CN114626248B - 一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法 - Google Patents

一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法 Download PDF

Info

Publication number
CN114626248B
CN114626248B CN202210323210.9A CN202210323210A CN114626248B CN 114626248 B CN114626248 B CN 114626248B CN 202210323210 A CN202210323210 A CN 202210323210A CN 114626248 B CN114626248 B CN 114626248B
Authority
CN
China
Prior art keywords
stress
model
representing
spiral spring
acceleration
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
Application number
CN202210323210.9A
Other languages
English (en)
Other versions
CN114626248A (zh
Inventor
杨军
孔雪峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202210323210.9A priority Critical patent/CN114626248B/zh
Publication of CN114626248A publication Critical patent/CN114626248A/zh
Application granted granted Critical
Publication of CN114626248B publication Critical patent/CN114626248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明提供一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,实施步骤如下:一:多应力加速退化试验数据收集;二:基于加速模型有机融合的多应力加速退化模型构造;三:多应力加速退化模型参数估计;四:螺旋弹簧正常应力下可靠性评估;本发明利用加速模型有机融合方法构造多应力加速模型,结合退化模型形成螺旋弹簧多应力加速退化模型,并运用两阶段最小二乘法对多应力加速退化模型的参数进行估计,进而给出螺旋弹簧正常应力下的可靠性水平,提高了螺旋弹簧使用效能鉴定考核;本发明提出的方法原理和计算简单易懂,容易实现,方便工程技术人员掌握使用,便于应用推广。

