一種基于灰色支持向量機的多應力加速壽命試驗預測方法技術

本發明專利技術提出一種基于灰色支持向量機的多應力加速壽命試驗預測方法，屬于壽命預測技術領域，包括多應力加速壽命試驗數據的收集、采用經驗分布函數法確定可靠度、產品失效時間數據的級比檢驗、產品失效時間數據的累加生成操作、構造支持向量機預測模型、采用構造的支持向量機模型進行預測、對AGO生成序列預測值作還原處理和壽命分布擬合八個步驟。本發明專利技術提出的一種基于灰色支持向量機的多應力加速壽命試驗預測方法，不需要知道具體的加速模型和產品壽命分布等信息就可以進行預測，從而避免了建立加速模型的困難和預測中系統誤差的引入，不需要求解復雜多元似然方程組，對不同的產品或應力種類有較強的工程適用性和通用性。

【技術實現步驟摘要】

本專利技術屬于壽命預測
，具體涉及一種基于灰色支持向量機的多應力加速壽命試驗壽命預測方法。
技術介紹
加速壽命試驗(Accelerated Life Testing, ALT)方法是快速評定長壽命高可靠產品壽命與可靠性指標的一種有效途徑。利用加速壽命試驗數據對產品正常應力水平下的壽命特征進行評估的關鍵在于建立壽命特征與應力水平之間的關系，即通常所說的加速模型，又稱加速方程。目前，針對加速模型的研究中，單應力加速模型相對比較成熟，如關于溫度應力的 Arrhenius模型和Eyring模型，關于電應力的逆冪率模型和指數模型等。然而，產品在實際使用中受到的環境應力是復雜的，比如會同時受到溫度、振動和濕度等應力的影響。實際上，也正是這些應力的綜合效果影響了產品的壽命。因此，在加速試驗中引入綜合應力，不僅可以縮短試驗時間、提高試驗效率，而且可以更精確的模擬實際環境條件，得到更可信的結果。但是，多應力加速模型的建立卻存在兩個難以克服的困難首先，多應力情況下各種不同的應力引起的失效機理不一樣，同時不同應力之間也存在著相互耦合的作用，很難找出一個合適的應力壽命關系；其次，即使通過經驗的或統計的方式確定了一個加速模型，隨著模型考慮的因素越來越多，其形式也變得越來越復雜，模型中待定參數的增加急劇地加大了似然方程組的求解困難，甚至耗費了大量的計算也難以搜索到最優解。另外，采用事先假定加速模型的方法對加速壽命試驗數據進行統計分析，即使建立的加速模型再好，也會存在與實際情況不完全符合的問題，這種方法本身就存在一定的系統誤差。參考文獻張慰，姜同敏，李曉陽，黃領才.基于BP神經網絡的多應力加速壽命試驗預測方法，航空學報，2009，30 (9)，1691-1696中提出了一種基于BP人工神經網絡的多應力ALT試驗預測方法，這種方法雖然避免了建立多應力加速模型存在的問題，但是卻采用對失效數據進行指數擬合再抽樣的方法以獲得足夠多的訓練樣本，這種不可逆人為擬合丟失了部分信息，給預測結果帶來了一定的系統誤差。另外，采用人工神經網絡建模還存在不可復現性、精度較低等問題，且需要大量訓練樣本，不適合小樣本情況。灰色系統理論是鄧聚龍教授于1982年提出的，是一種主要研究少信息和不確定性的理論。灰色建模過程包含三個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)。設有 η 維原始數據序列 x(0) = ，若對 χ(0) 進行如下計算權利要求1. ，其特征在于包括以下幾個步驟步驟一、多應力加速壽命試驗數據的收集對產品實施多應力完全加速壽命試驗，設在第i個應力水平Si下，投入Ni個產品進行試驗，則收集到第i個應力水平下第j個產品發生失效的產品失效時間為，其中i = 0，. . .，k，k為應力水平Si的個數，其中&表示正常應力水平，S1, S2, ... , Sk^1, Sk表示加速應力水平；步驟二、采用經驗分布函數法確定可靠度步驟一得到產品失效時間、后，根據公式FJtij) = HtijVNi, i = 1，2，...，k，j = 1,2, ...,Ni獲取產品的經驗分布函數，其中，FnUij)表示應力水平Si下失效時間時刻的經驗分布函數，Htij)表示時刻應力水平Si下的產品累積失效數,Ni表示加速應力水平Si下的樣本量；采用經驗分布函數法獲取產品在第i個應力水平Si下失效時間時刻的產品失效時間可靠度 Raij)為 Raij) = I-FJtij) = I-HtijVNi, i = 1,2, . . .，k，j = 1,2, · · ·，Ni ；步驟三、產品失效時間數據的級比檢驗分別獲取各應力水平下產品失效時間數據的級比σ (j) = Iii^ZtijA = 1，2，···，k，j = 2，3，···，Ni;并判斷各應力下產品失效時間數據的級比是否均落入區間(e—內；如果沒有落入該區間內，對所有產品失效時間數據、進行方根處理，然后再獲取各加速應力下經方根處理后的產品失效時間數據^ 的級比，并判斷級比是否都落入區間(e-內，如果仍未落入，繼續對產品失效時間數據^進行方根處理， 直至方根處理后的產品失效時間落入區間(β-2/(巧+1)，e2/(Wi+1))內； 步驟四、產品失效時間數據進行累加生成操作對各應力水平下滿足級比檢驗要求的經過方根處理后的產品失效時間數據進行累加生成操作，若未進行方根處理即滿足級比檢驗則為原始產品失效時間數據，得到AGO生成序列t' u，將與t' υ相對應的AGO生成序列可靠度記為R(t' ,j)； 步驟五、構造支持向量機預測模型將各應力水平Si進行累加生成操作后的AGO生成序列t' ,j分別進行歸一化處理，以分別進行歸一化處理后的應力水平和AGO生成序列可靠度R(t' ,j)作為輸入向量，相應的歸一化處理后的AGO生成序列t' υ作為目標向量，采用Meve Gunn SVM Matlab軟件包， 建立支持向量機預測模型，其中核函數選擇為徑向基核函數； 步驟六、采用構造的支持向量機模型進行預測采用經驗分布函數法獲取受試產品在正常應力水平下&的可靠度R(t' ^，將正常應力水平下&和可靠度值R(t' 0J)輸入構造的支持向量機預測模型，得到正常應力水平&下的AGO生成序列預測值‘；步驟七、對AGO生成序列預測值作還原處理首先對正常應力下的AGO生成序列預測值‘進行逆累加生成操作IAG0，得到IAGO生成數據；然后再根據步驟三中是否進行了方根處理以及方根處理的次數，對IAGO生成數據Hgg進行(^T5平方處理，其中rq表示步驟三中方根處理的次數，則正常應力下的失效時間預測值為‘=(^。廣； 步驟八、壽命分布擬合對正常應力下的失效時間預測值&進行壽命分布檢驗，采用最小二乘法對正常應力下的失效時間預測值&及其對應的可靠度進行擬合，得到受試產品在正常應力水平下的可靠度曲線，通過可靠度曲線得到產品的壽命信息。2.根據權利要求1所述的， 其特征在于所述的步驟一中應力水平Si的個數k滿足k > 2。3.根據權利要求1所述的， 其特征在于所述的應力水平Si是由多種不同的應力類型綜合確定的。4.根據權利要求1或3所述的，其特征在于所述的應力水平Si是由應力類型溫度、電壓和振動綜合確定的。全文摘要本專利技術提出，屬于壽命預測
，包括多應力加速壽命試驗數據的收集、采用經驗分布函數法確定可靠度、產品失效時間數據的級比檢驗、產品失效時間數據的累加生成操作、構造支持向量機預測模型、采用構造的支持向量機模型進行預測、對AGO生成序列預測值作還原處理和壽命分布擬合八個步驟。本專利技術提出的，不需要知道具體的加速模型和產品壽命分布等信息就可以進行預測，從而避免了建立加速模型的困難和預測中系統誤差的引入，不需要求解復雜多元似然方程組，對不同的產品或應力種類有較強的工程適用性和通用性。文檔編號G06K9/62GK102270302SQ20111020304公開日2011年12月7日 申請日期2011年7月20日 優先權日2本文檔來自技高網...

【技術保護點】
１．一種基于灰色支持向量機的多應力加速壽命試驗預測方法，其特征在于：包括以下幾個步驟：步驟一、多應力加速壽命試驗數據的收集對產品實施多應力完全加速壽命試驗，設在第ｉ個應力水平Ｓｉ下，投入Ｎｉ個產品進行試驗，則收集到第ｉ個應力水平下第ｊ個產品發生失效的產品失效時間為ｔｉｊ，其中ｉ＝０，．．．，ｋ，ｋ為應力水平Ｓｉ的個數，其中Ｓ０表示正常應力水平，Ｓ１，Ｓ２，．．．，Ｓｋ－１，Ｓｋ表示加速應力水平；步驟二、采用經驗分布函數法確定可靠度步驟一得到產品失效時間ｔｉｊ后，根據公式Ｆｎ（ｔｉｊ）＝ｒ（ｔｉｊ）／Ｎｉ，ｉ＝１，２，．．．，ｋ，ｊ＝１，２，．．．，Ｎｉ獲取產品的經驗分布函數，其中，Ｆｎ（ｔｉｊ）表示應力水平Ｓｉ下失效時間ｔｉｊ時刻的經驗分布函數，ｒ（ｔｉｊ）表示ｔｉｊ時刻應力水平Ｓｉ下的產品累積失效數，Ｎｉ表示加速應力水平Ｓｉ下的樣本量；采用經驗分布函數法獲取產品在第ｉ個應力水平Ｓｉ下失效時間ｔｉｊ時刻的產品失效時間可靠度Ｒ（ｔｉｊ）為Ｒ（ｔｉｊ）＝１－Ｆｎ（ｔｉｊ）＝１－ｒ（ｔｉｊ）／Ｎｉ，ｉ＝１，２，．．．，ｋ，ｊ＝１，２，．．．，Ｎｉ；步驟三、產品失效時間數據的級比檢驗分別獲取各應力水平下產品失效時間數據的級比σ（ｊ）＝ｔｉ（ｊ－１）／ｔｉｊ，ｉ＝１，２，．．．，ｋ，ｊ＝２，３，．．．，Ｎｉ，并判斷各應力下產品失效時間數據的級比是否均落入區間內；如果沒有落入該區間內，對所有產品失效時間數據ｔｉｊ進行方根處理，然后再獲取各加速應力下經方根處理后的產品失效時間數據的級比，并判斷級比是否都落入區間內，如果仍未落入，繼續對產品失效時間數據進行方根處理，直至方根處理后的產品失效時間落入區間內；步驟四、產品失效時間數據進行累加生成操作對各應力水平下滿足級比檢驗要求的經過方根處理后的產品失效時間數據進行累加生成操作，若未進行方根處理即滿足級比檢驗則為原始產品失效時間數據，得到ＡＧＯ生成序列ｔ′ｉｊ，將與ｔ′ｉｊ相對應的ＡＧＯ生成序列可靠度記為Ｒ（ｔ′ｉｊ）；步驟五、構造支持向量機預測模型將各應力水平Ｓｉ進行累加生成操作后的ＡＧＯ生成序列ｔ′ｉｊ分別進行歸一化處理，以分別進行歸一化處理后的應力水平和ＡＧＯ生成序列可靠度Ｒ（ｔ′ｉｊ）作為輸入向量，相應的歸一化處理后的ＡＧＯ生成序列ｔ′ｉｊ作為目標向量，采用Ｓｔｅｖｅ　Ｇｕｎｎ　ＳＶＭ　Ｍａｔｌａｂ軟件包，建立支持向量機預測模型，其中核函數選擇為徑向基核函數；步驟六、采用構造的支持向量機模型進行預測采用經驗分布函數法獲取受試產品在正常應力水平下Ｓ０的可靠度Ｒ（ｔ′０ｊ），將正常應力水平下Ｓ０和可靠度值Ｒ（ｔ′０ｊ）輸入構造的支持向量機預測模型，得到正常應力水平Ｓ０下的ＡＧＯ生成序列預測值步驟七、對ＡＧＯ生成序列預測值作還原處理首先對正常應力下的ＡＧＯ生成序列預測值進行逆累加生成操作ＩＡＧＯ，得到ＩＡＧＯ生成數據然后再根據步驟三中是否進行了方根處理以及方根處理的次數，對ＩＡＧＯ生成數據進行平方處理，其中ｒｑ表示步驟三中方根處理的次數，則正常應力下的失效時間預測值為步驟八、壽命分布擬合對正常應力下的失效時間預測值進行壽命分布檢驗，采用最小二乘法對正常應力下的失效時間預測值及其對應的可靠度進行擬合，得到受試產品在正常應力水平下的可靠度曲線，通過可靠度曲線得到產品的壽命信息。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：孫富強，李曉陽，姜同敏，
申請(專利權)人：北京航空航天大學，
類型：發明
國別省市：11