CN118229271B - 用于核电安全级设备的寿命评估方法、装置、设备及介质 - Google Patents
用于核电安全级设备的寿命评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN118229271B CN118229271B CN202410637693.9A CN202410637693A CN118229271B CN 118229271 B CN118229271 B CN 118229271B CN 202410637693 A CN202410637693 A CN 202410637693A CN 118229271 B CN118229271 B CN 118229271B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- parameter value
- activation energy
- board card
- factor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000001133 acceleration Effects 0.000 claims abstract description 354
- 230000004913 activation Effects 0.000 claims abstract description 85
- 230000014509 gene expression Effects 0.000 claims abstract description 77
- 238000012360 testing method Methods 0.000 claims abstract description 53
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 24
- 230000007246 mechanism Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 239000006185 dispersion Substances 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本申请适用于核电数据处理技术领域,尤其涉及一种用于核电安全级设备的寿命评估方法、装置、设备及介质。该方法获取核电设备中设备接口模块对应的样品的试验数据并构建不确定性分布得到不确定正态分布,使用构建的每个加速参数值的加速因子表达,对加速寿命时长进行实际时长折算得到实际时长表达,结合不确定正态分布的期望和标准差,对所有的实际时长表达进行计算得到激活能参数值,根据激活能参数值确定的加速因子和加速寿命时长确定实际时长,根据所有样品的实际时长得到板卡寿命时长,通过不确定分布和极大似然法计算激活能参数,实现不同加速参数值下加速因子的统一计算,避免加速因子离散导致实际寿命折算出现误差,提高了评估的准确性。
Description
技术领域
本申请适用于核电数据处理技术领域,尤其涉及一种用于核电安全级设备的寿命评估方法、装置、设备及介质。
背景技术
目前,核能发电已成为能源供应体系中不可或缺的一部分,有着广阔的发展前景。核电站数字化控制系统与核电站的正常运行密切相关。同时安全级设备中的设备接口模块作为部件之一,对整个系统的运行也有着重大的影响。因此,准确衡量设备接口模块寿命有利于指定相关维护策略,避免板卡故障导致系统产生重大失效。但设备接口模块目前产量较低,同时可靠性能良好,普通的寿命试验在有限的时间内无法获取足够的寿命数据,因此难以对设备接口模块寿命进行评估。
对此,使用加速寿命试验能够在相对较短的时间内模拟产品长期使用过程,能够在有限时间内收集高可靠产品的寿命数据,从而开展寿命评估。加速寿命试验是在不改变产品失效机理的前提下,通过对产品加载高于正常使用条件的应力等级,加快产品性能退化或失效过程,通过对加速应力下获得的数据进行统计分析,评估或预测产品正常使用条件寿命指标。通过加速寿命试验可以在产品的真实寿命消耗实现之前提前获得寿命过程数据,使得寿命指标的提前评判成为可能。
针对上述场景的加速寿命试验而言,由于样品数量、试验时间等限制,使用基于统计的寿命评估方法得到的结果置信度较低,因此,如何在极小样本下对试验结果进行拟合评估,以提高对核电安全级设备接口模型的寿命评估的准确性成为亟待解决的问题。
发明内容
有鉴于此,本申请实施例提供了一种用于核电安全级设备的寿命评估方法、装置、设备及介质,以解决如何在极小样本下对试验结果进行拟合评估,以提高对核电安全级设备接口模型的寿命评估的准确性的问题。
第一方面,本申请实施例提供一种用于核电安全级设备的寿命评估方法,所述寿命评估方法包括:
针对所述核电安全级设备中任一类型的设备接口模块,获取所述设备接口模块对应的每个板卡样品的试验数据,所述试验数据包括N个加速参数值及根据每个加速参数值对所述板卡样品进行加速寿命试验得到加速寿命时长,所述加速参数值为温度值和湿度值中的至少一个,N为大于3的整数;
基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定所述不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差;
根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对所述板卡样品中对应的加速寿命时长进行实际时长折算,得到对应所述板卡样品的实际时长表达;
