一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法技术

本发明专利技术公开了一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法，涉及电子设备整机寿命评估领域。具体为：将关于退化特性的物理模型引入神经网络中，使神经网络既可以实现高精度寿命评估，又可以大幅减少测试数据需求量，同时具备较好的解释性。此外，本发明专利技术通过把生成器分成退化量预测层和可靠度预测层两部分，一方面可以通过真实退化数据对基于端到端生成器潜变量的预测退化数据进行约束，另一方面通过这种两阶段的可靠度预测方式，能够减少网络预测空间，从而提升端到端网络的可靠度预测精度。本发明专利技术无需偏好假设，深度学习仅依靠海量数据就可以找出隐含在数据中的特征，并得到高评估精度、高普适性的寿命评估模型。

【技术实现步骤摘要】

本专利技术涉及电子设备整机寿命评估领域，具体为一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法。

技术介绍

1、电子设备寿命是指电子设备在规定的工作条件下，能够正常工作的时间。通过对电子设备各个组件、子系统以及整个电子设备进行寿命评估，可以更好地评估电子设备的剩余寿命和性能。电子设备寿命评估在军事、民用、科研等领域得到广泛应用，如航空航天、通信系统和工业控制系统等，对其的研究引起了大量研究人员的强烈兴趣。然而，现代电子设备通常非常复杂，由大量组件和子系统组成，涉及到多种技术和工艺。且电子设备可能在各种环境条件下工作，包括温度、湿度、振动等。这些环境变化可能对设备的寿命产生影响，但评估这些影响的确切程度是困难的。以上问题使得建立全面且准确的模型变得非常具有挑战性。

2、目前，基于测试数据的寿命评估方法面临以下两大问题:第一，基于测试数据的寿命评估方法大都是通过拟合随机统计过程，如维纳过程、伽马过程与逆高斯过程等，这些方法对寿命评估需要过强的偏好假设，对于复杂的电子设备往往评估精准度较低，仅适用于比较简单的电子部件与零件，不适合复杂的电子本文档来自技高网...

【技术保护点】

1.一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法，其特征在于：步骤S3具体如下：

3.根据权利要求1所述的一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法，其特征在于：步骤S2的预测可靠度的物理信息网络的训练流程为：在输入时间和环境应力后，首先通过全连接神经网络来逼近函数，再利用自动微分技术，求出微分方程残差和测量值残差约束，并将其作为正则项放入损失函数中，最后利用梯度下降法等优化算法获得神经网络连接权重参数和微分方程物理参数。<...

【技术特征摘要】

1.一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法，其特征在于：步骤s3具体如下：

3.根据权利要求1所述的一种结合物理信息和生成对抗网络的高精度电子设备寿命评估方法，其特征在于：步骤s2的预测可靠度的物理信息网络的训练流程为：在输入时间和环境应力后，首先通过全连接神经网络来逼近函数，再利用自动微分技术，求出微分方程残差和测量值残差约束，并将其作为正则项放入损失函数中，最后利用梯度下降法等优化算法获得神经网...

【专利技术属性】
技术研发人员：李秀源，屈辰，邵星灵，禹春梅，朱忠诺，向刚，韩信，高晓颖，扈闰乔，
申请(专利权)人：中北大学，
类型：发明
国别省市：