参考时间进行有序样品聚类，得到配对数据集，根据所述配对数据集进行线性回归处理，以将各所述当前参考时间折算为所述当前第一应力失效集中的数据，得到目标加速寿命集；

基于所述目标加速寿命集进行应力条件下的统计分析，获得所述当前应力水平对应的应力参数估计结果；

从所述当前故障模式下重新选取新的应力水平作为下一次的当前应力水平，并返回获取所述当前应力水平对应的当前第一应力失效集和当前第二应力失效集的步骤，直至得到所述当前故障模式下的每种应力水平所对应的应力参数估计结果时停止。

在其中一个实施例中，所述目标加速寿命集包括多个目标应力失效前时间；所述应力参数估计结果包括应力分布函数；

所述基于所述目标加速寿命集进行应力条件下的统计分析，获得所述当前应力水平对应的应力参数估计结果，包括：

对所述目标加速寿命集中的各所述目标应力失效前时间进行不可靠度估计，确定各所述目标应力失效前时间对应的应力失效估计值；

基于各所述应力失效估计值和各所述目标应力失效前时间，对预先构建的初始寿命分布函数进行求解，确定所述初始寿命分布函数的应力比例参数和应力形状参数；

根据所述应力比例参数和所述应力形状参数，确定所述当前应力水平对应的应力分布函数。

在其中一个实施例中，各所述应力参数估计结果包括当前故障模式下的各应力水平对应的各应力分布函数；

所述根据各所述应力参数估计结果，进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果，包括：

基于使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度以及各所述应力分布函数的比例参数，对预先构建的各初始温湿度模型进行求解，确定各所述初始温湿度模型的活化能参数和常规参数；

基于各所述活化能参数和所述常规参数，确定当前故障模式下的各应力水平对应的目标初始温湿度模型；

将所述使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度，分别代入各所述目标初始温湿度模型，确定当前故障模式下各所述应力水平对应的加速因子；

根据各所述加速因子进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果。

在其中一个实施例中，所述使用参数估计结果包括使用分布函数；

所述根据各所述加速因子进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果，包括：

获取各应力水平对应的目标加速寿命集，所述目标加速寿命集包括多个目标应力失效前时间；

根据各所述加速因子，分别对各应力水平对应的目标应力失效前时间进行处理，确定对应的各使用失效前时间；

基于各所述使用失效前时间进行不可靠度估计，确定各所述使用失效前时间对应的常规失效估计值；

基于各所述常规失效估计值和各所述使用失效前时间，对预先构建的初始寿命分布函数进行求解，确定所述初始寿命分布函数的常规比例参数和常规形状参数；

根据所述常规比例参数和所述常规形状参数，确定所述当前故障模式对应的使用分布函数。

在其中一个实施例中，所述使用参数估计结果包括各所述故障模式分别对应的使用分布函数；

所述根据各所述使用参数估计结果，对所述待评估产品的可靠性进行评估，包括：

基于各所述使用分布函数，确定所述待评估产品对应的累计分布函数；

基于所述累计分布函数，对所述待评估产品的可靠性进行评估。

第二方面，本申请还提供了一种产品的可靠性评估装置。所述装置包括：

数据获取模块，用于获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，所述参考产品为与所述待评估产品间满足相似条件的产品；

模式选取模块，用于从所述待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式；

数据选取模块，用于基于所述第一加速寿命集和所述第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据；

第一分析模块，用于分别对各所述失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各所述目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果；

第二分析模块，用于若所述当前故障模式下的各失效时间数据均分析完成，则根据各所述应力参数估计结果，进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果；

处理模块，用于从所述多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止；

评估模块，用于根据各所述使用参数估计结果，对所述待评估产品的可靠性进行评估。

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上述产品的可靠性评估方法的步骤。

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上述产品的可靠性评估方法的步骤。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述产品的可靠性评估方法的步骤。

上述产品的可靠性评估方法、装置、计算机设备、存储介质和计算机程序产品，获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，参考产品为与待评估产品间满足相似条件的产品；从待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式；基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据；分别对各失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果；若当前故障模式下的各失效时间数据均分析完成，则根据各应力参数估计结果，进行使用条件下的统计分析，获得当前故障模式下的使用参数估计结果；从多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止；根据各使用参数估计结果，对待评估产品的可靠性进行评估。其中，通过获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，从而针对当前故障模式，确定出当前故障模式下的每一种应力水平的失效时间数据，进行数据融合处理，获得目标加速寿命集，进而根据目标加速寿命集确定在应力条件下的应力参数估计结果，进而根据应力参数估计结果推导出使用条件下的使用参数估计结果，最后根据待评估产品在不同故障模式下的使用参数估计结果，对待评估产品的可靠性进行评估，可以解决传统方法存在的故障样本不充分、可靠性模型不精确等问题，弥补了现阶段分析方法成熟性不足、适用性不强等弊端，有效的提升了可靠性评估精度。

附图说明

图1为一个实施例中产品的可靠性评估方法的应用环境图；

图2为一个实施例中产品的可靠性评估方法的流程示意图；

图3为一个实施例中产品的可靠性评估步骤的流程示意图；

图4为另一个实施例中产品的可靠性评估方法的流程示意图；

图5为一个实施例中产品的可靠性评估方法的流程示意图；

图6为另一个实施例中产品的可靠性评估方法的流程示意图；

图7为一个实施例中产品的可靠性评估装置的结构框图；

图8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产品的可靠性评估方法，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。终端102和服务器104可单独用于执行本申请中的产品的可靠性评估方法，终端102和服务器104可协同用于执行本申请中的产品的可靠性评估方法。以终端102和服务器104单独用于执行本申请中的产品的可靠性评估为例进行说明，在具体进行产品的可靠性评估时，终端102或者服务器104获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，参考产品为与待评估产品间满足相似条件的产品；从待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式；基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据；分别对各失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果；若当前故障模式下的各失效时间数据均分析完成，则根据各应力参数估计结果，进行使用条件下的统计分析，获得当前故障模式下的使用参数估计结果；从多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止；根据各使用参数估计结果，对待评估产品的可靠性进行评估。

