仪器电控设备加速退化试验方法和系统与流程

本发明涉及加速退化试验技术领域，特别是涉及一种仪器电控设备加速试验数据处理方法和系统。

背景技术：

加速退化试验是用加大试验应力来缩短试验周期的一种寿命试验方法。加速退化试验方法为高可靠长寿命产品的可靠性评定提供了基础。加速退化试验的类型很多，常用的是如下三类：

(1)恒定应力加速退化试验，简称恒加试验，即先选一组加速应力水平，然后将一定数量的样品分为若干组，每组在一个应力水平下进行寿命试验，直到各组均有一定数量的样品发生失效为止。

(2)步进应力加速退化试验，简称步加试验，即是先选定一组均高于正常应力水平的加速应力水平，试验开始时把一定数量的样品放置于初始水平下进行寿命试验，经过一段时间后提高应力水平继续进行寿命试验，经过一段时间后将应力水平提高至更高的应力水平，如此继续下去，直至有一定数量的样品发生失效为止。

(3)序进应力加速退化试验，简称序加试验。它与步加试验基本相同，不同之处在于它施加的加速应力水平将随时间连续上升。

然而，传统的加速退化试验方式的数据可靠性较低。

技术实现要素：

基于此，有必要针对传统的加速退化试验方式的数据可靠性较低的问题，提供一种仪器电控设备加速退化试验方法和系统。

一种仪器电控设备加速退化试验方法，包括以下步骤：

获取仪器电控设备试验样品的原始性能参数，根据所述原始性能参数对仪器电控设备试验样品的性能参数保质期进行预测；

根据预测的性能参数保质期设置加速退化试验条件，然后对仪器电控设备试验样品进行加速退化试验，获取仪器电控设备试验样品性能退化量到达预设失效阈值所对应的失效时间数据；

对所述失效时间数据进行可靠性分析，确定满足可靠性条件的失效时间数据作为试验样品的试验数据。

一种仪器电控设备加速退化试验系统，包括：

预测模块，用于获取仪器电控设备试验样品的原始性能参数，根据所述原始性能参数对仪器电控设备试验样品的性能参数保质期进行预测；

获取模块，用于根据预测的性能参数保质期设置加速退化试验条件，然后对仪器电控设备试验样品进行加速退化试验，获取仪器电控设备试验样品性能退化量到达预设失效阈值所对应的失效时间数据；

分析模块，用于对所述失效时间数据进行可靠性分析，确定满足可靠性条件的失效时间数据作为试验样品的试验数据。

上述加速退化试验方法和系统，首先根据仪器电控设备试验样品的原始性能参数对仪器电控设备试验样品的性能参数保质期进行预测，然后合理地设置加速退化试验条件，在进行加速退化试验置换，再对试验所得的失效时间数据进行可靠性分析，确定满足可靠性条件的失效时间数据作为试验样品的试验数据，能够有效提高加速退化试验数据的可靠性。

附图说明

图1为一个实施例的仪器电控设备加速退化试验方法流程图；

图2为一个实施例的仪器电控设备加速退化试验系统的结构示意图。

具体实施方式

下面结合附图对本发明的技术方案进行说明。

如图1所示，本发明提供一种仪器电控设备加速退化试验方法，可包括以下步骤：

s1，获取仪器电控设备试验样品的原始性能参数，根据所述原始性能参数对仪器电控设备试验样品的性能参数保质期进行预测；

在本步骤中，试验样品可以是电子设备或者机械设备等，常见的，可以是手机、医疗器械等，特别地，本发明中特指仪器电控设备。以手机为例，原始性能参数可以是手机的电池容量、cpu频率等指标。可以采用多个规格相同的试验样品进行加速退化试验，从而可以使各个试验样品退化模型和性能保持期分布类型是一致的，只是由于样本的随机性，具体的参数不同。

在一个实施例中，根据所述原始性能参数对试验样品的性能参数保质期进行预测时，可以根据所述原始性能参数计算所述仪器电控设备试验样品的伪失效时间数据；根据所述伪失效时间数据对预先选取的可靠性分布模型进行求解；根据求解后的可靠性分布模型对所述仪器电控设备试验样品的性能参数保质期进行预测。

