一種電子產品退化狀態實時預測方法
2023-12-09 06:27:46
專利名稱：一種電子產品退化狀態實時預測方法
技術領域：
本發明屬於電子產品可靠性分析技術領域，更為具體地講，涉及一種電子產品退化狀態實時預測方法。
背景技術：
目前，電子產品的日常維護、維修主要依賴於生產廠家，而且是以在出現故障之後進行現場維修的模式完成的，屬於被動式故障排除，這導致了電子設備的技術含量日趨提高與使用維護的手段和能力相對較低的矛盾日益凸顯。正是在這樣的背景下，故障預診斷與健康管理(PHM)技術應運而生。其意義在於，可以提前預知將要發生故障的時間和位置，預測電子產品的剩餘壽命(RUL)，提高電子產品的運行可靠性，減少日常維護成本。而對於PHM來說，通過預測技術，實時獲取電子產品在未來時刻的退化狀態是非常具有實際意義的。提前預知電子產品的性能退化量，就可以提前預知電子產品的可能發生故障的時間並且提前合理安排維護時間，可以很大程度上降低維護成本。電子產品退化狀態實時預測方法多採用基於現場數據的預測方法，但電子產品退化狀態預測的準確度有待提聞。
發明內容
本發明的目的在於克服現有技術的不足，提供一種電子產品退化狀態實時預測方法，以提高電子產品退化狀態預測的準確度。為實現以上目的，本發明電子產品退化狀態實時預測方法，其特徵在於，包括以下步驟:(I)、選取數量為N的同類電子產品(至少10-15個)，對每個電子產品從最初運行開始，每間隔一定時間提取數據測試點的信號幅值，得到N組由M個信號幅值組成的退化數據並作為產品性能退化的可靠性試驗數據；對於當前運行的電子產品也從最初運行開始，每間隔一定時間％提取測試點的信號幅值，當運行到j時刻時，得到由j個信號幅值組成的現場性能退化數據，其中，j〈M ；(2)、對現場性能退化數據進行曲線擬合，根據擬合結果來選擇最理想的擬合模型，根據擬合模型來外推當前運行電子產品在j+l時刻的預測值xj+1 ;(3 )、將可靠性試驗數據中同一個時刻的N個產品的信號幅值按順序組成一個序列，利用AR(自回歸)模型進行預測，得到預測值，得到從第I個時刻到第j+l時刻的j+l個預測值:y1; y2,…，y」.，yJ+i ；對將預測值y」 y2,…，Yj作為一個序列，進行曲線擬合，根據擬合結果來選擇最理想的擬合模型，根據擬合模型來外推電子產品在j+l時刻的預測值y0j+1 ；計算差值Λ M=JKV1-Xp1,最後得到可靠性試驗數據融合現場性能退化數據預測的結果 zJ+1=yJ+1+ Δ J+1 ；(4)、根據得到預測值\+1和\+1時的誤差大小為預測值xj+1和\+1分配權值，最終根據權值將預測值Xj+1和\+1融合得到最終電子產品在j+Ι時刻的退化狀態實時預測值
Tj+l。本發明的目的是這樣實現的:本發明電子產品退化狀態實時預測方法，通過每間隔一定時間分別提取N個同類電子產品測試點的信號幅值構成可靠性試驗數據，然後對當前運行電子設備採用同樣的方法，提取運行到j時刻時的信號幅值組成現場性能退化數據；在此基礎上，依據曲線擬合，現場性能退化數據外推當前運行電子產品在j+Ι時刻的預測值Xj+1，依據自回歸模型，根據每個時刻的可靠性試驗數據，得到j+Ι個預測值:yi，y2, -,Yj, h+1，根據前j預測值的擬合曲線，外推得到j+Ι時刻的預測值yOm，計算差值Λ M=JKV1-Xp1,最後得到可靠性試驗數據融合現場性能退化數據預測的結果zj+1=yj+1+ Δ J+1 ;最後，根據得到預測值Xj+1和zj+1時的誤差大小為預測值\+1和Zp1分配權值，最終根據權值將預測值Xj+1和Zp1融合得到最終電子產品在j+Ι時刻的退化狀態實時預測值。通過實驗驗證，本發明電子產品退化狀態實時預測方法，基於差值修正算法，提高了電子產品退化狀態預測的準確度。
圖1是本發明電子產品退化狀態實時預測方法一種具體實施方式
流程圖；圖2是第2組數據作為現場性能退化數據實驗對比圖；圖3是第6組數據作為現場性能退化數據實驗對比圖；圖4是第11組數據作為現場性能退化數據實驗對比圖；圖5是三次實驗的預測結果精度對比如圖。
具體實施例方式下面結合附圖對本發明的具體實施方式
進行描述，以便本領域的技術人員更好地理解本發明。需要特別提醒注意的是，在以下的描述中，當已知功能和設計的詳細描述也許會淡化本發明的主要內容時，這些描述在這裡將被忽略。圖1是本發明電子產品退化狀態實時預測方法一種具體實施方式