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，提供了一种产品的可靠性评估方法，以该方法应用于计算机设备(该计算机设备具体可以是图1中的终端或服务器)为例进行说明，包括以下步骤：

步骤S202，获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，参考产品为与待评估产品间满足相似条件的产品。

其中，待评估产品可以是需要进行可靠性水平评估的任意元器件、电子产品以及智能产品，其中，在对待评估产品进行加速寿命试验后，可以得到待评估产品对应的加速寿命试验数据，计算机设备在对待评估产品的加速寿命试验数据进行处理之后可以得到第一加速寿命集，参考产品可以是与待评估产品件满足相似条件的产品，相似条件可以为根据待评估产品的型号、待评估产品的生产批次、待评估产品的结构等设定的条件，计算机设备通过相似条件，则可以确定待评估产品的参考产品，相应的，在对参考产品进行加速寿命试验后，可以得到参考产品对应的加速寿命试验数据，计算机设备在对参考产品的加速寿命试验数据进行处理之后可以得到第二加速寿命集。

具体的，若待评估产品为智能电表A，相似条件为根据智能电表A的型号设定的条件，则参考产品可以为智能电表A同型号的智能电表B，则计算机设备可以获取对智能电表A进行加速寿命试验后得到的第一加速寿命集，以及获取对智能电表B进行加速试验寿命试验后得到的第二加速寿命集。

具体的，加速寿命试验数据可以包括试验中产生的监测时间、产品故障次数等失效数据，计算机设备可以分别针对待评估产品和参考产品在对不同故障模式及应力水平下的失效数据进行处理，从而得到第一加速寿命集和第二加速寿命集。

在其中一个实施例中，在对智能电表A、智能电表B进行加速寿命试验(其中，加速寿命试验可以是对智能电表施加加速应力的过程，加速应力可以是温度应力、湿度应力等)时，一般的，在智能电表的加速寿命试验过程中，对智能电表的状态监测不是连续的，而是有时间间隔，时间间隔可以为IT，若在第n个时间段内有p个产品失效，那么所记录的失效前时间的值可以为：

(n×IT)-(p×IT/(p+1))，(n×IT)-((p-1)×IT/(p+1))，…(n×IT)

-(2×IT/(p+1))，(n×IT)-(IT/(p+1))

在智能电表A、智能电表B的加速寿命试验完成后，计算机设备可以获得寿命试验数据，并对寿命试验数据进行处理，分别确定出智能电表A、智能电表B的加速寿命试验过程中产生的故障模式，以及每一种故障模式所对应的加速应力水平，最后确定出智能电表A的第一加速寿命集、智能电表B的第二加速寿命集，具体的，各数据集中包括的是智能电表A、智能电表B的总失效前时间的统计量。

步骤S204，从待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式。

其中，计算机设备在对待评估产品的可靠性进行评估的过程中，需要对待评估产品的每一种故障模式展开处理，在处理过程中，计算机设备可以是分开处理各类故障模式的，因此，计算机设备可以从多种故障模式中选取任意一种作为当前故障模式。

步骤S206，基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据。

其中，应力水平可以是对待评估产品施加的具体应力大小，若应力为温度、湿度，则应力水平1可以是温度100°，湿度为40％，应力水平2可以是温度120°，湿度为50％，失效时间数据可以是每一种应力水平对应的失效前时间的统计量，故障模式均可以对应有多种应力水平，第一加速寿命集中为待评估产品的各类故障模式分别对应的各类应力水平的总失效前时间的统计量，第二加速寿命集中为参考产品的各类故障模式分别对应的各类应力水平的总失效前时间的统计量，因此，针对当前故障模式，计算机设备可以从总失效前时间统计量中确定当前故障模式下每一种应力水平对应的失效前时间统计量，例如，针对故障模式1，其对应的应力水平可以为应力水平1和应力水平2，则针对应力水平1，计算机设备可以分别从第一加速寿命集和第二加速寿命集中确定出应力水平1对应的失效前时间统计量，针对应力水平2，计算机设备可以分别从第一加速寿命集和第二加速寿命集中确定出应力水平2对应的失效前时间统计量。

步骤S208，分别对各失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果。

其中，数据融合处理是计算机设备将参考产品对应的数据融合为待评估产品的数据，以此形成新的目标加速寿命集的过程，统计分析是指计算机设备针对获取的失效时间数据进行应力条件下的统计分析过程，应力参数估计结果则是计算机设备对目标加速寿命集进行餐参数估计后得到的结果，针对当前故障模式下的每一种应力水平对应的目标加速寿命集，计算机设备均会对应的展开统计分析。

步骤S210，若当前故障模式下的各失效时间数据均分析完成，则根据各应力参数估计结果，进行使用条件下的统计分析，获得当前故障模式下的使用参数估计结果。

其中，使用条件下的统计分析是计算机设备对应力参数估计结果进行正常使用条件下的统计分析过程，由于后续是要对待评估产品在长期稳定运行过程中的可靠性水平进行评估，因此，计算机设备会基于应力参数估计结果，推导出待评估产品在使用条件下的使用参数估计结果。

步骤S212，从多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止。

其中，当计算机设备针对当前故障模式确定出对应的使用参数估计结果之后，则会从当前故障模式下选取新的故障模式作为下一次的当前故障模式，重复根据第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至计算机设备确定得到每个故障模式对应的常规统计分析之后，则计算机设备会停止选取新的故障模式。