在一个实施例中，计算伪失效时间数据时，可以分别计算所述原始性能参数在预先选取的多个退化模型下的残差平方和；根据所述残差平方和的大小从所述多个退化模型中选取目标退化模型；根据所述目标退化模型对所述原始性能参数进行外推，得到所述伪失效时间数据。在另一个实施例中，计算伪失效时间数据时，也可以分别根据预先选取的多个退化模型对所述原始性能参数进行外推，得到各个退化模型对应的第一伪失效时间数据；将数据量最大的第一伪失效时间数据作为所述原始性能参数的伪失效时间数据。

s2，根据预测的性能参数保质期设置加速退化试验条件，然后对仪器电控设备试验样品进行加速退化试验，获取仪器电控设备试验样品性能退化量到达预设失效阈值所对应的失效时间数据；

失效是指产品丧失完成规定功能的能力的事件。失效是较为宽泛的概念，类型有多种，产品发生失效并不意味着产品永久的损坏，也可以是偶然性的不能完成规定的功能，可以在采取修复措施后恢复正常。失效时间是指产品的性能退化量到达预先设置的失效阈值所需要的时间。

具体地，加速退化试验条件可包括但不限于试验样本的数量、全部加速退化试验的总时间和应力水平。可以根据预测的性能参数保质期设置上述条件，以便进行加速退化试验，获取试验样品性能退化量到达预设失效阈值所对应的失效时间数据。

s3，对所述失效时间数据进行可靠性分析，确定满足可靠性条件的失效时间数据作为试验样品的试验数据。

在本步骤中，对所述失效时间数据进行可靠性分析时，可以根据所述失效时间数据对应的数据分布特征选取数据分布模型；对所述数据分布模型进行拟合优度检验，若检验合格，根据所述数据分布模型对所述失效时间数据进行可靠性分析。

进一步地，在选取数据分布模型时，可以获取多个预选数据分布模型；计算各个预选数据分布模型的误差指标参数；将误差指标参数最小的预选数据分布模型作为所述数据分布模型。在一个实施例中，误差指标包括误差极差、误差变异系数、误差方差、最大偏差、函数平均误差和概率密度函数误差。

(1)误差极差最小

在ti时刻，设产品可靠性基本函数的观测值为φ'(ti)，拟合后的所得值为φ(ti)，有k个模型入选，对所得的失效数据t1＜t2＜…＜tr，r为失效数据的总数，误差极差最小可定义为：

在入选的第一分布模型中，选择误差极差最小的第一分布模型。

(2)误差变异系数最小

在ti时刻，设产品可靠性基本函数的观测值为φ'(ti)，拟合后的所得值为φ(ti)，对所得的失效数据t1＜t2＜…＜tr，误差变异系数最小可定义为：

为失效数据的平均值。在入选的第一分布模型中，选择误差变异系数最小的第一分布模型。

(3)误差方差最小

在ti时刻，设产品可靠性基本函数的观测值为φ'(ti)，拟合后的所得值为φ(ti)，对所得的失效数据t1＜t2＜…＜tr，误差方差最小可定义为：

在入选的第一分布模型中，选择误差方差最小的第一分布模型。

(4)最大偏差最小

在ti时刻，设产品可靠性基本函数的观测值为φ'(ti)，拟合后的所得值为φ(ti)，对所得的失效数据t1＜t2＜…＜tr，最大偏差最小可定义为：

sup表示一个集合中的上确界。

(5)函数平均误差最小

在ti时刻，设产品可靠性基本函数的观测值为φ'(ti)，拟合后的所得值为φ(ti)，对所得的失效数据t1＜t2＜…＜tr，函数平均误差最小可定义为：

a和b为预设的常数。在入选的第一分布模型中，选择函数平均误差最小的第一分布模型。

(6)概率密度函数平均误差最小

在ti时刻，设产品可靠性基本函数的观测值为φ'(ti)，拟合后的所得值为φ(ti)，对所得的失效数据t1＜t2＜…＜tr，概率密度函数平均误差最小可定义为：

a和b为预设的常数，f(x)为估计出的概率密度函数，g(x)为拟合所得的概率密度函数。在入选的第一分布模型中，选择概率密度函数平均误差最小的第一分布模型。

为了进一步提高模型选择的准确性，可以将误差极差的最小值、误差变异系数的最小值、误差方差的最小值、最大偏差的最小值、函数平均误差的最小值和概率密度函数误差的最小值之和作为误差指标参数：

