[发明专利]一种基于物理统计模型的寿命预测方法

说明书

技术领域

本发明提出一种基于物理统计模型的寿命预测方法，它是一种基于物理统计结合卡尔曼滤波更新的加速退化试验数据建模方法，属于可靠性技术领域中的加速退化试验数据处理。

背景技术

随着产品设计、材料、制造工艺的发展，产品的可靠性和寿命已经可以达到一个很高的水平。随之而来亟需解决的难题是如何评估这些高可靠性产品的寿命。对于寿命少则几年多则数十年的设备或系统，加速试验在试验技术上为解决这一问题提供了可行的理论支撑。然而，如何对加速试验数据进行合理的处理，得出产品寿命和可靠性较为精确的估计依旧是一个问题。

目前加速试验数据处理主要有两种思路：

1.在加速试验中产品出现失效，利用失效数据对产品寿命符合的概率分布形式进行估计，从而得到产品的寿命分布和可靠度分布函数；

2.在加速试验中产品未出现失效，但是能从产品的性能参数监测到具有退化特征，利用退化数据对产品的退化轨迹进行建模，外推得到产品的寿命。

在第二种思路中，对于退化轨迹进行建模又主要有两种思路：

1.依据产品发生退化的机理建立物理模型，之后利用退化数据对模型中的参数进行估计，得到产品的退化轨迹模型；

2.依据产品退化轨迹的特点，选择合适的统计模型，并利用退化数据对模型中的参数进行估计，最终得到产品的退化轨迹模型。

利用物理模型对退化轨迹进行建模的方法中，对产品寿命和可靠度的预测的结果与建立的物理模型是否准确直接相关。然而在实际工程中，针对产品建立精确的物理模型是较为复杂的。利用统计模型对退化轨迹进行建模的方法中，对产品寿命和可靠度的预测的结果与退化轨迹的特点是否突出有密切联系，不仅需要数据量较大，而且需要数据能够体现出统计规律。一种新的思路是将上述提到的物理方法与统计方法相结合，这种混合建模方法使得能够利用对产品的结构、机理认识建立的物理模型，同时结合统计手段，在建模是能够将样品间个体差异作为随机性的因素包含在模型中。

发明内容

针对加速退化试验的退化数据处理，发明了一种基于物理统计结合卡尔曼滤波更新的加速退化数据建模方法。本发明的为了精确的对加速退化试验得到的退化轨迹进行外推，全面考虑了产品的物理退化机理、产品个体特性、产品退化各阶段的退化轨迹差异性，对于高可靠长寿命的产品，能够在指定失效阈值的前提下进行寿命分布和可靠度函数的预测。

本发明提出的退化过程有依据以下四点假设前提：

1.所研究的产品是具备性能参数退化的产品，而不是单一功能的成败型产品，即产品的退化状态是一系列性能参数采样点，而不是功能正常与功能不正常两点；

2.产品的性能参数退化趋势总体是具有单调性的，即退化轨迹应是逐渐趋近失效阈值；

3.产品的性能参数具有失效阈值，即产品的某项性能参数或输出参数达到性能指定的失效阈值后，产品本身或装备了该产品的系统将不能正常稳定工作；

4.导致产品发生性能退化的应力及机理在退化过程是确定不变的，即产品自退化开始到达失效阈值为止，促使其退化的应力及机理在退化过程中始终促使产品发生退化，并且不存在其它应力及机理仅在退化过程中某一阶段起作用。

基于上述假设，本发明提供的一种基于物理统计模型的寿命预测方法，主要包括以下具体几个步骤：

步骤一：构建产品退化的物理模型。

根据产品的使用信息，确定产品可能经受的环境应力和工作应力，依此对产品退化的物理模型进行调研，并结合对产品结构、工况等方面的分析，确定可能的退化模型。对于单应力退化，通常其模型的形式是y＝f(t,S)，其中y是性能参数退化量，t是时间，S是加速应力。

步骤二：将产品退化的物理模型转换成线性模型的形式。

根据产品退化的物理模型，转换成线性模型形式的具体方法主要有以下三种：

1.若在物理模型中，含有应力水平S的项与含有时间t的项是乘积关系，则可以将两项分别做整体代换构建成线性模型。即若产品的加速退化物理模型形式为y＝Ag(S)h(t)，则可以分别作代换B_S＝g(S)，C_t＝h(t)，将物理模型代换成线性模型y＝AB_SC_t，其中B_S为与应力水平有关的系数，C_t是经过形式转换的时间量。在此模型中，性能参数的退化量与经过形式转换的时间量具有线性关系。