步骤S214，根据各使用参数估计结果，对待评估产品的可靠性进行评估。

其中，计算机设备针对不同的故障模式，得出每类故障模式对应的使用参数估计结果，并根据使用参数估计结果，对待评估产品的可靠性进行评估，以此对待评估产品的长期稳定运行后的寿命特性进行评估。

上述产品的可靠性评估方法中，取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，参考产品为与待评估产品间满足相似条件的产品；从待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式；基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据；分别对各失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果；若当前故障模式下的各失效时间数据均分析完成，则根据各应力参数估计结果，进行使用条件下的统计分析，获得当前故障模式下的使用参数估计结果；从多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止；根据各使用参数估计结果，对待评估产品的可靠性进行评估。其中，通过获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，从而针对当前故障模式，确定出当前故障模式下的每一种应力水平的失效时间数据，进行数据融合处理，获得目标加速寿命集，进而根据目标加速寿命集确定在应力条件下的应力参数估计结果，进而根据应力参数估计结果推导出使用条件下的使用参数估计结果，最后根据待评估产品在不同故障模式下的使用参数估计结果，对待评估产品的可靠性进行评估，可以解决传统方法存在的故障样本不充分、可靠性模型不精确等问题，弥补了现阶段分析方法成熟性不足、适用性不强等弊端，有效的提升了可靠性评估精度。

在一个实施例中，第一加速寿命集包括多个第一应力失效集，第二加速寿命集包括多个第二应力失效集；失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集。

其中，第一应力失效集是针对待评估产品的，第二应力失效集是针对参考产品的，第一应力失效集具体可以是由待评估产品的每一种故障模式所对应的每一种应力水平的失效前时间构成的集合，第二应力失效集具体可以是由参考产品的每一种故障模式所对应的每一种应力水平的失效前时间构成的集合，例如，第i(i＝1,2,…,n)种故障模式在第j(j＝1,2,…,m)种加速应力水平下的失效前时间为

则计算机设备可以统计得到多个第一应力失效集、多个第二应力失效集。

因此，基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据，包括：基于第一加速寿命集和第二加速寿命集，确定在当前故障模式下的每一种应力水平对应的第一应力失效集和第二应力失效集。

其中，计算机设备在确定出当前故障模式之后，则需要进一步获取当前故障模式下的每一种应力水平的失效时间数据，因此，计算机设备会从第一加速寿命集的多个第一应力失效集、第二加速寿命集的多个第二应力失效集中，确定出当前故障模式下的每一种应力水平对应的第一应力失效集和第二应力失效集作为失效时间数据。

上述实施例中，计算机设备通过获取当前故障模式下的每一种应力水平所对应的失效时间数据，达到扩充故障样本的目的，进而提高后续应力水平分析的精确度。

在其中一个实施例中，失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集；如图3所示，分别对各失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果，包括以下步骤：

步骤S302，从当前故障模式下选取任意一种应力水平作为当前应力水平。

其中，计算机设备针对各应力水平对应的失效时间数据进行分析时，也是分别针对每种应力水平的失效时间数据单独分析的，因此，计算机设备会确定当前应力水平。

步骤S304，获取当前应力水平对应的当前第一应力失效集和当前第二应力失效集。

步骤S306，基于当前第一应力失效集中的各当前待评估时间、以及当前第二应力失效集中的各当前参考时间进行有序样品聚类，得到配对数据集，根据配对数据集进行线性回归处理，以将各当前参考时间折算为当前第一应力失效集中的数据，得到目标加速寿命集。

其中，数据融合处理是计算机设备通过融合参考产品的当前失效集中的数据，以此形成新的目标加速寿命集的过程，从而实现待分析产品样本的有效扩充。

具体的，计算机设备在进行数据融合处理时，可以采用回归折算方式，以得到当前第一应力失效集中的各当前待评估时间、以及当前第二应力失效集中的各当前参考时间之间的配对数据，在得到配对数据之后，则可以用线性回归方式构建回归模型，通过回归模型，将当前第二应力失效集中的各当前参考时间折算为待评估产品的当前第一应力失效集中的数据，形成待评估产品的目标加速寿命集，其中，目标加速寿命集可以记为{t₁,t₂,…,t_n}。

步骤S308，基于目标加速寿命集进行应力条件下的统计分析，获得当前应力水平对应的应力参数估计结果。

其中，应力条件下的统计分析可以是计算机设备对目标加速寿命集进行应力条件下寿命分布拟合的过程，应力参数估计结果则是得到的应力条件下的寿命分布拟合结果。

具体的，计算机设备在进行应力条件下的统计分析时，可以基于威布尔分布进行待评估产品的寿命分布拟合，得到分布函数，具体寿命分布拟合的过程可以包括不可靠估计和参数估计两个部分。

步骤S310，从当前故障模式下重新选取新的应力水平作为下一次的当前应力水平，并返回获取当前应力水平对应的当前第一应力失效集和当前第二应力失效集的步骤，直至得到当前故障模式下的每种应力水平所对应的应力参数估计结果时停止。

其中，当计算机设备确定出当前故障模式下的其中一种应力水平对应的应力水平分析结果之后，则会从当前故障模式下选取新的应力水平作为下一次的当前应力水平，重复获取当前应力水平对应的当前第一应力失效集和当前第二应力失效集的步骤，直至计算机设备确定得到每种应力水平对应的应力水平分析结果之后，则计算机设备会停止选取新的应力水平，返回获取当前第一应力失效集和当前第二应力失效集的步骤。

上述实施例中，针对待评估产品，由于其不同故障模式的各个应力水平下的第一应力失效集的数据规模较小，为了提高寿命分布拟合的精度，计算机设备通过融合参考产品的第二应力失效集中的数据，形成新的目标加速寿命集，实现了待分析产品失效样本的有效扩充，进一步的，基于威布尔分布进行了待评估产品的加速寿命分布拟合，得到了分布函数，有效的提升了寿命分布拟合的精度。

