一种数据产品贮存寿命预测方法技术

技术编号:20390081 阅读:31 留言:0更新日期:2019-02-20 02:56
本发明专利技术一种数据产品贮存寿命预测方法,通过在线测试和离线测试获取得到的该数据产品各应力水平下加速退化数据,提出了一种利用在线数据和离线数据信息的数据产品贮存寿命评估方法,通过此方法获得该数据产品在各加速应力水平下的伪寿命,并结合温度加速模型评估得到该数据产品在正常应力下的贮存寿命。充分利用在线测试数据采用当量离线性能参数数据有效增加伪失效寿命估计过程中的可用信息量,提高伪失效寿命估计精度;引入温度因数有效将在线测试数据转换成当量离线数据,进而达到充分利用试验获取的数据更有效的完成产品寿命评估;引入线性激活能理论,使得在加速模型的选取上更为合理,选用修正的三参数Arrhenius方程作为加速模型。

【技术实现步骤摘要】
一种数据产品贮存寿命预测方法
本专利技术属于可靠性
,尤其涉及数据产品贮存寿命预测方法。
技术介绍
随着产品寿命与可靠性水平的提高,产品贮存条件下的失效数据很难获取,几乎没有,使得传统的基于失效数据的寿命与可靠性评估方法模型已难以满足工程评定要求,为了解决此类问题,加速试验被引入到寿命与可靠性评估领域,通过提高产品所处环境应力水平,开展实验室模拟试验,获取高应力条件下产品的性能退化数据,然后借助轨迹拟合和加速模型,外推正常应力条件下产品的寿命,成为解决高可靠、长寿命产品可靠性评估问题的重要途径。针对产品在温度应力影响下的加速性能退化试验方法,采用有效的加速试验方法可以获得有效的试验数据,但获取的数据分为在线测试数据和离线测试数据,且在线测试数据获取较为便捷并不会影响试验的进程,而离线测试数获取则需要暂停试验且恢复至常规环境进行离线测试,直接影响试验的进程。因此,在试验方案设计阶段就会考虑尽可能少的中断试验进行离线测试,在试验过程中尽可能多的进行在线测试。但这样就存在一个问题:由于在线测试数据存在温漂效应,直接用于产品寿命预测是不合适的,而仅仅通过离线测试数据进行产品寿命预测,又因为数据量少的问题导致预测结果存在一定误差。
技术实现思路
(一)解决的技术问题为了解决数据产品的加速性能退化试验及寿命评估方法问题,通过在线测试和离线测试获取得到的该数据产品各应力水平下加速退化数据,提出了一种利用在线数据和离线数据信息的数据产品贮存寿命评估方法,通过此方法获得该数据产品在各加速应力水平下的伪寿命,并结合温度加速模型评估得到该数据产品在正常应力下的贮存寿命。(二)技术方案一种数据产品贮存寿命预测方法,具体流程如下:A1:采用基于恒定温度应力的加速贮存试验方法对数据产品开展加速试验,获得数据产品在不同温度应力水平下的性能参数在线退化数据和离线退化数据;A2:对数据产品在线退化数据和离线退化数据采用回归分析方法,建立该数据产品性能参数数据退化轨迹模型以及伪失效寿命估计;A3:根据伪失效寿命加速模型及伪失效寿命估计得出数据产品在正常温度应力下的贮存寿命预测。进一步地,所述A1加速试验方法为:A11:以数据产品性能参数作为测试指标,采用恒定应力施加方式,试验应力类型采用温度单应力,取n个不同的应力水平{Ti}(i=1,2,…,n),Ti为温度应力水平;A12:在n个应力水平下各安排m个试验样本,并将各个试验样本置于相应的温度应力水平下进行试验,试验期间每隔一定时间进行一次在线测试,定期恢复至正常应力水平对所有样本进行离线测试;A13:每个应力水平下的在线测试次数为lk(k=1,2,…,n),则每个样品通过试验共得到lk组数据产品性能参数在线退化数据{tij-online,yij-online}(i=1,2,…,lk;j=1,2,…,m;k=1,2,…,n),tij-online为第i个应力水平下第j个样本的数据产品性能参数在线数据的检测时间,yij-online为第i个应力水平下第j个样本的数据产品性能参数的在线测试数值,每个应力水平下的离线测试次数为pk(k=1,2,…,n),则每个样品通过试验共得到pk组数据产品性能参数离线退化数据{tij-offline,yij-offline}(i=1,2,…,pk;j=1,2,…,m;k=1,2,…,n),tij-offline为第i个应力水平下第j个样本的数据产品性能参数离线数据的检测时间,yij-offline为第i个应力水平下第j个样本的数据产品性能参数的离线测试数值。