恒定应力加速退化试验差异化设计

针对高可靠性长寿命产品的寿命估计问题,提出多应力水平的恒定应力加速退化试验差异化设计方案。采用考虑随机效应的非线性Wiener过程模型来描述产品的退化路径,给出了基于极大似然估计的未知参数估计方法。为了差异化地决策每个应力水平对应的加速退化试验所需的样本数量、测量时间间隔和测量次数的最优组合,建立了以试验总成本为约束,平均失效前时间的渐近方差最小化为目标的优化模型,并提出了相应的遗传算法以用于高效地求解模型的最优值。最后通过实例和仿真试验,验证了模型和方法的有效性和实用性。     

基于性能退化的产品组合维修策略优化分析

为准确掌握产品性能退化规律,合理安排维护与视情修理组合的维修活动,根据维护条件下产品的性能退化过程,利用累积失效理论,分析产品的性能退化特点.建立基于复合泊松过程的产品性能退化模型,并对水泵转子的失效规律进行了拟合,验证了模型的有效性.建立了定期维护与视情修理组合的维修活动概率模型,给出了失效风险的解析表达式.以长期运行条件下产品费用率为目标,失效风险为约束,确定了组合维修策略优化模型.通过对平台惯性导航系统进行数值分析,优化结果能够有效地延长工作时间,实时控制失效概率,使产品具备较高的安全等级,避免失效带来的不利影响,降低了维修费用.     

加速退化试验与加速寿命试验相结合的产品可靠性评估

提出加速退化试验与加速寿命试验相结合的对高可靠长寿命产品进行快速可靠性评估与寿命预测的新方法. 在建立合适退化轨迹模型的基础上,推出产品各应力下的失效分布函数. 根据这些分布函数利用数值仿真方法产生各应力下的伪失效寿命数据,利用加速寿命试验中的寿命试验数据的处理方法进行处理,然后外推出产品在正常应力下的失效分布函数. 该方法可以避免加速退化模型的分析和建模过程,在评估结果具有一定精度的情况下减少了研究工作量. 最后的实例计算表明了本文方法的有效性.     

基于比例失效率退化模型的可靠性评估方法

针对不假定寿命分布类型的长寿命可靠性评估问题,提出一种不同于传统基于退化轨迹和退化量分布的退化数据可靠性评估方法。将时间视为类加速因子并作为协变量,通过引入比例风险模型来描述产品寿命与退化量失效率之间的关系,建立比例失效率退化模型;通过考虑分布簇之间的差异度来确定退化量分布类型,求出退化量基准失效函数及比例失效率系数;采用线性回归模型拟合出类加速模型参数估计,确定已知检测时刻下的退化量失效率函数,并外推产品在退化失效阈值下的寿命可靠度函数;结合实例分析,验证方法的实用性和有效性。     

二项式分布场合加速退化零失效可靠性验证试验

对于长寿命高可靠产品,采用零失效可靠性验证试验需要大量的时间或者样本。为了缩短试验时间,建立了一种在二项式分布场合下基于性能退化数据的加速退化零失效可靠性验证试验方法。首先从加速退化模型和测量数据估计样品在规定时间内的退化量及其方差,然后在使用方风险和可用试验样本量的约束下,对试验费用进行优化,得到了最优的试验方案,并给出了单个样品停止试验的判定规则。最后通过一个实例证实了该方法能有效地缩短试验时间。灵敏度分析表明,在规定时间内退化量的预估值对试验方案的优化结果影响较大。     

基于多变量优化的恒定应力加速退化试验设计

为了实现高可靠长寿命产品加速退化试验的高效开展,提出一种可以同时优化加速应力水平、各水平下试样数、各水平测试时间等多个试验设计变量的恒定应力加速退化试验优化设计方法。基于Wiener过程与阿伦尼斯模型建立加速退化模型,以可靠寿命估计精度为目标函数,以试验总经费为约束条件,应用遗传算法搜索最优试验方案,并通过敏感性分析确定优化方案的有效性。以某碳膜电阻器为对象开展加速退化试验优化设计的实例分析来证明所提方法的合理性。敏感性分析结果表明,所提方法的优化结果具有良好的稳健性。     

基于Wiener过程的多应力加速退化试验设计

针对许多产品的性能往往受到多个应力的影响,研究多应力加速退化试验的优化模型. 首先介绍了退化轨道的一般框架,然后在此框架上建立基于Wiener过程的多应力性能加速退化试验优化模型.在试验总费用的约束下,通过最小化产品寿命分布$p$分位点的渐进方差来确定各应力水平下试验的产品数、性能参数的采样间隔及采样次数等.最后给出一个示例验证了模型的有效性.     

