CN110889186B - 灰关联分析的加速贮存与自然贮存退化数据一致性检验法 - Google Patents
灰关联分析的加速贮存与自然贮存退化数据一致性检验法 Download PDFInfo
- Publication number
- CN110889186B CN110889186B CN201811048994.9A CN201811048994A CN110889186B CN 110889186 B CN110889186 B CN 110889186B CN 201811048994 A CN201811048994 A CN 201811048994A CN 110889186 B CN110889186 B CN 110889186B
- Authority
- CN
- China
- Prior art keywords
- degradation
- storage
- data
- accelerated
- product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
一种灰关联分析的加速贮存与自然贮存退化数据一致性检验法，步骤如下：分别采集自然贮存退化数据和加速贮存退化数据；对退化数据进行回归分析，得到表征退化量与贮存时间关系的回归方程；利用不同加速应力水平下的回归方程，得到各应力水平下产品达到等间隔退化量所需的时长；计算各应力水平下产品等退化增量对应的时间间隔；将等间隔退化增量时间间隔序列数据进行初值化处理；利用等间距退化增量时间间隔序列初值化处理后的数据，计算自然贮存与各应力水平下的灰关联性；利用灰关联系数，对自然贮存和所对应应力水平下的退化失效过程进行判定。本发明用于对加速贮存试验的实施方案及其试验数据的有效性验证，保证产品寿命预测与验证的有效性。
Description
一、技术领域
本发明涉及产品在不同试验应力水平下的退化数据一致性检验方法，具体是灰关联分析的加速贮存与自然贮存退化数据一致性检验方法，属于可靠性建模技术与寿命预测分析领域，用于对加速试验的实施方案及其试验数据的有效性验证，以保证产品寿命预测与验证的有效性。
二、背景技术
对于长期贮存产品，其有效贮存寿命是重要设计和使用指标之一。但长贮产品在正常贮存应力下状态变化极其缓慢，为了尽快获取产品的贮存失效规律并预测贮存寿命，通常采用提高应力的方式加速产品的贮存失效。对于某些长贮产品，即使在加速应力下，也很难观测到失效寿命数据，只能通过监测产品某些关键性能参数的退化失效规律，预测产品在正常应力下的贮存寿命。为了保证这种统计推断的可信性，必须论证产品在正常应力和加速应力下贮存时具有相同的失效机理，即提高应力水平仅仅增大失效速率而不改变失效机理。这是进行加速贮存退化试验设计的重要前提，也是解决长贮产品贮存寿命预测的关键问题和基础问题。
目前，国内外文献中关于加速试验失效机理一致性检验方法的研究，主要分为三类：第一类是突发失效产品失效机理的一致性检验，如正态分布方差的一致性；第二类是失效机理明确的退化失效产品，一般采用参数方法，检验两种应力下的退化轨道是否属于同一族而参数各异的随机过程；第三类是失效机理不明确的退化失效产品，一般凭借专家经验进行定性判断，此时结论具有一定的主观性，难以推广应用。一方面由于现代长贮产品的工艺复杂度提高，明确产品退化失效机理的难度相应增大，另一方面由于产品检测水平的提高，收集到的产品检测数据的种类和数量都相对充足。因此，基于数据驱动的非参数检验方法可有效提高试验数据一致性检验的水平。
灰色关联是指事物的不确定关联，灰色关联分析的基本任务是基于因子间的影响程度来分析和确定其对主行为的贡献程度，所述因子间的影响程度还可以是因子序列的微观或宏观几何接近程度。本发明基于灰关联分析对加速贮存和自然贮存退化数据进行一致性检验，可以对加速试验的实施方案及其试验退化数据的有效性进行验证。
三、发明内容
(一)目的
本发明的目的是进行加速贮存退化数据和自然贮存退化数据一致性检验，它能够检验加速贮存退化数据的有效性：一方面确保产品在试验过程中退化机理一致，验证加速试验的有效性；另一方面，提高产品寿命预测与验证的可信度和精度。
(二)技术方案
为了解决背景技术所存在的问题，本发明的基本思想是：根据序列在空间中的几何形状的相似程度来判断其联系的紧密程度，它不考虑数据序列间的平均距离，与数据序列在空间的相对位置没有关系。若加速贮存与自然贮存下的失效机理保持一致，则两种应力下分别计算相同退化增量序列所对应的试验时间序列，两组时间序列曲线形状也相似。
一种基于等退化增量时间间隔灰关联分析的加速贮存与自然贮存退化数据一致性检验法，其步骤如下：
步骤1，分别采集自然贮存退化数据和加速贮存退化数据，所述自然贮存退化数据的采集方式通常是专门的自然贮存试验或产品现场检测，加速贮存退化数据采集于加速贮存试验中同一应力(通常为温度、湿度、盐雾等)下的不同水平的退化数据。