在其中一个实施例中，目标加速寿命集包括多个目标应力失效前时间；应力参数估计结果包括应力分布函数，其中，目标加速寿命集是对第二加速寿命集进行数据折算后得到的数据，再与第一应力失效集中的数据进行融合得到的，目标加速寿命集中的数据可以包括多个目标应力失效前时间。应力参数估计结果包括应力分布函数，应力分布函数可以是计算机设备以威布尔分布进行待评估产品的寿命分布拟合得到的分布函数。

因此，基于目标加速寿命集进行应力条件下的统计分析，获得当前应力水平对应的应力参数估计结果，包括：对目标加速寿命集中的各目标应力失效前时间进行不可靠度估计，确定各目标应力失效前时间对应的应力失效估计值；基于各应力失效估计值和各目标应力失效前时间，对预先构建的初始寿命分布函数进行求解，确定初始寿命分布函数的应力比例参数和应力形状参数；根据应力比例参数和应力形状参数，确定当前应力水平对应的应力分布函数。

其中，不可靠估计是计算机设备针对目标加速寿命集中各目标应力失效前时间，确定出每个目标应力失效前时间发生时的真实概率(即不可靠度估计值)，应力失效估计值则是确定出的真实概率(即不可靠度估计值)，初始寿命分布函数可以是两参数威布尔分布的分布函数表达式，应力比例参数和应力形状参数是分布函数表达式中的未知数，计算机设备通过对分布函数表达式进行求解，确定出应力比例参数和应力形状参数，进而得到应力分布函数。

具体的，目标加速寿命集中各目标应力失效前时间可以为{t₁,t₂,…,t_n}，计算机设备在进行不可靠估计时，可以采用如下公式，计算得到各目标应力失效前时间对应的应力失效估计值：

其中，CL是置信度，一般取50％，N是目标加速寿命集中各目标应力失效前时间，i是目标加速寿命集中各目标应力失效前时间的序号，X则为求得的应力失效估计值，

为常数。

进一步的，计算机设备在确定出应力失效估计值之后，则可以结合各应力失效估计值和各目标应力失效前时间对两参数威布尔分布的分布函数表达式进行求解，其中，两参数威布尔分布的分布函数表达式如下：

其中，η为应力比例参数，β为应力形状参数，F(t)为计算得到的应力失效估计值，t为目标应力失效前时间，则计算机设备将各应力失效估计值和各目标应力失效前时间输入至两参数威布尔分布的分布函数表达式，即可求解得到应力比例参数和应力形状参数，最后将确定出应力比例参数和应力形状参数的两参数威布尔分布的分布函数作为应力分布函数。

上述实施例中，计算机设备基于威布尔分布进行寿命分布拟合之前，考虑了威布尔分布等寿命分布模型需要依赖于大量样本的特点，由于目标应力失效前时间是数据融合后得到的，因此，通过本实施例中的威布尔分布所反应的寿命分布规律，可以更加的精确。

在其中一个实施例中，如图4所示，各应力参数估计结果包括当前故障模式下的各应力水平对应的各应力分布函数；根据各应力参数估计结果，进行常规统计分析，获得当前故障模式下的使用参数估计结果，包括以下步骤：

步骤S402，基于使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度以及各应力分布函数的比例参数，对预先构建的各初始温湿度模型进行求解，确定各初始温湿度模型的活化能参数和常规参数。

其中，使用条件的湿度、温度是指待评估产品在日常使用过程中的湿度、温度，使用条件下的湿度、温度可以是计算机设备通过大数据统计得到的，应力水平下的应力湿度、应力湿度是由加速寿命试验中实际施加的应力确定的，初始温湿度模型可以是Peck(派克)温-湿模型，具体的，Peck温-湿模型的模型表达式可以如下：

其中，RH_u是使用条件下的百分比相对湿度，RH_s是指应力条件下的百分比相对湿度；T_u是指使用条件下以K表示的温度；T_s是指应力条件下以K表示的温度；K是指玻尔兹曼常数；E_a是指活化能参数；n是指一个常规参数。在Peck温-湿模型中，活化能参数和常规参数是未知的。

具体的，计算机设备可以对Peck温-湿模型进行变换，将其转换为线性形式的加速因子方程，然后将使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度以及各应力分布函数的比例参数，分别代入各初始温湿度模型进行求解，确定各初始温湿度模型的活化能参数和常规参数。

步骤S404，基于各活化能参数和常规参数，确定当前故障模式下的各应力水平对应的目标初始温湿度模型。

其中，目标初始温湿度模型即为确定活化能参数和常规参数的初始温湿度模型。

步骤S406，将使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度，分别代入各目标初始温湿度模型，确定当前故障模式下各应力水平对应的加速因子。

其中，计算机设备通过待评估产品在使用条件下的百分比相对温度T_u、湿度RH_u，结合加速寿命试验中各个应力水平下的温度T_s、湿度RH_s以及计算出的E_a、n，将其代入目标初始温湿度模型，则可以计算待评估产品在各个应力水平下的加速因子。

步骤S408，根据各加速因子进行常规统计分析，获得当前故障模式下的使用参数估计结果。

其中，计算机设备在确定出各个应力水平下的加速因子之后，则可以推导出在常规条件下，待评估产品在当前故障模式下的使用失效前时间，获得当前故障模式下的使用参数估计结果。

上述实施例中，计算机设备通过对当前故障模式下的每种应力水平对应的应力参数估计结果进行处理，从而确定出当前故障模式下各应力水平对应的加速因子，然后根据各加速因子进行常规统计分析，获得当前故障模式下的使用参数估计结果，弥补了现阶段待评估产品的加速寿命试验数据分析方式成熟性不足、适用性不强等弊端。