Description

一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法
技术领域
本发明提供一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,它是一种基于加速模型有机融合的螺旋弹簧可靠性评估方法;它针对温度、湿度和机械应力加速下的螺旋弹簧压缩永久变形率数据,通过加速模型有机融合构造多应力加速退化模型,并运用两阶段最小二乘估计法对多应力加速退化模型参数进行估计,最终基于正常应力水平,完成螺旋弹簧可靠性评估;本专利适用于产品退化可靠性评估等相关技术领域。
背景技术
螺旋弹簧是一种由弹簧丝卷制而成的螺旋式弹簧,通过对其进行拉伸、压缩使其发生弹性形变,从而达到存储能量的目的;螺旋弹簧是机械电子行业中广泛使用的一种弹性元件,为器件密封、复位、带动、缓冲等提供动力来源,而受应力松弛影响,螺旋弹簧的弹性性能会随着使用时间的增加而逐渐降低,从而影响机械电子器件的正常运行;为了鉴定螺旋弹簧使用过程中弹性性能的变化,需要对螺旋弹簧进行应力松弛试验并分析试验数据;
由于螺旋弹簧普遍具有高可靠、长寿命特征,使其在常规试验甚至是单应力加速试验中都难以在短时间内获得有效的弹性性能退化数据,严重影响螺旋弹簧的可靠性评估;考虑到实际使用过程中,螺旋弹簧常处于受力拉伸或压缩状态,且其弹性性能退化过程易受环境温度、湿度等多种类型应力影响,因此,针对螺旋弹簧开展多应力加速退化试验,不仅能够加快螺旋弹簧弹性性能退化过程,而且还能更贴近其实际使用环境,提高试验数据的有效性;然而,工程应用中仅存在考虑温度、湿度或温度、机械应力两应力影响的加速模型,缺乏能同时刻画温度、湿度、机械应力对螺旋弹簧弹性性能退化过程影响的加速模型,导致无法充分利用多应力退化试验数据开展螺旋弹簧可靠性评估,影响其使用效能鉴定考核;
基于此,本发明提出一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,即一种基于加速模型融合的螺旋弹簧多应力加速退化模型构建与可靠性评估方法。
发明内容
(1)本发明的目的:
本发明针对螺旋弹簧缺乏同时考虑温度、湿度和机械应力对其弹性性能退化过程影响的加速模型,导致无法利用多应力加速退化数据有效开展其可靠性评估问题,提供了一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,它是一种包含多应力加速退化试验数据收集、多应力加速退化模型构造、模型参数估计、可靠性评估的螺旋弹簧可靠性评估方法;通过压缩永久变形率表征螺旋弹簧弹性性能,进而基于加速模型有机融合构造多应力加速退化模型,并对模型参数进行两阶段最小二乘估计,最终评估螺旋弹簧在正常应力水平下的可靠性。
(2)技术方案:
基于上述理论和思路,本发明提供一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,具体的实施步骤如下:
步骤一:多应力加速退化试验数据收集
将螺旋弹簧分配至不同加速应力水平组合下进行试验,并收集不同加速应力水平下所有样本在不同时刻下的自由长度数据;假设共有R个应力水平组合,记为{Sr;r=1,2,…,R},其中Sr=(Tr,RHr,MSr)表示第r个应力水平组合,Tr表示第r个应力水平组合中绝对温度的取值,RHr表示第r个应力水平组合中相对湿度的取值,MSr表示第r个应力水平组合中机械应力的取值;因此,在第r个应力水平组合下第i个样本的第j次检测数据记为:
{(tr,j,Hr,i,j);r=1,2,…,R;i=0,1,…,Mr;j=1,2,…,Nr}  (1)
式中,tr,j表示第r个应力水平组合下第j次检测的时间,Hr,i,j表示第r个应力水平组合下第j次检测中第i个样本的自由长度测量值,R表示所有应力水平组合数,Mr表示第r个应力水平组合下的样本量,Nr表示第r个应力水平组合下样本的总测量次数;特别地,当i=0时,对应的Hr,0,j表示第r个应力水平组合下第i个样本的初始自由长度;
