[發明專利]一種基于Bayes因子優化的動態可靠性模型更新方法

有效

• 申請號: 201210501881.6
• 申請日: 2012-11-30
• 公開（公告）號: CN102982208B
• 公開（公告）日: 2013-03-20
• 發明（設計）人: 汪忠來;黃洪鐘;張小玲;劉宇;朱順鵬;肖寧聰;張雪飛
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 成都宏順專利代理事務所(普通合伙) 51227
• 代理人: 彭立瓊;李順德

技術領域

本發明屬于可靠性分析技術領域，尤其涉及機電產品的可靠性分析技術領域。

背景技術

目前產品可靠性分析多是基于統計數據或者通過經驗確定的失效模型來實現的，因此 也稱為統計可靠性分析方法。這是一種自上而下的可靠性分析方法，需要大量的現場或試 驗數據做支撐。同時該可靠性分析方法無法建立統計數據與產品失效物理之間的聯系，因 此無法滿足新材料和新技術應用下的可靠性評估要求。

基于失效物理的可靠性分析方法主要是從影響材料和系統退化和失效的機理出發，充 分考慮材料性能和狀態的變化規律、來自外部和內部各種能量的作用以及影響這些過程的 不確定性因素，實現基于失效物理的可靠性分析。這是一種自下而上的可靠性分析方法， 它能夠從根本上處理產品的退化、失效過程，且同時將對產品性能產生影響的因素考慮進 去，從而可以實現新材料、新技術下的產品可靠性分析與設計。

隨著科學技術的不斷發展，產品的高可靠、長壽命的特點表現的越來越明顯，導致可 用的現場數據越來越少，這給數據統計可靠性分析工作帶來了很大困難。因此，為了克服 對現場數據的依賴性，基于失效物理的可靠性分析方法逐漸成為研究的熱點。但在對失效 機理的推理分析及計算機仿真的過程中經常采用簡化模型或近似加載來替代產品的真實 狀況。為了能夠減少基于失效物理的可靠性模型與真實狀況下產品可靠性模型之間的差 別，許多研究者開展了可靠性模型更新方面的研究工作。目前普遍使用的可靠性模型更新 方法多是基于貝葉斯方法或極大似然估計方法。為了能夠表征更新后的可靠性模型與真實 狀況下的可靠性模型之間的吻合程度，業已提出了各種驗證指標，包括：傳統假設檢驗、 貝葉斯因子指標、Frequentist指標和Area指標。傳統假設檢驗和Frequentist指標是 采用置信區間進行驗證的；貝葉斯因子指標是通過建立在貝葉斯假設檢驗基礎上的貝葉斯 因子的取值大小進行驗證的；Area指標是通過預測分布函數與觀察分布函數之間的干涉 面積進行驗證的。目前的研究工作主要關注在可靠性模型更新方法和驗證指標的表達上， 而尚未開展更新信息需求與可靠性預測精度之間的關系問題的研究。

發明內容

本發明的目的是針對目前可靠性模型更新技術存在的缺陷，提出了一種基于Bayes 因子優化的動態可靠性模型更新方法，本方法通過Bayes因子優化方法建立信息更新與可 靠性預測精度的關系，從而獲取滿足精度要求的失效物理可靠性模型參數，為產品可靠性 設計、監測及維修策略的制定奠定理論基礎和技術支撐。

本發明的技術方案是：一種基于Bayes因子優化的動態可靠性模型更新方法，包括如 下步驟：

步驟1：分析產品的失效物理，建立產品的失效物理可靠性模型，其全稱為基于失效 物理的動態可靠性近似模型，利用蒙特卡洛仿真對失效物理可靠性模型進行動態可靠性分 析，估計在某些給定時刻t_i(i＝1,2,...,l)點處的可靠度R₀(t_i)；

其中，l為自然數；

步驟2：現場收集產品相關的可靠性信息，對可靠性信息進行統計和物理特性分析， 建立統計可靠性模型，也稱動態可靠性模型，估計在某些給定時刻t_i(i＝1,2,...,l)點處的可 靠度R₁(t_i)；

步驟3：將失效物理可靠性模型作為選擇模型，結合現場可靠性數據和可靠性試驗數 據，建立不同時間區間的Bayes因子表達式，并將不同時間區間的Bayes因子作為Bayes 因子優化模型中的約束條件；

步驟4:以失效物理可靠性模型中的模型參數為設計變量，模型參數主要指表征系統 性能的相關參數，失效物理可靠度和統計可靠度之差平方和最小為目標，各時間區間內 Bayes因子為約束條件，建立基于Bayes因子的可靠性模型參數更新的優化模型；

步驟5：利用Matlab中的fmincon函數對步驟4中的優化模型進行求解，若得到最 優解，則此最優解為滿足要求的失效物理模型更新參數；若無解，則繼續制定可靠性試驗 方案，通過可靠性試驗增加現場可靠性數據作為原有現場可靠性數據的補充，再重復步驟 2到步驟4，直至Bayes因子優化模型找到最優解。