在其中一个实施例中，使用参数估计结果包括使用分布函数；根据各加速因子进行常规统计分析，获得当前故障模式下的使用参数估计结果，包括：

步骤S502，获取各应力水平对应的目标加速寿命集，目标加速寿命集包括多个目标应力失效前时间。

步骤S504，根据各加速因子，分别对各应力水平对应的目标应力失效前时间进行处理，确定对应的各使用失效前时间。

其中，计算机设备获取的目标加速寿命集可以为{t₁,t₂,…,t_s}，则计算机设备可以对目标加速寿命集中的目标应力失效前时间进行转换处理，将其转换为使用失效前时间，具体的，转换公式可以如下所示：

t_u＝AF·t_s

其中，t_s为目标加速寿命集中的目标应力失效前时间，t_u为使用失效前时间，则计算机设备根据上式对待评估产品在各个应力水平下的失效前时间序列{t₁,t₂,…,t_s}进行推算，且可以按照按从小到大进行排序，形成新的失效前时间统计量，记为{t₁,t₂,…,t_u}。

步骤S506，基于各使用失效前时间进行不可靠度估计，确定各使用失效前时间对应的常规失效估计值。

其中，计算机设备在获得各使用失效前时间之后，也会针对使用失效前时间进行不可靠估计，得到各使用失效前时间对应的常规失效估计值，其中，计算常规失效估计值可以参考上述关于计算目标应力失效前时间对应的应力失效估计值的公司。

步骤S508，基于各常规失效估计值和各使用失效前时间，对预先构建的初始寿命分布函数进行求解，确定初始寿命分布函数的常规比例参数和常规形状参数。

其中，初始寿命分布函数可以是两参数威布尔分布模型，初始寿命分布函数的表达式可以参考上述两参数威布尔分布的分布函数表达式，计算机设备预先构建的初始寿命分布函数进行求解，确定初始寿命分布函数的常规比例参数和常规形状参数。

步骤S510，根据常规比例参数和常规形状参数，确定当前故障模式对应的使用分布函数。

其中，计算机设备将确定出常规比例参数和常规形状参数的初始寿命分布函数作为应力分布函数。

上述实施例中，计算机设备利用待评估产品的目标应力失效前时间，通过寿命分布拟合、加速因子估计等得到待评估产品的应力分布函数，获得了待评估产品更为合理的可靠性模型。

在其中一个实施例中，常规寿命拟合分析结果包括各故障模式分别对应的使用分布函数；根据各常规寿命拟合分析结果，对待评估产品的可靠性进行评估，包括：基于各使用分布函数，确定所述待评估产品对应的累计分布函数；基于累计分布函数，对待评估产品的可靠性进行评估。

其中，计算机设备按照待评估产品的故障模式相互独立假设，对所有故障模式分别开展常规统计分析，得到每个故障模式下的使用分布函数，具体的，各使用分布函数可以分别记为：

……

进一步的，计算机设备根据各使用分布函数，计算得到最终的累计分布函数，累计分布函数的表达式为：

F(t)＝1-(1-F₁(t))(1-F₂(t))…(1-F_n(t))

上述实施例中，计算机设备根据各使用分布函数，计算得到最终的累计分布函数，累计分布函数可以对精准的对待评估产品的长期稳定运行后的寿命特性进行评估。

在其中一个实施例中，如图6所示，为一个实施例中产品的可靠性评估方法的流程示意图：

其中，本实施例中涉及到的待评估产品为智能电表A，参考产品为智能电表A的同型号产品智能电表B，在对智能电表B进行可靠性评估时，涉及到以下步骤：

步骤一：加速寿命试验数据收集与处理；

一般的，在智能电表加速寿命试验过程中，对被测试的智能电表的状态监测不是连续的，而是有时间间隔，具体的，计算机设备在获得加速寿命试验数据后，在基于加速寿命试验数据确定失效前时间时，可以采用如下方式：记时间间隔为IT，若在第n个时间段内有p个产品失效，那么所记录的失效前时间的值可以为：

(n×IT)-(p×IT/(p+1))，(n×IT)-((p-1)×IT/(p+1))，…(n×IT)-(2×IT/(p+1))，(n×IT)-(IT/(p+1))

其中，设第i(i＝1,2,…,n)种故障模式在第j(j＝1,2,…,m)种加速应力水平下的失效前时间为

计算机设备可以按故障模式、应力水平对处理后的失效前时间从小到大进行排序,得到智能电表A、智能电表B的失效前时间的统计量。

步骤二：选取智能电表故障模式；

步骤三：选取智能电表加速应力水平；

其中，智能电表加速应力主要包含温度、湿度应力，记为(T,RH)。

步骤四：相似产品试验数据融合

智能电表A在不同故障模式及各个应力水平下的失效前时间数据规模较小，为了提高寿命分布拟合的精度，通过融合智能电表B的加速寿命试验数据，形成新的失效前时间统计量。

其中，试验数据的融合采用回归折算法，通过融合同类故障模式下的相似产品失效数据，实现智能电表A的失效样本的有效扩充，智能电表A和智能电表B的失效统计量分别表示为：

t_A1<t_A2<…<t_Ag

t_B1<t_B2<…<t_Bh

一般的，智能电表B的失效统计量大于智能电表A的失效统计量，即g<h，记：

记

其中，

为根据智能电表A的失效统计量计算得到的均值，

为智能电表A的失效统计量计算得到的均值，t_(r)为从智能电表A的失效统计量中选取的最接近

的值，t_(s)为从智能电表B的失效统计量中选取的最接近

的值，r把来自智能电表A的数据分成了3部分：{t_A1,…,t_(r-1)}，{t_(r)}，{t_(r+1),…,t_Ag}；s把来自智能电表B的数据分成了3部分：{t_B1,…,t_(s-1)}，{t_(s)}，{t_(s+1),…,t_Bh}。

