基于时序模型的性能退化数据可靠性评估方法.pdfVIP

118 中国现场统计研究会第十三届学术年会论文 2007年8月 基于时序模型的性能退化数据可靠性评估方法 熊小云，赵字 (北京航空航天大学工程系统工程系，北京市 100083) 摘要：通过采用时间序列对产品性能退化数据进行分析与描述，提出了一种基于ARIMA模型的产品可 靠性评估与寿命预测方法。由于该方法综合r时序模型对随机序列自拟合性强与预测精度高的优点， 有效克服了传统方法需要预先假定退化轨道函数而导致对产品进行可靠性评估与寿命预测时人为及 经验凼素影响大的缺点，因而具有良好的鲁棒性。文中最后通过示例，表明了该方法的正确性与有效 性。 关键词：退化数据；时间序列；似然比；可靠性 中图分类号：0212．4 文献标识码：A I引言 基于非寿命数据(如特征监测数据、性能退化数据等)的可靠性评估方法是当前可靠性 工程中的一个热点和难点问题。近年来，很多上程技术人员和统计学者对基于产品性能退化 数据的可靠性分析开展了大量工作，LuMeeker川使用回归模型分析退化数据来估计失效分 据进行可靠性预计；Crkl41给出了基于性能退化数据的可靠性分析算法与步骤。这些文献一般 都假设退化轨迹模型有两类参数，一类为同定参数，另一类为服从正态分布的随机参数，但 这在某些场合并不合理。庄东辰【51和邓爱民【61等提出了基于退化轨迹的可靠性评估方法，退化 轨迹则是用线性模型来逼近的。综上可以从中可以看出，当产品的失效机理未完全研究清楚 时，实际中往往采用某种人为的退化轨道进行分析，这就使得实际客观问题产生了很大的人 为性，假定不同的退化轨道模型评估的结果相差较大。对此，本文提出一种用于性能退化数 据的可靠性评估的新方法，即从时间序列角度出发对其退化轨道进行分析与描述，研究退化过 程的规律并建立相应时序模型。通过有效利用退化数据包含的信息，本方法克服了传统方法 的缺点，提高基于性能退化数据的产品可靠性评估与寿命预测的精度。 2性能退化曲线的ARIMA模型 时间序列分析是研究一串随时间变化而又相互关联的数字序列(动态资料)如何通过模 型拟合和参数估计来建立相应的分析方法，其作用主要体现在两方面，一是描述某种现象或 某些指标的历史发展规律，二是对未来的发展趋势做出预测。自回归求和滑动平均模型，简记 各类时间序列数据的分析方法，是一种适用于短期预测的高精度方法。其中，P为自回归阶数， 曰为滑动平均阶数，d为使之成为平稳序列所做的差分次数(阶数)。 运用ARMA模型的前提条件是，用作预测的时间序列是由零均数的平稳随机过程产生的。 对于某些不平稳的时间序列必须经过差分变换，使其转化成平稳的时间序列，如果经过差分变 换后的时间序列服从ARMA模型，即称该序列为ARIMA模型。 由于退化轨道曲线是单个试验样本性能退化相对时间的轨迹，因此性能退化数据具有典 型的时间序列特征。对每个样本，，其性能退化数据是一个时间序列fx。}，如该序列平稳，可 以基于该时间序列观察数据建立一个随机模型，来预测该序列的未来值：如该序列不平稳，则 需对相应的数据进行差分处理使其平稳。假设x．为产品的性能退化量，f为实验时间，ARIMA 模型为W，：Ⅳ+吼B)州曰)．1占，，这里W，为序列X，或者x，转换后的序列，∥为均值项；B为滞 后因子，即BX．：X．．：口(口)为滑动平均算子，秒(口)：1．o,n-…．一统B,I：≯(B)为自回归算子， 驴(口)=l-办曰1…·一九曰p，q为随机误差。 中国现场统计研究会第十三届学术年会论文 2007年8月 119 测数据来估计。确定了阶数及各系数，即得到退化量符合的模型之后，就可以根据平稳时序 ARMA预测方程对退化量进行预测。 3基于ARIMA模型的可靠性评估方法 假设第／个样本进行退化试验，fl，‘2，…，t。．时刻对其进行性能退化量记录，X，，表示第／个 样本在时刻，，的性能退化量值。假设失效阀值为D，，基于退化轨迹的时间序列ARIMA模型 的可靠性评估算法为： 首先，对退化数据进行处理使之满足ARlMA模型，得到各个样本的模型参数的估计值， 从而得到各个样本的预测方程和各个样本的伪失效寿命数据区间t，∈【aj,b『】。 然后，使用CM虚拟样本算法将伪寿命数据区间转