基于性能下降数据和竞争性失败分析的可靠性评估

基于性能退化数据和竞争失败分析的可靠性评估基于REL可靠性评估的性能竞争失败分析（东南大学机械工程学院，南京211189）苏春展恒东南大学机械工程学院南京211189）关于竞争性故障模式下的可靠性的研究还考虑了退化过程中的退化故障和突发故障对系统可靠性的影响. 针对退化轨迹建模方法的不足，利用退化分布函数来描述产品性能的退化过程. 考虑到突发性故障与退化程度之间的相关性，从退化的角度计算突发性故障的累积分布函数. 在退化分布函数中，根据一定的条件概率消除突发故障，建立竞争性故障的可靠性评估模型，并采用最小二乘法对模型中的参数进行估计. 以某类激光器的竞争性失效数据为例，验证模型的有效性表明，在退化失效分析中，考虑与退化量有关的突发失效的影响，有助于提高激光器的精度. 可靠性评估关键字降级数据突发故障竞争故障可靠性评估分类号TB114. 可靠性评估竞争失效模式联合建模退化过程关联的灾难性失效提出了分布函数退化措施退化过程. 累积分布函数灾难性降级数据而不是时域. 从分布退化数据中消除灾难性故障的竞争可靠性模型竞争可靠性函数est提出的方法最小二乘法. 结果表明，灾难性故障降解过程可以提高可靠性评估关键字退化数据灾难性竞争可靠性评估通讯作者作者SuChun suchun @ seu edu.cn 86225 252090501 28530 86225 252090504项目支持国家自然科学基金200906修订. 2009.26修订.

一个是退化轨迹模型，即根据性能退化轨迹曲线得出伪失效寿命，并评估其可靠性. 例如，Lu等. 提出了一种退化轨迹建模的两阶段方法. 即，通过每次使用劣化数据的分布规律来获得可靠性函数. 例如，Huang使用Weibull分布来完成基于退化分布的可靠性建模. 产品在降级过程中通常会伴随着突然的故障，而将突然的故障和退化的故障相结合的故障现象通常称为竞争性故障. 故障率是突发故障建模的强大工具. 在竞争性故障模型中，故障率不仅是时间的函数，而且是退化量. 当前关于竞争失败的文献大多从失败率的角度建立了竞争. 简介传统的可靠性评估理论是基于大量故障数据的. 长寿命产品很少会在有限的研发周期内生成故障数据，这给现有的可靠性评估理论提出了挑战. 根据故障机理，产品故障可分为突发故障和变性故障. 传统的可靠性评估理论只关注故障时间，故障次数等突发性故障特征，在产品性能下降的过程中不考虑可靠性信息. 实际上，性能下降是产品的自然属性，其中包含大量的可靠性信息. 将测得的性能退化数据与故障阈值进行比较可以推断出产品的健康状况和可靠性，并为长寿命产品的可靠性评估提供一种可行的方法. 近年来，基于性能下降数据的可靠性评估已成为可靠性研究中的热点和重要问题. 20090326收到了第一稿20090618收到了修订稿.

国家自然科学基金（50405021）汉族. 东南大学机械工程学院副教授. 他的研究兴趣包括可靠性工程，系统建模和Han模仿. 东南大学机械工程学院，基于性能退化数据和竞争性失效分析的可靠性评估197建立和打印使用线性函数关系. 因此，上述关于竞争性失败模式下的性能下降和竞争性失败的文献具有Rc的局限性. 一方面，产品降解和失效的物理模型通常是未知的，并且很难选择特定的函数来描述降解轨迹. 另一方面，在常规观察的劣化测试中，由于难以记录准确的突发故障时间，因此无法获得准确的故障率模型，并且容易获得突发故障时的劣化量. 通常，性能下降越严重，伴随的突然故障发生的可能性就越大. 不能简单地假设突发故障和降级故障是彼此独立的. 在上述分析和新假设的基础上，提出了一种竞争性失效评估模型，该模型利用退化分布模型描述了产品的退化失效，从退化的角度描述了突发性失效的累积分布函数，并去除了降级分布突然失效. 故障的比例以及使用该模型获得具有竞争性故障的某种类型激光器的可靠性函数expgs，需要分析突然故障和退化故障之间的相关性. 由于产品的失效机理往往不清楚，因此很难使用严格的理论公式来判断这两种失效是否相关.

根据测试数据图表特征的分析，如果突然的故障总是伴随着产品性能下降，则可以认为它们是相关的；如果突然的故障仅发生在产品降级的早期阶段，则可以认为它们是无关紧要的，并遵循序列关系建立可靠性模型. 因此，在产品性能下降的过程中，如果突然失效与下降的程度无关，则可以表示为Rc模型假设. 本研究基于以下假设. 产品具有降级的故障模式和突然的故障模式. 故障模式是由于两者相互竞争导致产品在不同时间失效. 产品性能下降遵循相同的分销系列. 分布参数是时间的函数. 突发故障的发生可能与性能下降的程度有关，或者可能不是竞争性故障的可靠性. 评估模型假定产品性能的下降不是普遍的，并且下降函数是增加的函数，并且退化失效时间是Ts. 在降级失效模式下，产品的可靠性函数是必须确定相对于降级量而言突然失效的条件概率. 由于退化的分布是时间的函数，因此可以避免故障率和时间之间的直接关系，而关于退化的突然故障的条件概率是Rh参数估计. 有一个用于性能降级测试的样本，并且所有从Ts使用的样本都是从总体中随机选择的，以进行破坏性测量，停止时间的降级为xmj，Th是突然失效的时间，故障时间仅在未知参数的激光测试中估算（在80％的电流增加Ta的百分比下增加测试的工作电流激光器），并选择适当的性能下降分布函数.

常用的降级分布函数包括正态分布，对数正态分布和威布尔分布. 记录性能下降分布函数的预期和标准偏差函数作为分布参数向量. 根据样本平均标准偏差与总体平均偏差和标准偏差之间的关系时间时间样本数量单位dentity500 4910表示在tj处的预期降解表示在tj处的降解的标准偏差tj在tj处的样本降解的平均值数量为tj的第一个降解样品的数量. 使用回归分析和最小二乘法估计参数值以确定性能下降的分布函数gs. 确定突发故障和降级是否相关. 观察降解轨迹和伴随的突然破坏曲线. 如果在降级过程中总是突然爆发，那么失败表明性能降级的加剧暴露出更多致命的缺陷，并且可以认为突然失败与降级程度有关. 评估模型的突然失效部分的参数. 当突发故障和退化不相关时，使用常规可靠性理论收集突发故障的寿命数据，并使用合适的分布函数来描述其分布规律. 可以通过最大似然估计方法来推断模型中的分布参数. 必须从退化的角度对突发故障进行建模和估计5911 0110 1711 2412 2113 88149310. 45 12 2115 0216 4217 18 19 20 8821 3322测试估计模型中的未知参数，并在每次测量时进行退化服从正态分布，因此选择正态分布来模拟激光降解失败.

通过统计分析每次获得样品降解的均值和标准偏差，对这些数据点进行绘制，如图所示，以表明样品均值和标准偏差呈线性趋势. 可以认为，激光劣化的平均值和标准偏差是时间. 使用回归分析的线性函数中所示的数据，以及对突发破坏和劣化量是否与观察表有关的最小判断，可以得出. 可以发基于性能退化的可靠性理论与方法研究 国家基金，它将获得突然失效模式随退化量的变化，并使用适当的分布函数来拟合累积概率，然后使用最小二乘法来估计a的分布参数值. 高可靠性GaAs激光器数据记录在工作电流80温度下随时间变化的百分比. 总共测试了22个样品. 每250个显示的数据为500个间隔，并且故障阈值假定为10（即，当工作电流比初始值增加10时，激光器将退化并发生故障）. 其中，有15个样本的性能下降，而其他样本则出现突然的故障. 现在，基于性能下降数据和竞争性故障分析，使用本文提出的方法评估该激光器的可靠性. 199竞争性故障和退化性故障的可靠性曲线图. 竞争性竞争性退化性故障的可靠性曲线竞争性故障数据的退化轨迹图. 竞争性数据的退化路径结论本研究包含性能下降和突发性故障.

介绍了两种基于性能退化数据的可靠性评估方法，并指出与退化轨迹模型相比，当产品的失效物理特性未知时，基于退化分布的建模方法更为合理. 在性能下降的过程中，产品经常伴随着与下降水平有关的少量突然故障，这构成了不可忽略的竞争性故障模式. 从性能下降的角度对突发故障的累积概率进行了分析和测量，并按一定比例消除了下降. 对于数量分布中的突发性故障，获得了一种简单合理的竞争性故障建模方法. 研究表明，忽略突然的故障会高估产品的可靠性. 本文基于性能退化数据和竞争失效分析提出的可靠性模型可以更真实地反映长寿命产品的可靠性变化过程，并且易于计算和方便工程应用. . 该模型仅考虑一种退化故障和一种突发故障. 对于具有多个退化数量的竞争性失败问题，需要对均值和标准差的拟合曲线进行进一步研究. 图: 拟合曲线标准偏差失效模型及其参数测试的估计. 12号，15号，17号和21号样品的降解量中发生了突然失效，并且相应的突然失效模式Rh 21Π22、20Π22、19Π22、18Π22、17Π22、16Π2215Π22的可靠性也发生了. 假设测试激光的衰减量，其中λ和η是Weibull分布函数的形状参数FUHuimin WANG PingPui可靠性评估寿命预测零2故障数据机械强度降级分析相关主题一些想法美国国家科学理事会使用降级措施time2to2失误健康分布J估计降级可靠性在竞争失效模式下，系统数目和尺度参数对尹福芳孙权等人的可靠性分析具有重要意义.

根据以上数据集，每个参数的最小二乘估计值为，以解决激光器竞争性失效模式的可靠性. 根据本文提出的建模方法，获得了激光器在竞争性故障模式下的可靠性为10. 通过上述公式的数值积分，可以得出激光器在竞争性故障模式下每一时刻的可靠性. 上图所示的可靠性曲线是可靠性分析电子设备的多个竞争性故障模式，涉及突发性故障和仅退化性故障. 性能老化退化可靠性工程国际统计方法可靠性数据纽约JohnWiley

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-285767-1.html