KR20150057553A - Method for predicting fatigue life - Google Patents
Method for predicting fatigue life Download PDFInfo
- Publication number
- KR20150057553A KR20150057553A KR1020130141048A KR20130141048A KR20150057553A KR 20150057553 A KR20150057553 A KR 20150057553A KR 1020130141048 A KR1020130141048 A KR 1020130141048A KR 20130141048 A KR20130141048 A KR 20130141048A KR 20150057553 A KR20150057553 A KR 20150057553A
- Authority
- KR
- South Korea
- Prior art keywords
- fatigue life
- fatigue
- measurement object
- life
- predicting
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/56—Investigating resistance to wear or abrasion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0073—Fatigue
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Description
본 발명은 피로수명 예측방법에 관한 것으로서, 보다 상세하게는 전자제품을 비롯한 각종 제품의 신뢰성을 판단할 수 있는 피로수명 예측방법에 관한 것이다. BACKGROUND OF THE INVENTION 1. Field of the Invention [0001] The present invention relates to a fatigue life predicting method, and more particularly, to a fatigue life predicting method capable of judging the reliability of various products including electronic products.
일반적으로 대형 구조물, 기계 장치 등에서 안전성을 확보하기 위하여 설계 시 엄밀한 구조강도 해석은 물론 구조 실험을 통하여 구조물의 안전성 평가뿐만 아니라 설계 후 사용함에 있어 부재의 정확한 상태를 파악할 수 있도록 피로 수명 측정을 실시한다. In general, in order to ensure safety in large structures and mechanical devices, fatigue life measurement is carried out in order to grasp not only the safety of structures but also the exact state of members in design after construction through rigorous structural strength analysis .
이러한 피로 수명 측정은 해당 요소에 대하여 피로한도(Fatigue Limit)를 얻음으로써 파손되기까지 수명을 예측할 수 있도록 하고, 상기한 피로한도는 피로 측정 대상물에 따라 반복 하중, 준정적 하중 등 다양한 조건으로 피로한도 즉, 피로 수명을 측정한다. This fatigue life measurement can estimate the life time until the fracture is obtained by obtaining a fatigue limit for the relevant element, and the fatigue limit described above is a fatigue limit under various conditions such as repeated load, quasi static load, That is, the fatigue life is measured.
그리고 이러한 피로수명 측정 방법은, 우선 피로 시험기를 통하여 파손데이터를 산출하고, 산출된 파손데이터를 이용하여 피로수명을 예측하는데, 이때 피로수명의 예측방법으로 와이블 분포(Weibull distribution)를 이용한 방법이 널리 이용되고 있다. 이러한, 와이블 분포를 이용한 피로수명 예측방법의 기술의 예로 일본특허공보 특개2001-191121호의 전동 피로수명 중단 시험의 설계, 해석 방법, 장치, 프로그램이 개시된 바 있다. In this fatigue life measurement method, first, the damage data is calculated through the fatigue tester, and the fatigue life is predicted by using the calculated damage data. At this time, a method using the Weibull distribution as a method of predicting the fatigue life It is widely used. An example of the technique of the fatigue life prediction method using the Weibull distribution is disclosed in Japanese Patent Application Laid-Open No. 2001-191121, which discloses a design, analysis method, apparatus, and program of an electric fatigue life endurance test.
한편, 상기한 종래의 와이블 분포를 이용한 피로수명 예측은 도 1 및 도 2에 나타난 바와 같이 균등 시간 기준에 따른 파손 확률(a)을 통하여 와이블 분포(b)를 산정하고 이를 통하여 파손 예측을 수행하고 있다. 여기서, 도 1의 경우에는 균등 시간 기준에 따라 파손 확률이 점차적으로 증가하는 경우에 해당하는 와이블 분포를 나타낸 것이고, 도2의 경우에는 균등 시간 기준 첫번째 추출 이전에 파손 확률이 이미 증가하는 경우의 와이블 분포를 나타내고 있다.Meanwhile, as shown in FIGS. 1 and 2, the fatigue life prediction using the conventional Weibull distribution as described above calculates the Weibull distribution (b) through the fracture probability (a) according to the uniform time reference, . In the case of FIG. 1, the Weibull distribution corresponds to the case where the failure probability gradually increases according to the uniform time reference. In the case of FIG. 2, the case where the failure probability has already increased before the first extraction of the uniform time reference Weibull distribution.