在入选的第一分布模型中，可选择ρmin最小的第一分布模型。

在选取数据分布模型之后，还可以计算所述数据分布模型的总体矩，并计算所述试验样本的样本矩；根据所述总体矩和样本矩对所述数据分布模型进行参数估计；或者获取所述数据分布模型对应的累积分布函数；对所述累积分布函数进行线性变换；根据线性变换后的累积分布函数的斜率对所述数据分布模型进行参数估计。

以指数分布为例，若经过初步判定失效时间数据符合指数分布，可以采用矩估计法对分布参数进行估计。矩估计法的基本思想是使总体矩等于样本矩而获得模型参数方程，进而求得模型未知参数的估计。设数据分布模型的概率密度函数为f(t)，则第k阶总体矩定义为：

j＝1,2,…,θ代表未知参数。假设加速试验的失效时间数据样本为t1,t2,…,tn，n为样本总数。则k阶样本矩为：

由总体矩和样本矩之间的关系：

对于分布参数为λ的指数分布，其均值e(t)和方差v(t)分别为：

因此可以得到指数分布的矩估计方程：

得到

或

得到

在另一个实施例中，还可以将所述累积分布函数转换为线性函数；对所述线性函数进行求解，得到数据分布模型的分布参数；根据所述分布参数建立所述数据分布模型。

仍以指数分布为例，指数分布的累积分布函数为：f(t)＝1＝e^-λt。令：

对累积分布函数变形得：y＝λx，

因此，(x1,y1),(x2,y2),…,(xr,yr)呈一条直线，且斜率为λ。则λ的估计值为：

其中

在另一个实施例中，还可以抽取n个样品进行加速试验，分别获取所述n个样品对应的失效时间数据；n为正整数；根据所述失效时间数据获取样品在[ti,ti+dti]时间段内失效的概率；根据所述概率建立所述数据分布模型的似然函数；根据所述似然函数计算所述数据分布模型的分布参数的极大似然估计值；根据所述分布参数的极大似然估计值建立数据分布模型。

仍以指数分布为例，抽取n个样品进行加速试验，设截尾时间(无替换的定时截尾)为t0。在[0,t0]内有r个产品失效，失效时间依次为：

t1≤t2≤…≤tr≤t0，

一个产品在[ti,ti+dti]内失效的概率为f(ti)dti,i＝1,2,…,r。其余n-r个产品的寿命超过t0的概率为则试验观察结果出现的概率为：

忽略常数项，则可建立指数分布的似然函数：

两边取对数，建立对数似然方程为：

对对数似然方程求导，并令其等于0，得到指数分布参数的极大似然估计值：

其中，

平均寿命的估计值为：

在另一个实施例中，还可以对分布参数进行区间估计。置信水平为1-α的失效率置信限表达式如下：

单边置信区间，其上限为：

或

双边置信区间：

或

对于威布尔分布，可采用以下方式进行参数估计：

(1)矩估计法

两参数威布尔分布的平均寿命与方差分别为：

v(t)＝α²[γ(1+2/β)]-γ²(1+1/β)。

因此可得威布尔分布的矩估计方程：

或

联合求解方程，可得到参数α、β的估计值，通常α＞0，β＞0。

(2)最小二乘法

最小二乘法是将模型经过恰当的变换后，应用最小二乘法原理来估计模型的未知参数。以两参数威布尔分布为例：

令

依据最小二乘法原理：

其中

对于线性化模型，需对回归效果检验，以检验数据是否满足线性要求。检验方法有以下两种：

1)方差分析法

方差分析法的检验公式为：

其中

对于给定的置信水平α，查阅f分布表得临界值fα(1,n-2)，若f>fα(1,n-2)，则认为相关关系显著，反之，则相关关系不显著。

2)相关系数检验法

相关系数检验的检验统计量为

|r|越大，线性关系越显著，当|r|＞c，c为临界值时，则认为线性关系显著。

(3)极大似然估计

假设共获得n个失效时间数据，n＝nf+ns，nf和ns分别为右截尾数据与失效时间数据个数，各自即为g和g，则似然函数为：

式中，θ为参数变量。两参数威布尔分布的似然函数为：

等式两边分别对β，α求微分得：

令偏微分为零，得到：

求解得到分布参数的极大似然估计值。

(4)最佳线性无偏估计

两参数威布尔分布累积分布函数为：

令σ＝1/β,μ＝lnα，则：

令则：f(y)＝1-exp[-e^y]。

假设有n个样品投入加速试验，t1≤t2≤…≤tr是其前r个次序统计量，设xk＝lntk，则x1≤x2≤…≤xk可以看做是从f(x)中来的一个容量为n的前r个次序统计量。设yk＝(x-μk)/σ，则y1≤y2≤…≤yk可以看做是从f(y)容量为n的前r个次序统计量。由于f(y)不含有任何未知数，故通过次序统计量的分布可求得y1≤y2≤…≤yk的数学期望、方程和协方差分别为：

