[发明专利]电子产品分数阶神经网络性能退化模型及寿命预测方法

说明书

技术领域

本发明涉及电子产品的故障预测与健康管理预测技术，具体涉及一种电子产品分数阶神经网络性能退化模型及寿命预测方法。

背景技术

飞机故障预测与健康管理(PHM)技术作为实现系统视情维修、自主式保障的关键技术，能够显著降低维修、使用和保障费用，提高飞行器安全性和可用性，提高军用飞机的战备完好率和任务成功率。随着“多电”飞机与“全电”飞机的迅速发展，机载电子产品的寿命与可靠性将影响到整个设备乃至系统的正常运行。对机载电子产品寿命的准确预测能够为备份件的准备、状态的维护及各种维修策略的制定等提供重要的依据，是机载电子产品故障预测与健康管理技术的重要组成部分，受到了国内外广泛重视。

现有的寿命预测方法中，基于性能退化分析的方法是目前的一个研究热点，根据电子产品或系统的性能退化数据建立退化轨迹模型，预测性能退化值并结合失效阈值预测寿命。性能退化轨迹建模方法可分为两类：1)基于机理的建模方法，即根据电子产品的物理特性或失效机理建立模型；2)基于数据驱动的建模方法，采用时间序列分析技术、神经网络等方法对历史性能退化数据进行拟合，建立性能退化轨迹模型，不依赖于失效机理。由于电子产品本身的复杂性，其失效机理很难准确获知，目前主要根据监测性能退化数据进行电子产品的寿命预测。

分数阶神经网络将分数阶傅里叶变换核函数作为神经网络隐含层节点的传递函数，从时频两方面分析数据，比BP神经网络具有更灵活有效的函数逼近能力，在短时数据分析方面比小波神经网络具有更强的自适应能力、更快的收敛速度。此外，传统的利用阿伦尼斯(Arrhenius)模型、逆幂律模型、广义艾林(Egring)模型等电子产品寿命预测方法为针对某一特定应力(如阿伦尼斯模型只适用于温度应力)下的失效机理的建模方法。本发明通过恒定应力加速寿命试验获取电子产品性能退化数据，利用分数阶神经网络建立电子产品的性能退化模型，从而进行寿命预测，该方法适用于在不同应力下建立性能退化模型，无需考虑电子产品的失效机理，实现简单，预测精度高。

发明内容

本发明的目的在于提供一种电子产品分数阶神经网络性能退化模型及寿命预测方法，通过恒定应力加速寿命试验获得受试电子产品的性能退化数据，并将其用于训练分数阶神经网络，得到能够反映电子产品性能退化规律的分数阶神经网络模型，实现电子产品的寿命预测，提高了预测精度，简单实用。

为了实现上述目的，本发明的电子产品分数阶神经网络性能退化模型及寿命预测方法，具体包括以下步骤：

(1)选择温度作为加速应力，确定待测电子产品的实际工作环境温度T₀，以T₀为参考，设定在应力T₁、T₂、…、T_p下分别对受试电子产品进行恒定应力加速寿命试验，获取各应力等级下从t₀到t_n时刻电子产品的性能退化数据，记为x_s，v(x_s，v为应力等级T_s下t_v时刻电子产品性能退化数据)，其中s＝1，2，…，p(p≥4)、v＝0，1，2，…n、T₀＜T₁＜T₂＜T₃＜…＜T_p-1＜T_p且T₁-T₀＝T₂-T₁＝…＝T_p-T_P-1、T₁＝1.2T₀、T_p≤0.7T_M，T_M为受试电子产品规定所能承受的最高温度。

获取各应力等级下从t₀到t_n时刻电子产品的性能退化数据x_s，v，具体实现为：在应力等级T_s(s＝1，2，…，p)下放置τ个受试电子产品，对受试电子产品进行恒定应力加速寿命试验，在t_v(v＝0，1，2，…n)时刻记录τ个电子产品的性能退化数据，取τ个数据的算术平均值作为t_v时刻最终的性能退化数据，即为x_s，v。