그런데, 도 1과 같은 경우, 균등 시간 기준과 파손 확률간의 관계가 와이블 분포를 정확히 따를 때에 해당하는 한정된 경우이긴 하나, 실제로 측정 대상물이 초기에는 파손이 거의 발생하지 않는다는 점을 감안할 때 그 산출된 데이터의 정확도가 떨어지는 문제점이 발생하고, 이에 도 2와 같이 일정 시간 경과 후부터 데이터를 추출한다고 하여도 초기의 데이터가 없기 때문에 전체 와이블 분포를 제대로 파악할 수 없는 문제가 발생하였다. However, in the case of FIG. 1, considering the fact that the relationship between the uniform time reference and the failure probability corresponds to a case in which the Weibull distribution is accurately followed, There is a problem that the accuracy of the data is lowered. Even if the data is extracted after a predetermined time as shown in FIG. 2, there is no initial data, and the problem of the whole weaved distribution can not be grasped.
또한 무엇보다, 상기한 바와 같이 균등 시간 기준에 따른 파손 확률을 통하여 측정 대상물의 피로수명을 예측하는 종래의 피로수명 예측방법은, 도 3의 시뮬레이션 결과에서도 알 수 있듯이 각각 다른 추출 균등 시간 기준(300cycle, 400cycle)에 따른 와이블 분포 파라메터 α와 β의 분포형상이 각각 다르게 나타나는 것을 알 수 있다. 이는, 동일한 측정 대상인데도 불구하고 추출 시간 기준에 따라 그 예측되는 피로수명 결과 값이 각각 다르게 나타날 수 있다는 것을 암시하고 있으며, 이러한 결과값을 놓고 볼 때 상기한 바와 같이 균등 시간 기준에 따라 피로수명을 예측하는 종래의 피로수명 예측방법은 그 결과데이터의 정확도 및 신뢰성이 떨어지는 문제점이 있었다. Furthermore, as described above, the conventional fatigue life prediction method of estimating the fatigue life of the measurement object through the failure probability according to the uniform time reference, as shown in the simulation result of FIG. 3, , 400 cycles), the distribution patterns of the weighing distribution parameters α and β are different from each other. This suggests that the predicted fatigue life results may be different depending on the extraction time criteria even though the same measurement object is used. Based on these results, it can be seen that the fatigue life The conventional fatigue life predicting method has a problem that the accuracy and reliability of data are poor.
본 발명은, 측정 대상물의 피로수명 예측의 정확도와 신뢰성을 향상시킬 수 있는 피로수명 예측방법을 제공하는데 목적이 있다.An object of the present invention is to provide a fatigue life prediction method capable of improving the accuracy and reliability of fatigue life prediction of an object to be measured.
본 발명의 일 측면에 의하면, 본 발명은, 파손되기 까지 미리 지정된 피로응력에 대한 측정 대상물의 가변되는 상태를 모니터링하여, 상기 측정 대상물의 피로데이터를 획득하는 단계; 및 획득한 상기 피로데이터에 기초하여 와이블 분포(Weibull distribution)를 기반으로하여 상기 측정 대상물의 피로수명을 예측하되, 균등 적산 장애확률(Cumulative failure probability)의 기준에 따라 상기 측정 대상물의 피로수명을 예측하는 단계를 포함하는 피로수명 예측방법을 제공한다. According to an aspect of the present invention, there is provided a method of measuring fatigue of a measurement object, comprising: obtaining fatigue data of a measurement object by monitoring a variable state of the measurement object with respect to fatigue stress predetermined before fracture; And estimating a fatigue life of the measurement object based on the Weibull distribution based on the obtained fatigue data, and estimating a fatigue life of the measurement object based on the criteria of the cumulative failure probability And estimating a fatigue life of the vehicle.
