[发明专利]一种基于粒子群算法的航天BDR模块剩余寿命预测方法

权利要求书

1.一种基于粒子群算法的航天BDR模块剩余寿命预测方法，其特征在于，包括：

S1、对航天BDR模块的历史数据进行分析，确定影响模块寿命的关键元器件；

S2、针对关键元器件，开展退化机理分析；

S3、基于退化机理分析，构建航天BDR模块退化机理模型；

S4、计算航天BDR模块剩余寿命预测的均方根误差RMSE，并将其作为粒子群算法的适应度函数，

S5、根据粒子群适应度函数，计算粒子适应度值；

S6、记录个体和种群的最优位置，更新粒子速度和位置，确定个体和种群的全局最优位置；

S7、判断均方根误差RMSE是否达到最小，若没有达到最小值，则返回步骤S5，继续进行迭代，若达到了最小值或者迭代次数等于最大迭代次数，结束迭代，完成航天BDR模块的剩余寿命建模。

2.如权利要求1所述的基于粒子群算法的航天BDR模块剩余寿命预测方法，其特征在于，所述步骤S1具体包括：

S11、收集航天BDR模块的历史数据，对其展开数据分析；

S12、对比可能发生的故障机理，忽略影响较小的故障因素，从而确定影响模块寿命的关键元器件。

3.如权利要求1所述的基于粒子群算法的航天BDR模块剩余寿命预测方法，其特征在于，所述步骤S2具体包括：

S21、考虑工作时间和工作温度，利用阿伦尼乌斯模型，对电阻开展退化机理分析，表达式为：

其中，ΔR、R分别t时刻的电阻差值和电阻值，T为温度，B、C、D和F都是常数；

S22、考虑工作温度，利用阿伦尼乌斯模型，对电容开展退化机理分析，表达式为：

c＝A·exp(-E/kT)

其中，c为电容，T为温度，E为电容两端电压，A和k为常数；

S23、将电感值作为电感的故障特征参数，对电感开展退化机理分析，表达式为：

L(t)＝L₀-λt

其中，L(t)为t时刻的电感值，L₀为初始时刻电感的标称值，λ为退化模型参数；

S24、将导通电阻间接作为反映功率二极管退化程度的故障特征参数，对功率二极管开展退化机理分析，表达式为：

ΔR_D＝a·[e^b·t-1]

其中，ΔR_D t时刻的导通电阻，a和b为常数；

S25、不考虑封装结构失效，只考虑芯片结构失效的情况下，对MOSFET开展退化机理分析，表达式为：

其中，ΔV_th是器件刚开始导通时的栅源极电压，C_ox为氧化层电容，ΔQ_ot和ΔQ_it分别表示氧化层陷阱电荷和界面态陷阱电荷的数目的变化量。

4.如权利要求1所述的基于粒子群算法的航天BDR模块剩余寿命预测方法，其特征在于，所述步骤S3具体包括：

S31、建立基于湿热的退化模型，表达式为：

其中，L(H,T)代表的是湿热老化寿命，b和c均为待定模型参数，A为常数，H是相对湿度，T为绝对温度；

S32、基于退化模型，利用最小二乘法实现参数辨识确定退化模型的参数；

S33、考虑到数据存在误差，利用RANSAC算法进行异常值剔除；

S34、将剔除异常值的数据再次进行拟合，并将拟合结果的退化模型外推到失效阈值，得到关键元器件的失效时间，从而获得过的关键元器件的剩余使用寿命预测值。

5.如权利要求1所述的基于粒子群算法的航天BDR模块剩余寿命预测方法，其特征在于，所述步骤S4具体包括：

S41、根据步骤S3所得的剩余使用寿命的预测值，计算航天BDR模块剩余寿命预测的均方根误差RMSE；

所述均方根误差RMSE公式如下：

其中n代表预测次数，x(i)代表航天BDR模块实际的寿命，代表航天BDR模块的预测寿命；

S42、将均方根误差作为粒子群算法的适应度函数。