[發明專利]基于極小樣本數據的時鐘裝置壽命預測方法

在審

• 申請號: 202310098675.3
• 申請日: 2023-02-10
• 公開（公告）號: CN116432512A
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 蘇艷;張振軍;陳洪才;王保東;袁莉;王宇;文壇
• 申請（專利權）人: 南瑞集團有限公司;南京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/214;G06N3/048;G06N3/084;G06F119/04;G06F119/02;G06F119/14;G06F111/08;G06F119/08
• 代理公司: 南京思宸知識產權代理事務所(特殊普通合伙) 32548
• 代理人: 柏夢婷

1.基于極小樣本數據的時鐘裝置壽命預測方法，其特征在于，具體包括以下步驟：

步驟1，設計加速壽命試驗獲取原始試驗樣本數據，并對所述原始實驗樣本數據進行預處理；

步驟2，對BP神經網絡進行學習訓練，確定網絡內部的結構參數，并將訓練好的BP神經網絡保存，然后通過所述訓練好的BP神經網絡對所述原始實驗樣本數據進行仿真得到與所述原始數據樣本變化規律近似的擴充數據樣本，直至將樣本量擴充至10；

步驟3，將所述10個樣本數據作為Bootstrap算法的數據輸入，利用所述Bootstrap法的再抽樣理論，將10個樣本量擴充至適合可靠性分析的大樣本量，結合最小二乘線性擬合算法，估算出時鐘裝置失效分布函數模型參數估值；

步驟4，根據應力施加類型，計算加速應力下的可靠性指標MTBF，并結合加速因子將所述加速應力下的可靠性指標MTBF折算到新研制設備在正常應力條件下的可靠性指標MTBF值，進行正常工作條件下的壽命預測。

2.根據權利要求1所述的基于極小樣本數據的時鐘裝置壽命預測方法，其特征在于：所述步驟1包括：

S1、分析新研制設備時鐘裝置系統原理，并基于系統原理分析對其進行失效分析，并設計加速壽命試驗獲取原始試驗數據；

S2、按照時間長短排序得到原始失效數據樣本，并按經驗公式可計算出其對應的可靠度R(t_i)；

S3、將經驗公式對應的向量R(t_i)＝{R(t₁)，R(t₂)，…，R(t_i)}作為所述BP神經網絡的原始輸入，將失效時間組成的向量T＝{t₁，t₂，…，t_i}作為其各自的輸出。

3.根據權利要求1所述的基于極小樣本數據的時鐘裝置壽命預測方法，其特征在于：所述步驟2中結構參數包括權值參數和閾值參數。

4.根據權利要求1所述的基于極小樣本數據的時鐘裝置壽命預測方法，其特征在于：所述步驟2包括：

a，將所述步驟S3中(R(t₁)，R(t_r))(r＜10)范圍內的10-r個隨機數按從大到小的順序排列成向量；

b，輸入已經訓練完成的BP神經網絡進行仿真，得到10-r個新的失效數據，作為原始試驗數據的擴充樣本，同時與原始試驗樣本組合成10個新的失效數據樣本，組成新的向量T′＝{t₁，t₂，…，t₁₀}。

5.根據權利要求1所述的基于極小樣本數據的時鐘裝置壽命預測方法，其特征在于：所述步驟3包括：

c，將所述步驟b中向量T′作為Bootstrap的數據輸入；

d，利用計算機編程生成區間[0，1]上均勻分布的隨機數δ；

e，令θ＝(n-1)δ，i＝[θ]+1，[θ]為向下取整；

f，以為基準向方向生成再生樣本t_i，同時以為基準向方向生成再生樣本t_i+1，其中與為原始樣本數據......，從小到大排序后的第i個與第i+1個數據，t_i與t_i+1為新生樣本數據；

g，根據實際需要重復步驟(d)-(f)，然后將獲得的大樣本數據通過最小二乘法進行線性擬合，得出失效分布參數估計值。

6.根據權利要求1所述的基于極小樣本數據的時鐘裝置壽命預測方法，其特征在于：所述步驟4包括：

α，根據應力施加類型，確定時鐘裝置加速模型，從而得到所述加速因子；

β，將所述加速應力下的可靠性指標MTBF值，并結合所述加速因子折算到正常工作條件下的MTBF值，進行正常工作條件下的壽命預測。