基于时序模型的性能退化数据可靠性评估研究.pdfVIP

基于时序模型的性能退化数据可靠性评估 尤琦，马小兵，赵宇 （北京航空航天大学 工程系统工程系，北京市 100083） 摘 要：从性能退化量分布的角度出发，在假设退化量分布形式不随时间变化的前提下，将性能退 化分布时变参数的动态数据按照非平稳时间序列进行分析建模，提出了一种新的基于性能退化量分 布的可靠性评估与寿命预测方法。该方法综合了时序模型对随机序列自拟合性强与短期预测精度高 的优点，有效克服了传统方法需要预先假定退化量分布参数函数而导致人为及经验因素影响大的缺 点，具有良好的鲁棒性。最后通过实例验证了该方法的有效性和可行性。 关键词：退化量分布 时变参数 时序模型 可靠性评估 1 11 引 言 传统的可靠性评估技术是以失效时间作为统计分析对象的，然而，随着产品的可靠性越来越高 ， 寿命越来越长，在允许的时间内很难获取足够的失效数据，甚至经常出现“零失效”的现象，这使得 基于失效数据的传统可靠性分析方法难以适用或分析结果与工程实际偏差较大。 近年来，很多工程技术人员和统计学者对基于退化数据的可靠性分析进行了大量研究：Nelson[1] 研究退化数据时，假设某一时刻退化量服从对数正态分布，该分布的均值是时间的函数，而方差与 [2] 时间无关，但该模型在处理实际数据中的结果并不理想。姚增起 在讨论系统退化时采用了类似的 过程，但该文只在相当一般的条件下讨论了利用这种方法所确定模型的一些性质。JayaramGirish[3] 在假设退化量分布为正态时给出了一个基于性能退化数据的半似然可靠性预计方法。Huang [4] Duane 用截尾Weibull分布表示退化量的分布，并给出了一个基于性能退化量分布参数的极大似然 [5] 估计方法。邓爱民等 在分析退化数据时，退化量分布参数是用线性模型来逼近的。 本文提出一种基于性能退化数据的可靠性评估新方法：从时间序列的角度出发对退化量分布的 时变参数进行分析和描述，从而对产品的可靠性进行评估。通过有效利用退化数据包含的信息，结 合时序模型对随机序列自拟合性强的特点，提高了产品可靠性评估与寿命预测的精度。 2 22 基于ARIMA模型的可靠性评估 时间序列分析是采用参数模型对观测得到的有序随机数据进行分析的一种处理方法，通过时间 序列可以对系统的动态特性进行分析、对未来的发展趋势做出预测。由于性能退化数据多表现为随 时间单调递增或单调递减的变化规律，即具有非平稳的性质。因此可推知其分布参数时间序列也具 有此种特性。因而在时序建模时，须对其进行差分处理，将其转化成平稳的时间序列，经差分变换 后的性能退化量分布参数时间序列服从ARMA模型，则原始退化量分布参数时间序列可认为符合 ARIMA模型。 2.1 22..11 退化量分布假设 采用时序模型时，对基于退化量分布的性能退化数据可靠性评估方法做出如下假设： (1) n个样本进行性能退化试验，第i个样本在时刻点t,t ,,t 的退化量数据分别为 1 2 m i y ,y ,,y ，这里m  m  m； i1 i2 im 1 n i (2) 退化过程不可逆，退化量递增，即满足0 y  y  y  。若规定失效阀值 i1 i2 im i 为D，即当性能退化量达到失效阀值时，产品失效，此时R(t) P{y(t) D}； β