此外,根据实际工程经验,螺旋弹簧的应力松弛常以压缩永久变形率进行表征,其定义为:
Figure BDA0003572517630000031
式中,yr,i,j表示第r个应力水平组合下第j次检测中第i个样本的压缩永久变形率,Hr,0,j表示第r个应力水平组合下第i个样本的初始自由长度,Hr,i,j表示第r个应力水平组合下第i个样本第j次测得的自由长度;根据相应的国家标准和使用方要求,确定螺旋弹簧压缩永久变形率的失效阈值为D,即认为当压缩永久变形率高于D时,螺旋弹簧发生失效;
步骤二:基于加速模型有机融合的多应力加速退化模型构造
工程中,当应力水平组合为Sr时,螺旋弹簧压缩永久变形率的退化模型为:
y(t|Sr)=α01(Sr)×ln(t)+ε  (3)
式中,t表示螺旋弹簧的加速退化试验时间,Sr表示应力水平组合,y(t|Sr)表示应力水平组合为Sr下螺旋弹簧在t时刻的压缩永久变形率,α1(Sr)为退化模型(3)在应力水平组合为Sr下的加速系数,α0为退化模型(3)中的参数,ε表示测量误差,服从正态分布
Figure BDA0003572517630000032
影响螺旋弹簧压缩永久变形率退化过程的主要应力类型为温度、湿度和机械应力,其中,温度和湿度对螺旋弹簧压缩永久变形率退化过程的影响模式利用如公式(4)所示的艾琳模型进行刻画:
Figure BDA0003572517630000041
式中,Tr和RHr分别表示第r个应力水平下的绝对温度和相对湿度,α1(Tr,RHr)表示绝对温度和相对湿度分别为Tr和RHr时的加速系数,k=8.617×10-5eV/K,表示玻尔兹曼常数,β0、β1、β2为模型(4)中的三个参数;温度和机械应力对螺旋弹簧压缩永久变形率退化过程的影响模式利用如公式(5)所示的Boltzmann-Arrhenius-Zhurkov模型进行刻画:
Figure BDA0003572517630000042
式中,Tr和MSr分别表示第r个应力水平下的绝对温度和机械应力,α1(Tr,MSr)表示绝对温度和机械应力分别为Tr和MSr时的加速系数,ρ0和ρ1为模型(5)中的两个参数;
因此,为综合温度、湿度与机械应力三种应力对螺旋弹簧压缩永久变形率的影响,并保持应力间交互作用不变,基于加速模型有机融合方法,利用对数变换和指数逆变换,实现三应力加速模型构造,具体过程如下:
(1)加速模型对数变换与合并
首先,针对模型(4)和模型(5)开展对数变换,并合并两个模型,得到如下所示对数形式加速模型:
Figure BDA0003572517630000043
式中,α1(Tr,RHr,MSr)表示绝对温度、相对湿度和机械应力分别为Tr、RHr和MSr时的加速系数,β0、β1、β2为模型(4)中的三个参数,ρ0、ρ1为模型(5)中的两个参数;
(2)加速模型指数逆变换与合并同类项
接着,针对模型(6)开展指数逆变换,得到如下所示加速模型:
Figure BDA0003572517630000051
并令μ=β0×ρ0,得到综合考虑温度、湿度与机械应力影响的加速模型为:
Figure BDA0003572517630000052
式中,α1(Tr,RHr,MSr)表示绝对温度、相对湿度和机械应力分别为Tr、RHr和MSr时的加速系数;β0、β1、β2、ρ0为模型中的四个参数;
(3)多应力加速退化模型构造
根据退化模型(3)和加速模型(8),得到螺旋弹簧压缩永久变形率在温度Tr、湿度RHr与机械应力MSr下的多应力加速退化模型为:
Figure BDA0003572517630000053
式中,α0、μ、β1、β2、ρ1为模型中的四个参数,ε表示测量误差;
步骤三:多应力加速退化模型参数估计
基于多应力加速退化模型(9)和螺旋弹簧压缩永久变形率数据,使用最小二乘估计方法,开展多应力加速退化模型(9)的两阶段参数估计,其开展过程如下:
(1)退化模型参数估计
在第一阶段中,令θr,1=[αr,0,α1(Sr)]T表示退化模型(3)在应力水平组合Sr下的未知参数构成的向量,其中αr,0表示参数α0在应力水平组合Sr下的值,则基于最小二乘估计原理和应力水平组合Sr下各螺旋弹簧压缩永久变形率数据,得到参数的估计结果为:
Figure BDA0003572517630000054
式中,
Figure BDA0003572517630000055
表示αr,0、α1(Sr)的估计,
Figure BDA0003572517630000061
其中,
Figure BDA0003572517630000062
表示应力水平组合Sr下所有样本在tr,j时刻下的平均压缩永久变形率,r=1,2,…,R,j=1,2,…,Nr;因此,参数α0的估计值
Figure BDA0003572517630000063
为:
Figure BDA0003572517630000064
此外,令
Figure BDA0003572517630000065
表示基于退化模型(3)和参数估计结果(10)得到的应力水平组合Sr下第i个样本在tr,j时刻下预测的压缩永久变形率,则得到参数
Figure BDA0003572517630000066
的估计值
Figure BDA0003572517630000067
为:
Figure BDA0003572517630000068
式中,
Figure BDA0003572517630000069
表示测量误差ε标准差σε的估计,yr,i,j表示应力水平组合Sr下第i个样本在tr,j时刻的压缩永久变形率真实值,
Figure BDA00035725176300000610
表示应力水平组合Sr下第i个样本在tr,j时刻的压缩永久变形率预测值;
(2)加速模型参数估计
在第二阶段中,令θ2=[μ,ρ1,β1,β2]T表示加速模型(8)在应力水平组合Sr下的未知参数构成的向量,则基于最小二乘估计原理和各应力水平组合Sr下的α1(Sr),得到参数的估计结果为:
Figure BDA00035725176300000611
式中,
Figure BDA00035725176300000612
表示模型参数μ、β1、β2、ρ1的估计,
Figure BDA00035725176300000613
式中,Tr、RHr、MSr分别表示第r个应力水平组合下的温度、湿度和机械应力,Sr=(Tr,RHr,MSr),
Figure BDA0003572517630000071
表示α1(Sr)的估计,r=1,2,…,R;
至此,完成多应力加速退化模型(9)中未知参数的估计;
步骤四:螺旋弹簧正常应力下可靠性评估
完成螺旋弹簧压缩永久变形率的多应力加速退化模型构建与参数估计后,基于螺旋弹簧正常应力水平S0=(T0,RH0,MS0)与压缩永久变形率失效阈值D,得到螺旋弹簧正常应力下的可靠度函数为:
Figure BDA0003572517630000072
式中,R(t|S0)表示正常应力水平S0下螺旋弹簧在t时刻的可靠度,
Figure BDA0003572517630000073
为模型参数α0、μ、β1、β2、ρ1的估计,T0、RH0、MS0分别表示正常应力水平下的温度、湿度和机械应力,S0=(Tr,RHr,MSr),
Figure BDA0003572517630000074
表示测量误差ε标准差σε的估计,ψ(·)为标准正态分布的累积分布函数;
至此,完成螺旋弹簧正常应力下的可靠性评估。
(3)优点和功效:
本发明一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,其优点为:
①本发明针对螺旋弹簧在温度、湿度和机械应力下的加速退化试验数据,利用加速模型有机融合方法构造多应力加速模型,结合退化模型形成螺旋弹簧多应力加速退化模型,并运用两阶段最小二乘法对多应力加速退化模型的参数进行估计,进而给出螺旋弹簧正常应力下的可靠性水平,提高了螺旋弹簧使用效能鉴定考核;
②本发明提出的方法原理和计算简单易懂,容易实现,方便工程技术人员掌握使用,便于应用推广。
附图说明
图1是本发明所述方法的流程图。
图2是本发明对应的可靠度曲线(某型螺旋弹簧可靠性评估结果示意图)。
具体实施方式
下面以某型弹式安全阀产品中使用的某型螺旋弹簧为例,结合附图1,对本发明做进一步详细说明。