步骤2，对退化数据进行回归分析，得到表征退化量与贮存时间关系的回归方程，其中，利用自然贮存退化数据可得到自然贮存环境下的回归方程，利用不同加速应力水平下的退化数据可以得到不同应力水平下的回归方程。
步骤3，利用不同加速应力水平下的回归方程，得到各应力水平下产品达到等间隔退化量所需的时长，所述等间隔退化量划分的前提是确定产品初始退化量(即退化量为0)和产品失效退化量(即失效阈值)，其中退化量的间隔数至少为3。
步骤4，计算各应力水平下产品等退化增量对应的时间间隔，即利用步骤3中得到的同一水平应力下的相邻的等间隔退化量所需时长作差。
步骤5，将等间隔退化增量时间间隔序列数据进行初值化处理。
步骤6，利用等间距退化增量时间间隔序列初值化处理后的数据，计算自然贮存与各应力水平下的灰关联系数。
步骤7，利用灰关联系数，对自然贮存和所对应应力水平下的退化失效过程进行判定，判定规则一般包括以下三种：不具有相关性、具有一定相关性、暂无法下结论，需采用其他相关性检验方法进一步判别，其中灰关联系数越大表征相关性越强。
其中，在加速贮存试验参试样品量的设置上，工程上比较普遍的做法是各加速贮存应力水平下分别投入一个或几个样品进行性能试验，并获得各样品的性能监测数据。
其中，自然贮存环境下至少获得一个同型产品的性能监测数据。在自然贮存环境下，若同时获得了多个同型产品的性能监测数据，则需先根据各产品监测时刻点，采用插值方法对性能数据进行插值，将各产品的测试时刻对齐；然后得到各测试时刻的样本均值；再将样本均值随贮存时间变化的序列看作是单样品性能变化数据，这样就将自然贮存环境下的多样本数据转化成了单样本退化序列数据。加速贮存环境下至少获得一个同型产品的性能监测数据。在加速贮存环境下，若同时获得了多个同型产品的性能监测数据，则需先根据各产品监测时刻点，采用插值方法对性能数据进行插值，将各产品的测试时刻对齐；然后得到各测试时刻的样本均值；再将样本均值随贮存时间变化的序列看作是单样品性能变化数据，这样就将加速贮存应力下的多样本数据转化成了单样本退化序列数据。
本发明中的产品为长贮退化失效型产品、长时间连续工作退化失效型产品、非连续工作退化失效型产品。
(三)本发明的优点：
(1)本发明对样本容量不作任何限制，且不必考虑样本总体的统计分布规律，特别适合小样本序列的情况，且对多维度数据也同样适用。
(2)本发明可用于验证产品在加速贮存试验与自然贮存试验中失效机理一致性，同时对加速试验的实施方案及其试验退化数据的进行有效性验证，验证以保证产品寿命预测与验证的可行、有效。
四、附图说明
图1为本发明的流程图；
五、具体实施方式
加速贮存和自然贮存退化数据一致性检验方法基于如下假设：
(1)产品所进行的加速贮存试验为恒定应力加速退化试验；
(2)各加速贮存应力水平下分别投入一个或几个样品进行性能试验，并获得各样品的性能监测数据；
(3)自然贮存环境下至少获得一个同型产品的性能监测数据。
所述假设条件(1)为工程上最常见最便利开展的加速试验类型，若需要验证一致性的产品不满足假设条件(1)，即实际进行的加速试验为步进应力或序进应力，则需采用一定的统计方法，将数据等效转化为恒定应力加速试验下的数据。
所述假设条件(2)关于加速贮存试验参试样品量的说明。在加速应力下，工程上比较普遍的做法是在各个应力水平下分别投入少数几个产品。
所述假设条件(3)是关于自然贮存环境下产品数的说明。在自然贮存环境下，若同时获得了多个同型产品的性能监测数据，则需先根据各产品监测时刻点，采用插值方法对性能数据进行插值，将各产品的测试时刻对齐；然后得到各测试时刻的样本均值；再将样本均值随贮存时间变化的序列看作是单样品性能变化数据，这样就将自然贮存环境下的多样本数据转化成了单样本退化序列数据。对于加速贮存试验下的多样本数据也需作类似处理。
本发明包含如下详细步骤：
(1)分别采集自然贮存退化数据和加速贮存退化数据，所述自然贮存退化数据的采集方式通常是专门的自然贮存试验或产品的现场检测，加速贮存退化数据的采集于加速贮存试验中同一应力(通常为温度、湿度、盐雾等)的不同水平下的退化数据；
(2)根据自然贮存下的试验数据，进行回归分析，得到表征自然贮存环境下退化量与贮存时间关系的回归方程F0(t)；根据应力水平Si下的试验数据，进行回归分析，得到表征应力水平Si下退化量与贮存时间关系的回归方程Fi(t)，i＝1，2，…，m，m为进行恒定应力加速退化试验的应力水平数；
(3)假设新品的退化量为0，根据失效阈值D，将[0,D]划分为n个等间隔退化增量序列，令d＝D/n，指定退化量水平Y1＝d，Y2＝2d，…，Yn＝n·d＝D，当应力水平为Si时，令Si水平下的退化量Fi(t)＝Yj，i＝0，1，2，…，m；j＝1，2，…，n。解回归方程，得到在应力水平Si下达到给定退化量水平Yj所需经历的试验时间tij，即
i＝0，1，2，…，m；j＝1，2，…，n，其中i＝0表示自然贮存应力水平；
(4)计算不同应力水平下等间距退化增量对应的时间间隔。令Δti，j-1＝tij-ti，j-1，i＝0，1，…，m；j＝2，3，…，n，其中，i＝0表示自然贮存环境；