进一步地,若试验期间试验产品性能参数达到规定的失效阈值,则数据产品性能参数达到失效阀值的试验时间即为数据产品寿命。进一步地,若试验期间试验样本的性能参数变化率ρ没有达到失效阀值,则继续进行试验直至到达规定的试验截尾时间。进一步地,所述A2中,建立数据退化轨迹模型的方法为:B1:以数据产品性能参数离线测试数据对应的检测时间{tij-offline}(i=1,2,…,pk;j=1,2,…,m;k=1,2,…,n)和性能参数离线测试数据{yij-offline}(i=1,2,…,pk;j=1,2,…,m;k=1,2,…,n)作为输入,性能参数变化率{ρij-offline}(i=1,2,…,pk;j=1,2,…,m;k=1,2,…,n)作为输出,用直线函数、指数函数、幂指数函数进行回归分析,得出退化轨迹模型:其中,ρij-offline为时刻tij下的性能参数变化率,k为反应速率,β为常数;B2:建立线性回归模型y=a+bx+ε,ε~N(0,σ2)(2)其中,ε是均值为零、方差为σ2的正态随机变量,y=lnρij-offline;x=lntij-offline,a=βlnk,b=β;B3:采用回归分析方法可以求得回归系数a和b的估计量:相关系数为其中,B4:回归方程为方差σ2的估计量为且有进一步地,所述A2伪失效寿命估计方法如下:C1:根据离线测试时刻下的性能参数在线退化数据和离线退化数据,得到一系列离线测试时刻下的性能参数温度因数,基准温度为实验室环境温度;第i次离线测试时刻下的性能参数温度因数Cij为其中,yij-online和yij-offline分别为tij时刻下的数据产品在线测试性能参数和离线测试性能参数;C2:对只进行在线测试而未进行离线测试的时刻{tij-online}(i=1,2,…,lk;j=1,2,…,m;k=1,2,…,n),根据式(13)将在线测试性能参数数据当量变换到离线测试条件,得到当量离线性能参数数据(tij-offline,y′ij-offline);C3:采用回归分析方法对当量离线性能参数数据(tij-offline,y′ij-offline)进行分析,得到回归方程参数估计值,数据产品性能的伪失效寿命估计为其中,ρf为性能参数变化率失效阈值,失效阈值根据实际产品工作特性确定。进一步地,所述A3贮存寿命预测方法如下:C1:选用修正的三参数Arrhenius方程作为加速模型,其中,t为数据产品性能参数的伪寿命数据,T为绝对温度,A为常数,E为激活能,K为玻尔兹曼常数,m为修正系数;C2:建立线性回归模型y=a+b1x1+b2x2+ε,ε~N(0,σ2)(12)其中,ε是均值为零、方差为σ2的正态随机变量,y=lnt;x1=lnT;a=lnA,b1=m,C3:根据成组数据回归分析方法可以求得回归系数a,b1和b2的估计量回归方程为其中,为y的预测值,C4:数据产品贮存寿命预测如下:(1)其置信度为γ=1-α的单侧置信下限yL和上限yU为其中,区间[yL,yU]为y置信度为2γ-1的置信区间,tα(n-3)为分布t(n-3)的上α分位点;(2)在贮存温度T0下数据产品的贮存寿命t的点估计及其置信度为γ的单侧置信下限tL和上限tU分别为tL=exp(yL)(20)tU=exp(yU)(21)。(三)本专利技术的有益效果:(1)充分利用在线测试数据采用当量离线性能参数数据有效增加伪失效寿命估计过程中的可用信息量,提高伪失效寿命估计精度;(2)引入温度因数有效将在线测试数据转换成当量离线数据,进而达到充分利用试验获取的数据更有效的完成产品寿命评估;(3)引入线性激活能理论,使得在加速本文档来自技高网...

