专利名称：一种基于灰色支持向量机的多应力加速寿命试验预测方法
技术领域：
本发明属于寿命预测技术领域，具体涉及一种基于灰色支持向量机的多应力加速寿命试验寿命预测方法。
背景技术：
加速寿命试验(Accelerated Life Testing, ALT)方法是快速评定长寿命高可靠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，即通常所说的加速模型，又称加速方程。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，如关于温度应力的 Arrhenius模型和Eyring模型，关于电应力的逆幂率模型和指数模型等。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、振动和湿度等应力的影响。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。但是，多应力加速模型的建立却存在两个难以克服的困难首先，多应力情况下各种不同的应力引起的失效机理不一样，同时不同应力之间也存在着相互耦合的作用，很难找出一个合适的应力寿命关系；其次，即使通过经验的或统计的方式确定了一个加速模型，随着模型考虑的因素越来越多，其形式也变得越来越复杂，模型中待定参数的增加急剧地加大了似然方程组的求解困难，甚至耗费了大量的计算也难以搜索到最优解。另外，采用事先假定加速模型的方法对加速寿命试验数据进行统计分析，即使建立的加速模型再好，也会存在与实际情况不完全符合的问题，这种方法本身就存在一定的系统误差。参考文献[1]张慰，姜同敏，李晓阳，黄领才.基于BP神经网络的多应力加速寿命试验预测方法，航空学报，2009，30 (9)，1691-1696中提出了一种基于BP人工神经网络的多应力ALT试验预测方法，这种方法虽然避免了建立多应力加速模型存在的问题，但是却采用对失效数据进行指数拟合再抽样的方法以获得足够多的训练样本，这种不可逆人为拟合丢失了部分信息，给预测结果带来了一定的系统误差。另外，采用人工神经网络建模还存在不可复现性、精度较低等问题，且需要大量训练样本，不适合小样本情况。灰色系统理论是邓聚龙教授于1982年提出的，是一种主要研究少信息和不确定性的理论。灰色建模过程包含三个基本操作累加生成操作(Accumulated Generating Operation, AGO)，灰色建模禾口逆累力口生成操作(Inverse Accumulated Generating Operation, IAG0)。设有 η 维原始数据序列 x(0) = [x(0) (1)，x(0) (2)，· · ·，χ(0) (η)]，若对 χ(0) 进行如下计算
权利要求
1. 一种基于灰色支持向量机的多应力加速寿命试验预测方法，其特征在于包括以下几个步骤步骤一、多应力加速寿命试验数据的收集对产品实施多应力完全加速寿命试验，设在第i个应力水平Si下，投入Ni个产品进行试验，则收集到第i个应力水平下第j个产品发生失效的产品失效时间为，其中i = 0，. . .，k，k为应力水平Si的个数，其中&表示正常应力水平，S1, S2, ... , Sk^1, Sk表示加速应力水平；步骤二、采用经验分布函数法确定可靠度步骤一得到产品失效时间、后，根据公式FJtij) = HtijVNi, i = 1，2，...，k，j = 1,2, ...,Ni获取产品的经验分布函数，其中，FnUij)表示应力水平Si下失效时间时刻的经验分布函数，Htij)表示时刻应力水平Si下的产品累积失效数,Ni表示加速应力水平Si下的样本量；采用经验分布函数法获取产品在第i个应力水平Si下失效时间时刻的产品失效时间可靠度 Raij)为 Raij) = I-FJtij) = I-HtijVNi, i = 1,2, . . .，k，j = 1,2, · · ·，Ni ；步骤三、产品失效时间数据的级比检验分别获取各应力水平下产品失效时间数据的级比σ (j) = Iii^ZtijA = 1，2，···，k，j = 2，3，···，Ni;并判断各应力下产品失效时间数据的级比是否均落入区间(e—内；如果没有落入该区间内，对所有产品失效时间数据、进行方根处理，然后再获取各加速应力下经方根处理后的产品失效时间数据^ 的级比，并判断级比是否都落入区间(e-内，如果仍未落入，继续对产品失效时间数据^进行方根处理， 直至方根处理后的产品失效时间落入区间(β-2/(巧+1)，e2/(Wi+1))内； 步骤四、产品失效时间数据进行累加生成操作对各应力水平下满足级比检验要求的经过方根处理后的产品失效时间数据进行累加生成操作，若未进行方根处理即满足级比检验则为原始产品失效时间数据，得到AGO生成序列t' u，将与t' υ相对应的AGO生成序列可靠度记为R(t' ,j)； 步骤五、构造支持向量机预测模型将各应力水平Si进行累加生成操作后的AGO生成序列t' ,j分别进行归一化处理，以分别进行归一化处理后的应力水平和AGO生成序列可靠度R(t' ,j)作为输入向量，相应的归一化处理后的AGO生成序列t' υ作为目标向量，采用Meve Gunn SVM Matlab软件包， 建立支持向量机预测模型，其中核函数选择为径向基核函数； 步骤六、采用构造的支持向量机模型进行预测采用经验分布函数法获取受试产品在正常应力水平下&的可靠度R(t' ^，将正常应力水平下&和可靠度值R(t' 0J)输入构造的支持向量机预测模型，得到正常应力水平&下的AGO生成序列预测值‘；步骤七、对AGO生成序列预测值作还原处理首先对正常应力下的AGO生成序列预测值‘进行逆累加生成操作IAG0，得到IAGO生成数据；然后再根据步骤三中是否进行了方根处理以及方根处理的次数，对IAGO生成数据Hgg进行(^T5平方处理，其中rq表示步骤三中方根处理的次数，则正常应力下的失效时间预测值为‘=(^。广； 步骤八、寿命分布拟合对正常应力下的失效时间预测值&进行寿命分布检验，采用最小二乘法对正常应力下的失效时间预测值&及其对应的可靠度进行拟合，得到受试产品在正常应力水平下的可靠度曲线，通过可靠度曲线得到产品的寿命信息。
2.根据权利要求1所述的一种基于灰色支持向量机的多应力加速寿命试验预测方法， 其特征在于所述的步骤一中应力水平Si的个数k满足k > 2。
3.根据权利要求1所述的一种基于灰色支持向量机的多应力加速寿命试验预测方法， 其特征在于所述的应力水平Si是由多种不同的应力类型综合确定的。
4.根据权利要求1或3所述的一种基于灰色支持向量机的多应力加速寿命试验预测方法，其特征在于所述的应力水平Si是由应力类型温度、电压和振动综合确定的。
全文摘要
本发明提出一种基于灰色支持向量机的多应力加速寿命试验预测方法，属于寿命预测技术领域，包括多应力加速寿命试验数据的收集、采用经验分布函数法确定可靠度、产品失效时间数据的级比检验、产品失效时间数据的累加生成操作、构造支持向量机预测模型、采用构造的支持向量机模型进行预测、对AGO生成序列预测值作还原处理和寿命分布拟合八个步骤。本发明提出的一种基于灰色支持向量机的多应力加速寿命试验预测方法，不需要知道具体的加速模型和产品寿命分布等信息就可以进行预测，从而避免了建立加速模型的困难和预测中系统误差的引入，不需要求解复杂多元似然方程组，对不同的产品或应力种类有较强的工程适用性和通用性。
文档编号G06K9/62GK102270302SQ20111020304
公开日2011年12月7日 申请日期2011年7月20日 优先权日2011年7月20日
发明者姜同敏, 孙富强, 李晓阳 申请人:北京航空航天大学