CN117390767B - 航空机载电子设备可靠性评估方法、装置及系统和介质 - Google Patents

航空机载电子设备可靠性评估方法、装置及系统和介质 Download PDF

Info

Publication number
CN117390767B
CN117390767B CN202311356212.9A CN202311356212A CN117390767B CN 117390767 B CN117390767 B CN 117390767B CN 202311356212 A CN202311356212 A CN 202311356212A CN 117390767 B CN117390767 B CN 117390767B
Authority
CN
China
Prior art keywords
stress
test
acceleration
coupling
product
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
Application number
CN202311356212.9A
Other languages
English (en)
Other versions
CN117390767A (zh
Inventor
王鹏
田润操
张帆
杜洪光
董磊
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.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
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 Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN202311356212.9A priority Critical patent/CN117390767B/zh
Publication of CN117390767A publication Critical patent/CN117390767A/zh
Application granted granted Critical
Publication of CN117390767B publication Critical patent/CN117390767B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开一种航空机载电子设备可靠性评估方法、装置及系统和介质，针对不同结构的模块和电路，以及机载零部件特性较为通用，并考虑实际使用环境应力的广义耦合效应，所得寿命指标更符合现实预期；与传统极大似然估计对比，采用优化算法可解决多参数估计困难问题，并且求解效率更高。应用本发明和装置可以有效缩短航空机载电子设备模块和零部件的寿命评估时间，更符合实际工作环境，提高可靠性估计的准确性，同时可以优化试验配置方案，在试验结果置信的情况下，最大程度上节省成本，具有较大的应用前景和经济价值。