令I＝min{r-1,s-1},采用有序样品聚类法，将数集{t_B1,…,t_(s-1)}分成I类，进而与数集{t_A1,…,t_(s-1)}实现匹配，形成配对数据。具体的，有序样品聚类法如下：

令{t_B1,…,t_(s-1)}表示为(x₁,x₂,…,x_n)，样本从小到大排序。设某类G中包含样本(x_i,x_i+1,…,x_j)，该类的均值向量为：

其中，

表示均值向量，j为某类G中样本的个数，x_t可以表示某类G中的各样本。

进一步的，用D(i,j)表示类的直径，有

进一步的，用b(n,k)表示将n个有序样品分为k类的特定分法：

G₁＝{j₁,j₁+1,…,j₂-1}

G₂＝{j₂,j₂+1,…,j₃-1}

……

G_k＝{j_k,j_k+1,…,n}

其中，G₁..G_k表示各类的有序样品集。

进一步的，定义分类的损失函数：

损失函数为各类直径之和，当n和k固定时，数值越小说明分类越合理。记使L[b(n,k)]达到最小的分法为P(n,k)。为使损失函数达到最小，需进行以下求解：

(1)找出分点j_k，使(x_i,x_i+1,…,x_j)一分为二，该分法得到损失函数最小

P(n,2):{1,2,…,j_k-1},{j_k,j_k+1,…,n}

且，

那么从分点j_k到最后一个样本就是第k类

G_k＝{j_k,j_k+1,…,n}

(2)接下来迭代，找出分点j_k-1，使它满足：

P(j_k-1,2):{1,2,…,j_k-1-1},{j_k-1,j_k-1+1,…,j_k-1}

且，

那么从分点到j_k-1个样本就是第k-1类

G_k-1＝{j_k-1,j_k-1+1,…,j_k-1}

以此类推得出所有分类G₁,G₂,…,G_k。

令配对数据为

来源于参考产品B{t_B1,…,t_(s-1)}分类后形成的新数集，且

智能电表A的数集{t_A1,…,t_(r-1)}则形成y_i。

同理，可通过上述有序样品聚类法得到数集{t_(r+1),…,t_Ag}和{t_(s+1),…,t_Bh}的配对数据。

在得到完整的配对数据

之后，采用线性回归方法构造回归模型：

采用最小二乘法估计参数a和b的值，根据可以将数据点和拟合数据直线之间垂直距离最小化的最小二乘原理，这些数据的最优拟合直线使F最小：

通过求解方程

和

可得到

为了判断线性回归效果，计算相关性系数r：

其中，r的取值在0-1之间，越接近于1，说明线性拟合效果越好，可通过临界值r_1-α判断回归效果是否显著，当|r|>r_1-α时，认为回归效果显著，这里α是指显著性水平，r_1-α可查相关系数临界值表获知。

通过回归模型，将智能电表B的数集{t_B1,…,t_Bg}折算为智能电表A的数集，形成待分析产品的新的失效前时间统计量，记为{t₁,t₂,…,t_n}。

步骤五：应力条件下寿命分布拟合

以威布尔分布进行电表寿命分布拟合，给出分布函数。

(1)不可靠度估计

为了进行寿命分布拟合，首先给出失效前时间统计量{t₁,t₂,…,t_n}对应的不可靠度估计值。一般的，通过求解中位秩给出不可靠度估计值，中位秩是指在N个产品的样本中置信度为50％时，第i个失效发生时F(t_i)失效的真实概率或不可靠度估计。中位秩可通过下式中的X得到：

其中，CL是置信度，一般取50％，N是样本量，i是序号。

(2)参数估计

威布尔分布是可靠性工程常用的分布，可以用来模拟材料强度、电子和机械元器件、设备或系统的失效前时间。

两参数威布尔分布的分布函数表示为：

进行线性变换，有如下公式：

ln{-ln(1-F(t))}＝-βln(η)+βln(t)

为了利用最小二乘法进行参数估计，结合线性方程y＝A+Bx，记y＝ln{-ln(1-F(t))}，A＝-βln(η)，B＝β，x＝ln(t)。

采用最小二乘法估计参数A和B的值，根据可以将数据点和拟合数据直线之间垂直距离最小化的最小二乘原理，这些数据的最优拟合直线使F最小：

其中，通过求解方程

和

可得到：

为了判断线性回归效果，计算相关性系数r：

其中，r的取值在0-1之间，越接近于1，说明线性拟合效果越好，可通过临界值r_1-α判断回归效果是否显著，当|r|>r_1-α时，认为回归效果显著，这里α是指显著性水平，r_1-α可查相关系数临界值表获知。

根据A和B的值，有：

步骤六：加速因子估计

对于温度和湿度加速寿命试验，使用的模型是Peck温-湿模型，Peck加速因子为

式中：

RH_u——使用条件下的百分比相对湿度；

RH_s——应力条件下的百分比相对湿度；

T_u——使用条件下以K表示的温度；

T_s——应力条件下以K表示的温度；

K——玻尔兹曼常数；

E_a——以电子伏表示的活化能；

n——一个常数。

其中，为了能够使用最小二乘法计算加速因子常数E_a和n。加速因子方程应转换为线性形式：

由T_max和RH_max定义的应力水平下的加速因子方程为：

由T和RH定义的应力水平下的加速因子方程为：

其中，加速因子方程中涉及到的AF_TRH为与温湿度相关的参数。

其中，

为与使用条件和应力条件下的温湿度相关的参数，η_TRH、η_Tmax为威布尔分布参数。

于是有：

写成线性形式，有：

Z＝nX+E_aY

根据可以将数据点和拟合数据的直线间垂直距离最小化的最小二乘原理，这些数据的最优拟合直线应该是可以使F最小的直线Z＝nX+E_aY：

通过求解方程

和

可得到

步骤七：正常条件下寿命分布拟合

通过定义智能电表A在正常使用条件下的百分比相对温度T_u、湿度RH_u，结合加速寿命试验各个应力水平下的温度T_s、湿度RH_s以及E_a、n，根据Peck加速模型计算电表在各个应力水平下的加速因子。