使用极大似然法,结合所述预估期望时长和所述预估标准差,对所有的实际时长表达进行计算,得到所述待求解激活能参数对应的激活能参数值,根据所述激活能参数值,确定每个加速参数值对应的加速因子;
根据每个加速参数值对应的所述加速因子和所述加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到所述设备接口模块对应的板卡寿命时长。
第二方面,本申请实施例提供一种用于核电安全级设备的寿命评估装置,所述寿命评估装置包括:
数据获取模块,用于针对所述核电安全级设备中任一类型的设备接口模块,获取所述设备接口模块对应的每个板卡样品的试验数据,所述试验数据包括N个加速参数值及根据每个加速参数值对所述板卡样品进行加速寿命试验得到加速寿命时长,所述加速参数值为温度值和湿度值中的至少一个,N为大于3的整数;
数据分析模块,用于基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定所述不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差;
寿命折算模块,用于根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对所述板卡样品中对应的加速寿命时长进行实际时长折算,得到对应所述板卡样品的实际时长表达;
加速因子计算模块,用于使用极大似然法,结合所述预估期望时长和所述预估标准差,对所有的实际时长表达进行计算,得到所述待求解激活能参数对应的激活能参数值,根据所述激活能参数值,确定每个加速参数值对应的加速因子;
寿命评估模块,用于根据每个加速参数值对应的所述加速因子和所述加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到所述设备接口模块对应的板卡寿命时长。
第三方面,本申请实施例提供一种计算机设备,所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的寿命评估方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的寿命评估方法。
本申请实施例与现有技术相比存在的有益效果是:本申请针对核电安全级设备中任一类型的设备接口模块,获取设备接口模块对应的每个板卡样品的试验数据,基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差,根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对板卡样品中对应的加速寿命时长进行实际时长折算,得到对应板卡样品的实际时长表达,使用极大似然法,结合预估期望时长和预估标准差,对所有的实际时长表达进行计算,得到待求解激活能参数对应的激活能参数值,根据激活能参数值,确定每个加速参数值对应的加速因子,根据每个加速参数值对应的加速因子和加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到设备接口模块对应的板卡寿命时长,通过不确定分布对试验结果进行拟合,结合极大似然法计算调整加速因子的激活能参数,从而实现不同加速参数值下加速因子的统一计算,避免加速因子离散导致实际寿命折算出现误差,从而提高了寿命评估的准确性和可信性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的一种用于核电安全级设备的寿命评估方法的一应用环境示意图;
图2是本申请实施例二提供的一种用于核电安全级设备的寿命评估方法的流程示意图;
图3是本申请实施例三提供的一种用于核电安全级设备的寿命评估方法的流程示意图;
图4是本申请实施例四提供的一种用于核电安全级设备的寿命评估方法的流程示意图;
图5是本申请实施例五提供的一种用于核电安全级设备的寿命评估装置的结构示意图;
图6是本申请实施例六提供的一种计算机设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中, 人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
应理解,以下实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
为了说明本申请的技术方案,下面通过具体实施例来进行说明。
本申请实施例一提供的一种用于核电安全级设备的寿命评估方法,可应用在如图1的应用环境中,其中,服务端连接相应地数据库等,服务端执行相应地方法对数据库中存储的数据进行分析,尤其是对数据库中的数据,可以通过相应地试验进行获取,且在后续使用过程中可以记录对应板卡的故障情况,从而形成真实的板卡实际寿命数据。其中,服务端均可以包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、云端计算机设备、个人数字助理(personaldigital assistant,PDA)等计算机设备,也可以是独立的服务器来实现。
参见图2,是本申请实施例二提供的一种用于核电安全级设备的寿命评估方法的流程示意图,上述寿命评估方法应用于图1中的服务端,服务端与相应地数据库,以实现数据的获取。如图2所示,该用于核电安全级设备的寿命评估方法可以包括以下步骤:
步骤S201,针对核电安全级设备中任一类型的设备接口模块,获取设备接口模块对应的每个板卡样品的试验数据。
其中,试验数据包括N个加速参数值及根据每个加速参数值对板卡样品进行加速寿命试验得到加速寿命时长,加速参数值为温度值和湿度值中的至少一个,N为大于3的整数。
