[发明专利]一种Bayes后验期望修正倒挂性能退化数据的方法

说明书

本发明公开了一种Bayes后验期望修正倒挂性能退化数据的方法，包括如下步骤：S1、通过保序回归算法对性能退化数据进行处理；S2、找出先验分布；S3、找出联合条件密度函数；S4、通过步骤的概率密度函数，计算E_b(μ_j|Y_j＝y_j)；S5、获取严格单调的估计；本发明主要通过保序回归算法对性能退化数据进行处理，再通过先验分布和联合条件密度函数的确定方法对加速度计磁感应强度倒挂性能退化数据的修正方法，通过对加速度计磁感应强度贮存倒挂性能退化数据进行更为合理的处理，处理后的性能退化数据满足失效数量随贮存时间呈严格单调关系，解决了保序回归可能呈现的不严格单调、权值难以确定的问题，有利于后续得出更为合理可信的可靠性评估结论。

技术领域

本发明属于信息处理技术领域，具体涉及一种Bayes后验期望修正倒挂性能退化数据的方法。

背景技术

磁稳定性是加速度计稳定性的一个主要影响因素，充磁后的永磁材料的磁感应强度并不是恒定的，它随温度、时间、环境磁场的变化而变化。永磁材料还存在自然退磁现象，磁感应强度随时间变化，其磁感应强度随时间的推移而减小，这也是加速度计产生时漂的主要原因。

为了在研制阶段快速评价加速度计的长期贮存稳定性，往往需要通过加速贮存试验来实现。磁感应强度作为加速度计的一项关键性能参数，随着贮存时间的延长，应呈单调下降趋势，但在试验的定期检测中常会出现与这种单调性相违背的“倒挂”现象。例如，某个加速度计样品在连续3个周期测试中，磁感应强度分别为569.40Gs、569.20Gs和569.8Gs，出现了“倒挂”现象，这种数据简称为“倒挂数据”。

在以往加速度计贮存可靠度估算中，这些倒挂数据通常被当做“异常点”而被删除掉。显然，这些数据或多或少反映了总体贮存可靠性的信息，简单地删除必然造成样本浪费和估计偏差。因此，选择合适的统计模型方法对其合理化处理，并在此基础上估算加速度计某时刻的贮存可靠度，为装备的贮存可靠性管理提供更合理的决策依据。

加速度计加速贮存试验中关注的是磁感应强度、输出电压等关键参数性能退化量的变化，这个时候在应力水平S_i下的一般数据结构如图4所示。

对于应力S_i下n_i个样本的性能退化轨迹应该是一个单调减函数，然而在试验中得出的磁感应强度数据却可能发生倒挂，甚至在有些试验中发现数据的倒挂出现频率非常高，严重影响退化试验的建模结果。因此，我们需要提出一种Bayes后验期望修正倒挂性能退化数据的方法。

发明内容

本发明的目的在于提供一种Bayes后验期望修正倒挂性能退化数据的方法，以解决上述背景技术中提出现有技术中不仅工作效率低下，而且浪费大量人力的问题。

为实现上述目的，本发明采用了如下技术方案：

一种Bayes后验期望修正倒挂性能退化数据的方法，包括如下步骤：

S1、通过保序回归算法对性能退化数据进行处理：给出一个非线性二次规划问题的最优解，即在不等式约束下求最小的加权均方误差θ^*；

S2、根据性能退化数据建立先验分布：找出先验分布，如果最后一个数据发生尾部倒挂，下界可以根据数据改变量的趋势确定，如果数据波动严重用均值作为下界；

S3、建立后验密度函数：找出联合条件密度函数，根据用n_i个样本数据估计出σ_j，由Bayes估计得出后验密度函数为：

S4、计算后验期望：通过步骤的概率密度函数，计算E_b(μ_j|Y_j＝y_j)：