[发明专利]电子整机贮存寿命持续评价方法及装置有效
申请号: | 202010298002.9 | 申请日: | 2020-04-16 |
公开(公告)号: | CN111625990B | 公开(公告)日: | 2023-08-04 |
发明(设计)人: | 刘小西;朱小平;杨司邦;陆家乐;高鸣哲;李劲;王春辉;时钟;胡湘洪 | 申请(专利权)人: | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/0499;G06N3/084;G06F119/02 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 左帮胜 |
地址: | 511300 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电子 整机 贮存 寿命 持续 评价 方法 装置 | ||
1.一种电子整机贮存寿命评价方法,其特征在于,对电子整机的贮存寿命进行持续性评价,所述电子整机贮存寿命评价方法包括:
判断能否获取所述电子整机贮存期间的特征参数,并根据判断结果确定电子整机贮存寿命的评价模型;
获取输入数据,并将所述输入数据按照时间顺序从小到大进行排列,所述输入数据包括所述时间以及对应所述时间的电子整机贮存可靠度或各种所述电子整机贮存期间的特征参数;
验证所述输入数据的有效性,所述输入数据的有效性通过判断在规定时间内是否有退化趋势进行验证;
若所述输入数据具有退化趋势,则根据具有退化趋势的所述输入数据确定退化与误差逆传播算法模型,并选取误差最小的模型作为贮存寿命预测模型;
将所述电子整机贮存期间的特征参数或者所述电子整机贮存可靠度输入至所述贮存寿命预测模型,并结合上述确定的所述电子整机贮存寿命的评价模型,得出所述电子整机的贮存寿命;
所述根据判断结果确定电子整机贮存寿命的评价模型,包括:
当不能获取所述电子整机贮存期间的特征参数时,所述电子整机贮存寿命的评价模型,满足以下公式:
LC=min(T(R(t)=R0),T(C(t)=C0)) (1)
其中,LC代表所述电子整机贮存寿命;T代表所述电子整机的贮存时间t的函数,R(t)是所述电子整机贮存到时间t的可靠度,R0是所述电子整机的贮存可靠度最低可接受值;C(t)是所述电子整机贮存到时间t为所述电子整机出现故障时的维修费用,C0是所述电子整机允许的最高维修费用;
当能获取所述电子整机贮存期间的特征参数时,所述电子整机贮存寿命的评价模型,满足以下公式:
LC=T(R(mint(Mi0))=R0) (2)
其中,LC代表所述电子整机贮存寿命;T代表产品的贮存时间t的函数,t(Mi0)代表产品的第i个贮存寿命特征参数Mi达到其失效阈值Mi0的时间;R0是产品的贮存可靠度最低可接受值;
所述根据具有退化趋势的所述输入数据确定退化与误差逆传播算法模型,包括:
根据以下公式(3)-(7)拟合得出模型参数a和模型参数b,其中公式(3)-(7)分别为五种确定型数据退化趋势预测模型:
pex=a*exp(bx) (3)
p1=a*x+b (4)
pm=a*xb (5)
pln=a*log(bx) (6)
其中,x代表时间,pex、p1、pm、pln和pd分别代表五种确定型数据退化趋势预测模型中所述电子整机的贮存可靠度或所述电子整机贮存寿命的特征参数所对应的时间参数;
结合上述公式(3)-(7)中得出的所述模型参数a和所述模型参数b,建立以下的公式(8);其中,公式(8)为预测随机型数据趋势的误差逆传播神经网络模型;所述误差逆传播神经网络模型的输入数据为所述电子整机的贮存可靠度或所述电子整机贮存寿命的特征参数,所述误差逆传播神经网络模型的输出数据pbp为时间参数;
pbp=feedforwardnet((a,b)',trainbr')(1≤a≤10,1≤b≤10) (8)
其中,公式(8)中feedforwardnet为所述误差逆传播神经网络模型的创建函数,(a,b)代表从具有退化趋势的所述输入数据中选取的误差最小的(a,b)值作为所述误差逆传播神经网络模型的模型参数;trainbr代表选用贝叶斯算法作为训练函数;
根据所述确定型数据退化趋势预测模型和所述误差逆传播神经网络模型中输出的时间参数,预测所述电子整机的贮存寿命。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)),未经中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室))许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010298002.9/1.html,转载请声明来源钻瓜专利网。