流程圖。在本實施例中，如圖1所示，本發明電子產品退化狀態實時預測方法包括以下步驟:步驟STl:選取數量為N的同類電子產品(至少10-15個)，對每個電子產品從最初運行開始，每間隔一定時間提取數據測試點的信號幅值，得到N組由M個信號幅值組成的退化數據並作為產品性能退化的可靠性試驗數據；對於當前運行的電子產品也從最初運行開始，每間隔一定時間％提取測試點的信號幅值，當運行到j時刻時，得到由j個信號幅值組成的現場性能退化數據，其中，j〈M ；步驟ST2:對現場性能退化數據進行曲線擬合，根據擬合結果來選擇最理想的擬合模型，根據擬合模型來外推當前運行電子產品在j+Ι時刻的預測值xj+1 ;通常的性能退化軌跡有三種:線性即x=a+bt,凸形即log (χ) =a+bt和凹形即log(x) =a+blog(t)。在本實施例中，利用Matlab的曲線擬合工具箱cftool來對現場性能退化數據進行曲線擬合，根據擬合曲線和現場性能退化數據之間的殘差的平方和最小的原則來選擇最理想的擬合模型。擬合推出的退化軌跡即擬合曲線也不一定能很好地與現場性能退化數據吻合，所以需要進一步對擬合結果進行修正:首先將取出擬合曲線和現場性能退化數據之間的殘差，組成一個隨機序列:Ax1, Ax2,..., Axj，然後利用無激勵的AR模型估計出預測值AXj+1，利用預測值AXj+1就可以來修正第j+Ι時刻的曲線擬合值從而得到修正後的預測值\+1。現場性能退化數據擬合後的曲線上，第1，2，…，j時刻的值為XO1, x02,…XOj，得到j個相應的殘差與現場性能退化數據的比值:
權利要求
1.一種電子產品退化狀態實時預測方法，其特徵在於，包括以下步驟: (1)、選取數量為N的同類電子產品(至少10-15個)，對每個電子產品從最初運行開始，每間隔一定時間提取數據測試點的信號幅值，得到N組由M個信號幅值組成的退化數據並作為產品性能退化的可靠性試驗數據； 對於當前運行的電子產品也從最初運行開始，每間隔一定時間ts提取測試點的信號幅值，當運行到j時刻時，得到由j個信號幅值組成的現場退化數據； (2)、對現場性能退化數據進行曲線擬合，根據擬合結果來選擇最理想的擬合模型，根據擬合模型來外推當前運行電子產品在j+Ι時刻的預測值xj+1 ; (3)、將可靠性試驗數據中同一個時刻的N個產品的信號幅值按順序組成一個序列，利用AR (自回歸)模型進行預測，得到預測值，得到從第I個時刻到第j+Ι時刻的j+Ι個預測值:Υι, ι2,..., Yj, yJ+i ； 對將預測值y」 y2, -,Yj作為一個序列，進行曲線擬合，根據擬合結果來選擇最理想的擬合模型，根據擬合模型來外推電子產品在j+l時刻的預測值y0j+1 ； 計算差值ΛM=JKV1-Xp1,最後得到可靠性試驗數據融合現場性能退化數據預測的結果 zJ+i=yJ+i+ Δ J+1 ; (4)、根據得到預測值\+1和Zp1時的誤差大小為預測值\+1和Zp1分配權值，最終根據權值將預測值xj+1和\+1融合得到最終電子產品在j+l時刻的退化狀態實時預測值。
2.根據權利要求1所述的退化狀態實時預測方法，其特徵在於，在步驟(2)中，所述的擬合結果來選擇最理想的擬合模型為擬合曲線和現場性能退化數據之間的殘差的平方和最小的原則來選擇最理想的擬合模型； 所述當前運行電子產品在j+l時刻的預測值\_+1需要進行修正: 首先將取出擬合曲線和現場性能退化數據之間的殘差，組成一個隨機序列:Ax1, Ax2,..., Axj，然後利用無激勵的AR模型估計出預測值AXj+1，利用預測值AXj+1就可以來修正第j+l時刻的曲線擬合值從而得到修正後的預測值\+1。
3.根據權利要求1所述的退化狀態實時預測方法，其特徵在於，在步驟(4)中，所述的根據得到預測值\+1和Zp1時的誤差大小為預測值xj+1和Vl分配權值，最終根據權值將預測值Xj+1和Zp1融合得到最終電子產品在j+l時刻的退化狀態實時預測值Tj+1:
全文摘要
本發明提供了一種電子產品退化狀態實時預測方法，通過可靠性試驗數據、現場性能退化數據，依據曲線擬合，現場性能退化數據外推當前運行電子產品在j+1時刻的預測值xj+1，依據自回歸模型，根據每個時刻的可靠性試驗數據，得到j+1個預測值y1,y2,…,yj,yj+1，根據前j預測值的擬合曲線，外推得到j+1時刻的預測值y0j+1，計算差值Δj+1=y0j+1-xj+1，最後得到可靠性試驗數據融合現場性能退化數據預測的結果zj+1=yj+1+Δj+1；根據得到預測值xj+1和zj+1時的誤差大小為預測值xj+1和zj+1分配權值，最終根據權值將預測值xj+1和zj+1融合得到最終電子產品在j+1時刻的退化狀態實時預測值。通過實驗驗證，本發明電子產品退化狀態實時預測方法，基於差值修正算法，提高了電子產品退化狀態預測的準確度。
文檔編號G01R31/00GK103197186SQ20131012570
公開日2013年7月10日 申請日期2013年4月12日 優先權日2013年4月12日
發明者劉震, 宋辰亮, 黃建國, 龍兵, 楊成林 申請人:電子科技大學