使用故障模式、影响、机理分析(Failure Model and Mechanization andEffects Analysis ,FMMEA)对设备接口模块每个组成部分可能存在的故障模式、故障机理进行研究,确定每个故障模式带来的影响。使用FMMEA确定产品的主故障机理及引发该机理的应力条件,从而为设备接口模块的加速寿命试验提供依据;
例如,拥有的板卡样品为6块全新设备接口模块以及7块已经使用6年的设备接口模块,共13个板卡样品,同时板卡的正常工作温度T为45℃,工作湿度RH为 25%。
对设备接口模块进行功能分析,在功能上对板卡故障进行划分,产品各组成元器件、部件的故障表现为不能实现其功能的方式,其中,故障模式定义为零部件、子系统或整个系统不能实现某种功能的某种表现方式,通过数值应力分析或以往的经验或工程确定潜在故障模式;故障原因为引发故障模式的工作应力和环境条件,分析每个故障模式对应的故障原因;故障机理是引发故障的物理、电学、化学、力学或其他过程,故障机理从微观方面阐明故障的本质、规律和原因,综合考虑潜在故障模式和故障原因,依据以往经验、相似产品法等确定故障机理;故障物理模型是描述故障发生的时间与产品几何尺寸、材料、环境和工作条件等关系的物理模型,每种故障物理模型都有相应的适用范围,综合考虑潜在故障模式和故障原因和故障机理,选择合适的故障物理模型来描述。
例如,产品在寿命周期中的环境条件包括温度、湿度、压力、振动等,工作应力包括机械载荷、电流、电压等,确定产品在寿命周期中的环境条件和工作应力,为故障模式及机理的影响分析提供依据,对影响进行分析,找出产品每个可能故障模式所产生的影响,对其发生的概率、严酷程度和风险程度进行分析,找出高风险性的故障机理,从而确定产品的主故障机理,记录以上步骤分析的结果,填写FMMEA表。
通过FMMEA表得到每个可能故障模式产生的影响,其中高风险性的故障机理认定为产品主故障机理,由主故障机理选取试验应力,针对本申请的核电安全级设备的设备接口模块,通过FMMEA分析明确湿度与温度两大应力是设备接口模块主要故障模式致因,因此加速寿命试验考虑考虑温度和湿度两个应力因素,试验最高温度应力水平为358.15K,最高湿度应力水平为85%RH,试验中样品接通电源,使用额定工作载荷。
例如,加速寿命试验应最少选取4个应力水平,每个应力水平即对应一个加速参数值,考虑在极小样本情况下无法开展强化试验,设计应力水平达到产品破坏极限,采用步进应力试验,所有样品在一个阶段性变化的应力剖面中开展试验,具体的应力水平设计应为:S1<S2<S3<…<Sn>Sn+1,其中,Sn为产品发生不可逆失效的应力极限,当达到该应力极限时,立即降低应力水平。例如,使用5个应力水平,如下表1:
表1 应力水平对应的加速参数值
以上述的方式构建应力水平表,并基于该应力水平表构建试验环境,从而实现对板卡样品的试验,实时记录板卡样品的运行状态,确定故障发生的事件,从而得到试验时长为对应板卡样品的加速寿命时长。
步骤S202,基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差。
其中,对所有板卡样品在所有加速参数值下的加速寿命时长进行从小到大的排列,形成一序列。例如,故障数据表可以采用以下形式表达,如下表2:
表2 故障序号对应的应力水平下的加速寿命时长
该表2中,故障序号表征样品号,1-8号样品为正常试验出现故障的样品的试验数据,9-13号样品为未试验出故障的样品(即试验全程未出现故障)的试验数据,可以表征为删失数据。
基于不确定过程对寿命数据进行建模,给出寿命数据服从的不确定正态分布,给出不确定正态分布中未知参数估计方法。
设是一个不确定变量,它的期望值是、方差为 。那么,不确定变量的熵为:,当且仅当是不确定变量服从期望值为、方差为的正态不确定分布时等号成立。根据最大熵定理,可以获取以下两种情况下的确信可靠分布:
(1)如果已知一个变量的期望和方差,应直接选择不确定正态分布作为该变量的确信可靠分布;
(2)如果可以利用观测数据合理地估计变量的期望和方差,也应选择不确定正态分布作为该变量的确信可靠分布。
根据经验矩的定义推导出经验期望和经验方差的表达式,不确定变量的经验矩为:
;
推导出经验期望:
;
经验方差:
;
其中,观测数据均为正数且在重新排序后满足,因此,观测数据对应的信度满足:
;
上述公式为修匀公式。
计算观测数据的算数平均值和标准差,使用修匀公式计算对应的信度,同时进行坐标变换,经坐标系向左平移,记录新坐标系下的数据点记作。
对于第轮迭代,使用经验期望公式和经验方差公式计算经验期望和经验标准差,进行坐标系平移,想左移动距离为,记录新坐标系下的数据点记作,同时计算相应的信度。
当两次的信度插值满足时,中止迭代,得到最终的信度,最后,根据信度得到不确定正态分布的期望值和标准差。
在经验矩的计算中,删失数据的时间不能直接用于计算,需要根据删失时间推算其期望寿命,以删失点为零点的剩余寿命分布,并可以计算删失数据的期望寿命。
步骤S203,根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对板卡样品中对应的加速寿命时长进行实际时长折算,得到对应板卡样品的实际时长表达。
其中,服务端中配置有与设备接口模块类型相应设的加速模型,该加速模型用于表征寿命特征与对应的设备接口模块类型的影响参数(即加速参数或应力)之间的关系,加速因子为表征1与加速寿命试验中加速倍数的比值,其中,1表征正常状态(即非加速状态)下的寿命特征量,加速倍数表征对应的加速状态下的寿命特征量。
可选的是,根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,包括:
根据设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第一加速模型为:
;
其中,为寿命特征量,和均为第一模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度,为湿度系数;
根据所述第一加速模型,构建得到每个加速参数值对应的加速因子表达为:
;
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子。
其中,上述第一加速模型能够准确地反映温度和湿度与电子元件寿命之间的关系,其中定义为温度和湿度状态下的正常寿命特征量为1,由于已知正常状态下温度和湿度,因此,可以将第一模型系数表征为待求解激活能参数的形式,从而无需设置第一模型系数,有助于提高计算的准确度。
可选的是,根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,包括:
根据设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第二加速模型为:
;
其中,为寿命特征量,和均为第二模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度;
根据第二加速模型,构建得到每个加速参数值对应的加速因子表达为:
;
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子。
其中,上述第二加速模型区别与第一加速模型,无需考虑湿度系数,计算更加简单,其中定义为温度和湿度状态下的正常寿命特征量为1,由于已知正常状态下温度和湿度,因此,可以将第二模型系数表征为待求解激活能参数的形式,从而无需设置第二模型系数,有助于提高计算的效率。
步骤S204,使用极大似然法,结合预估期望时长和预估标准差,对所有的实际时长表达进行计算,得到待求解激活能参数对应的激活能参数值,根据激活能参数值,确定每个加速参数值对应的加速因子。
其中,在实际时长表达中包含加速因子(也即包含待求解激活能参数),将该实际时长表达与预估期望时长和预估标准差一起构建得到一似然函数,使用极大似然法对该似然函数进行处理,即可得到其中的未知参数的结果,该似然函数中的未知参数即为待求解激活能参数。
在确定激活能参数值之后,即可根据构建的加速因子表达,以及对应的加速参数值来计算得到对应的加速因子。
可选的是,根据激活能参数值,确定每个加速参数值对应的加速因子,包括:
将激活能参数值以及每个加速参数值代入第一加速模型,得到对应每个加速参数值的第一寿命特征量;
将正常寿命特征量与每个加速参数值的第一寿命特征量作比,得到每个加速参数值对应的加速因子。
其中,在计算得到激活能参数值之后,将激活能参数值和对应的加速参数值代理上述的第一加速模型,从而得到每个加速参数值的第一寿命特征量,将正常寿命特征量(上述说明中记作)与每个加速参数值的第一寿命特征量作比,该比值即为加速因子。
上述激活能参数值均相同,但由于加速参数值的不同,使得得到的加速因子也不相同,即加速参数值与加速因子一一对应。
可选的是,根据激活能参数值,确定每个加速参数值对应的加速因子,包括:
将激活能参数值以及每个加速参数值代入第二加速模型,得到对应每个加速参数值的第二寿命特征量;
将正常寿命特征量与每个加速参数值的第二寿命特征量作比,得到每个加速参数值对应的加速因子。
其中,第二加速模型在计算加速因子的过程与上述第一加速模型计算加速因子的过程相似,可参考上述关于第一加速模型的表述,在此不再赘述。
步骤S205,根据每个加速参数值对应的加速因子和加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到设备接口模块对应的板卡寿命时长。
其中,加速因子与加速寿命时长相乘即可得到该加速参数值下的实际时长,对于上述的一个板卡样品而言,测试过程中为反复使用,因此,所有加速参数值的实际时长相加即可得到该板卡样品的实际时长。在得到所有板卡样品的实际时长之后,可以通过对所有实际时长进行分析,从而确定一可信度较高的时长,即为板卡寿命时长。
假设计算得到的激活能参数值为0.7,则S1应力水平的加速因子为:295.7657872,S2应力水平的加速因为:493.6299456,S3应力水平的加速因子为:585.965773。折算得到寿命数据如表3所示:
表 3 折算后的寿命数据
其中,针对上述数据,能够计算得到期望值,标准差,不确定正态分布的信度区间为:
;
从而,可以确定平均寿命95%的信度区间为[30.61,51.85](单位:年)。
本申请实施例针对核电安全级设备中任一类型的设备接口模块,获取设备接口模块对应的每个板卡样品的试验数据,基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差,根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对板卡样品中对应的加速寿命时长进行实际时长折算,得到对应板卡样品的实际时长表达,使用极大似然法,结合预估期望时长和预估标准差,对所有的实际时长表达进行计算,得到待求解激活能参数对应的激活能参数值,根据激活能参数值,确定每个加速参数值对应的加速因子,根据每个加速参数值对应的加速因子和加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到设备接口模块对应的板卡寿命时长,通过不确定分布对试验结果进行拟合,结合极大似然法计算调整加速因子的激活能参数,从而实现不同加速参数值下加速因子的统一计算,避免加速因子离散导致实际寿命折算出现误差,从而提高了寿命评估的准确性和可信性。