(5)将等间距退化增量时间间隔序列数据初值化处理，即令Δtij＝Δtij/Δti1，i＝0，1，2，…，m，j＝1，2，…，n-1；
(6)在自然贮存S0与应力水平Si(i＝1，2，…，m)下令
则计算自然贮存S0与应力水平Si(i＝1，2，…，m)下等间距退化增量时间间隔序列数据的灰关联系数为：
(7)利用灰关联系数，对自然贮存和所对应应力水平下的退化失效过程进行判定，若灰关联系数
则可判定自然贮存S0与应力水平Si下的退化失效过程具有一定的相关性；若
则可初步判定自然贮存S0与应力水平Si下的退化失效过程不具有相关性，可能存在失效机理不一致的问题，需对加速退化试验条件进行进一步的物理审查，是否由于应力的增加而引入了新的失效机理；若
则暂时无法下结论，需采用其他相关性检验方法进一步判别。
在采用灰关联分析法来进行基于退化数据的自然贮存和加速贮存试验的失效机理一致性分析时，若加速贮存与自然贮存下的失效机理保持一致，则两种应力下分别计算相同退化增量序列所对应的试验时间序列，两组时间序列曲线形状相似。
兹举实施案例如下：
本案例以不同贮存温度下的某发射药的贮存时间与二苯胺含量数据的一致性检验为例，陈述本发明一种基于等退化增量时间间隔灰关联分析的加速贮存与自然贮存退化数据一致性检验法的应用。
本案例基本信息情况如下：
不同贮存温度下的某发射药的贮存时间与二苯胺含量数据如表1所示，50℃为自然贮存环境即贮存应力S0下的贮存数据，60℃为应力水平S1下的加速应力贮存数据，70℃为应力水平S2下的加速应力贮存数据。(数据来源：冯静，基于秩相关系数的加速贮存退化失效机理一致性检验[J]，航空动力学报，2011年，第26卷第11期，2439-2444)
表1不同贮存温度下某发射药贮存时间与二苯胺的含量
从表中可知二苯胺含量的初始值为1.26％，最小值为0.289％，假设初始时刻退化量为0，数据最大值与最小值之差为失效阈值D，即0.9710％，经计算，得到不同贮存温度下某发射药贮存时间与二苯胺退化量数据如表2所示。
表2不同贮存温度下某发射药贮存时间与二苯胺退化量数据表
对S0、S1及S2贮存应力下的试验数据，进行回归分析，得到表征退化量与贮存时间关系的回归方程F0(t)、F1(t)和F2(t)如下所示。
F0(t)＝37.5296e0.00016t-37.4852
F1(t)＝74.7243e0.00013t-74.6386
F2(t)＝120.2610e0.00011t-120.1284
解回归方程得到应力水平Si下达到给定退化量水平Yj所需经历的试验时间tij如表3所示。
表3退化时间与应力水平及退化量关系表
计算不同应力水平下等间距退化增量对应的时间间隔如表4所示。
表4不同应力水平下等间距退化增量对应的时间间隔表
经初值化处理后得到不同应力水平下等间距退化增量对应的时间间隔初值化处理后的数据如表5所示
表5等间距退化增量时间间隔序列初值化处理后数据表
代入公式计算得到S1和S2应力下的灰关联系数如下所示。
进行一致性判定，由于
均大于0.7，可以判定可判定自然贮存S0与应力水平S1和S2下的退化失效过程具有一定的相关性。
Claims (6)
1.灰关联分析的加速贮存与自然贮存退化数据一致性检验法，用于验证产品在加速贮存试验与自然贮存试验中失效机理的一致性，其特征在于，该方法的具体步骤如下：
步骤1，分别采集产品自然贮存退化数据和加速贮存退化数据，所述自然贮存退化数据的采集方式是专门的自然贮存试验或产品现场检测，所述加速贮存退化数据采集于加速贮存试验中同一应力下的不同水平的退化数据，所述同一应力为温度、湿度、盐雾；
步骤2，对退化数据进行回归分析，得到表征退化量与贮存时间关系的回归方程，其中，利用自然贮存退化数据可得到自然贮存环境下的回归方程，利用不同加速应力水平下的退化数据可以得到不同加速应力水平下的回归方程；
步骤3，利用不同加速应力水平下的回归方程，得到各应力水平下产品达到等间隔退化量所需的时长，所述等间隔退化量划分的前提是确定产品初始退化量和产品失效退化量，所述初始退化量即退化量为0，所述产品失效退化量即失效阈值，所述的间隔数至少为3；
步骤4，计算各应力水平下产品等退化增量对应的时间间隔；
步骤5，将等间隔退化增量时间间隔序列数据进行初值化处理；
步骤6，利用等间距退化增量时间间隔序列初值化处理后的数据，计算自然贮存与各应力水平下的灰关联性；
步骤7，利用灰关联系数，对自然贮存和所对应应力水平下的退化失效过程进行判定，所述判定规则包括以下三种：不具有相关性、具有一定相关性、暂无法下结论，所述灰关联系数越大表征相关性越强。
2.根据权利要求1所述的灰关联分析的加速贮存与自然贮存退化数据一致性检验法，其特征在于：在加速试验的选择中，产品所进行的加速贮存试验为恒定应力加速退化试验。
3.根据权利要求1所述的灰关联分析的加速贮存与自然贮存退化数据一致性检验法，其特征在于：在加速贮存试验参试样品量的设置上，各加速贮存应力水平下分别投入一个或几个样品进行性能试验，并获得各样品的性能监测数据。
