針對極小子樣的退化數(shù)據(jù),對原始退化試驗數(shù)據(jù)序列進行分段,依次從每段數(shù)據(jù)中隨機抽取,組成新序列的方法擴充為大樣本�？紤]固定影響因素和隨機影響因素,采用混合參數(shù)模型對擴充的樣本進行建模,并采用two-stage方法估計模型參數(shù)。由最小二乘法估計每一樣本的退化軌跡模型參數(shù),計算混合參數(shù)模型的參數(shù),由混合參數(shù)模型推導出產(chǎn)品失效時間累積概率分布函數(shù)。通過與自然貯存的大樣本數(shù)據(jù)的比較表明,運用分段隨機抽樣方法對加速試驗后的數(shù)據(jù)序列進行再抽樣,可有效擴充試驗樣本量,無需虛擬擴充數(shù)據(jù),解決了加速退化試驗評估失效時間分布時樣本量少的問題。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 分段隨機抽樣與非分段對比

通過以上方法將極小子樣擴充為大樣本量后,運用混合參數(shù)模型對退化軌跡進行建模,求解失效時間的分布。2混合參數(shù)評估模型

圖2 加速度計加速退化試驗數(shù)據(jù)

以加速度計的高溫加速貯存試驗為例,選取性能參數(shù)為標度因數(shù)(單位為ppm,即10-6),試驗樣本量為3,屬于極小子樣試驗。試驗中,溫度設定為80℃,測量時間間隔120h,試驗終止時間2160h。初始時刻性能退化量為零,共測得19個數(shù)據(jù),如圖2所示。根據(jù)文獻[16-17],本....

圖3 失效時間累積概率分布曲線F(t)

令失效閾值為300,T的累積概率分布曲線如圖3所示。由于η(t)～Ν(φ1+μθtφ2,σθ2t2φ2),其方差與時間t有關,則失效時間T的分布不是正態(tài)分布,而是伯恩斯坦分布。T的概率密度曲線如圖4所示,由圖4可以看出,該分布為一偏峰分布。為了....

圖4 失效時間概率密度曲線f(t)

由于η(t)～Ν(φ1+μθtφ2,σθ2t2φ2),其方差與時間t有關,則失效時間T的分布不是正態(tài)分布,而是伯恩斯坦分布。T的概率密度曲線如圖4所示,由圖4可以看出,該分布為一偏峰分布。為了說明該方法的可行性,收集了104套自然貯存的加速度計....

本文編號：4029194