또한, 본 발명의 다른 측면에 의하면, 본 발명은, 목표로 하는 기대수명까지 측정 대상물이 파손되지 않으면, 요구하는 피로수명을 만족한다고 판단하는 피로수명 예측방법에 있어서, 측정 대상물의 기대수명을 선정하는 단계; 사용 조건에 따른 노출 변수들을 설정하는 단계; 상기 측정 대상물에 테스트를 실시하여, 상기 측정 대상물이 파손되기 까지 미리 지정된 피로응력에 대한 상기 측정 대상물의 가변되는 상태를 모니터링하여 상기 측정 대상물의 피로데이터를 획득하는 단계; 획득한 상기 피로데이터에 기초하여, 균등 적산 장애확률(Cumulative failure probability)의 기준에 따라 와이블 분포를 이용하여 상기 측정 대상물의 피로수명을 예측하는 단계; 및 예측된 피로수명과 상기 기대수명을 비교하여, 상기 피로수명이 상기 기대수명을 만족시키지 못하면 재설계하여 상기 테스트를 다시 실시하는 단계를 포함하는 피로수명 예측방법을 제공한다. According to another aspect of the present invention, there is provided a fatigue life prediction method for determining that an object to be measured is not damaged to a target life expectancy and satisfies a required fatigue life, ; Setting exposure parameters according to use conditions; Performing a test on the measurement object and monitoring the variable state of the measurement object with respect to a predetermined fatigue stress until the measurement object is broken, thereby obtaining fatigue data of the measurement object; Estimating a fatigue life of the measurement object based on the acquired fatigue data using a Weibull distribution according to a criterion of a cumulative failure probability; And comparing the predicted fatigue life with the expected life, and if the fatigue life does not satisfy the expected life, redesigning and performing the test again.
여기서, 상기 와이블 분포는, 몬테카를로 시뮬레이션(Monte Carlo simulation)을 통하여 수행되어 얻어지는 
또한, 상기 와이블 분포의 신뢰도 함수는 수학식 1을 만족할 수 있다.Further, the reliability function of the Weibull distribution can satisfy Equation (1).
수학식 1Equation 1
여기서, 
본 발명에 따른 신뢰성 예측방법은 다음과 같은 효과를 제공한다.The reliability prediction method according to the present invention provides the following effects.
첫째, 균등 적산 장애확률을 기준으로 하여 와이블 분포를 선정하고, 이를 통하여 수명을 예측하기 때문에, 측정 대상물의 피로수명 예측의 정확도와 신뢰성을 향상시킬 수 있다. First, because the Weibull distribution is selected based on the probability of equalization failure, and the lifetime is predicted by this, the accuracy and reliability of the fatigue life prediction of the measurement object can be improved.
둘째, 측정 대상물의 파손 특성(Failure characteristics)에 대하여 비교적 유연하기 때문에, 보다 적합한 피로수명을 예측할 수 있다.Secondly, since it is relatively flexible with respect to the failure characteristics of the measurement object, more suitable fatigue life can be predicted.
도 1 및 도 2즌 종래의 균등 시간 기준에 따른 와이블 분포를 나타낸 그래프이다.
도 3은 도 1의 균등 시간 기준에 따른 와이블 분포에서 파라메터간의 시뮬레이션 결과를 나타낸 그래프이다.
도 4는 본 발명의 제1실시예에 따른 피로수명 예측방법을 나타낸 절차도이다.
도 5는 도 4의 피로수명 예측방법에서 균등 적산 장애확률 기준에 따른 와이블 분포를 나타낸 그래프이다.
도 6은 본 발명의 제2실시예에 따른 피로수명 예측방법을 나타낸 절차도이다.
도 7 및 도 8은 도 4의 균등 적산 장애확률 기준에 따른 와이블 분포에서 파라메터간의 시뮬레이션 결과를 나타낸 그래프이다. 1 is a graph showing a Weibull distribution according to a conventional uniform time reference.
3 is a graph showing simulation results between parameters in a Weibull distribution according to the even time reference of FIG.
4 is a flowchart illustrating a method of predicting fatigue life according to a first embodiment of the present invention.
FIG. 5 is a graph showing the Weibull distribution according to the uniform probability failure probability standard in the fatigue life prediction method of FIG.
6 is a flowchart illustrating a method of predicting fatigue life according to a second embodiment of the present invention.
FIGS. 7 and 8 are graphs showing simulation results between parameters in the Weibull distribution according to the uniform probability failure probability criterion of FIG.
이하 첨부된 도면을 참조하면서 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 4를 참조하면 본 발명의 제1실시예에 따르면, 본 발명은 측정 대상물의 피로데이터를 획득하는 단계(S110)와, 측정 대상물의 피로수명을 예측하는 단계(S120)를 포함한다. Referring to FIG. 4, according to a first embodiment of the present invention, the present invention includes a step (S110) of obtaining fatigue data of a measurement object and a step (S120) of estimating a fatigue life of the measurement object.
먼저, 상기 측정 대상물의 피로데이터를 획득하는 단계(S110)는, 파손되기 까지 미리 지정된 피로응력에 대한 측정 대상물의 가변되는 상태를 모니터링하고, 이를 통해 상기 측정 대상물의 피로데이터를 획득하는 단계이다. First, the step of acquiring fatigue data of the object to be measured (S110) is a step of monitoring the variable state of the object to be measured with respect to the fatigue stress predetermined until the object is broken, and acquiring the fatigue data of the object through the monitoring.
여기서, 상기 피로데이터를 획득하는 과정은, 공지의 피로 시험기 등을 이용하여 측정 대상물의 상태를 모니터링 및 데이터를 획득하며, 또한 미리 지정되는 피로응력과 가변되는 상태 등은 상기 측정 대상물에 따라 다양하게 적용할 수 있음은 물론이다. Here, the process of acquiring the fatigue data may be performed by monitoring a state of the measurement object and acquiring data using a known fatigue tester or the like. Also, a predetermined fatigue stress and a variable state may be varied Of course, can be applied.
상기 측정 대상물의 피로수명을 예측하는 단계(S120)는, 획득한 상기 피로데이터에 기초하여 와이블 분포(Weibull distribution)를 기반으로 상기 측정 대상물의 피로수명 즉, 파손을 예측하는 단계이다. The step of estimating the fatigue life of the measurement object (S120) is a step of estimating the fatigue life of the measurement object, that is, the breakage, based on the Weibull distribution based on the obtained fatigue data.
상세하게, 도 5를 참조하면, 상기 측정 대상물의 피로수명 예측은, 상기 피로데이터를 토대로 균등 적산 장애확률(Cumulative failure probability)의 기준에 따라 상기 와이블 분포를 구하고 이를 통해 상기 측정 대상물의 피로수명을 예측한다. 여기서, 상기 균등 적산 장애확률은, 장애가 나타날 확률을 누적값으로 나타내는 적산 장애확률을 시간 또는 횟수 등과 같은 일정 기준(구간)으로 나누어 이를 나타낸 것을 말하며, 이때 상기한 적산 장애확률에 대한 세부 내용은 공지의 누적분포함수(CDF; Cumulative distribution function)관련의 내용과 유사하므로 생략하기로 한다. 5, the fatigue life prediction of the measurement object is performed by obtaining the Weibull distribution according to the criteria of the cumulative failure probability based on the fatigue data, . Here, the equalized cumulative failure probability refers to a cumulative probability that the probability of occurrence of a failure is divided by a predetermined criterion (interval) such as a time or a number of times, and indicates the cumulative probability of failure. And the cumulative distribution function (CDF) of FIG.
한편, 상기 와이블 분포는, 공지의 몬테카를로 시뮬레이션(Monte Carlo simulation)을 통하여 수행되어 얻어지는 
수학식 1Equation 1
여기서, 여기서, 
한편, 도면에서 F(t)는 누적 장애 확률(Cumulative failure probability)를 나타내며, 또한 상기 와이블 분포는 피로수명 즉 파손을 예측하기 위한 공지의 예측모델로서 이에 대한 상세한 설명은 생략하기로 한다.
In the figure, F (t) denotes a cumulative failure probability, and the Weibull distribution is a known predictive model for predicting fatigue life, that is, a failure, and a detailed description thereof will be omitted.
도 6은 본 발명의 제2실시예에 따른 피로수명 예측방법을 나타낸 절차도이다. 도면을 참조하면, 본 발명의 제2실시예에 따른 피로수명 예측방법은, 목표로 하는 기대수명까지 측정 대상물이 파손되지 않으면 요구하는 피로수명을 만족한다고 판단하고, 측정 대상물의 기대수명을 선정하는 단계(S210)와, 변수들을 설정하는 단계(S220)와, 피로데이터를 획득하는 단계(S230)와, 피로수명을 예측하는 단계(S240)와, 재설계하는 단계(S240)를 포함한다. 6 is a flowchart illustrating a method of predicting fatigue life according to a second embodiment of the present invention. Referring to the drawings, a method for predicting fatigue life according to a second embodiment of the present invention determines whether the measured fatigue life is satisfied if the measured object is not damaged to a target expected life, A step S220 of setting variables, a step S230 of acquiring fatigue data, a step S240 of estimating the fatigue life, and a step S240 of redesigning the parameters.
상기 측정 대상물의 기대수명을 선정하는 단계(S210)는, 대상 측정물의 목표로 하는 기대수명을 선정하는 단계로서 이러한 기대수명은 대상 측정물의 종류 등에 따라 다양하게 설정할 수 있다. The step of selecting an expected life of the measurement object (S210) is a step of selecting a desired life expectancy of the object to be measured, and the life expectancy can be variously set according to the type of the object to be measured and the like.
상기 변수들을 설정하는 단계(S220)와, 사용 조건(Use condition)에 따른 노출 변수(Exposure parameters)들을 설정하는 단계로서, 여기서 상기 사용 조건과 노출 변수는 상기 대상 측정물에 따라 다양하게 설정가능하다. Setting the parameters (S220), and setting exposure parameters according to use conditions, wherein the use conditions and the exposure parameters can be variously set according to the target measurement object .
상기 피로데이터를 획득하는 단계(S230)는, 상기 측정 대상물에 테스트를 실시하여, 상기 측정 대상물이 파손되기 까지 일정 피로응력에 대한 상기 측정 대상물의 가변되는 상태를 모니터링하고, 이를 통하여 상기 측정 대상물의 피로데이터를 획득하는 단계이다. The step of acquiring the fatigue data (S230) includes the steps of: performing a test on the measurement object to monitor a variable state of the measurement object with respect to a predetermined fatigue stress until the measurement object is broken; And obtaining the fatigue data.
또한, 상기 피로수명을 예측하는 단계(S240)는, 획득한 상기 피로데이터에 기초하여, 균등 적산 장애확률(Cumulative failure probability)의 기준에 따라 와이블 분포(Weibull distribution)를 이용하여 상기 측정 대상물의 피로수명을 예측하는 단계이다. The step of estimating the fatigue life (S240) may further include estimating a fatigue life of the object to be measured based on the obtained fatigue data using a Weibull distribution according to a criterion of a cumulative failure probability It is a step to predict the fatigue life.
여기서, 상기 피로데이터를 획득하는 단계(S230)와, 피로수명을 예측하는 단계(S240)에서의 일련의 과정은, 전술한 피로데이터를 획득하는 단계(S130)와, 피로수명을 예측하는 단계(S140)와 유사하며, 이에 대한 상세한 설명은 전술하였으므로 생략하기로 한다. Here, the series of steps of acquiring the fatigue data (S230) and estimating the fatigue life (S240) may include the steps of acquiring (S130) the above-described fatigue data, estimating the fatigue life S140), and a detailed description thereof has been described above, and therefore will not be described.
상기 재설계하는 단계(S240)는, 예측된 피로수명과 상기 기대수명을 비교하여, 상기 피로수명이 상기 기대수명을 만족시키지 못하면 상기 측정 대상물의 예측수명이 상기 기대수명에 상응하도록 상기 측정 대상물의 구조적 결함, 문제, 취약부분 등을 고려하여 재설계하는 단계이다. 이렇게 재설계를 거친 후에는, 재설계한 측정 대상물을 상기한 피로수명 예측방법을 다시 실시하는 과정을 반복하며, 이에 예측된 피로수명이 상기 기대수명에 만족되는지를 판단한다.
The redesigning step (S240) may include comparing the predicted fatigue life with the expected life expectancy, and if the fatigue life does not satisfy the expected life expectancy, the predicted life expectancy of the measured object corresponds to the expected life This is a redesign stage considering structural defects, problems, and weak points. After the redesign, the process of repeating the above-described fatigue life prediction method for the redesigned measurement object is repeated to determine whether the predicted fatigue life is satisfied with the expected life expectancy.
한편, 도 7 및 도 8은 상기한 균등 적산 장애확률을 기준으로 피로수명을 예측하는 상기 제1 및 제2실시예에 따른 피로수명 예측방법의 시뮬레이션결과를 나타낸 도면으로서, 도면을 참조하면 상기 제1 및 제2실시예에 따른 피로수명 예측방법은 도 3의 종래와는 달리, 추출 단위를 달리하여도 와이블 분포 파라메터 α와 β의 분포형상 각각이 유사하다는 것을 확인할 수 있다. 7 and 8 are diagrams showing simulation results of the fatigue life predicting method according to the first and second embodiments for predicting the fatigue life based on the above-described equalized cumulative failure probabilities. Referring to the drawings, The fatigue life predicting method according to the first and second embodiments is different from the prior art shown in FIG. 3, and it can be confirmed that the distribution shapes of the weaved distribution parameters? And? Are similar to each other by different extraction units.
이는, 상기한 바와 같이, 와이블 분포 모델을 적용하여 측정 대상물의 피로수명을 예측함에 있어서 상기한 바와 같은 균등 적산 장애확률을 기반으로 한 피로수명 예측방법은, 측정 대상물의 파손 즉, 피로수명에 대한 정확한 예측이 가능하고, 또한 피로수명 데이터의 신뢰성을 향상시킬 수 있다.
As described above, in predicting the fatigue life of an object to be measured by applying the Weibull distribution model, the fatigue life prediction method based on the probability of equalized cumulative disturbance as described above is effective in reducing the fatigue life Accurate prediction can be made for the reliability of the fatigue life data, and the reliability of the fatigue life data can be improved.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.While the present invention has been described with reference to exemplary embodiments, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the appended claims. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.
Claims (7)
획득한 상기 피로데이터에 기초하여 피로수명 예측모델을 기반으로 하여 상기 측정 대상물의 피로수명을 예측하되, 균등 적산 장애확률(Cumulative failure probability)의 기준에 따라 상기 측정 대상물의 피로수명을 예측하는 단계를 포함하는 피로수명 예측방법.Monitoring the variable state of the measurement object with respect to a predetermined fatigue stress until failure, and obtaining fatigue data of the measurement object; And
Estimating the fatigue life of the measurement object based on the obtained fatigue life prediction model and predicting the fatigue life of the measurement object based on the criteria of the cumulative failure probability, Comprising the method of predicting fatigue life.
획득한 상기 피로데이터에 기초하여 피로수명 예측모델을 기반으로 하여 상기 측정 대상물의 피로수명을 예측하되, 적산 장애확률(Cumulative failure probability)의 구간을 나누고, 상기 적산 장애확률의 각 구간에 대한 데이터를 기준으로 하여 상기 측정 대상물의 피로수명을 예측하는 단계를 포함하는 피로수명 예측방법.Monitoring the variable state of the measurement object with respect to a predetermined fatigue stress until failure, and obtaining fatigue data of the measurement object; And
Estimating the fatigue life of the measurement object based on the obtained fatigue life prediction model, dividing the interval of the cumulative failure probability, and calculating the data of each interval of the integration failure probability And estimating the fatigue life of the measurement object based on the estimated fatigue life.
상기 피로수명을 예측하는 단계는,
상기 적산 장애확률(Cumulative failure probability)를 균등한 간격으로 나눈 균등 적산 장애확률의 기준에 따라 상기 측정 대상물의 피로수명을 예측하는 피로수명 예측방법.The method of claim 2,
Wherein the step of predicting the fatigue life comprises:
Wherein the fatigue life prediction method predicts the fatigue life of the measurement object according to a criterion of an equalized cumulative failure probability obtained by dividing the cumulative failure probability by an even interval.
측정 대상물의 기대수명을 선정하는 단계;
사용 조건에 따른 노출 변수들을 설정하는 단계;
상기 측정 대상물에 테스트를 실시하여, 상기 측정 대상물이 파손되기까지 미리 지정된 피로응력에 대한 상기 측정 대상물의 가변되는 상태를 모니터링하여 상기 측정 대상물의 피로데이터를 획득하는 단계;
획득한 상기 피로데이터에 기초하여, 균등 적산 장애확률(Cumulative failure probability)의 기준에 따라 피로수명 예측모델을 기반으로 하여 상기 측정 대상물의 피로수명을 예측하는 단계; 및
예측된 피로수명과 상기 기대수명을 비교하여, 상기 피로수명이 상기 기대수명을 만족시키지 못하면 재설계하는 단계를 포함하는 피로수명 예측방법.In the fatigue life predicting method judging that the measured fatigue life is satisfied if the measured object is not damaged to the target expected life span,
Selecting an expected life span of the measurement object;
Setting exposure parameters according to use conditions;
Performing a test on the measurement object and monitoring the variable state of the measurement object with respect to a predetermined fatigue stress until the measurement object is broken, thereby obtaining fatigue data of the measurement object;
Estimating a fatigue life of the measurement object based on the fatigue life prediction model based on the obtained cumulative fatigue data and a cumulative failure probability; And
Comparing the predicted fatigue life with the expected life, and redesigning if the fatigue life does not meet the expected life.
상기 피로수명 예측모델은,
와이블 분포(Weibull distribution)를 이용하는 피로수명 예측방법.The method according to any one of claims 1 to 4,
In the fatigue life prediction model,
A method for predicting fatigue life using a Weibull distribution.
상기 와이블 분포는,
몬테카를로 시뮬레이션(Monte Carlo simulation)을 통하여 수행되어 얻어지는
The Weibull distribution,
Obtained by performing Monte Carlo simulation.
상기 와이블 분포의 신뢰도 함수(R(t))는 수학식 1을 만족하는 피로수명 예측방법.
수학식 1
여기서,
Wherein the reliability function R (t) of the Weibull distribution satisfies Equation (1).
Equation 1
here,
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130141048A KR101526313B1 (en) | 2013-11-20 | 2013-11-20 | Method for predicting fatigue life |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130141048A KR101526313B1 (en) | 2013-11-20 | 2013-11-20 | Method for predicting fatigue life |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150057553A true KR20150057553A (en) | 2015-05-28 |
| KR101526313B1 KR101526313B1 (en) | 2015-06-09 |
Family
ID=53392388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130141048A KR101526313B1 (en) | 2013-11-20 | 2013-11-20 | Method for predicting fatigue life |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101526313B1 (en) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930632A (en) * | 2016-03-02 | 2016-09-07 | 航天科工防御技术研究试验中心 | Electromechanical whole machine product shelf-life modeling method |
| CN108206762A (en) * | 2017-12-15 | 2018-06-26 | 四川大学 | A kind of weighting blank pipe technical support system network model construction method |
| CN109584563A (en) * | 2018-12-24 | 2019-04-05 | 重庆交通大学 | A kind of city expressway road section capacity reliability distributional analysis method based on Wei Buer distribution |
| KR20200111071A (en) * | 2019-03-18 | 2020-09-28 | 한국세라믹기술원 | Life test method for materials used in artificial tooth |
| CN112213681A (en) * | 2019-07-09 | 2021-01-12 | 河南许继仪表有限公司 | Method and device for predicting service life of electric energy meter |
| CN114021347A (en) * | 2021-11-05 | 2022-02-08 | 西南交通大学 | Method for predicting remaining life of hook body of heavy-duty truck based on hypothesis distribution |
| CN114091172A (en) * | 2021-10-20 | 2022-02-25 | 西南交通大学 | Coupler residual life prediction method based on state detection data |
| CN114970157A (en) * | 2022-05-26 | 2022-08-30 | 北京航空航天大学 | Method for predicting test life of small sample of electronic product under voltage stress |
| CN115112503A (en) * | 2022-06-27 | 2022-09-27 | 广东技术师范大学 | Method for acquiring probability fatigue life curve of rubber material |
| CN117517102A (en) * | 2024-01-04 | 2024-02-06 | 江苏八方安全设备有限公司 | Rupture disk deformation testing and life predicting method based on three-dimensional scanning |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4058289B2 (en) * | 2002-04-09 | 2008-03-05 | 株式会社東芝 | Plant equipment life diagnosis / maintenance management method and apparatus |
| JP5195329B2 (en) * | 2008-11-13 | 2013-05-08 | オムロン株式会社 | Recording apparatus and recording apparatus control method |
-
2013
- 2013-11-20 KR KR1020130141048A patent/KR101526313B1/en active IP Right Grant
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930632A (en) * | 2016-03-02 | 2016-09-07 | 航天科工防御技术研究试验中心 | Electromechanical whole machine product shelf-life modeling method |
| CN105930632B (en) * | 2016-03-02 | 2018-10-02 | 航天科工防御技术研究试验中心 | Electromechanical machine product storage life modeling method |
| CN108206762A (en) * | 2017-12-15 | 2018-06-26 | 四川大学 | A kind of weighting blank pipe technical support system network model construction method |
| CN109584563A (en) * | 2018-12-24 | 2019-04-05 | 重庆交通大学 | A kind of city expressway road section capacity reliability distributional analysis method based on Wei Buer distribution |
| CN109584563B (en) * | 2018-12-24 | 2021-03-12 | 重庆交通大学 | Urban expressway section traffic capacity reliability distribution analysis method based on Weibull distribution |
| KR20200111071A (en) * | 2019-03-18 | 2020-09-28 | 한국세라믹기술원 | Life test method for materials used in artificial tooth |
| CN112213681A (en) * | 2019-07-09 | 2021-01-12 | 河南许继仪表有限公司 | Method and device for predicting service life of electric energy meter |