在某次螺旋弹簧应力松弛试验中,24个螺旋弹簧平均分为8组,分别在8个温度、湿度及机械应力水平组合下进行加速退化试验,各应力水平组合中应力水平情况如表1所示。试验过程中,通过对该24个螺旋弹簧的自由长度进行测量以获得螺旋弹簧压缩永久变形率数据。试验共历时120天,期间分别在第1、3、7、15、30、50、70、95、120天对所有弹簧的自由长度数据进行测量。此外,工程中,该型螺旋弹簧的正常应力水平为S0(T0=333.15K,RH0=50%,MS0=8N。
表1某型螺旋弹簧应力松弛试验应力水平组合情况
应力水平组合序号 绝对温度(K) 相对湿度(%) 机械应力(N)
1 343.15 70 10
2 343.15 70 8
3 343.15 90 10
4 343.15 90 8
5 353.15 70 10
6 353.15 70 8
7 353.15 90 10
8 353.15 90 8
因此,本发明提出一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,操作流程见图1所示,其具体步骤如下:
步骤一:多应力加速退化试验数据收集
通过试验获得螺旋弹簧自由长度数据后,利用公式(2)将自由长度数据转换为压缩永久变形率数据,其结果如表2所示。
表2某型螺旋弹簧压缩永久变形率试验数据
Figure BDA0003572517630000091
步骤二:基于加速模型有机融合的多应力加速退化模型构造
从表1中知道该型螺旋弹簧的主要加速应力为温度、湿度和机械应力。因此,基于加速模型有机融合方法,结合各应力下螺旋弹簧压缩永久变形率的退化模型,构建出温度、湿度和机械应力加速下的螺旋弹簧多应力加速退化模型为:
Figure BDA0003572517630000101
式中,y(t|Sr)表示应力水平组合为Sr下螺旋弹簧在t时刻的压缩永久变形率,α0、μ、β1、β2、ρ1为模型中的四个参数,Tr、RHr、MSr分别表示第r个应力水平组合下的温度、湿度和机械应力,Sr=(Tr,RHr,MSr),ε表示测量误差;
步骤三:多应力加速退化模型参数估计
基于表(2)所示螺旋弹簧压缩永久变形率试验数据,利用两阶段最小二乘估计法,进行多应力加速退化模型(15)中参数α0、μ、ρ1、β1、β2及ε的方差
Figure BDA0003572517630000102
的估计;通过求解式(10)-式(13),得到多应力加速退化模型参数的最小二乘估计结果如表3所示。
表3多应力加速退化模型参数估计结果
Figure BDA0003572517630000103
因此,得到该型螺旋弹簧压缩永久变形率的多应力加速退化模型为:
Figure BDA0003572517630000104
式中,Tr、RHr、MSr分别表示第r个应力水平组合下的温度、湿度和机械应力;
步骤四:螺旋弹簧正常应力下可靠性评估
在得到螺旋弹簧压缩永久变形率的多应力加速退化模型后,即能根据螺旋弹簧的失效阈值及式(16)开展其正常应力下的可靠性评估;根据工程经验,确定该型螺旋弹簧压缩永久变形率的失效阈值为13%,即当压缩永久变形率超过13%时,认为螺旋弹簧无法提供足够弹力保证弹式安全阀的正常工作,根据步骤三所得多应力加速退化模型(16),得到该型螺旋弹簧在正常应力下的可靠度函数为:
Figure BDA0003572517630000111
式中,T0、RH0、MS0分别表示正常应力下的温度、湿度和机械应力。对应的可靠度曲线如附图2所示;至此,完成该型螺旋弹簧正常应力下的可靠性评估;
综上所述,本发明一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,它涉及一种基于加速模型有机融合和两阶段最小二乘估计方法的螺旋弹簧可靠性评估方法;它针对温度、湿度和机械应力下螺旋弹簧应力松弛试验数据,利用压缩永久变形率变化过程表征螺旋弹簧弹性性能退化过程,进而通过加速模型有机融合构造多应力加速退化模型,并运用两阶段最小二乘估计方法开展模型参数估计,最终评估螺旋弹簧在正常应力水平下的可靠性,从而有效提高螺旋弹簧实际使用效能鉴定考核。

