[发明专利]一种全寿命周期内的车载信息终端故障率预测方法

说明书

技术领域

本发明一种全寿命周期内的车载信息终端故障率预测方法，属于寿命预测技术领域，尤其是一种全寿命周期内的车载信息终端故障率的预测。

背景技术

在正常工作条件下，常采用寿命试验方法去估计产品的各种可靠性特征。这种方法对寿命特别长的产品来说，不是一种合适的方法。因为它需要花费很长的试验时间，甚至来不及做完寿命试验，新的产品又设计出来，老产品就要淘汰了。因此这种方法与产品的迅速发展是不相适应的。

加速寿命试验是快速评定长寿命高可靠性产品寿命与可靠性指标的一种有效途径。利用加速寿命试验数据对产品正常应力水平下的寿命特征进行评估的关键在于建立寿命特征与应力水平之间的关系。

目前，针对加速模型的研究中，单应力加速模型相对比较成熟。然而，产品在实际使用中受到的环境应力是复杂的，比如会同时受到温度、适度和电应力等应力的影响。实际上，也正是这些应力的综合效果影响了产品的寿命。因此，在加速试验中引入综合应力，不仅可以缩短试验时间、提高试验效率，而且可以更精确的模拟实际环境条件，得到更可信的结果。

灰色系统理论是一种研究“小样本”、“贫信息”不确定性问题的新方法，通过对“部分”已知信息的生成、开发、提取有用的信息，实现对系统运行状态、演变规律的正确描述。

灰色预测是通过建立GM模型（Grey Model）实现的。其中应用最广的是关于一个方程、一阶变量的GM（1，1）模型。GM（1，1）模型是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列。呈现的规律可用一阶线性微分方程的解来逼近，并且经一阶线性微分方程的解逼近所揭示的原始时间数列呈指数变化规律。设有                                                个原始时间数列数据为：

对其进行累加生成，得到1-AGO（Accumulated Generating Operation）序列为：

其中，

建立白化方程：

对白化方程的解进行累减还原，即可得到灰色预测模型：

在由给定的历史数据（白色系统）进行预测时，由于“灰色系统”的部分信息已知，短期预测的结果比较接近实际数据；而在根据历史数据进行长期预测时，由于“黑色系统”的信息是完全未知的，且预测的步数太多，历史数据和“黑色系统”之间的内在演变规律变得相对模糊，从而导致预测结果和实际数据曲线的偏差变大。

 发明内容

本发明的目的是针对上述不足之处提供一种全寿命周期内的车载信息终端故障率预测方法，将经过预处理得到的规律失效时间数据作为性能退化模型的训练样本，采用三点滑动平均法对灰色累加生成操作的数据进行处理，通过灰色预测模型的自学习，从试验数据中自动总结规律，并用总结出的规律来预测未知的信息，预测输出后的信息经反变换后即可得到车载信息终端正常应力水平下的寿命和故障率信息。通过预测电子产品的全寿命周期，以及每个工作时期的剩余寿命，建立全寿命周期的数学模型；通过综合环境应力强化试验，建立全寿命周期内的故障率模型，预测车载信息终端各个工作时期的故障率。

一种全寿命周期内的车载信息终端故障率预测方法是采取以下技术方案实现的，全寿命周期内的车载信息终端故障率预测方法，包括以下几个步骤：

1）确定车载信息终端全寿命周期

       将车载信息终端的全寿命周期确定为车载信息终端从其使用时间开始，或经过翻修后恢复工作，直到极限状态前的工作时间。

2）确定车载信息终端故障判据

所述的车载信息终端故障分为硬故障和软故障，所述硬故障表示一个车载信息终端在施加骚扰期间和之后，不能执行其预先设计的一项或多项功能，且如果不修理或不替换其中的元器件，则不能恢复其正常工作。

所述软故障表示一个车载信息终端在施加骚扰期间，不能执行其预先设计的一项或多项功能，但在停止施加骚扰之后能恢复到正常操作状态。

3）构造综合环境应力加速因子模型

对车载信息终端实施综合环境应力做高加速寿命试验，所述的综合环境应力包括温度、湿度和电应力。

温度的加速因子模型算式如下： 

其中，表示室温绝对温度，

表示高温下的绝对温度，

Ea表示失效反应的活化能（eV），

K表示玻尔兹曼常数。

湿度的加速因子模型算式如下：