令加速应力条件下失效前时间为t_s，正常使用条件下失效前时间为t_u，则

t_u＝AF·t_s

根据上式对智能电表A在各个应力水平下的失效前时间序列{t₁,t₂,…,t_s}进行推算，并按从小到大排序形成新的失效前时间统计量，记为{t₁,t₂,…,t_u}。

根据两参数威布尔分布模型，利用最小二乘法对正常条件下的失效前时间进行拟合，通过参数估计和拟合优度检验，给出威布尔分布参数β和η的估计值。

具体计算过程参照步骤五。

步骤八：智能电表可靠性评估

按照智能电表故障模式相互独立假设，对所有故障模式分别开展加速寿命试验数据分析，得到以两参数威布尔分布表征的可靠性模型，分别记为

……

于是，电表累计分布函数表示为：

F(t)＝1-(1-F₁(t))(1-F₂(t))…(1-F_n(t))

最后，根据上式可对智能电表A长期稳定运行后的寿命特性进行评估。

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产品的可靠性评估方法的产品的可靠性评估装置。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产品的可靠性评估装置实施例中的具体限定可以参见上文中对于产品的可靠性评估方法的限定，在此不再赘述。

在一个实施例中，如图7所示，提供了一种产品的可靠性评估装置，包括：数据获取模块、模式选取模块、第一分析模块、第二分析模块、处理模块和评估模块，其中：

数据获取模块702，用于获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，参考产品为与待评估产品间满足相似条件的产品。

模式选取模块704，用于从待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式。

数据选取模块706，基于第一加速寿命集和第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据。

第一分析模块708，用于别对各失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果。

第二分析模块710，用于若当前故障模式下的各失效时间数据均分析完成，则根据各所述应力参数估计结果，进行使用条件下的统计分析，获得当前故障模式下的使用参数估计结果。

处理模块712，用于从多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于第一加速寿命集和所述第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止。

评估模块714，用于根据各使用参数估计结果，对待评估产品的可靠性进行评估。

在其中一个实施例中，上述数据选取模块，还用于基于第一加速寿命集和第二加速寿命集，确定在当前故障模式下的每一种应力水平对应的第一应力失效集和第二应力失效集，其中，第一加速寿命集包括多个第一应力失效集，第二加速寿命集包括多个第二应力失效集；失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集。

在其中一个实施例中，上述第一分析模块，还用于从当前故障模式下选取任意一种应力水平作为当前应力水平；获取当前应力水平对应的当前第一应力失效集和当前第二应力失效集；基于当前第一应力失效集中的各当前待评估时间、以及当前第二应力失效集中的各当前参考时间进行有序样品聚类，得到配对数据集，根据配对数据集进行线性回归处理，以将各当前参考时间折算为当前第一应力失效集中的数据，得到目标加速寿命集；基于目标加速寿命集进行应力条件下的统计分析，获得所述当前应力水平对应的应力参数估计结果；从当前故障模式下重新选取新的应力水平作为下一次的当前应力水平，并返回获取当前应力水平对应的当前第一应力失效集和当前第二应力失效集的步骤，直至得到当前故障模式下的每种应力水平所对应的应力参数估计结果时停止，其中，失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集。

在其中一个实施例中，上述第一分析模块，还用于对目标加速寿命集中的各目标应力失效前时间进行不可靠度估计，确定各目标应力失效前时间对应的应力失效估计值；基于各所述应力失效估计值和各目标应力失效前时间，对预先构建的初始寿命分布函数进行求解，确定初始寿命分布函数的应力比例参数和应力形状参数；根据应力比例参数和所述应力形状参数，确定当前应力水平对应的应力分布函数，目标加速寿命集包括多个目标应力失效前时间；应力参数估计结果包括应力分布函数。

在其中一个实施例中，上述第二分析模块，还用于基于使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度以及各应力分布函数的比例参数，对预先构建的各初始温湿度模型进行求解，确定各初始温湿度模型的活化能参数和常规参数；基于各活化能参数和所述常规参数，确定当前故障模式下的各应力水平对应的目标初始温湿度模型；将使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度，分别代入各目标初始温湿度模型，确定当前故障模式下各应力水平对应的加速因子；根据各加速因子进行常规统计分析，获得当前故障模式下的使用参数估计结果，各应力参数估计结果包括当前故障模式下的各应力水平对应的各应力分布函数。

在其中一个实施例中，上述第二分析模块，还用于获取各应力水平对应的目标加速寿命集，目标加速寿命集包括多个目标应力失效前时间；根据各加速因子，分别对各应力水平对应的目标应力失效前时间进行处理，确定对应的各使用失效前时间；基于各使用失效前时间进行不可靠度估计，确定各使用失效前时间对应的常规失效估计值；基于各常规失效估计值和各使用失效前时间，对预先构建的初始寿命分布函数进行求解，确定初始寿命分布函数的常规比例参数和常规形状参数；根据常规比例参数和常规形状参数，确定当前故障模式对应的使用分布函数，使用参数估计结果包括使用分布函数。

在其中一个实施例中，上述评估模块，还用于基于各使用分布函数，确定待评估产品对应的累计分布函数；基于累计分布函数，对待评估产品的可靠性进行评估，使用参数估计结果包括各故障模式分别对应的使用分布函数。

上述产品的可靠性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终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。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和计算机程序。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种产品的可靠性评估方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8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上述产品的可靠性评估方法的步骤。

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上述产品的可靠性评估方法的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述产品的可靠性评估方法的步骤。

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，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

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)

1.一种产品的可靠性评估方法，其特征在于，所述方法包括：

获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，所述参考产品为与所述待评估产品间满足相似条件的产品；

从所述待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式；

基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据；

分别对各所述失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各所述目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果；

若所述当前故障模式下的各失效时间数据均分析完成，则根据各所述应力参数估计结果，进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果；

从所述多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止；

根据各所述使用参数估计结果，对所述待评估产品的可靠性进行评估。

2.根据权利要求1所述的方法，其特征在于，所述第一加速寿命集包括多个第一应力失效集，所述第二加速寿命集包括多个第二应力失效集；所述失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集；

所述基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据，包括：

基于所述第一加速寿命集和所述第二加速寿命集，确定在所述当前故障模式下的每一种应力水平对应的第一应力失效集和第二应力失效集。

3.根据权利要求1所述的方法，其特征在于，所述失效时间数据包括每一种应力水平对应的第一应力失效集和第二应力失效集；

所述分别对各所述失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各所述目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果，包括：

从所述当前故障模式下选取任意一种应力水平作为当前应力水平；

获取所述当前应力水平对应的当前第一应力失效集和当前第二应力失效集；

基于所述当前第一应力失效集中的各当前待评估时间、以及所述当前第二应力失效集中的各当前参考时间进行有序样品聚类，得到配对数据集，根据所述配对数据集进行线性回归处理，以将各所述当前参考时间折算为所述当前第一应力失效集中的数据，得到目标加速寿命集；

基于所述目标加速寿命集进行应力条件下的统计分析，获得所述当前应力水平对应的应力参数估计结果；

从所述当前故障模式下重新选取新的应力水平作为下一次的当前应力水平，并返回获取所述当前应力水平对应的当前第一应力失效集和当前第二应力失效集的步骤，直至得到所述当前故障模式下的每种应力水平所对应的应力参数估计结果时停止。

4.根据权利要求3所述的方法，其特征在于，所述目标加速寿命集包括多个目标应力失效前时间；所述应力参数估计结果包括应力分布函数；

所述基于所述目标加速寿命集进行应力条件下的统计分析，获得所述当前应力水平对应的应力参数估计结果，包括：

对所述目标加速寿命集中的各所述目标应力失效前时间进行不可靠度估计，确定各所述目标应力失效前时间对应的应力失效估计值；

基于各所述应力失效估计值和各所述目标应力失效前时间，对预先构建的初始寿命分布函数进行求解，确定所述初始寿命分布函数的应力比例参数和应力形状参数；

根据所述应力比例参数和所述应力形状参数，确定所述当前应力水平对应的应力分布函数。

5.根据权利要求1所述的方法，其特征在于，各所述应力参数估计结果包括当前故障模式下的各应力水平对应的各应力分布函数；

所述根据各所述应力参数估计结果，进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果，包括：

基于使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度以及各所述应力分布函数的比例参数，对预先构建的各初始温湿度模型进行求解，确定各所述初始温湿度模型的活化能参数和常规参数；

基于各所述活化能参数和所述常规参数，确定当前故障模式下的各应力水平对应的目标初始温湿度模型；

将所述使用条件下的湿度、温度，各应力水平下的应力湿度、应力湿度，分别代入各所述目标初始温湿度模型，确定当前故障模式下各所述应力水平对应的加速因子；

根据各所述加速因子进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果。

6.根据权利要求5所述的方法，其特征在于，所述使用参数估计结果包括使用分布函数；

所述根据各所述加速因子进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果，包括：

获取各应力水平对应的目标加速寿命集，所述目标加速寿命集包括多个目标应力失效前时间；

根据各所述加速因子，分别对各应力水平对应的目标应力失效前时间进行处理，确定对应的各使用失效前时间；

基于各所述使用失效前时间进行不可靠度估计，确定各所述使用失效前时间对应的常规失效估计值；

基于各所述常规失效估计值和各所述使用失效前时间，对预先构建的初始寿命分布函数进行求解，确定所述初始寿命分布函数的常规比例参数和常规形状参数；

根据所述常规比例参数和所述常规形状参数，确定所述当前故障模式对应的使用分布函数。

7.根据权利要求1所述的方法，其特征在于，所述使用参数估计结果包括各所述故障模式分别对应的使用分布函数；

所述根据各所述使用参数估计结果，对所述待评估产品的可靠性进行评估，包括：

基于各所述使用分布函数，确定所述待评估产品对应的累计分布函数；

基于所述累计分布函数，对所述待评估产品的可靠性进行评估。

8.一种产品的可靠性评估装置，其特征在于，所述装置包括：

数据获取模块，用于获取待评估产品的第一加速寿命集以及参考产品的第二加速寿命集，所述参考产品为与所述待评估产品间满足相似条件的产品；

模式选取模块，用于从所述待评估产品的多种故障模式中选取任意一种故障模式作为当前故障模式；

数据选取模块，用于基于所述第一加速寿命集和所述第二加速寿命集，确定当前故障模式下的每一种应力水平的失效时间数据；

第一分析模块，用于分别对各所述失效时间数据进行数据融合处理，获得对应的目标加速寿命集，并对各所述目标加速寿命集进行应力条件下的统计分析，获得对应的应力参数估计结果；

第二分析模块，用于若所述当前故障模式下的各失效时间数据均分析完成，则根据各所述应力参数估计结果，进行使用条件下的统计分析，获得所述当前故障模式下的使用参数估计结果；

处理模块，用于从所述多种故障模式下重新选取新的故障模式作为下一次的当前故障模式，并返回基于所述第一加速寿命集和所述第二加速寿命集，确定所述当前故障模式下的每一种应力水平的失效时间数据的步骤继续执行，直至得到每个故障模式下的使用参数估计结果时停止；

评估模块，用于根据各所述使用参数估计结果，对所述待评估产品的可靠性进行评估。

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7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7中任一项所述的方法的步骤。

Images