Claims (1)

1.一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法,其特征在于:具体步骤如下:
步骤一:多应力加速退化试验数据收集
将螺旋弹簧分配至不同加速应力水平组合下进行试验,并收集不同加速应力水平下所有样本在不同时刻下的自由长度数据;设共有R个应力水平组合,记为{Sr;r=1,2,…,R},其中Sr=(Tr,RHr,MSr)表示第r个应力水平组合,Tr表示第r个应力水平组合中绝对温度的取值,RHr表示第r个应力水平组合中相对湿度的取值,MSr表示第r个应力水平组合中机械应力的取值;因此,在第r个应力水平组合下第i个样本的第j次检测数据记为:
{(tr,j,Hr,i,j);r=1,2,…,R;i=0,1,…,Mr;j=1,2,…,Nr}     (1)
式中,tr,j表示第r个应力水平组合下第j次检测的时间,Hr,i,j表示第r个应力水平组合下第j次检测中第i个样本的自由长度测量值,R表示所有应力水平组合数,Mr表示第r个应力水平组合下的样本量,Nr表示第r个应力水平组合下样本的总测量次数;当i=0时,对应的Hr,0,j表示第r个应力水平组合下第i个样本的初始自由长度;
此外,根据实际工程经验,螺旋弹簧的应力松弛常以压缩永久变形率进行表征,其定义为:
Figure FDA0003572517620000011
式中,yr,i,j表示第r个应力水平组合下第j次检测中第i个样本的压缩永久变形率,Hr,0,j表示第r个应力水平组合下第i个样本的初始自由长度,Hr,i,j表示第r个应力水平组合下第i个样本第j次测得的自由长度;确定螺旋弹簧压缩永久变形率的失效阈值为D,即认为当压缩永久变形率高于D时,螺旋弹簧发生失效;
步骤二:基于加速模型有机融合的多应力加速退化模型构造
当应力水平组合为Sr时,螺旋弹簧压缩永久变形率的退化模型为:
y(t|Sr)=α01(Sr)×ln(t)+ε          (3)
式中,t表示螺旋弹簧的加速退化试验时间,Sr表示应力水平组合,y(t|Sr)表示应力水平组合为Sr下螺旋弹簧在t时刻的压缩永久变形率,α1(Sr)为退化模型(3)在应力水平组合为Sr下的加速系数,α0为退化模型(3)中的参数,ε表示测量误差,服从正态分布
Figure FDA0003572517620000021
影响螺旋弹簧压缩永久变形率退化过程的应力类型为温度、湿度和机械应力,其中,温度和湿度对螺旋弹簧压缩永久变形率退化过程的影响模式利用如公式(4)所示的艾琳模型进行刻画:
Figure FDA0003572517620000022
式中,Tr和RHr分别表示第r个应力水平下的绝对温度和相对湿度,α1(Tr,RHr)表示绝对温度和相对湿度分别为Tr和RHr时的加速系数,k=8.617×10-5eV/K,表示玻尔兹曼常数,β0、β1、β2为模型(4)中的三个参数;温度和机械应力对螺旋弹簧压缩永久变形率退化过程的影响模式利用如公式(5)所示的Boltzmann-Arrhenius-Zhurkov模型进行刻画:
Figure FDA0003572517620000023
式中,Tr和MSr分别表示第r个应力水平下的绝对温度和机械应力,α1(Tr,MSr)表示绝对温度和机械应力分别为Tr和MSr时的加速系数,ρ0和ρ1为模型(5)中的两个参数;
因此,为综合温度、湿度与机械应力三种应力对螺旋弹簧压缩永久变形率的影响,并保持应力间交互作用不变,基于加速模型有机融合方法,利用对数变换和指数逆变换,实现三应力加速模型构造,具体过程如下:
(1)加速模型对数变换与合并
首先,针对模型(4)和模型(5)开展对数变换,并合并两个模型,得到如下所示对数形式加速模型:
Figure FDA0003572517620000031
式中,α1(Tr,RHr,MSr)表示绝对温度、相对湿度和机械应力分别为Tr、RHr和MSr时的加速系数,β0、β1、β2为模型(4)中的三个参数,ρ0、ρ1为模型(5)中的两个参数;
(2)加速模型指数逆变换与合并同类项
接着,针对模型(6)开展指数逆变换,得到如下所示加速模型:
Figure FDA0003572517620000032
并令μ=β0×ρ0,得到综合考虑温度、湿度与机械应力影响的加速模型为:
Figure FDA0003572517620000033
式中,α1(Tr,RHr,MSr)表示绝对温度、相对湿度和机械应力分别为Tr、RHr和MSr时的加速系数;β0、β1、β2、ρ0为模型中的四个参数;
(3)多应力加速退化模型构造
根据退化模型(3)和加速模型(8),得到螺旋弹簧压缩永久变形率在温度Tr、湿度RHr与机械应力MSr下的多应力加速退化模型为:
Figure FDA0003572517620000034
式中,α0、μ、β1、β2、ρ1为模型中的四个参数,ε表示测量误差;
步骤三:多应力加速退化模型参数估计
基于多应力加速退化模型(9)和螺旋弹簧压缩永久变形率数据,使用最小二乘估计方法,开展多应力加速退化模型(9)的两阶段参数估计,其开展过程如下:
(1)退化模型参数估计
在第一阶段中,令θr,1=[αr,0,α1(Sr)]T表示退化模型(3)在应力水平组合Sr下的未知参数构成的向量,其中αr,0表示参数α0在应力水平组合Sr下的值,则基于最小二乘估计原理和应力水平组合Sr下各螺旋弹簧压缩永久变形率数据,得到参数的估计结果为:
Figure FDA0003572517620000041
式中,
Figure FDA0003572517620000042
表示αr,0、α1(Sr)的估计,
Figure FDA0003572517620000043
其中,
Figure FDA0003572517620000044
表示应力水平组合Sr下所有样本在tr,j时刻下的平均压缩永久变形率,r=1,2,…,R,j=1,2,…,Nr;因此,参数α0的估计值
Figure FDA0003572517620000045
为:
Figure FDA0003572517620000046
此外,令
Figure FDA0003572517620000047
表示基于退化模型(3)和参数估计结果(10)得到的应力水平组合Sr下第i个样本在tr,j时刻下预测的压缩永久变形率,则得到参数
Figure FDA0003572517620000048
的估计值
Figure FDA0003572517620000049
为:
Figure FDA00035725176200000410
式中,
Figure FDA00035725176200000411
表示测量误差ε标准差σε的估计,yr,i,j表示应力水平组合Sr下第i个样本在tr,j时刻的压缩永久变形率真实值,
Figure FDA00035725176200000412
表示应力水平组合Sr下第i个样本在tr,j时刻的压缩永久变形率预测值;
(2)加速模型参数估计
在第二阶段中,令θ2=[μ,ρ1,β1,β2]T表示加速模型(8)在应力水平组合Sr下的未知参数构成的向量,则基于最小二乘估计原理和各应力水平组合Sr下的α1(Sr),得到参数的估计结果为:
Figure FDA00035725176200000413
式中,
Figure FDA00035725176200000414
表示模型参数μ、β1、β2、ρ1的估计;
Figure FDA0003572517620000051
式中,Tr、RHr、MSr分别表示第r个应力水平组合下的温度、湿度和机械应力,Sr=(Tr,RHr,MSr),
Figure FDA0003572517620000052
表示α1(Sr)的估计,r=1,2,…,R;
至此,完成多应力加速退化模型(9)中未知参数的估计;
步骤四:螺旋弹簧正常应力下可靠性评估
完成螺旋弹簧压缩永久变形率的多应力加速退化模型构建与参数估计后,基于螺旋弹簧正常应力水平S0=(T0,RH0,MS0)与压缩永久变形率失效阈值D,得到螺旋弹簧正常应力下的可靠度函数为:
Figure FDA0003572517620000053
式中,R(t|S0)表示正常应力水平S0下螺旋弹簧在t时刻的可靠度,
Figure FDA0003572517620000054
为模型参数α0、μ、β1、β2、ρ1的估计,T0、RH0、MS0分别表示正常应力水平下的温度、湿度和机械应力,S0=(Tr,RHr,MSr),
Figure FDA0003572517620000055
表示测量误差ε标准差σε的估计,ψ(·)为标准正态分布的累积分布函数;
至此,完成螺旋弹簧正常应力下的可靠性评估。
CN202210323210.9A 2022-03-30 2022-03-30 一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法 Active CN114626248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210323210.9A CN114626248B (zh) 2022-03-30 2022-03-30 一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210323210.9A CN114626248B (zh) 2022-03-30 2022-03-30 一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法