【技术保护点】
1.一种数据产品贮存寿命预测方法,其特征在于,具体流程如下:A1:采用基于恒定温度应力的加速贮存试验方法对数据产品开展加速试验,获得数据产品在不同温度应力水平下的性能参数在线退化数据和离线退化数据;A2:对数据产品在线退化数据和离线退化数据采用回归分析方法,建立该数据产品性能参数数据退化轨迹模型以及伪失效寿命估计;A3:根据伪失效寿命加速模型及伪失效寿命估计得出数据产品在正常温度应力下的贮存寿命预测。

【技术特征摘要】
1.一种数据产品贮存寿命预测方法,其特征在于,具体流程如下:A1:采用基于恒定温度应力的加速贮存试验方法对数据产品开展加速试验,获得数据产品在不同温度应力水平下的性能参数在线退化数据和离线退化数据;A2:对数据产品在线退化数据和离线退化数据采用回归分析方法,建立该数据产品性能参数数据退化轨迹模型以及伪失效寿命估计;A3:根据伪失效寿命加速模型及伪失效寿命估计得出数据产品在正常温度应力下的贮存寿命预测。2.如权利要求1或2所述的数据产品贮存寿命预测方法,其特征在于,所述A1加速试验方法为:A11:以数据产品性能参数作为测试指标,采用恒定应力施加方式,试验应力类型采用温度单应力,取n个不同的应力水平{Ti}(i=1,2,…,n),Ti为温度应力水平;A12:在n个应力水平下各安排m个试验样本,并将各个试验样本置于相应的温度应力水平下进行试验,试验期间每隔一定时间进行一次在线测试,定期恢复至正常应力水平对所有样本进行离线测试;A13:每个应力水平下的在线测试次数为lk(k=1,2,…,n),则每个样品通过试验共得到lk组数据产品性能参数在线退化数据{tij-online,yij-online}(i=1,2,…,lk;j=1,2,…,m;k=1,2,…,n),tij-online为第i个应力水平下第j个样本的数据产品性能参数在线数据的检测时间,yij-online为第i个应力水平下第j个样本的数据产品性能参数的在线测试数值,每个应力水平下的离线测试次数为pk(k=1,2,…,n),则每个样品通过试验共得到pk组数据产品性能参数离线退化数据{tij-offline,yij-offline}(i=1,2,…,pk;j=1,2,…,m;k=1,2,…,n),tij-offline为第i个应力水平下第j个样本的数据产品性能参数离线数据的检测时间,yij-offline为第i个应力水平下第j个样本的数据产品性能参数的离线测试数值。3.如权利要求1所述的数据产品贮存寿命预测方法,其特征在于,若试验期间试验产品性能参数达到规定的失效阈值,则数据产品性能参数达到失效阀值的试验时间即为数据产品寿命。4.如权利要求1所述的数据产品贮存寿命预测方法,其特征在于,若试验期间试验样本的性能参数变化率ρ没有达到失效阀值,则继续进行试验直至到达规定的试验截尾时间。5.如权利要求1所述的数据产品贮存寿命预测方法,其特征在于,所述A2中,建立数据退化轨迹模型的方法为:B1:以数据产品性能参数离线测试数据对应的检测时间{tij-offline}(i=1,2,…,pk;j=1,2,…,m;k=1,2,…,n)和性能参数离线测试数据{yij-offline}(i=1,2,…,pk;j=1,2,…,m;k=1,2,…,n)作为输入,性...

【专利技术属性】
技术研发人员:陈志军周芳杨学印胡彦平王薇范晔杨璐李鑫淼陈靖怡许玉珍
申请(专利权)人:北京强度环境研究所中国运载火箭技术研究院
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1