参见图3,为本申请实施例三提供的一种用于核电安全级设备的寿命评估方法的流程示意图。如图3所示,上述步骤S203中针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对板卡样品中对应的加速寿命时长进行实际时长折算,得到对应板卡样品的实际时长表达,可以包括以下步骤:
步骤S301,针对任一板卡样品中任一个加速参数值,使用加速参数值对应的加速因子表达与对应的加速寿命时长相乘,得到加速参数值对应的相乘结果。
步骤S302,遍历所有的加速参数值,得到所有加速参数值对应的相乘结果,对所有的相乘结果进行相加,得到相加结果为板卡样品的实际时长表达。
其中,将不同加速参数值下的试验时间通过不同加速参数值的加速因子折算至正常应力水平下的等效工作时间,如下:
;
其中,为最终折算的实际时间,为不同加速参数值下的试验时间,为不同加速参数值下的寿命特征量,为不同加速参数值下折算到正常参数值的加速因子,若折算至正常应力水平,取1。
由于板卡样品在试验中为反复使用,即在第一个加速参数值下使用出现故障之后,在第二个加速参数值下继续使用直至出现故障,或者试验结束,因此,板卡样品的寿命为所有加速参数值对应的折算结果的和。
该过程考虑板卡样品在试验中的实际情况,以准确地计算实际时长,从而有助于提高后续针对寿命评估的准确性。
参见图4,为本申请实施例四提供的一种用于核电安全级设备的寿命评估方法的流程示意图。如图4所示,上述步骤S204中使用极大似然法,结合预估期望时长和预估标准差,对所有的实际时长表达进行计算,得到待求解激活能参数对应的激活能参数值,可以包括以下步骤:
步骤S401,根据预估期望时长和预估标准差,对所有的实际时长表达进行似然函数构建,得到似然函数表达。
其中,该似然函数表达为:;
式中,L表征似然函数,表征每个板卡样品折算后的实际时长,表征预估期望时长,表征预估标准差。
步骤S402,对似然函数表达中待求解激活能参数进行求导,直至导数为零,得到待求解激活能参数对应的激活能参数值。
其中,对上述似然函数表达中的未知参数进行求导,要求导数为0,得到未知参数与期望、标准差之间的关系,使用期望、标准差表示迭代式中的未知参数,并迭代得到最终解。
上述内容中,激活能参数为未知参数,则需求得似然函数对激活能的偏导,最终求得Ea=0.65,若以Ea=0.65对上述的实际时长进行折算,相应地,折算后的实际时长的期望值,标准差。
本实施例中使用似然函数进行求导,并进行迭代,最终得到激活能参数的最终解,能够准确地实现对实际时长的分析,从而评估得到准确地寿命。
对应于上文实施例的用于核电安全级设备的寿命评估方法,图5示出了本申请实施例五提供的用于核电安全级设备的寿命评估装置的结构框图,上述寿命评估装置应用于图1中的服务端。为了便于说明,仅示出了与本申请实施例相关的部分。
参见图5,该寿命评估装置包括:
数据获取模块51,用于针对核电安全级设备中任一类型的设备接口模块,获取设备接口模块对应的每个板卡样品的试验数据,试验数据包括N个加速参数值及根据每个加速参数值对板卡样品进行加速寿命试验得到加速寿命时长,加速参数值为温度值和湿度值中的至少一个,N为大于3的整数;
数据分析模块52,用于基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差;
寿命折算模块53,用于根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对板卡样品中对应的加速寿命时长进行实际时长折算,得到对应板卡样品的实际时长表达;
加速因子计算模块54,用于使用极大似然法,结合预估期望时长和预估标准差,对所有的实际时长表达进行计算,得到待求解激活能参数对应的激活能参数值,根据激活能参数值,确定每个加速参数值对应的加速因子;
寿命评估模块55,用于根据每个加速参数值对应的加速因子和加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到设备接口模块对应的板卡寿命时长。
可选的是,寿命折算模块53,包括:
第一加速模型单元,用于根据设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第一加速模型为:
;
其中,为寿命特征量,和均为第一模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度,为湿度系数;
第一加速因子表达单元,用于根据第一加速模型,构建得到每个加速参数值对应的加速因子表达为:
;
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子。
可选的是,加速因子计算模块54,包括:
第一寿命特征量计算单元,用于将激活能参数值以及每个加速参数值代入第一加速模型,得到对应每个加速参数值的第一寿命特征量;
第一加速因子计算单元,用于将正常寿命特征量与每个加速参数值的第一寿命特征量作比,得到每个加速参数值对应的加速因子。
可选的是,寿命折算模块53,包括:
第一加速模型单元,用于根据设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第二加速模型为:
;
其中,为寿命特征量,和均为第二模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度;
第一加速因子表达单元,用于根据第二加速模型,构建得到每个加速参数值对应的加速因子表达为:
;
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子。
可选的是,加速因子计算模块54,包括:
第一寿命特征量计算单元,用于将激活能参数值以及每个加速参数值代入第二加速模型,得到对应每个加速参数值的第二寿命特征量;
第一加速因子计算单元,用于将正常寿命特征量与每个加速参数值的第二寿命特征量作比,得到每个加速参数值对应的加速因子。
可选的是,寿命折算模块53,包括:
相乘单元,用于针对任一板卡样品中任一个加速参数值,使用加速参数值对应的加速因子表达与对应的加速寿命时长相乘,得到加速参数值对应的相乘结果;
实际时长折算单元,用于遍历所有的加速参数值,得到所有加速参数值对应的相乘结果,对所有的相乘结果进行相加,得到相加结果为板卡样品的实际时长表达。
可选的是,加速因子计算模块54,包括:
似然函数构建单元,用于根据预估期望时长和预估标准差,对所有的实际时长表达进行似然函数构建,得到似然函数表达;
激活能计算单元,用于对似然函数表达中待求解激活能参数进行求导,直至导数为零,得到待求解激活能参数对应的激活能参数值。
需要说明的是,上述模块之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图6为本申请实施例六提供的一种计算机设备的结构示意图。如图6所示,该实施例的计算机设备包括:至少一个处理器(图6中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序,处理器执行计算机程序时实现上述任意各个用于核电安全级设备的寿命评估方法实施例中的步骤。
该计算机设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,图6仅仅是计算机设备的举例,并不构成对计算机设备的限定,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括网络接口、显示屏和输入装置等。
所称处理器可以是CPU,该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器包括可读存储介质、内存储器等,其中,内存储器可以是计算机设备的内存,内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘,在另一些实施例中也可以是计算机设备的外部存储设备,例如,计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程,也可以通过一种计算机程序产品来完成,当计算机程序产品在计算机设备上运行时,使得计算机设备执行时实现可实现上述方法实施例中的步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种用于核电安全级设备的寿命评估方法,其特征在于,所述寿命评估方法包括:
针对所述核电安全级设备中任一类型的设备接口模块,获取所述设备接口模块对应的每个板卡样品的试验数据,所述试验数据包括N个加速参数值及根据每个加速参数值对所述板卡样品进行加速寿命试验得到加速寿命时长,所述加速参数值为温度值和湿度值中的至少一个,N为大于3的整数;
基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定所述不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差;
根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对所述板卡样品中对应的加速寿命时长进行实际时长折算,得到对应所述板卡样品的实际时长表达;
使用极大似然法,结合所述预估期望时长和所述预估标准差,对所有的实际时长表达进行计算,得到所述待求解激活能参数对应的激活能参数值,根据所述激活能参数值,确定每个加速参数值对应的加速因子;
根据每个加速参数值对应的所述加速因子和所述加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到所述设备接口模块对应的板卡寿命时长;所述根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,包括:
根据所述设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第一加速模型为:
其中,为寿命特征量,和均为第一模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度,为湿度系数;
根据所述第一加速模型,构建得到每个加速参数值对应的加速因子表达为:
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子;所述根据所述激活能参数值,确定每个加速参数值对应的加速因子,包括:
将所述激活能参数值以及每个加速参数值代入所述第一加速模型,得到对应每个加速参数值的第一寿命特征量;
将所述正常寿命特征量与每个加速参数值的第一寿命特征量作比,得到每个加速参数值对应的加速因子;所述根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,包括:
根据所述设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第二加速模型为:
其中,为寿命特征量,和均为第二模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度;
根据所述第二加速模型,构建得到每个加速参数值对应的加速因子表达为:
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子;所述根据所述激活能参数值,确定每个加速参数值对应的加速因子,包括:
将所述激活能参数值以及每个加速参数值代入所述第二加速模型,得到对应每个加速参数值的第二寿命特征量;
将所述正常寿命特征量与每个加速参数值的第二寿命特征量作比,得到每个加速参数值对应的加速因子。
2.根据权利要求1所述的寿命评估方法,其特征在于,所述针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对所述板卡样品中对应的加速寿命时长进行实际时长折算,得到对应所述板卡样品的实际时长表达,包括:
针对任一板卡样品中任一个加速参数值,使用所述加速参数值对应的加速因子表达与对应的加速寿命时长相乘,得到所述加速参数值对应的相乘结果;
遍历所有的加速参数值,得到所有加速参数值对应的相乘结果,对所有的相乘结果进行相加,得到相加结果为所述板卡样品的实际时长表达。
3.根据权利要求1所述的寿命评估方法,其特征在于,所述使用极大似然法,结合所述预估期望时长和所述预估标准差,对所有的实际时长表达进行计算,得到所述待求解激活能参数对应的激活能参数值,包括:
根据所述预估期望时长和所述预估标准差,对所有的实际时长表达进行似然函数构建,得到似然函数表达;
对所述似然函数表达中所述待求解激活能参数进行求导,直至导数为零,得到所述待求解激活能参数对应的激活能参数值。
4.一种用于核电安全级设备的寿命评估装置,其特征在于,所述寿命评估装置包括:
数据获取模块,用于针对所述核电安全级设备中任一类型的设备接口模块,获取所述设备接口模块对应的每个板卡样品的试验数据,所述试验数据包括N个加速参数值及根据每个加速参数值对所述板卡样品进行加速寿命试验得到加速寿命时长,所述加速参数值为温度值和湿度值中的至少一个,N为大于3的整数;
数据分析模块,用于基于最大熵原理,对所有板卡样品在所有加速参数值下的加速寿命时长进行不确定性分布构建,得到不确定正态分布,确定所述不确定正态分布的期望和标准差分别为预估期望时长和对应预估标准差;
寿命折算模块,用于根据待求解激活能参数,构建每个加速参数值对应的加速因子表达,针对任一板卡样品,使用每个加速参数值对应的加速因子表达,对所述板卡样品中对应的加速寿命时长进行实际时长折算,得到对应所述板卡样品的实际时长表达;
加速因子计算模块,用于使用极大似然法,结合所述预估期望时长和所述预估标准差,对所有的实际时长表达进行计算,得到所述待求解激活能参数对应的激活能参数值,根据所述激活能参数值,确定每个加速参数值对应的加速因子;
寿命评估模块,用于根据每个加速参数值对应的所述加速因子和所述加速寿命时长,确定每个板卡样品的实际时长,根据所有板卡样品的实际时长,得到所述设备接口模块对应的板卡寿命时长;
所述寿命折算模块,包括:
第一加速模型单元,用于根根据所述设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第一加速模型为:
其中,为寿命特征量,和均为第一模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度,为湿度系数;
第一加速因子表达单元,用于根据所述第一加速模型,构建得到每个加速参数值对应的加速因子表达为:
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子;
所述加速因子计算模块,包括:
第一寿命特征量计算单元,用于将所述激活能参数值以及每个加速参数值代入所述第一加速模型,得到对应每个加速参数值的第一寿命特征量;
第一加速因子计算单元,用于将所述正常寿命特征量与每个加速参数值的第一寿命特征量作比,得到每个加速参数值对应的加速因子;
所述寿命折算模块,包括:
第一加速模型单元,用于根据所述设备接口模块,确定主故障机理的故障因素为温度和湿度对应的第二加速模型为:
其中,为寿命特征量,和均为第二模型系数,为待求解激活能参数,为玻尔兹曼常数,为温度,为湿度;
第一加速因子表达单元,用于根据所述第二加速模型,构建得到每个加速参数值对应的加速因子表达为:
其中,为温度和湿度状态下的正常寿命特征量,为温度和湿度状态下的加速寿命特征量,、为第i个加速参数值,为第i个加速参数值对应的加速因子;
所述加速因子计算模块,包括:
第一寿命特征量计算单元,用于将所述激活能参数值以及每个加速参数值代入所述第二加速模型,得到对应每个加速参数值的第二寿命特征量;
第一加速因子计算单元,用于将所述正常寿命特征量与每个加速参数值的第二寿命特征量作比,得到每个加速参数值对应的加速因子。
5.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的寿命评估方法。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的寿命评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410637693.9A CN118229271B (zh) | 2024-05-22 | 2024-05-22 | 用于核电安全级设备的寿命评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410637693.9A CN118229271B (zh) | 2024-05-22 | 2024-05-22 | 用于核电安全级设备的寿命评估方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118229271A CN118229271A (zh) | 2024-06-21 |