Publications (2)

Publication Number Publication Date
CN114626248A CN114626248A (zh) 2022-06-14
CN114626248B true CN114626248B (zh) 2023-04-18

Family

ID=81903793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210323210.9A Active CN114626248B (zh) 2022-03-30 2022-03-30 一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法

Country Status (1)

Country Link
CN (1) CN114626248B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107885928A (zh) * 2017-11-06 2018-04-06 河南科技大学 考虑测量误差的步进应力加速性能退化可靠性分析方法
CN110795887A (zh) * 2019-10-28 2020-02-14 中国人民解放军国防科技大学 多应力加速寿命试验分析方法和装置
CN112069697A (zh) * 2020-09-23 2020-12-11 中国人民解放军国防科技大学 多应力多失效模式相依竞争条件下加速退化试验统计分析方法
CN112765769A (zh) * 2020-12-23 2021-05-07 北京航空航天大学 一种多阶段变工况固体推进剂剩余贮存寿命预测方法
CN112926144A (zh) * 2021-01-22 2021-06-08 北京航空航天大学 一种多应力加速寿命试验耦合效应分析及寿命预测方法
CN112949209A (zh) * 2021-03-26 2021-06-11 北京航空航天大学 一种退化速率-波动联合更新的弹用密封橡胶贮存寿命评估方法
CN113312755A (zh) * 2021-05-10 2021-08-27 南京理工大学 一种弹用弹簧多元参数相关加速退化试验方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107885928A (zh) * 2017-11-06 2018-04-06 河南科技大学 考虑测量误差的步进应力加速性能退化可靠性分析方法
CN110795887A (zh) * 2019-10-28 2020-02-14 中国人民解放军国防科技大学 多应力加速寿命试验分析方法和装置
CN112069697A (zh) * 2020-09-23 2020-12-11 中国人民解放军国防科技大学 多应力多失效模式相依竞争条件下加速退化试验统计分析方法
CN112765769A (zh) * 2020-12-23 2021-05-07 北京航空航天大学 一种多阶段变工况固体推进剂剩余贮存寿命预测方法
CN112926144A (zh) * 2021-01-22 2021-06-08 北京航空航天大学 一种多应力加速寿命试验耦合效应分析及寿命预测方法
CN112949209A (zh) * 2021-03-26 2021-06-11 北京航空航天大学 一种退化速率-波动联合更新的弹用密封橡胶贮存寿命评估方法
CN113312755A (zh) * 2021-05-10 2021-08-27 南京理工大学 一种弹用弹簧多元参数相关加速退化试验方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘虹豆 ; 张北 ; .基于加速退化试验多性能参数相关性失效的可靠性评估模型.绵阳师范学院学报.2017,(第11期),全文. *
魏高乐 ; 陈志军 ; .基于多应力综合加速模型的产品可靠性评估方法.科学技术与工程.2016,(第02期),全文. *

Also Published As

Publication number Publication date
CN114626248A (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN110610035B (zh) 一种基于gru神经网络的滚动轴承剩余寿命预测方法
CN104020401B (zh) 基于云模型理论的变压器绝缘热老化状态的评估方法
CN111859658B (zh) 一种产品贮存寿命与可靠性评估方法
CN104316872B (zh) 基于步降加速退化试验的压力继电器贮存寿命预测方法
CN109933925B (zh) 一种金属板材的冲压成形性能预测方法
CN111581892B (zh) 基于gdau神经网络的轴承剩余寿命的预测方法
CN112784413B (zh) 一种zn-40阻尼减振结构剩余贮存寿命评估方法
CN107220500B (zh) 基于逆高斯过程的性能退化试验贝叶斯可靠性评估方法
CN112651119A (zh) 一种空间谐波减速器多性能参数加速退化试验评估方法
CN114462508A (zh) 基于多模态神经网络的电力变压器健康状态评估方法
CN114970157B (zh) 电子产品在电压应力作用下的小样本试验寿命预测方法
CN114355094B (zh) 基于多源信息的产品可靠性薄弱环节综合评估方法和装置
CN114056599B (zh) 一种基于灰色关联度的飞机气候环境适应能力评价方法
CN113761755B (zh) 考虑认知不确定性的温湿度双应力下的加速寿命分析方法
CN115962797A (zh) 一种基于温度应力下的传感器可靠性测试方法及***
CN108846239A (zh) 一种基于温湿度的弹性环氧树脂加速贮存试验及评估方法
CN111695288A (zh) 一种基于Apriori-BP算法的变压器故障诊断方法
CN114626248B (zh) 一种基于多应力加速退化数据的螺旋弹簧可靠性评估方法
CN107301285A (zh) 基于剩余寿命预测的非电子产品序贯验证试验方法
CN109840386B (zh) 基于因子分析的损伤识别方法
CN115408755B (zh) 一种考虑时变效应的组合梁桥动力疲劳可靠性评估方法
CN112034312A (zh) 一种电力设备绝缘缺陷模式识别方法
CN116381505A (zh) 一种基于变分模态分解的动态工况条件的锂电池健康状态估计方法
CN115455596A (zh) 基于粒子群算法的聚氨酯胶密封件贮存可靠性评估方法
CN110991001B (zh) 一种基于单调回归理论的卷簧寿命评估方法

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