Description

航空机载电子设备可靠性评估方法、装置及系统和介质
技术领域
本发明属于航空机载电子设备的加速试验技术领域，特别是涉及一种航空机载电子设备可靠性评估方法、装置及系统和介质。
背景技术
目前，我国国产飞机的机载设备主要依靠进口，未来机载设备实现国产化是必然趋势和结果，进入二十一世纪，我国零部件、器件的工艺水平有很大进步，可以较好支持机载电子设备的国产化。虽然国内的工业水平已经有质的提升，但在国产化进程中，面临适航安全性基础数据不足的问题，并且国内的底层安全性数据与国际先进水平相比过于保守，基础底层安全数据未形成合理的体系理论和方法进行支持。同时，航空电子系统功能繁多、结构复杂，并且工作环境比较复杂，其安全性和可靠性的保证更为困难。因此需要结合传统可靠性分析和评价的方法，形成对其模块及部件的安全性进行试验验证和评价的方法和流程，针对当前国内航空工业产品国产化的底层数据不足和落后问题，为机载设备国产化奠定基础性的方法和理论，提升国产航电设备零部件的核心竞争力，加快国产机载电子设备和零部件的适航审定和评估效率。
加速试验技术适用于高可靠性和长寿命的产品，同时由于航空电子产品通常工作在复杂的环境和应力作用下，因此在适航符合性验证工作中，引入多应力加速试验进行安全性评估可以快速获取基础安全性数据，大大降低适航验证成本和审查时间。多应力加速模型是运用加速试验进行产品寿命与可靠度评估的基础，是获得产品使用条件下寿命信息的桥梁。目前，在工程技术领域已经出现了许多涉及加速试验的问题，但这些方法多是基于单应力条件，常用的应力加速模型包括：温度应力的Arrhenius模型、Eyring模型，电应力的逆幂律模型、指数模型。现有技术大多只单方面考虑单种或者两种应力，忽略应力实际耦合和多应力同时作用的现实情况。而产品在实际使用中应同时遭受多种环境应力的影响，因此进行产品数据分析时，综合多种应力对产品性能的影响会更符合实际使用情况。
发明内容
提供了本发明以解决现有技术中存在的上述问题。因此，需要一种航空机载电子设备可靠性评估方法、装置及系统和介质，针对不同结构的模块和电路，以及机载零部件特性较为通用，并考虑实际使用环境应力的广义耦合效应，所得寿命指标更符合现实预期；与传统极大似然估计对比，采用优化算法可解决多参数估计困难问题，并且求解效率更高。应用本发明和装置可以有效缩短航空机载电子设备模块和零部件的寿命评估时间，更符合实际工作环境，提高可靠性估计的准确性，同时可以优化试验配置方案，在试验结果置信的情况下，最大程度上节省成本，具有较大的应用前景和经济价值。
根据本发明的第一方案，提供了一种航空机载电子设备可靠性评估方法，所述方法包括：
根据机载电子模块或零部件自身特性和先验信息进行模糊映射层次分析，确定产品的敏感应力，设计多应力加速试验方案，获取产品的加速退化数据，所述加速退化数据包括加速应力数量和类型；
根据加速应力数量和类型，结合敏感应力分析结果和综合应力耦合效应建立匹配的多应力耦合加速模型，描述分布参数与应力水平的关系，并确定多应力的耦合项；从广义耦合项中选取相关性最高的耦合项形式，确定产品的多应力广义耦合加速退化模型；
建立基于TED分布的多应力广义耦合加速极大似然估计模型，求解未知参数，进行多参数估计和求解，获取模型参数值，外推产品寿命指标；
进行多应力广义耦合TED退化模型的多目标优化建模，在多应力加速试验方案的设计中，以考虑加速应力损耗的试验总成本为约束，同时优化每组试验方案的决策变量，以对试验方案进行更新，所述决策变量包括单元分配和试验时间。
进一步地，所述根据机载电子模块或零部件自身特性和先验信息进行模糊映射层次分析，确定产品的敏感应力，设计多应力加速试验方案，获取产品的加速退化数据，具体包括：
根据产品功能和产品结构确定原理图和功能框图；
根据原理图和功能框图建立可靠性框图，以描述产品中所有要素的相互关系，获取功能-结构映射关系；
建立故障机理和环境应力的映射关系；
获取产品的故障机理，所述产品的故障机理通过使用FTA法对被测产品的故障进行初步检查得到；
编制工作表，考虑每个功能不同组件的故障模式，生成故障模式列表；
构造以FTA分析中顶事件为可靠性目标的失效机理-环境应力映射矩阵；
建立失效机理-环境应力映射关系；
通过功能结构-故障机理-环境应力的层次分析，确定产品可靠性目标下的多应力耦合加速试验的应力施加类型；
从产品功能向产品结构进行映射分析，再向不同部件对应的失效模式进行扩展映射，从而通过分析故障机理的失效物理模型，获取敏感的环境应力；
其中产品功能为实现产品整体性能的单个操作；产品结构是执行功能的相关组件或元器件；故障机理是终止组件或元器件实现所需功能的过程或损坏行为；环境应力包括温度、湿度和振动，所述环境应力导致机械、电子、热、辐射和化学失效发生的机理为失效机理。
进一步地，所述多应力耦合加速模型表示为：
其中，η为退化参数，λ为尺度参数，为不同应力间的广义耦合关系，α0,α1,···,αp为多应力加速下的未知协变量参数，p表示所有可能存在的应力单独作用和广义耦合作用的项数，Y(Δt)为退化量，N＝N1+N2+N3，为耦合项中施加应力的数目，k为项数，r、s、v为应力序数，w为参数序数，Sr为应力，TED为分布名称，exp为指数运算符号，为组合数计算方法，其中不同应力间的广义耦合关系表达为：
其中，k1为第一项数目，k2为第二项数目，k3为第三项数目， 为常数，表示幂次，为第一项应力，为第二项应力，为第三项应力。
根据两个变量的相关性，从广义耦合项中选取相关性最高的耦合项形式，确定产品的多应力广义耦合加速退化模型，两个变量的相关性计算方法为：
其中，xi为对应的广义耦合项的取值，yi为对应的寿命指标lnη值，c为常数，ε越接近1，两个变量越正相关；ε越接近于-1，两个变量越负相关。
进一步地，产品的多应力广义耦合加速退化模型表示为：