| CN112213681B (en) * | 2019-07-09 | 2023-11-07 | 河南许继仪表有限公司 | Electric energy meter service life prediction method and device |
| CN114091172A (en) * | 2021-10-20 | 2022-02-25 | 西南交通大学 | Coupler residual life prediction method based on state detection data |
| CN114021347A (en) * | 2021-11-05 | 2022-02-08 | 西南交通大学 | Method for predicting remaining life of hook body of heavy-duty truck based on hypothesis distribution |
| CN114970157A (en) * | 2022-05-26 | 2022-08-30 | 北京航空航天大学 | Method for predicting test life of small sample of electronic product under voltage stress |
| CN114970157B (en) * | 2022-05-26 | 2024-05-28 | 北京航空航天大学 | Method for predicting service life of small sample test of electronic product under voltage stress effect |
| CN115112503A (en) * | 2022-06-27 | 2022-09-27 | 广东技术师范大学 | Method for acquiring probability fatigue life curve of rubber material |
| CN115112503B (en) * | 2022-06-27 | 2024-05-07 | 广东技术师范大学 | Method for acquiring probability fatigue life curve of rubber material |
| CN117517102A (en) * | 2024-01-04 | 2024-02-06 | 江苏八方安全设备有限公司 | Rupture disk deformation testing and life predicting method based on three-dimensional scanning |
| CN117517102B (en) * | 2024-01-04 | 2024-04-19 | 江苏八方安全设备有限公司 | Rupture disk deformation testing and life predicting method based on three-dimensional scanning |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101526313B1 (en) | 2015-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101526313B1 (en) | Method for predicting fatigue life | |
| CN110851980B (en) | Method and system for predicting residual life of equipment | |
| EP2423664A2 (en) | Fatigue life estimation method and system | |
| US20140107948A1 (en) | Method and system for probabilistic fatigue crack life estimation | |
| Hao et al. | Nonlinear step-stress accelerated degradation modelling considering three sources of variability | |
| US10089161B2 (en) | System and method for managing semiconductor manufacturing defects | |
| CN110008096B (en) | Data monitoring method, device, electronic equipment and computer readable storage medium | |
| US20130275096A1 (en) | Solder Joint Fatigue Life Prediction Method | |
| US7912669B2 (en) | Prognosis of faults in electronic circuits | |
| EP3633343A1 (en) | A physics-based model particle-filtering framework for predicting rul using resistance measurements | |
| CN106991074B (en) | Accelerated degradation test optimization design method based on principle of acceleration factor invariance | |
| EP3637121A2 (en) | System and method of adaptive remaining useful life estimation using constraint convex regression from degradation measurement | |
| JP5696354B2 (en) | Reliability judgment device | |
| CN111465837B (en) | Life evaluation device and life evaluation method | |
| US20200328067A1 (en) | Plasma processing apparatus and analysis method for analyzing plasma processing data | |
| RU2745968C1 (en) | Method for control of dynamics of parametric reliability of technical systems | |
| JP5064259B2 (en) | Degradation evaluation apparatus and degradation evaluation method | |
| CN115544441B (en) | Method and device for determining return time point in high-temperature service life test | |
| CN115544803A (en) | Method, device, equipment and storage medium for predicting residual life of transformer | |
| CN111210105A (en) | Continuous operation performance verification device, computer equipment and storage medium | |
| Roy et al. | A stochastic model for evolution of creep damage in engineering materials | |
| US20190155972A1 (en) | Method for predicting the behaviour of a product with respect to failures thereof | |
| Nguyen et al. | Dynamic-weighted ensemble for fatigue crack degradation state prediction | |
| CN110795798A (en) | Steel wire rope reliable service life calculation method based on multiple samples | |
| JP6558861B2 (en) | Survival probability estimation device, method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20180409 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20190401 Year of fee payment: 5 |