[发明专利]基于灰色RBF神经网络的加速寿命试验寿命预测方法

说明书

技术领域

本发明涉及一种加速寿命试验中的寿命预测方法，属于加速寿命试验评估技术领域。

背景技术

随着产品可靠性水平的不断提高，寿命评估面临着一个长寿命高可靠产品的评估课题。如果按照传统的寿命试验技术进行评估，时间和费用将无法承受，甚至还来不及做完寿命试验，该产品就会因性能落后而被淘汰。此外，由于科学技术的高速发展，产品更新换代的速度愈来愈快，人们迫切需要在较短时间内获得产品的寿命信息，而加速寿命试验技术根据产品的失效机理，有针对性地施加应力，将大大提高可靠性验证试验的费效比。因此，加速寿命试验的研究在可靠性试验工程领域受到了广泛重视。

加速寿命试验(Accelerated Life Test，ALT)是在假设产品失效机理不变的基础上，通过寻找产品寿命与应力之间的映射关系——加速模型，利用高(加速)应力水平下的寿命特征去外推或评估正常应力水平下的寿命特征的试验技术。ALT的应力施加方式有三种：恒定应力、步进应力和序进应力。恒定应力ALT是把全部样品分为几组，每组样品都在某个恒定加速应力水平下进行的寿命试验。工程实际中，由于恒定应力的ALT比较容易开展，且其估计精度较高，因此这种应力施加方式较为常用。

利用加速寿命试验数据对产品正常应力水平下的寿命特征进行评估的关键就是确定加速模型。加速模型的获得通常有两种途径：一是通过研究与产品失效机理相关的物理化学原理推导而来，称为物理加速模型，比如关于温度的阿伦尼斯(Arrhenius)模型；二是通过寿命特征与应力水平的多项式回归来建立，称为数学(经验)加速模型，比如多项式加速模型。物理加速模型的获得需要对失效机理进行深入而透彻的研究，目前应用较为成熟的也仅限于关于温度应力的阿伦尼斯(Arrhenius)模型、关于电应力的艾琳(Egring)模型等，发现一个新的物理加速模型往往需要多年的基础研究，大量的实验，远远跟不上现代装备研制的更新速度，此为本领域内现有技术存在的第一个问题。

根据应力的施加方式不同，加速模型又可以分为单应力加速模型和多应力加速模型。单应力加速模型的应用已经比较成熟，但是多应力的情况下由于各种不同的应力引起的失效机理不一样，同时不同应力之间也存在着相互耦合的作用，要将它们和寿命结合，找出一个能真实描述客观情况的加速模型是相当困难的。另外，即使通过物理的或数学的方式确定了一个加速模型，模型中也必然存在许多待定参数，求解这些参数往往通过极大似然估计或者最小二乘方法，其计算结果的精确性也需要验证，这是现有技术面临的第二个问题。

人工神经网络(Artificial Neural Network，ANN)是一个模拟大脑神经系统结构和功能，由大量简单处理单元即神经元广泛连接组成的人工网络。它能从已知数据中自动归纳规则，获得这些数据的内在规律，具有很强的非线性映射能力。人工神经网络具有以下几个突出优点：1.高度的并行性；2.高度的非线性全局作用；3.良好的容错性和联想记忆功能；4.十分强的自适应、自学习功能。按照结构类型，神经网络可以分为四类：前向型、反馈型、随机型和自组织竞争型。

径向基函数(Radial Basis Function，RBF)网络是一种前向型人工神经网络，径向基的理论最早由Hardy，Harder和Desmarais等人提出，Broomhead和Lowe最早将RBF用于神经网络设计之中。RBF神经网络具有较高的运算速度，较强的非线性映射能力，具有最佳的逼近性能，能以任意精度全局逼近一个非线性函数。

RBF神经网络具有严格的三层网络结构，不存在像其他网络那样的输入层到隐含层的权值矩阵，因此输入层只负责信号传递，不对信号做任何处理；隐含层采用径向基函数作为激活函数，通常由较多的神经元个数，完成从输入空间到隐含层空间的非线性变换；输出层采用Purelin函数，对隐含层输出进行线性组合，产生最终对激励信号的响应信号。

灰色系统理论是我国著名学者邓聚龙教授于上世纪八十年代创立，研究解决少数据不确定性的理论，其主要的研究内容包括灰色系统分析、建模、预测、决策和控制，它把一般系统论、信息论、控制论的观点和方法延伸到社会、经济、生态等抽象系统，结合运用数学方法，发展了一套解决信息不完备系统即灰色系统的理论和方法，形成了完整的理论体系。

设有原始数据序列x⁽⁰⁾＝[x⁽⁰⁾(1)，x⁽⁰⁾(2)，x⁽⁰⁾(3)，...，x⁽⁰⁾(n)]，定义级比：