或
进一步地，基于TED分布的多应力广义耦合加速极大似然估计模型表示为：
其中为退化量与时间的比值，D(δ,S)为TED分布的随机过程偏差函数；
在参数求解过程中，基于极大似然估计极大点导数为0的基础性质，采用极大似然估计的求解方法进行计算。
进一步地，基于D-优化和V-优化为优化目标，对所述多应力广义耦合加速退化模型的参数进行求解；
基于D-优化的计算方法如下：
Ikk,k＝i+2为每两个待求参数的负二阶偏导数的期望；
基于V-优化的计算方法如下：
OptObject＝Avar(tq(Si))
＝H·I-1·HT·f-2(tq(Si))
其中，Avar为最小渐近方差，H为参数矩阵，I为Fisher信息矩阵，f为最小渐近方差计算函数，Si为施加应力，tq为最小渐近方差时间。
进一步地，所述在多应力加速试验方案的设计中，以考虑加速应力损耗的试验总成本为约束，同时优化每组试验方案的决策变量，以对试验方案进行更新，具体包括：
设n为多应力试验组数，N为试验施加应力数目，mk为每组应力水平试验组合下的测试器件数，dk为每组应力组合下的试验测试次数，tk为每组应力水平试验组合下的试验时间，总测试成本表示为：
其中C1、C2、C3、C4分别表示单位场地使用成本、每个测试器件的成本、单位人力工资和测量成本、单位仪器和资源损耗成本，仪器和资源损耗成本在N应力组合Si条件下进行试验时，基于应力变化的单位仪器和资源损耗成本为其中Xi为每个应力组合下的单一应力大小，Xi0为基准应力大小；
考虑多应力广义耦合的TED过程加速退化试验多决策优化为：
其中εO为相关性最强的备选广义耦合模型的相关系数，Cm为最大成本预算限制。
根据本发明的第二技术方案，提供一种航空机载电子设备可靠性评估装置，所述装置包括处理器，所述处理器被配置为：
根据机载电子模块或零部件自身特性和先验信息进行模糊映射层次分析，确定产品的敏感应力，设计多应力加速试验方案，获取产品的加速退化数据，所述加速退化数据包括加速应力数量和类型；
根据加速应力数量和类型，结合敏感应力分析结果和综合应力耦合效应建立匹配的多应力耦合加速模型，描述分布参数与应力水平的关系，并确定多应力的耦合项；从广义耦合项中选取相关性最高的耦合项形式，确定产品的多应力广义耦合加速退化模型；
建立基于TED分布的多应力广义耦合加速极大似然估计模型，求解未知参数，进行多参数估计和求解，获取模型参数值，外推产品寿命指标；
进行多应力广义耦合TED退化模型的多目标优化建模，在多应力加速试验方案的设计中，以考虑加速应力损耗的试验总成本为约束，同时优化每组试验方案的决策变量，以对试验方案进行更新，所述决策变量包括单元分配和试验时间。
根据本发明的第三技术方案，提供一种航空机载电子设备可靠性评估系统，所述系统包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现如上所述的方法。
根据本发明的第四技术方案，提供一种存储有指令的非暂时性计算机可读存储介质，当所述指令由处理器执行时，执行如上所述的方法。
根据本发明各个方案的航空机载电子设备可靠性评估方法、装置及系统和介质，其至少具有以下技术效果：
本发明可以通过以下三方面实现试验的下阶段优化，从而更大程度上提高下次试验的可靠性评估准确性：
(1)通过相关性分析，自适应选择最佳广义耦合模型；
(2)基于Fisher信息矩阵或分位数寿命平均渐近方差，进行多决策变量试验优化；
(3)基于试验预算限制，约束测试间隔、试验时长和样品分配数量。
附图说明
在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所发明的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。
图1是一种航空机载电子设备可靠性评估方法的流程图；
图2是描述产品中所有要素相互关系的结构图；
图3是失效机理与环境应力的具体映射关系；
图4是基于失效机理映射关系的应力类型和耦合项确立判定流程；
图5是多应力加速退化试验的试验实施工况和试验条件；
图6是试验退化数据统计分析后不同应力水平下的退化轨迹图(以S1为例)；
图7是试验退化数据统计分析后不同应力水平下的数据残差分布；
图8是试验退化数据统计分析后不同应力水平下的数据P-P残差；
图9是步骤2、3关于模型建立和求解的具体实施方法和流程；
图10是智能算法求解的最优方法适应值收敛曲线、平均适应值收敛曲线和适应偏差的箱型图；
图11是案例正常应力水平下产品考虑多应力广义耦合和不考虑耦合的评估结果；
图12是基于成本约束的试验配置更新和方案优化的流程。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。下面结合附图和具体实施例对本发明的实施例作进一步详细描述，但不作为对本发明的限定。本文中所描述的各个步骤，如果彼此之间没有前后关系的必要性，则本文中作为示例对其进行描述的次序不应视为限制，本领域技术人员应知道可以对其进行顺序调整，只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。
本发明实施例提供一种航空机载电子设备可靠性评估方法，该方法是一种用于航空机载电子设备模块和零部件的可靠性快速评估通用方法，可针对不同的机载电子产品进行具体分析。方法从产品自身特性出发，主要包括产品的功能-结构-失效-应力四个层面的模糊层次映射分析、广义耦合项的相关性分析、基于多应力广义耦合的TED加速退化模型、考虑多应力广义耦合加速的TED过程极大似然估计方法和基于遗传算法、模拟退火算法、粒子群算法、正弦余弦算法的模型多参数求解方法、基于D-优化和V-优化的多应力广义耦合加速TED退化试验优化方法。具有通用性，均涵盖在本发明的保护范围以内。案例作为方法的解释说明给出，下面结合通用方法和实际案例对本发明进行进一步详细说明。