e(yk)＝ak

var(yk)＝vkk，

cov(yk,yl)＝vkl

e(xk)＝μ+σak

可得到var(xk)＝σ²vkk。

cov(xk,xl)＝σ²vkl

设

根据高斯马尔科夫定理可得：

其中，

最终得σl的估计值和方差为：

最终得到β，α的估值为：

在确定数据分布模型之后，还可以对所述数据分布模型进行拟合优度检验，以便提高试验结果的精确度。在一个实施例中，可以取原假设h0：当失效时间服从指数分布时，则统计量为：

式中，

t^*是加速退化试验到终止的总试验时间，tk是到第k次失效的总试验时间，即：

当h0成立时，χ²服从分布，对于给定的显著性水平α，若统计量的观测值满足或者就拒绝h0，反之则接受h0。

在另一个实施例中，对于样本量为n，截尾数为r的无替换定数截尾t(1)≤t(2)≤…≤tr(，)取原假设h0：失效时间服从指数分布，则统计量为：

式中，r1＝[r/2],r2＝r-r1,y＝(n-i+1)(t(i)-t(i-1)),i＝1,2,…,r；t(0)＝0。当原假设成立时，f服从自由度为2r1,2r2的f分布。当时，表明相邻失效时间间隔有变大的趋势，失效率可能是递减的；当时，失效率可能是递增的。因此，当或时，拒绝h0，反之则接受h0。

对于威布尔分布，在一个实施例中，可采用以下方式进行检验：

假定有n个样品，共获得失效时间r个，分别为t1＜t2＜…＜tr，服从威布尔分布，令：

可构建相应的统计量为：

e(λi+1)查表可得。则统计量f渐近服从自由度为2(r-[r/2]-1),2[m/2]的f分布。对于给定的置信水平1-α，相应的拒绝域为：

或f≥fα/2((r-[r/2]-1),2[r/2])。

建立了可靠性模型之后，可以对产品的可靠性水平进行评价。

在一个实施例中，可采用mttf评价。mttf的点估计：

对于指数分布，置信水平为1-α的平均寿命的置信限表达式如下：

双边置信区间：

或

对于威布尔分布，mtbf是α的增函数，β的减函数，因此，置信水平为1-α时，mtbf的双侧置信区间为：

依据建立的可靠性基本函数模型，给定时间t，将其代入相应的可靠性函数，则可得到在时间段t内的可靠度、不可靠度、失效率等指标值的取值。

上述加速退化试验方法，首先根据试验样品的原始性能参数对试验样品的性能参数保质期进行预测，然后合理地设置加速退化试验条件，在进行加速退化试验置换，再对试验所得的失效时间数据进行可靠性分析，确定满足可靠性条件的失效时间数据作为试验样品的试验数据，能够有效提高加速退化试验数据的可靠性。

如图2所示，本发明还提供一种仪器电控设备加速退化试验系统，可包括：

预测模块10，用于获取仪器电控设备试验样品的原始性能参数，根据所述原始性能参数对仪器电控设备试验样品的性能参数保质期进行预测；

获取模块20，用于根据预测的性能参数保质期设置加速退化试验条件，然后对仪器电控设备试验样品进行加速退化试验，获取仪器电控设备试验样品性能退化量到达预设失效阈值所对应的失效时间数据；

分析模块30，用于对所述失效时间数据进行可靠性分析，确定满足可靠性条件的失效时间数据作为试验样品的试验数据。

本发明的仪器电控设备加速退化试验系统与本发明的仪器电控设备加速退化试验方法一一对应，在上述仪器电控设备加速退化试验方法的实施例阐述的技术特征及其有益效果均适用于仪器电控设备加速退化试验系统的实施例中，特此声明。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。