一种非线性退化过程可靠性评估方法技术

本公开的实施例提供了一种非线性退化过程可靠性评估方法、系统、设备和计算机可读存储介质。所述方法包括获取产品的性能退化测试数据；对所述性能退化测试数据进行分析，建立考虑阶段性的非线性退化模型；根据所述性能退化测试数据对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值，将述未知参数的估计值代入所述考虑阶段性的非线性退化模型，得到最优考虑阶段性的非线性退化模型；通过所述最优考虑阶段性的非线性退化模型评估产品可靠性。以此方式，可以进行有效的产品可靠性评估。

【技术实现步骤摘要】
一种非线性退化过程可靠性评估方法
本公开的实施例一般涉及性能退化可靠性工程
，并且更具体地，涉及一种非线性退化过程可靠性评估方法、系统、设备和计算机可读存储介质。
技术介绍
准确的可靠性评估对于保障产品的安全运行，制定维修更换策略具有重要意义。对于缺乏足够失效数据的高可靠性长寿命产品，性能退化分析为其可靠性评估提供了可行途径。在性能退化分析中，建立能够合理描述性能退化规律的模型对准确的可靠性评估十分关键。由于内在失效机理的影响和外在环境条件的动态变化，很多产品的退化过程的特征无法用线性描述，呈现非线性退化规律。同时，其退化过程在初期和中后期会呈现阶段性变化，因而在退化模型中必须考虑性能退化过程的阶段性。另外，由于产品的退化过程是非单调的，退化模型往往基于Wiener过程建立。然而，目前考虑阶段性的Wiener过程退化建模方法大多数方法忽略了产品在各退化阶段的非线性特征，无法针对该问题进行有效的可靠性评估。
技术实现思路
本公开旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，在本公开的第一方面，提供了一种非线性退化过程可靠性评估方法。该方法包括：获取产品的性能退化测试数据；对所述性能退化测试数据进行分析，建立考虑阶段性的非线性退化模型；根据所述性能退化测试数据对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值，将述未知参数的估计值代入所述考虑阶段性的非线性退化模型，得到最优考虑阶段性的非线性退化模型；通过所述最优考虑阶段性的非线性退化模型评估产品可靠性。进一步地，对所述性能退化测试数据进行分析，建立考虑阶段性的非线性退化模型包括：所述对所述性能退化测试数据进行分析，确定所述性能退化测试数据在性能退化初期和性能退化中后期的阶段性退化特征；分别根据所述性能退化初期和性能退化中后期的阶段性退化特征，选取对应的时间尺度函数，建立考虑阶段性的非线性退化模型。进一步地，所述分别根据所述性能退化初期和性能退化中后期的阶段性退化特征，选取对应的时间尺度函数，建立考虑阶段性的非线性退化模型包括：分别对所述性能退化初期和性能退化中后期的阶段性退化特征进行分析，判断在所述性能退化初期和性能退化中后期是否存在非线性退化特征；若是，则通过第一时间尺度函数构建第一或第二退化时期退化模型；所述第一时间尺度函数包括幂函数、指数函数和/或对数函数；若否，则通过第二时间尺度函数构建第一或第二退化时期退化模型；所述第二时间尺度函数包括线性函数；根据所述第一和第二退化时期退化模型，构建所述考虑阶段性的非线性退化模型。进一步地，根据所述性能退化测试数据对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值包括：根据Wiener过程的数学性质和所述性能退化测试数据，构建所述性能退化测试数据的似然函数；根据所述似然函数对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值；其中，所述未知参数包括时间尺度函数参数、斜率、扩散系数和变点分布参数。进一步地，所述根据所述似然函数对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值包括：根据所述似然函数对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，得到时间尺度函数参数和退化轨迹变点的轮廓对数似然函数；根据所述轮廓对数似然函数，计算得到所述时间尺度函数参数和退化轨迹变点的估计值；根据所述时间尺度函数参数和退化轨迹变点的估计值，计算得到所述斜率和扩散系数的估计值；对所述退化轨迹变点的估计值进行分布拟合，得到所述变点分布参数的估计值。进一步地，所述通过所述考虑阶段性的非线性退化模型评估产品可靠性包括：基于首达时通过所述考虑阶段性的非线性退化模型进行产品可靠性分析，得到所述产品的可靠度函数；所述首达时为性能退化量首次达到失效阈值的时间。在本公开的第二方面，提出了一种非线性退化过程可靠性评估系统，包括：获取模块，用于获取产品的性能退化测试数据；模型建立模块，用于对所述性能退化测试数据进行分析，建立考虑阶段性的非线性退化模型；参数估计模块，用于根据所述性能退化测试数据对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值，将所述未知参数的估计值代入所述非线性退化模型，得到最优考虑阶段性的非线性退化模型；评估模块，用于通过所述最优考虑阶段性的非线性退化模型评估产品可靠性。进一步地，所述模型建立模块具体用于：所述对所述性能退化测试数据进行分析，确定所述性能退化测试数据在性能退化初期和性能退化中后期的阶段性退化特征；分别根据所述性能退化初期和性能退化中后期的阶段性退化特征，选取对应的时间尺度函数，建立考虑阶段性的非线性退化模型在本公开的第三方面，提出了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如根据本公开的上述方法。在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的上述方法。应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。附图说明结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：图1示出了根据本公开的实施例的一种非线性退化过程可靠性评估方法的流程图；图2示出了根据本公开的实施例的一种非线性退化过程可靠性评估系统的方框图；图3示出了根据本公开的实施例的真空荧光显示屏亮度退化数据示意图；图4示出了根据本公开的实施例的真空荧光显示屏亮度的可靠度曲线示意图；图5示出了能够实施本公开的实施例的示例性电子设备的方框图。具体实施方式为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。如图1所示，是本申请实施例一种非线性退化过程可靠性评估方法的流本文档来自技高网...

【技术保护点】
1.一种非线性退化过程可靠性评估方法，其特征在于，包括：/n获取产品的性能退化测试数据；/n对所述性能退化测试数据进行分析，建立考虑阶段性的非线性退化模型；/n根据所述性能退化测试数据对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值，将述未知参数的估计值代入所述考虑阶段性的非线性退化模型，得到最优考虑阶段性的非线性退化模型；/n通过所述最优考虑阶段性的非线性退化模型评估产品可靠性。/n

【技术特征摘要】
1.一种非线性退化过程可靠性评估方法，其特征在于，包括：
获取产品的性能退化测试数据；
对所述性能退化测试数据进行分析，建立考虑阶段性的非线性退化模型；
根据所述性能退化测试数据对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值，将述未知参数的估计值代入所述考虑阶段性的非线性退化模型，得到最优考虑阶段性的非线性退化模型；
通过所述最优考虑阶段性的非线性退化模型评估产品可靠性。


2.根据权利要求1所述的方法，其特征在于，对所述性能退化测试数据进行分析，建立考虑阶段性的非线性退化模型包括：
所述对所述性能退化测试数据进行分析，确定所述性能退化测试数据在性能退化初期和性能退化中后期的阶段性退化特征；
分别根据所述性能退化初期和性能退化中后期的阶段性退化特征，选取对应的时间尺度函数，建立考虑阶段性的非线性退化模型。


3.根据权利要求2所述的方法，其特征在于，所述分别根据所述性能退化初期和性能退化中后期的阶段性退化特征，选取对应的时间尺度函数，建立考虑阶段性的非线性退化模型包括：
分别对所述性能退化初期和性能退化中后期的阶段性退化特征进行分析，判断在所述性能退化初期和性能退化中后期是否存在非线性退化特征；
若是，则通过第一时间尺度函数构建第一或第二退化时期退化模型；所述第一时间尺度函数包括幂函数、指数函数和/或对数函数；
若否，则通过第二时间尺度函数构建第一或第二退化时期退化模型；所述第二时间尺度函数包括线性函数；
根据所述第一和第二退化时期退化模型，构建所述考虑阶段性的非线性退化模型。


4.根据权利要求3所述的方法，其特征在于，根据所述性能退化测试数据对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值包括：
根据Wiener过程的数学性质和所述性能退化测试数据，构建所述性能退化测试数据的似然函数；
根据所述似然函数对所述考虑阶段性的非线性退化模型的未知参数进行极大似然估计，确定所述未知参数的估计值；
其中，所述未知参数包括时间尺度函数参数、斜率、扩散系数和变点分布参数。


5.根据权利要求4所述的方法，其特征在于，所述根据所述似然函数对所...

【专利技术属性】
技术研发人员：王治华，张奡，吴琼，温楠，李璐，欧阳相民，刘鸿鹄，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11