如图1所示，一种航空机载电子设备可靠性评估方法具体包括如下步骤1-4。
步骤1：针对模块或零部件自身特性和实际情况进行模糊映射层次分析，确定产品的敏感应力。
1)功能分解和结构分析，获取故障机理和环境应力的映射关系，从而判定应力施加类型。
进行功能和结构的分析，从制造商或可靠性分析专家处获取相关信息，要求对产品及其功能有准确的描述；再根据原理图和功能框图建立可靠性框图，描述产品中所有要素的相互关系，从而获取功能-结构映射关系，如图2所示。
使用FTA法对被测产品的故障进行初步检查，以确定产品的每个故障机理；通过编制FMMEA工作表，考虑每个功能不同组件的故障模式，生成故障模式列表。构造以FTA分析中顶事件为可靠性目标的失效机理-环境应力映射矩阵。此外，还应确定任务阶段的寿命概况，可以更好识别逻辑因果关系、潜在的组件故障机制和故障物理模型。
结合FTA和FMMEA的分析结果，判断失效机理与应力的具体映射关系，失效机理-环境应力映射关系如图3所示。
通过结构-机理-应力的层次分析方法，可确定产品可靠性目标下的多应力耦合加速试验的应力施加类型，每层之间的联系由相互映射关系决定。其中，产品功能为实现产品整体性能的单个操作；产品结构是执行功能的相关组件或元器件；故障机理是终止组件实现所需功能的过程或损坏行为；环境应力，尤其是温度、湿度和振动等，会导致机械、电子、热、辐射和化学失效发生，这些机理在宏观层面表现为失效模式。整体过程如图4所示。
2)基于产品设计多应力加速退化试验方案，并搭建试验平台，获取加速退化数据。
基于产品设计多应力加速试验方案，并搭建试验平台。具体以三应力加速退化试验为例，设置温度、湿度和电流三种应力，共设置6组应力组合。三应力试验的每个应力组合下的试件数量为X个，根据需求选择截尾类型，直到产品性能出现退化并达到失效阈值。同时明确该产品的正常工作要求，即试验的标准法向应力水平。在加速试验中施加应力水平如表1所示。
表1三应力加速寿命评估试验方案
在三应力试验中投入6X件产品，按评估方案分为6组，每组X件产品进行加速退化试验，每间隔一定时间，统计相关退化量数据。然后通过AIC、BIC、K-S检验法进行退化量分布的假设检验，确定退化量分布满足TED过程。为确保模型正确性，需要对数据进行拟合优度检验，经拟合优度检验和赤池信息量准则(Akaike Information Criterion，AIC)、贝叶斯信息准则(Bayesian Information Criterion,BIC)等多重检验准则计算判断。
以机载平视显示系统(HUDs)的某激光模块为案例设计三应力加速退化试验方案，并搭建试验平台。经敏感应力分析，设置温度、湿度和电流三种应力，共设置6组应力组合。三应力试验的每个应力组合下的试件数量为5个，测试时间间隔为1个月，共测试12次，直到产品达到激光要求的光照强度的退化阈值限制；同时明确该产品的正常工作要求，即试验的标准法向应力水平：日常使用的基础应力为298K(25℃)，50％RH，日常正向工作电流为350mA，最大工作电流为700mA，最高工作温度为120℃，此时失效机理改变。因此，在加速试验中施加应力水平如表2所示。
表2三应力加速寿命评估试验方案
在三应力试验中投入30件产品，按评估方案分为6组，每组5件产品进行加速退化试验，统计相关光强退化量数据。具体试验操作流程如下：
(1)连接夹具、被测产品和线缆，准备好试验箱、测量仪器和电流源，确保：①室内温湿度恒定为日常使用环境；②被测产品通过应力筛选，且性能测试良好，通过质量检测，不存在残次品或不合格产品情况；③试验箱满足计量审计要求，误差和精度符合国家标准；④测试计量器具满足国家标准和3C认证，满足试验计量审计要求；⑤电流源提供恒流稳定，不会出现波动，并且可以长期提供恒定电流。
(2)测试被测产品的初始性能指标，在正常工况下，记录所有激光产品的初始光照强度，并且同一型号产品的相同工况下，初始光照强度不应存在较大偏差。具体检测要求、条件和方法需满足特定样品的测量条件。
(3)准备开始试验：①产品在日常工况电应力的情况下上电，确保产品达到光强恒定的稳定条件后，放入试验箱，调整为加速电应力工况，并开始加热加湿，试验剖面从此刻开始计算，设置1h内，箱内温度和湿度达到加速应力规定的温湿度水平，连续工作一个间隔时间(100h/200h/500h)；②工作一个间隔时间后，设置1h内，令箱内温度和湿度恢复到日常使用工况，并断电，取出试验件；按照国家标准和行业标准，需在正常环境工况下放置2h后再进行测试，将电应力调整至激光模块日常使用达到100％光通量的电流值，分别测试所有产品的光通量并记录，为尽可能消除测量误差，每次每个产品测量10组数据，取平均值；③再次放入试验箱，调整为加速电应力工况，继续开始①的循环，直到性能退化至失效阈值，停止试验，记录和整理全部数据，试验条件和剖面如图5所示。最终试验退化数据统计分析后不同应力水平下的退化轨迹如图6所示，图给出了一组多应力加速试验(S1)后的退化轨迹。
3)通过AIC、BIC等方法进行寿命分布假设检验，确定退化量分布满足TED过程。
本发明采用AIC/BIC/K-S检验的综合检验方法，经AIC、BIC和K-S检验综合判断数据是否满足模型前提假设，以S1为例，首先进行数据残差的定性分析，不同应力水平下的退化量残差散点图和P-P图，数据均分布在P-P图对角线周围，残差也以0为轴对称分布，如图7、8所示。AIC/BIC的数据检验结果如表3所示，证明该激光模块的光照强度退化量最满足TED分布。
表3三应力加速退化试验数据AIC和BIC准则检验结果
分布 AIC BIC 对数似然
gamma 1402.25 1410.03 -699.13
winner 1429.38 1437.15 -712.69