基于变失效阈值的竞争失效可靠性模型

针对同时经历性能退化过程和外界冲击过程的系统,在假设性能退化过程为线性退化过程,冲击过程分别为极值冲击模型和δ冲击模型的基础上,分析了性能退化量对突发失效的失效阈值影响,建立了基于变失效阈值的竞争失效可靠性模型,求出了系统可靠性的解析表达式。结合实例对可靠性模型进行了分析,对突发失效的失效阈值进行了灵敏性分析。结果表明该模型可以有效地提高可靠性评估精度,具有较好的工程实践指导意义和理论参考价值。     

基于灰色时序组合模型的产品实时寿命预测方法

针对产品性能退化数据样本个数少、退化轨迹存在非线性与随机性的特点,提出了一种灰色时序组合模型对产品的退化轨迹进行建模并实时预测个体寿命。首先,采用灰色系统GM(1,1)模型和时间序列AR(p)模型分别对同类产品退化数据中的趋势项与随机项进行预测,构造灰色时序组合预测模型来建立同类产品的退化轨迹。然后,根据K均值聚类理论计算特定个体与同类产品退化轨迹的相似度权值,通过加权同类产品的退化轨迹来获得特定个体的退化轨迹;最后,通过个体实测退化数据更新退化模型并实时预测寿命。将本文方法用于某电子产品的寿命预测中,试验结果验证了该方法的准确性与有效性。     

竞争失效下多元退化建模的导弹贮存寿命评估

导弹失效是弹上多部件退化失效与突发失效相互竞争的结果。根据导弹失效模式分析,建立导弹竞争失效模型。针对贮存期内测试到的弹上多个关键部件特征电压数据,引入状态空间模型,将弹上多个关键部件的特征电压转化为整弹退化程度,采用Wiener、Gamma和Inverse-Gaussian等随机过程模型来拟合整弹退化程度数据,采用赤池信息准则来确定最优的随机过程模型。假定导弹突发失效时间服从Weibull分布,采用比例危险模型,建立了考虑性能退化影响的突发失效率函数。采用两步极大似然估计法求解出模型中未知参数。结合某批次导弹贮存案例分析,验证了本文所建模型的正确性和优势。     

退化产品失效规律分析及其应用

针对具有参数漂移特征的产品,推导了性能指标退化模型的失效率函数,从理论推导和定性分析两个角度对退化模型的失效率函数进行了深入分析,研究结果表明,退化产品失效率与Gamma型产品具有一定的相似性,能够使用冲击理论直接解释退化产品失效问题。进一步,给出了Gamma分布的参数确定方法,从而可以利用常见寿命分布制定退化产品维修策略。最后通过对液力耦合器的测量数据进行分析,说明所提方法的合理性。     

不完全维修下海底腐蚀管道剩余寿命预测

本文提出了一种在考虑不完全维护影响下的腐蚀管道分阶段退化模型和剩余寿命预测方法.首先,设其全寿命周期内进行3次不完全维护,则退化过程为4个阶段;其次,在维护活动干预下的非线性分阶段随机扩散过程框架下,对其退化规律进行建模,推导首达时间意义下剩余寿命概率分布,实现实时剩余寿命估计;然后,利用状态监测数据和维护数据对模型参数进行极大似然估计和贝叶斯更新;最后通过实例验证所提参数估计和寿命预测方法的有效性.结果表明:该模型能很好地描述不完全维修下腐蚀管道分阶段退化过程,能够给出可信的可靠性评估结果,使得腐蚀管道具有较高的安全运营等级,克服了传统方法过维修或欠维修带来的不利影响,降低了维修成本.     

柔顺复杂装备系统多状态动态退化演变可靠性建模与分析

针对复杂工况情形下,柔顺复杂装备系统内部关键零部件容易产生疲劳损伤,导致其在服役期内产生多状态退化迁移,难以评估系统动态退化过程可靠性的难题,本文通过采用齐次连续时间马尔可夫模型(homogeneous continuous time markov process, HCTMP),结合柔顺复杂装备系统动态退化机理,构建了柔顺复杂装备系统多状态动态退化HCTMP模型;并通过Monte Carlo模拟仿真了柔顺复杂装备系统退化失效风险.在柔顺复杂装备系统多状态动态退化HCTMP模型基础上,引入了动态瞬时期望、动态集成期望和状态滞留时间等敏感性测度指标来评估动态退化过程可靠度.案例研究表明,柔顺复杂装备系统多状态动态退化HCTMP模型能有效解决评估多状态动态退化过程的可靠性难题,为维修决策提供重要依据.     

基于步进加速退化建模的剩余寿命在线预测

针对同类产品在步进应力加速退化试验中观测数据,采用非线性Wiener过程,建立了带测量误差的加速退化模型;采用两步极大似然估计法,求解出退化模型中固定系数估计值和随机系数先验值;基于首达时的概率分布,推导出剩余寿命的概率密度函数近似表达式;引入随机系数贝叶斯更新方法,利用目标产品当前观测数据来更新随机系数后验值,实现剩余寿命预测结果在线更新;结合某型激光器仿真实例分析,验证了所建模型的正确性和优势。     

基于伪寿命分布的退化数据可靠性评估方法

提出一种利用加速退化数据对产品进行可靠性评估与寿命预测的建模与参数估计方法。首先,针对加速退化数据的特点,建立了加速条件下特征参数退化曲线的连续时间函数模型。进而,结合工程中常用加速模型,建立了加速退化模型参数估计的整体似然函数,并基于Fisher信息阵采用整体推断的极大似然法给出整体模型参数的区间估计。该方法能够有效利用不同加速应力水平下产品退化数据的横向信息,并综合连续时间函数模型对产品退化曲线拟合性强的优点,可提高产品可靠性评估与寿命预测的精度。以某电子产品为例进行了应用实例分析。     

基于时间序列数据扩增和BLSTM的滚动轴承剩余寿命预测方法

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。