CN118229271B true CN118229271B (zh) | 2024-07-26 |
Family
ID=91513728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410637693.9A Active CN118229271B (zh) | 2024-05-22 | 2024-05-22 | 用于核电安全级设备的寿命评估方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118229271B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280608A (zh) * | 2017-12-27 | 2018-07-13 | 中国人民解放军63908部队 | 产品寿命分析方法及终端设备 |
CN113792266A (zh) * | 2021-09-16 | 2021-12-14 | 西安太乙电子有限公司 | 恒定应力定时截尾加速寿命试验寿命评估方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013044714A (ja) * | 2011-08-26 | 2013-03-04 | Toshiba Corp | 電解コンデンサの寿命診断方法 |
-
2024
- 2024-05-22 CN CN202410637693.9A patent/CN118229271B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280608A (zh) * | 2017-12-27 | 2018-07-13 | 中国人民解放军63908部队 | 产品寿命分析方法及终端设备 |
CN113792266A (zh) * | 2021-09-16 | 2021-12-14 | 西安太乙电子有限公司 | 恒定应力定时截尾加速寿命试验寿命评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118229271A (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108593260B (zh) | 光缆线路故障定位和检测方法及终端设备 | |
CN107066382B (zh) | 一种基于模型的航天器系统自动化测试方法 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN111695620A (zh) | 一种电力系统时间序列异常数据检测与修正方法及系统 | |
CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN115392037A (zh) | 设备故障预测方法、装置、设备及存储介质 | |
CN111025041A (zh) | 电动汽车充电桩监测方法及其系统、计算机设备、介质 | |
CN112801315A (zh) | 电力二次设备的状态诊断方法、装置及终端 | |
CN113487019A (zh) | 电路故障诊断方法、装置、计算机设备和存储介质 | |
CN112729884B (zh) | 基于大数据的设备故障诊断方法及装置 | |
US20220215138A1 (en) | Method for Validating System Parameters of an Energy System, Method for Operating an Energy System, and Energy Management System for an Energy System | |
CN118229271B (zh) | 用于核电安全级设备的寿命评估方法、装置、设备及介质 | |
CN117590130A (zh) | 一种基于数字孪生的输电线路态势感知方法 | |
CN111950605A (zh) | 表计识别模型的学习方法、装置、设备和表计识别方法 | |
CN115828441A (zh) | 基于条件生成对抗网络的风机出力场景生成和缩减方法 | |
CN111210105B (zh) | 连续工作性能验证、装置、计算机设备和存储介质 | |
CN108269004B (zh) | 产品寿命分析方法及终端设备 | |
CN115600352A (zh) | 故障检测方法、装置、电子设备和可读存储介质 | |
CN111027680A (zh) | 基于变分自编码器的监控量不确定性预测方法及系统 | |
CN113919609A (zh) | 一种配电网模型质量综合评估方法和系统 | |
CN118376974B (zh) | 电能表的故障监测方法、装置、设备及存储介质 | |
CN114329905B (zh) | 全范围模拟机可信度评估方法、装置及计算机设备 | |
CN114254516B (zh) | 一种删失数据下的参数概率不确定性建模方法 | |
CN117996863B (zh) | 光伏电源的下垂控制方法、装置、计算机设备及介质 | |
CN113627088B (zh) | 基于基因编程和数据融合的机器性能退化评估方法及系统 |
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 |