IG 1428.60 1428.63 -712.30
TED 1401.08 1408.85 -698.54
步骤2：根据加速应力数量和类型，结合敏感应力分析结果和综合应力耦合效应建立匹配的多应力耦合加速模型，描述分布参数与应力水平的关系，并根据实际试验数据或者先验试验数据，采用相关性算法确定多应力的耦合项。
1)基于多应力广义耦合加速的TED退化过程建模和耦合项判定
根据加速应力数量和类型，结合敏感应力分析结果和综合应力耦合效应建立匹配的多应力广义耦合加速模型，描述分布参数与应力水平的关系，并根据实际情况确定多应力的广义耦合项。由于机载电子设备的模块和零部件的退化满足TED过程，则考虑多应力广义耦合的加速退化模型为：
其中，η为退化参数(漂移率)，λ为尺度参数(扩散率)，为不同应力间的广义耦合关系，α0,α1,···,αp为多应力加速下的未知协变量参数，p表示所有可能存在的应力单独作用和广义耦合作用的项数，Y(Δt)为退化量，N＝N1+N2+N3，为耦合项中施加应力的数目，r、s、v为应力序数，w为参数序数，Sr为应力，TED为分布名称，exp为指数运算符号，为组合数计算方法，其中广义耦合表达为：
多应力广义耦合加速模型中，α0,α1,···,αp为未知参数，p表示所有可能存在的应力单独作用和广义耦合作用的项数，为双应力XrXs可能存在的耦合关系，其余为对应数目应力可能存在的耦合关系；广义耦合表达中，为广义耦合表达的通用形式，为常数，表示幂次；N＝N1+N2+N3，为耦合项中施加应力的数目，耦合项需要结合现实工程情况和产品自身失效机理，考虑综合应力耦合效应进行判定，具体形式后续可通过相关性算法确定。
基于该激光模块为案例，确定通用的三应力加速退化模型为：
2)考虑综合应力耦合效应的耦合项判定
本发明提出的考虑应力间广义耦合的多应力加速模型存在应力间的耦合项，但在实际工程应用中，需要结合特定产品的物理失效机理和施加应力的关系判断对应耦合项的存在与否。本方法总结并提出了加速寿命试验中的综合应力耦合效应关系，可以用来辅助判定加速退化模型耦合项的存在与否。不同应力间可能存在一定关系，考虑到环境效应，包含三种应力关系：(1)应力间耦合，加强机械损伤或加速功能退化；(2)应力间弱化，应力间存在影响，相互使对方作用降低，在试验中不应同时施加；(3)应力不相关，对产品退化无影响。
结合故障机理和环境应力的映射关系，可获取产品的失效与应力的联系，当产品的一个失效与两个以上的应力相关时，同时考虑综合应力耦合效应和失效机理与应力映射关系，综合判定耦合项的存在与否。例如在高温高湿的加速应力条件下，高温对水汽渗透有加速作用，同时电子产品表面离子的活性增强，相关化学腐蚀和电化学效应也会随之强化。但在潮湿情况下加大电流应力，也不会加快大部分产品的损伤或者性能退化进程，因此可以认为没有耦合作用。
在同时施加温度、湿度、振动三应力情况下，由于电子元器件、模块的材料间热膨胀系数不同，产品会发生伸缩变形，结合部位或结合点会产生空隙或发生松动，此时施加潮湿环境，水气会从产生的缝隙间进入，会产生腐蚀或者摩擦系数改变，再同时施加振动应力，会由于摩擦系数的改变产生共振或过分摩擦，从而促进产品性能退化和机械损伤，以至于出现新的失效模式，此时必须考虑这三种应力组合下的耦合项。因此在某些应力情况下，必须考虑应力之间的耦合作用，若不考虑应力耦合的作用，评估结果将有较大偏差。
针对本案例分析的产品，在三应力试验中，考虑实际工程应用情况，湿度应力和电流应力间可以认为不存在耦合关系，因此设置相关的耦合项系数为0，再根据实际应力的耦合效应，得知针对该电子产品，湿度和电应力可以认为不存在耦合关系，因此，实际的广义耦合加速TED退化过程为：
3)结合相关性算法，从广义耦合项中选取相关性最高的耦合项形式，确定该产品的多应力广义耦合加速模型。
相关系数表示样本中两个随机变量是否线性相关的度量，为确定广义耦合多应力加速模型，需要计算不同形式耦合项与寿命指标的相关性。为获得合理的相关性分析结果，本方法定义所有应力耦合项为样本X，退化指标lnη为样本Y，两个变量的相关度ε为
在相关度的定义下，ε越正，关联越正，且ε越接近1，两个变量越正相关；反之ε越负，关联越负，且ε接近于-1，两个变量越负相关；当ε接近0点时，两个变量几乎不线性相关；从而通过相关性选取最相关耦合项以获取与实际情况最符合形式。
因此基于历史数据和试验数据，对各应力变量在广义耦合表达中可能存在的表达形式进行和与退化量lnη的相关性分析，最终确定模型为：
步骤3：建立基于TED过程的多应力广义耦合加速极大似然估计模型，并引入多种智能算法进行并行求解。
对于在多应力加速试验中获得的试验数据，需要利用参数估计方法求解模型未知参数，实现可靠性指标外推。极大似然估计法(MLE)是一种参数估计方法，提供了一种利用给定观测数据评估模型参数的方法，由于其通用性和稳定性，广泛应用于可靠性数据分析领域。
在多应力广义加速模型的基础上，可获取基于TED分布的整体对数极大似然估计为：
在整体试验中，共有γ组试验，每组试验有mk个试验件，每个件在试验全程观测nk组数据，Θ＝(α0,α1,···,αp,λ,ρ)为待求未知参数的向量表示，其中α0,α1,···,αp为加速应力-退化率关系的待求参数，λ,ρ为TED分布的待求参数,为观测数据总数。
其中D(δ,S)为TED分布的随机过程偏差函数，表示为：
在参数求解过程中，基于极大似然估计极大点导数为0的基础性质，采用极大似然估计的数学求解方法进行计算，即令每个参数的偏导数为0，构建优化模型。
优化算法应该在探索和利用之间取得适当的平衡，以实现全局最优解。算法通过一组初始随机解开始优化过程，然后缓存迄今为止获得的最佳解决方案，将其指定为目标，并在考虑所选最佳解决方案的同时更新其他解决方案，本案例的优化过程如图10所示。随着迭代次数的增加，刷新搜索空间的范围以保持对搜索空间的利用。当迭代次数达到最大迭代次数时，停止优化过程，获取在最优目标下的待求参数的解。通过上述过程，可以获取多应力耦合极大似然估计模型的未知参数，从而进行寿命评估，多种算法并行求解的整体过程总结如图9所示，案例的求解结果如表4所示，寿命外推的结果如表5和图11所示，考虑广义耦合的相对误差控制在2％以内，显著优于不考虑的情况。
表4不同方法下的模型参数优化结果
表5正常应力下产品的中位寿命和相对误差
模型 tR＝0.5/月 相对误差
广义耦合 22.44 0.0135
一般耦合 29.66 0.3391
不耦合 34.63 0.5634
步骤4：以考虑加速应力损耗的试验总成本为约束，结合D-优化和V-优化建立估计模型，同时进行每组试验的单元分配、试验时间等多决策变量优化，从而对试验方案进行优化更新。
本发明提出基于D-优化和V-优化的多应力广义耦合加速TED过程试验优化方法，可以从两个方面同时进行多决策变量优化，以优化配置新的试验方案。
D-优化基于Fisher信息矩阵(FIM)进行优化，主要关注的问题是模型整体参数估计的准确程度。由于模型参数过多，因此采用Fisher矩阵对模型信息进行统合和求解，FIM行列式的值等效为未知参数估计值的方差-协方差矩阵，通过最大化行列式的值，等效参数估计值的方差-协方差矩阵来提高退化路径的拟合精度：
Ikk,k＝i+2为每两个待求参数的负二阶偏导数的期望。根据偏导数性质，可得且
则可通过分部偏导数计算获取从而最大化行列式的值实现试验优化配置。
V-优化准则是基于渐近方差的优化设计方法，主要关注的问题是被测产品的寿命估计精度。本发明优化工作情况下寿命分布的第q个分位数tq(Si)，优化目标为退化外推的寿命分布的极大似然估计量的渐近方差最小，从而提高估计精度。
结合极大似然估计，优化对象为考虑广义耦合的多应力下产品所有应力组合的第q个分位数的MLE平均渐近方差，即：
OptObject＝Avar(tq(Si))
＝H·I-1·HT·f-2(tq(Si))
式中，Avar(tq(Si))表示tq(Si)的渐近方差，I为Fisher矩阵，H为模型中参数Θ＝(α0,α1,···,αp,λ)概率分布函数CDF的偏导数向量，定义为：
在实际加速退化试验中，成本和花费约束是最现实的问题，由于每次试验的测试成本有限，因此我们需要关注实际的测试费用消耗情况，提出一种基于应力水平变化的多决策目标试验成本约束方法，与试验自身的设计最优方法结合，一同对试验整体进行全局优化和约束，以平衡试验精度和人力成本。多目标成本约束条件主要有4个，分别为场地使用成本、测试器件成本、人力和测量成本、试验仪器使用和试验资源损耗成本组成，其中试验仪器损耗和试验资源损耗成本会因为应力施加水平的不同而不同，且一般在多应力加速试验中，每组试验的测试器件数量、测量时间间隔和频率相同。
设n为多应力试验组数，N为试验施加应力数目，mk为每组应力水平试验组合下的测试器件数，dk为每组应力组合下的试验测试次数，tk为每组应力水平试验组合下的试验时间。因此，总测试成本表示为：
其中C1、C2、C3、C4分别表示单位场地使用成本、每个测试器件的成本、单位人力工资和测量成本、单位仪器和资源损耗成本。由于能源和仪器损耗成本与加速应力水平的关系一般为功率消耗关系，即满足指数分布，因此仪器和资源损耗成本在N应力组合Si条件下进行试验时，基于应力变化的单位仪器和资源损耗成本为其中Xi为每个应力组合下的单一应力大小，Xi0为基准应力大小。
最终，考虑多应力广义耦合的TED过程加速退化试验多决策优化为：
其中εO为相关性最强的备选广义耦合模型的相关系数，Cm为最大成本预算限制。
综上，本发明专利可以通过以下三方面实现优化：
(1)通过模糊相关性分析，自适应选择最佳广义耦合模型；
(2)基于Fisher信息矩阵或分位数寿命平均渐近方差，进行多决策变量试验优化；
(3)基于试验预算限制，约束测试间隔、试验时长和样品分配数量。
以本案例试验为例，给予试验成本限制并对试验进行优化更新，最终获取最优试验分配方案如表6所示，可知方案1显著优于原试验方案，在相同成本约束下，试验精度优化23.85％。
表6优化的最优试验分配方案结果
方案 Dm Dn 目标函数值 花费/元
1 (5,7,4,3,6,5) (12,14,13,14,10,9) 1.35E+12 42212
2 (6,4,6,6,4,6) (12,16,16,14,10,9) 1.30E+12 42662
3 (6,4,6,6,4,6) (13,16,16,13,10,9) 1.23E+12 42739
4 (5,7,4,3,6,5) (12,14,13,14,14,12) 1.11E+12 43116
5 (5,5,5,5,5,5) (12,12,12,12,12,12) 1.09E+12 41427
本发明通过采用多种人工智能算法进行多参数的并行估计和求解，以保证参数求解的准确性：基于似然函数的极大似然估计模型，以D-优化和V-优化作为优化目标，同时进行迭代计算，可以获取多应力耦合极大似然估计模型的未知参数，从而进行寿命指标外推，实现可靠性评估。以成本作为约束，在可靠性评估精度和试验花费成本之间寻求最优解，最大程度上提高试验效率和价值，很大程度上节省了人力和财力，具有较大的应用前景和经济效益，具体过程如图12所示。
此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本发明的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本发明。这不应解释为一种不要求保护的发明的特征对于任一权利要求是必要的意图。相反，本发明的主题可以少于特定的发明的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。