4.根据权利要求1所述的灰关联分析的加速贮存与自然贮存退化数据一致性检验法，其特征在于：自然贮存环境下至少获得一个同型产品的性能监测数据，加速贮存环境下至少获得一个同型产品的性能监测数据。
5.根据权利要求1所述的灰关联分析的加速贮存与自然贮存退化数据一致性检验法，其特征在于：所述产品为长贮退化失效型产品、长时间连续工作退化失效型产品、非连续工作退化失效型产品，所述产品的样本容量不作任何限制，且不必考虑样本总体的统计分布规律。
6.根据权利要求4所述的灰关联分析的加速贮存与自然贮存退化数据一致性检验法，其特征在于：若同时获得了多个同型产品的性能监测数据，则需先根据各产品监测时刻点，采用插值方法对性能数据进行插值，将各产品的测试时刻对齐；然后得到各测试时刻的样本均值；再将样本均值随贮存时间变化的序列看作是单样品性能变化数据，这样就将加速贮存应力下的多样本数据转化成了单样本退化序列数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811048994.9A CN110889186B (zh) | 2018-09-10 | 2018-09-10 | 灰关联分析的加速贮存与自然贮存退化数据一致性检验法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811048994.9A CN110889186B (zh) | 2018-09-10 | 2018-09-10 | 灰关联分析的加速贮存与自然贮存退化数据一致性检验法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889186A CN110889186A (zh) | 2020-03-17 |
| CN110889186B true CN110889186B (zh) | 2020-11-17 |
Family
ID=69744912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811048994.9A Active CN110889186B (zh) | 2018-09-10 | 2018-09-10 | 灰关联分析的加速贮存与自然贮存退化数据一致性检验法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889186B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111929514B (zh) * | 2020-05-25 | 2022-07-12 | 中国电器科学研究院股份有限公司 | 一种电气元器件可靠性评价及寿命预测方法 |
| CN114383997A (zh) * | 2021-11-30 | 2022-04-22 | 航天科工防御技术研究试验中心 | 一种室内外腐蚀试验相关性分析方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8355880B2 (en) * | 2009-11-24 | 2013-01-15 | GM Global Technology Operations LLC | On-board method and system for monitoring onset of rapid oil oxidation and sludge formation in engine oils |
| CN102054104B (zh) * | 2010-12-29 | 2013-03-13 | 北京航空航天大学 | 一种基于单参数加速退化机理一致性边界确定方法 |
| CN102789545B (zh) * | 2012-07-12 | 2015-08-19 | 哈尔滨工业大学 | 基于退化模型匹配的涡轮发动机剩余寿命的预测方法 |
-
2018
- 2018-09-10 CN CN201811048994.9A patent/CN110889186B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889186A (zh) | 2020-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gorjian et al. | A review on degradation models in reliability analysis | |
| Li et al. | Gas turbine performance prognostic for condition-based maintenance | |
