[发明专利]一种面向产品多维相关性退化失效的建模方法

说明书

技术领域

本发明属于机电产品的可靠性分析技术领域，具体是一种面向具有多维相关性退化失效的产品的可靠性分析方法。

背景技术

可靠性技术已经成为提高产品效能、减少产品寿命周期费用的重要途径，是企业产品竞争的焦点。对于高技术武器装备、核电厂以及航空航天等领域的一些高可靠性、长寿命关键部件，其可靠性问题显得尤为重要。由于高技术复杂产品的失效时间长且难以获得大量失效时间数据，传统基于失效时间的可靠性分析方法已经不能满足这种情况下的产品可靠性分析。基于退化的可靠性分析方法，就是在这个背景下提出并得到普遍关注和广泛研究的。

基于退化的可靠性分析方法关注的是产品失效过程的退化规律。通过选择与产品寿命和可靠性高度相关的物理变量，称为可靠性特征量，并采用定量的数学模型描述其随时间的变化规律。可靠性特征量可以是任何能够表征产品失效机理和失效过程、与产品寿命和可靠性相关的能够测量，或能够从测量数据中提取的变量，比如从测量的振动信号数据中提取的相关频率特征或其它统计量、特征值，这些变量能够表征产品的物理性能或功能特性。

近二十年，基于退化的可靠性分析方法得到越来越多的研究。但是，这些研究普遍针对产品仅有一维可靠性特征量或二维可靠性特征量。也就是说，目前研究的基于退化的可靠性分析方法仅考虑了产品的一个或两个可靠性特征量。但在实际工程中，一些复杂产品可能有三个或三个以上相关的可靠性特征量，这些相关的可靠性特征量都能很好地描述这些产品的退化过程。比如：汽车发动机的可靠性特征量有发动机的噪声、发动机的振动和发动机中油液杂质等，这三个特征量都能表征汽车发动机产品的退化情况；除此以外，复杂产品的多个部件可能存在相关失效机制，造成部件的退化规律呈现相关性。因此，如何通过三个或三个以上相关的可靠性特征量来开展产品的性能退化建模和可靠性分析是一个值得研究的问题，而这类问题的关键环节是如何准确地描述这些多维相关退化特征量之间的相关性。

现有的考虑多维相关性退化的可靠性分析方法都是利用多维Copula函数(如：多维高斯Copula、多维t-Copula)来表征多个退化变量之间的相关性，但是这种建模方法有很大的局限性。首先，可供选择的多维Copula函数类型极其有限；其次，多维Copula函数所表征的多维变量之间的相关性具有单一性，比如，当用多维高斯Copula函数建立多维相关模型时，这就意味着这些多维变量两两之间的相关性都只能用二维高斯Copula来描述。这类方法的这些缺陷使得其无法满足一些具有多维复杂相关性的复杂产品的要求，严重限制了多维相关退化模型的灵活性和通用性。

发明内容

本发明的目的是为了克服现有基于退化的可靠性分析方法的缺陷，建立更加灵活和更具一般性的多维相关性退化的可靠性分析方法。

为了实现上述目的，本发明的技术方案是：一种面向产品多维相关性退化失效的可靠性分析方法，包括如下步骤：

步骤1：确定被监测对象的n个(n≥3)可靠性特征量，通过退化试验收集试验数据，并采用相关数据处理方法(如：异常数据剔除、数据平滑、数据特征识别)从测量的试验数据中提取各个可靠性特征量的退化数据；

步骤2：利用步骤1中得到的特征量的退化数据，在不考虑各个特征量之间的相关性情况下，建立每一个特征量的基于随机过程的退化模型，比如：对于其中某一个特征量k(1≤k≤n)，根据步骤1中所得到的其对应的退化数据，利用随机过程(如：维纳过程)建立其退化模型；

步骤3：利用贝叶斯方法估计每一个特征量的退化模型中的参数的后验分布，并取其均值作为最后的点估计结果；

步骤4：考虑各个特征量之间的相关性，利用D-Vine Copula建立它们的相关性模型。在此模型中，特征量的联合概率密度函数由各个特征量的概率密度函数以及个二变量Copula函数描述；

步骤5：确定步骤4中所有二变量Copula函数的类型以及参数值，包括以下四个步骤：

步骤5(a)：选取几个常用的二变量Copula函数，如Frank Copula、Clayton Copula和Gaussian Copula等作为步骤4中第一个二变量Copula函数的备选集；

步骤5(b)：利用贝叶斯方法估计每一个备选二变量Copula函数的参数的后验分布，并选择其均值作为最后的点估计结果；