Claims (8)

1.一种航空机载电子设备可靠性评估方法，其特征在于，所述方法包括：
根据机载电子模块或零部件自身特性和先验信息进行模糊映射层次分析，确定产品的敏感应力，设计多应力加速试验方案，获取产品的加速退化数据，所述加速退化数据包括加速应力数量和类型；
根据加速应力数量和类型，结合敏感应力分析结果和综合应力耦合效应建立匹配的多应力耦合加速模型，描述分布参数与应力水平的关系，并确定多应力的耦合项；从广义耦合项中选取相关性最高的耦合项形式，确定产品的多应力广义耦合加速退化模型；
建立基于TED分布的多应力广义耦合加速极大似然估计模型，求解未知参数，进行多参数估计和求解，获取模型参数值，外推产品寿命指标；
进行多应力广义耦合TED退化模型的多目标优化建模，在多应力加速试验方案的设计中，以考虑加速应力损耗的试验总成本为约束，同时优化每组试验方案的决策变量，以对试验方案进行更新，所述决策变量包括单元分配和试验时间；
基于D-优化和V-优化为优化目标，对所述多应力广义耦合加速退化模型的参数进行求解；
基于D-优化的计算方法如下：
Iξξ为每两个待求参数的负二阶偏导数的期望；
基于V-优化的计算方法如下：
OptObject＝Avar(tq(Si))
＝H·I-1·HT·f-2(tq(Si))
其中，Avar为最小渐近方差，H为参数矩阵，I为Fisher信息矩阵，f为最小渐近方差计算函数，Si为施加应力，i为施加应力种类的序数，tq为最小渐近方差时间；
所述在多应力加速试验方案的设计中，以考虑加速应力损耗的试验总成本为约束，同时优化每组试验方案的决策变量，以对试验方案进行更新，具体包括：
设γ为多应力试验组数，k为多应力试验序数，N为试验施加应力数目，mk为每组应力水平试验组合下的测试器件数，dk为每组应力组合下的试验测试次数，tk为每组应力水平试验组合下的试验时间，总测试成本表示为：
其中C1、C2、C3、C4分别表示单位场地使用成本、每个测试器件的成本、单位人力工资和测量成本、单位仪器和资源损耗成本，仪器和资源损耗成本在N应力组合Si条件下进行试验时，基于应力变化的单位仪器和资源损耗成本为其中Xi为每个应力组合下的单一应力大小，Xi0为基准应力大小；
考虑多应力广义耦合的TED过程加速退化试验多决策优化为：
其中εO为相关性最强的备选广义耦合模型的相关系数，Cm为最大成本预算限制。
2.根据权利要求1所述的方法，其特征在于，所述根据机载电子模块或零部件自身特性和先验信息进行模糊映射层次分析，确定产品的敏感应力，设计多应力加速试验方案，获取产品的加速退化数据，具体包括：
根据产品功能和产品结构确定原理图和功能框图；
根据原理图和功能框图建立可靠性框图，以描述产品中所有要素的相互关系，获取功能-结构映射关系；
建立故障机理和环境应力的映射关系；
获取产品的故障机理，所述产品的故障机理通过使用FTA法对被测产品的故障进行初步检查得到；
编制工作表，考虑每个功能不同组件的故障模式，生成故障模式列表；
构造以FTA分析中顶事件为可靠性目标的失效机理-环境应力映射矩阵；
建立失效机理-环境应力映射关系；
通过功能结构-故障机理-环境应力的层次分析，确定产品可靠性目标下的多应力耦合加速试验的应力施加类型；
从产品功能向产品结构进行映射分析，再向不同部件对应的失效模式进行扩展映射，从而通过分析故障机理的失效物理模型，获取敏感的环境应力；
其中产品功能为实现产品整体性能的单个操作；产品结构是执行功能的相关组件或元器件；故障机理是终止组件或元器件实现所需功能的过程或损坏行为；环境应力包括温度、湿度和振动，所述环境应力导致机械、电子、热、辐射和化学失效发生的机理为失效机理。
3.根据权利要求1所述的方法，其特征在于，所述多应力耦合加速模型表示为：
其中，λ为尺度参数，分别为双应力、三应力和多应力间的广义耦合关系，α0,α1,…,αp为多应力加速下的未知协变量参数，p表示所有可能存在的应力单独作用和广义耦合作用的项数，Y(△t)为退化量，Δt为试验测试间隔，r、s、v为应力序数，w为参数序数，Sr为应力，TED为分布名称，exp为指数运算符号，为组合数计算方法，其中不同应力间的广义耦合关系表达为：
其中，K1为第一项数目，K2为第二项数目，K3为第三项数目，为不同应力间的广义耦合关系，为常数，表示幂次，为第一项应力，为第二项应力，为第三项应力；
根据两个变量的相关性，从广义耦合项中选取相关性最高的耦合项形式，确定产品的多应力广义耦合加速退化模型，两个变量的相关性计算方法为：
其中，xk为对应的广义耦合项的取值，yk为对应的寿命指标lnη值，η为退化参数，c为常数，ε越接近1，两个变量越正相关；ε越接近于-1，两个变量越负相关。
4.根据权利要求3所述的方法，其特征在于，产品的多应力广义耦合加速退化模型表示为：
或
5.根据权利要求3所述的方法，其特征在于，基于TED分布的多应力广义耦合加速极大似然估计模型表示为：
其中为退化量与时间的比值，D(δ,S)为TED分布的随机过程偏差函数；
在参数求解过程中，基于极大似然估计极大点导数为0的基础性质，采用极大似然估计的求解方法进行计算。
6.一种航空机载电子设备可靠性评估装置，其特征在于，所述装置包括处理器，所述处理器被配置为：
根据机载电子模块或零部件自身特性和先验信息进行模糊映射层次分析，确定产品的敏感应力，设计多应力加速试验方案，获取产品的加速退化数据，所述加速退化数据包括加速应力数量和类型；
根据加速应力数量和类型，结合敏感应力分析结果和综合应力耦合效应建立匹配的多应力耦合加速模型，描述分布参数与应力水平的关系，并确定多应力的耦合项；从广义耦合项中选取相关性最高的耦合项形式，确定产品的多应力广义耦合加速退化模型；
建立基于TED分布的多应力广义耦合加速极大似然估计模型，求解未知参数，进行多参数估计和求解，获取模型参数值，外推产品寿命指标；
进行多应力广义耦合TED退化模型的多目标优化建模，在多应力加速试验方案的设计中，以考虑加速应力损耗的试验总成本为约束，同时优化每组试验方案的决策变量，以对试验方案进行更新，所述决策变量包括单元分配和试验时间；
基于D-优化和V-优化为优化目标，对所述多应力广义耦合加速退化模型的参数进行求解；
基于D-优化的计算方法如下：
Iξξ为每两个待求参数的负二阶偏导数的期望；
基于V-优化的计算方法如下：
OptObject＝Avar(tq(Si))
＝H·I-1·HT·f-2(tq(Si))
其中，Avar为最小渐近方差，H为参数矩阵，I为Fisher信息矩阵，f为最小渐近方差计算函数，Si为施加应力，i为施加应力种类的序数，tq为最小渐近方差时间；
所述在多应力加速试验方案的设计中，以考虑加速应力损耗的试验总成本为约束，同时优化每组试验方案的决策变量，以对试验方案进行更新，具体包括：
设γ为多应力试验组数，k为多应力试验序数，N为试验施加应力数目，mk为每组应力水平试验组合下的测试器件数，dk为每组应力组合下的试验测试次数，tk为每组应力水平试验组合下的试验时间，总测试成本表示为：
其中C1、C2、C3、C4分别表示单位场地使用成本、每个测试器件的成本、单位人力工资和测量成本、单位仪器和资源损耗成本，仪器和资源损耗成本在N应力组合Si条件下进行试验时，基于应力变化的单位仪器和资源损耗成本为其中Xi为每个应力组合下的单一应力大小，Xi0为基准应力大小；
考虑多应力广义耦合的TED过程加速退化试验多决策优化为：
其中εO为相关性最强的备选广义耦合模型的相关系数，Cm为最大成本预算限制。
7.一种航空机载电子设备可靠性评估系统，其特征在于：所述系统包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如权利要求1至5中任一项所述的方法。
8.一种存储有指令的非暂时性计算机可读存储介质，当所述指令由处理器执行时，执行根据权利要求1至5中任一项所述的方法。
CN202311356212.9A 2023-10-19 2023-10-19 航空机载电子设备可靠性评估方法、装置及系统和介质 Active CN117390767B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311356212.9A CN117390767B (zh) 2023-10-19 2023-10-19 航空机载电子设备可靠性评估方法、装置及系统和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311356212.9A CN117390767B (zh) 2023-10-19 2023-10-19 航空机载电子设备可靠性评估方法、装置及系统和介质