| Wang | A model to predict the residual life of rolling element bearings given monitored condition information to date | |
| Engel et al. | Prognostics, the real issues involved with predicting life remaining | |
| CN110807257A (zh) | 航空发动机剩余寿命预测方法 | |
| CN109766583A (zh) | 基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法 | |
| CN108664700B (zh) | 基于不确定数据包络分析的加速退化信息融合建模方法 | |
| CN109376401B (zh) | 一种自适应多源信息优选与融合的机械剩余寿命预测方法 | |
| CN107730127B (zh) | 基于输出特性初始分布的继电器贮存退化数据预测方法 | |
| CN107784178B (zh) | 一种基于多故障机理耦合的机械结构可靠性分析方法 | |
| CN110889186B (zh) | 灰关联分析的加速贮存与自然贮存退化数据一致性检验法 | |
| Nguyen et al. | New methodology for improving the inspection policies for degradation model selection according to prognostic measures | |
| Vališ et al. | System failure estimation based on field data and semi-parametric modeling | |
| CN115962797A (zh) | 一种基于温度应力下的传感器可靠性测试方法及*** | |
| Wang et al. | Three‐stage feature selection approach for deep learning‐based RUL prediction methods | |
| CN111428360A (zh) | 一种不同维修深度分布下海底管道剩余寿命预测方法 | |
| CN113988220A (zh) | 一种采煤机健康状态评估方法 | |
| CN110895624B (zh) | 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法 | |
| CN110889077A (zh) | 基于Kendall相关系数的加速贮存与自然贮存退化数据一致性检验方法 | |
| Zhang et al. | A multi-fault modeling approach for fault diagnosis and failure prognosis of engineering systems | |
| Dui et al. | Reliability Evaluation and Prediction Method with Small Samples. | |
| CN110889083B (zh) | 基于窗谱估计的退化数据一致性检验法 | |
| Kobbacy et al. | Condition monitoring of diesel engines | |
| Alozie et al. | An adaptive model-based framework for prognostics of gas path faults in aircraft gas turbine engines | |
| CN110889187B (zh) | 基于Pearson系数的贮存退化数据一致性检验法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Consistency test method of accelerated storage and natural storage degradation data based on grey correlation analysis Effective date of registration: 20211008 Granted publication date: 20201117 Pledgee: Bank of Changsha Co.,Ltd. Yinde sub branch Pledgor: Hunan gingko Reliability Technology Research Institute Co.,Ltd. Registration number: Y2021980010281 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |