[发明专利]基于极小样本数据的时钟装置寿命预测方法

权利要求书

1.基于极小样本数据的时钟装置寿命预测方法，其特征在于，具体包括以下步骤：

步骤1，设计加速寿命试验获取原始试验样本数据，并对所述原始实验样本数据进行预处理；

步骤2，对BP神经网络进行学习训练，确定网络内部的结构参数，并将训练好的BP神经网络保存，然后通过所述训练好的BP神经网络对所述原始实验样本数据进行仿真得到与所述原始数据样本变化规律近似的扩充数据样本，直至将样本量扩充至10；

步骤3，将所述10个样本数据作为Bootstrap算法的数据输入，利用所述Bootstrap法的再抽样理论，将10个样本量扩充至适合可靠性分析的大样本量，结合最小二乘线性拟合算法，估算出时钟装置失效分布函数模型参数估值；

步骤4，根据应力施加类型，计算加速应力下的可靠性指标MTBF，并结合加速因子将所述加速应力下的可靠性指标MTBF折算到新研制设备在正常应力条件下的可靠性指标MTBF值，进行正常工作条件下的寿命预测。

2.根据权利要求1所述的基于极小样本数据的时钟装置寿命预测方法，其特征在于：所述步骤1包括：

S1、分析新研制设备时钟装置系统原理，并基于系统原理分析对其进行失效分析，并设计加速寿命试验获取原始试验数据；

S2、按照时间长短排序得到原始失效数据样本，并按经验公式可计算出其对应的可靠度R(t_i)；

S3、将经验公式对应的向量R(t_i)＝{R(t₁)，R(t₂)，…，R(t_i)}作为所述BP神经网络的原始输入，将失效时间组成的向量T＝{t₁，t₂，…，t_i}作为其各自的输出。

3.根据权利要求1所述的基于极小样本数据的时钟装置寿命预测方法，其特征在于：所述步骤2中结构参数包括权值参数和阈值参数。

4.根据权利要求1所述的基于极小样本数据的时钟装置寿命预测方法，其特征在于：所述步骤2包括：

a，将所述步骤S3中(R(t₁)，R(t_r))(r＜10)范围内的10-r个随机数按从大到小的顺序排列成向量；

b，输入已经训练完成的BP神经网络进行仿真，得到10-r个新的失效数据，作为原始试验数据的扩充样本，同时与原始试验样本组合成10个新的失效数据样本，组成新的向量T′＝{t₁，t₂，…，t₁₀}。

5.根据权利要求1所述的基于极小样本数据的时钟装置寿命预测方法，其特征在于：所述步骤3包括：

c，将所述步骤b中向量T′作为Bootstrap的数据输入；

d，利用计算机编程生成区间[0，1]上均匀分布的随机数δ；

e，令θ＝(n-1)δ，i＝[θ]+1，[θ]为向下取整；

f，以为基准向方向生成再生样本t_i，同时以为基准向方向生成再生样本t_i+1，其中与为原始样本数据......，从小到大排序后的第i个与第i+1个数据，t_i与t_i+1为新生样本数据；

g，根据实际需要重复步骤(d)-(f)，然后将获得的大样本数据通过最小二乘法进行线性拟合，得出失效分布参数估计值。

6.根据权利要求1所述的基于极小样本数据的时钟装置寿命预测方法，其特征在于：所述步骤4包括：

α，根据应力施加类型，确定时钟装置加速模型，从而得到所述加速因子；

β，将所述加速应力下的可靠性指标MTBF值，并结合所述加速因子折算到正常工作条件下的MTBF值，进行正常工作条件下的寿命预测。