Publications (2)

Publication Number Publication Date
CN117390767A CN117390767A (zh) 2024-01-12
CN117390767B true CN117390767B (zh) 2024-04-19

Family

ID=89438583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311356212.9A Active CN117390767B (zh) 2023-10-19 2023-10-19 航空机载电子设备可靠性评估方法、装置及系统和介质

Country Status (1)

Country Link
CN (1) CN117390767B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118709441A (zh) * 2024-08-05 2024-09-27 北京航空航天大学 一种基于吸引子的机电设备可靠性评价方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114818348A (zh) * 2022-05-06 2022-07-29 哈尔滨工业大学 考虑多应力耦合作用对产品退化影响的可靠性评估方法
WO2023045024A1 (zh) * 2021-09-27 2023-03-30 天津航天瑞莱科技有限公司 基于威布尔分布的步退应力加速可靠性试验方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2023045024A1 (zh) * 2021-09-27 2023-03-30 天津航天瑞莱科技有限公司 基于威布尔分布的步退应力加速可靠性试验方法
CN114818348A (zh) * 2022-05-06 2022-07-29 哈尔滨工业大学 考虑多应力耦合作用对产品退化影响的可靠性评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于加速退化数据的可靠性评估技术综述;王浩伟;滕克难;;系统工程与电子技术;20170914(12);全文 *
基于多应力综合加速模型的产品可靠性评估方法;魏高乐;陈志军;;科学技术与工程;20160118(02);全文 *
考虑广义耦合的多应力加速寿命评估方法;张帆等;https://kns.cnki.net/kcms2/detail/11.2422.TN.20230523.1430.015.html;20230524;正文第0-3节 *

Also Published As

Publication number Publication date
CN117390767A (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
Hu et al. Optimum step-stress accelerated degradation test for Wiener degradation process under constraints
CN117390767B (zh) 航空机载电子设备可靠性评估方法、装置及系统和介质
CN102252898A (zh) 基于“寿命－应力”模型的电子产品加速寿命试验方法
CN107238765A (zh) 基于加速性能退化参数的led集成驱动电源可靠性分析方法
CN113484813B (zh) 多环境应力下的智能电表故障率预估方法及系统
CN113125888A (zh) 基于故障行为的航空机电产品加速寿命试验方法
Zhang et al. NHPP-based software reliability model considering testing effort and multivariate fault detection rate
Royzman et al. 866. Multiple inverse problem
CN111859623A (zh) 卫星电子产品的可靠性鉴定方法、装置、设备及存储介质
CN109657260B (zh) 一种考虑失效相关性的涡轮转子系统可靠性分配方法
CN109684713A (zh) 基于贝叶斯的复杂系统可靠性分析方法
Park et al. Methodological approach for calibration of building energy performance simulation models applied to a common “measurement and verification” process
CN114184211B (zh) 一种惯导可靠性试验中性能变化机理一致性判定方法
Acurio et al. Design and implementation of a machine learning state estimation model for unobservable microgrids
CN115453447A (zh) 基于嫌疑电表分步补偿剔除的超差电表在线检测方法
Koutsellis et al. Warranty forecasting of repairable systems for different production patterns
Feng et al. Research on the demand distribution of aviation equipment maintenance spare parts
Yun et al. Metaheuristic-based inspection policy for a one-shot system with two types of units
Tung et al. Planning gamma accelerated degradation tests with two accelerating variables
CN112906237A (zh) 一种发动机部件故障分析方法及系统
Wang Research on accelerated degradation test and reliability evaluation method of electromechanical products
CN110956378A (zh) 一种电网项目达产的综合判定方法及系统
Liu et al. Using a random coefficient regression model to jointly determine the optimal critical level and lot sizing
CN116933181B (zh) 等级不对称情况下的复杂装备质量状态认证方法
CN112445632A (zh) 基于故障数据建模的hpc可靠性评估方法

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