[发明专利]一种电子产品退化状态实时预测方法

权利要求书

1.一种电子产品退化状态实时预测方法，其特征在于，包括以下步骤：

（1）、选取数量为N的同类电子产品（至少10-15个），对每个电子产品从最初运行开始，每间隔一定时间提取数据测试点的信号幅值，得到N组由M个信号幅值组成的退化数据并作为产品性能退化的可靠性试验数据；

对于当前运行的电子产品也从最初运行开始，每间隔一定时间t_s提取测试点的信号幅值，当运行到j时刻时，得到由j个信号幅值组成的现场退化数据；

（2）、对现场性能退化数据进行曲线拟合，根据拟合结果来选择最理想的拟合模型，根据拟合模型来外推当前运行电子产品在j+1时刻的预测值x_j+1；

（3）、将可靠性试验数据中同一个时刻的N个产品的信号幅值按顺序组成一个序列，利用AR（自回归）模型进行预测，得到预测值，得到从第1个时刻到第j+1时刻的j+1个预测值：y₁,y₂,…,y_j,y_j+1；

对将预测值y₁,y₂,…,y_j作为一个序列，进行曲线拟合，根据拟合结果来选择最理想的拟合模型，根据拟合模型来外推电子产品在j+1时刻的预测值y0_j+1；

计算差值Δ_j+1=y0_j+1-x_j+1，最后得到可靠性试验数据融合现场性能退化数据预测的结果z_j+1=y_j+1+Δ_j+1；

（4）、根据得到预测值x_j+1和z_j+1时的误差大小为预测值x_j+1和z_j+1分配权值，最终根据权值将预测值x_j+1和z_j+1融合得到最终电子产品在j+1时刻的退化状态实时预测值。

2.根据权利要求1所述的退化状态实时预测方法，其特征在于，在步骤（2）中，所述的拟合结果来选择最理想的拟合模型为拟合曲线和现场性能退化数据之间的残差的平方和最小的原则来选择最理想的拟合模型；

所述当前运行电子产品在j+1时刻的预测值x_j+1需要进行修正：

首先将取出拟合曲线和现场性能退化数据之间的残差，组成一个随机序列：Δx₁,Δx₂,…,Δx_j，然后利用无激励的AR模型估计出预测值Δx_j+1，利用预测值Δx_j+1就可以来修正第j+1时刻的曲线拟合值从而得到修正后的预测值x_j+1。

3.根据权利要求1所述的退化状态实时预测方法，其特征在于，在步骤（4）中，所述的根据得到预测值x_j+1和z_j+1时的误差大小为预测值x_j+1和z_j+1分配权值，最终根据权值将预测值x_j+1和z_j+1融合得到最终电子产品在j+1时刻的退化状态实时预测值T_j+1：

Tj+1=zj+1σx2σz2+σx2+xj+1σz2σz2+σx2;]]>

方差值σ_x²作为预测值x_j+1时的误差根据以下步骤得到：

现场性能退化数据拟合后的曲线上，第1,2,…,j时刻的值为x0₁,x0₂,…x0_j，得到j个相应的残差与现场性能退化数据的比值：

x01-x1x1,x02-x2x2,···x0j-xjxj;]]>

设j个残差与真实值的比值均值为μ_x，最后得到方差值σ_x²：

σx2=1jΣi=1j(μx-x0i-xixi).]]>

方差值σ_z²作为预测值z_j+1时的误差根据以下步骤得到：

预测值y₁,y₂,…,y_j拟合后的曲线上，第1,2,…,j时刻的值为y0₁,y0₂,…y0_j，得到j个相应的残差与预测值y₁,y₂,…,y_j的比值：

y01-y1y1,y02-y2y2,···,y0j-yjyj;]]>

设j个残差与真实值的比值均值为μ_y，最后得到方差值σ_y²：

σy2=1jΣi=1j(μy-y0i-yiyi).]]>

方差σ_z²：

σz2=σx2+σy22.]]>