产品寿命预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种产品寿命预测方法、装置、电子设备及存储介质，涉及产品寿命预测技术领域。方法包括将产品在应力下做加速退化试验，得到产品的退化数据，结合逆高斯过程求解出随机分布特征参数包含隐变量的表达式，结合最大期望算法迭代求解出稳定的随机分布特征参数，基于阿伦尼斯模型建立加速应力相对于常温下加速应力的加速系数模型，并估算加速系数模型的模型参数，然后基于加速系数模型的模型参数、稳定的随机分布特征参数和加速系数模型的模型参数的似然函数求解正常应力下的线性逆高斯分布参数，以便对测试样本及测试样本的同类产品的寿命进行预测。本申请提供的方法、装置、电子设备及存储介质能够对产品的寿命进行准确预测。行准确预测。行准确预测。

【技术实现步骤摘要】
产品寿命预测方法、装置、电子设备及存储介质


[0001]本申请涉及产品寿命预测
，尤其涉及一种产品寿命预测方法、装置、电子设备及存储介质。

技术介绍

[0002]对于一些核心零部件产品，如机床、武器装备的核心零部件，由于其制造复杂、造价昂贵等原因，一旦设备出现故障导致停工停产，将会导致巨大的经济损失，因此如何实现对核心零部件产品的寿命进行准确预测，以便对核心零部件进行维护、保养、更换，对确保设备正常运行生产具有十分重要的意义。
[0003]目前，对于零部件产品的寿命预测，常用的方式是通过线性曲线、多项式曲线拟合退化轨迹，然而在实际情形中由于产品的原材料、生产工序及外部环境等差异，导致简单的退化曲线并不能满足实际需求，容易造成产品寿命的错误评估，进而对产品的预测性维护、保养、更换等做出错误的决策。
[0004]因此，如何提供一种有效的方案以便于对产品的寿命进行准确预测，已成为现有技术中一亟待解决的难题。

技术实现思路

[0005]第一方面，本申请实施例提供了一种产品寿命预测方法，包括：
[0006]通过加速退化试验获取测试样本在应力下的退化数据；
[0007]基于退化数据和线性逆高斯分布参数的联合先验密度函数，通过贝叶斯公式得出测试样本的联合后验密度函数；
[0008]以线性逆高斯分布参数为隐变量，通过极大值似然估计方法求解出联合后验密度函数的随机分布特征参数包含隐变量的表达式；
[0009]通过最大期望算法迭代求解出所述随机分布特征参数收敛时所对应的随机分布特征参数收敛值；
[0010]基于阿伦尼斯模型建立加速应力相对于常温下加速应力的加速系数模型，并估算所述加速系数模型的模型参数；
[0011]基于所述加速系数模型的模型参数、随机分布特征参数收敛值和所述加速系数模型的模型参数的似然函数求解正常应力下的线性逆高斯分布参数，得到正常应力下退化过程的逆高斯分布函数，以便根据正常应力下退化过程的逆高斯分布函数对所述测试样本及所述测试样本的同类产品的剩余寿命进行预测。
[0012]在一个可能的设计中，测试样本的联合后验密度函数为其中π(λ，δ)为线性逆高斯分布参数的联合先验密度函数，y为测试样本在应力下的退化量，λ和δ均为线性逆高斯分布参数，L(y|λ，δ)为测试样本的极大似然函数。
[0013]在一个可能的设计中，测试样本的极大似然函数为其中Δt
ij
为j时刻与j
‑
1时刻的之间的时间差，Δy
ii
为第i个测试样本从j
‑
1时刻到j时刻的退化增量。
[0014]在一个可能的设计中，以线性逆高斯分布参数为隐变量，通过极大值似然估计方法求解出联合后验密度函数的随机分布特征参数包含隐变量的表达式，包括：
[0015]将线性逆高斯分布参数作为隐变量，得到测试样本的完全样本数据(Δt
ij
，Δy
ij
，λ
i
，δ
i
)，其中，j＝1，2，L，m
i
，i＝1，2，L，n，Δt
ij
为j时刻与j
‑
1时刻的之间的时间差，Δy
ij
为第i个测试样本从j
‑
1时刻到j时刻的退化增量，λ
i
和δ
i
均为测试样本所i对应的线性逆高斯分布参数；
[0016]建立测试样本的完全样本数据的似然函数，其中a、b、c、d均为联合后验密度函数的随机分布特征参数；
[0017]通过极大值似然估计方法求解出联合后验密度函数的随机分布特征参数包含隐变量的表达式。
[0018]在一个可能的设计中，加速应力相对于常温下加速应力的加速系数模型为其中，T
k
表示第k个加速应力所对应的应力值，r1、r2、r3均为阿伦尼斯模型的模型参数，为线性逆高斯分布参数u
k
的期望值，为线性逆高斯分布参数λ
k
的期望值。
[0019]在一个可能的设计中，所述基于所述加速系数模型的模型参数、随机分布特征参数收敛值和所述加速系数模型的模型参数的似然函数求解正常应力下的线性逆高斯分布参数，得到正常应力下退化过程的逆高斯分布函数，包括：
[0020]建立阿伦尼斯模型的模型参数的似然函数其中，Δt
i,j,k
表示j时刻与j
‑
1时刻之间的时间差，y(t
i,j,k
)表示第i个测试样本于应力k下在j时刻的退化量，Δy(t
i,j,k
)表示第i个测试样本于应力k下从j
‑
1时刻到j时刻的退化增量；
[0021]通过牛顿法、拟牛顿法或梯度下降算法优化估算阿伦尼斯模型的模型参数；
[0022]基于阿伦尼斯模型的模型参数的估算值，确定出正常应力下的线性逆高斯分布参数；
[0023]基于常应力下的线性逆高斯分布参数确定出正常应力下退化过程的逆高斯分布函数其中，D为常数，和均为
常应力下的线性逆高斯分布参。
[0024]在一个可能的设计中，所述测试样本及所述测试样本的同类产品的预测寿命为所述测试样本及所述测试样本的同类产品在t时刻的预测剩余寿命为其中，f(t)为F(t)的导数，f(t+x)为F(t+x)的导数，x为积分变量。
[0025]第二方面，本申请实施例提供了一种产品寿命预测装置，包括：
[0026]测试单元，用于通过加速退化试验获取测试样本在应力下的退化数据；
[0027]第一运算单元，用于基于退化数据和线性逆高斯分布参数的联合先验密度函数，通过贝叶斯公式得出测试样本的联合后验密度函数；
[0028]第二运算单元，用于以线性逆高斯分布参数为隐变量，通过极大值似然估计方法求解出联合后验密度函数的随机分布特征参数包含隐变量的表达式；
[0029]第三运算单元，用于通过最大期望算法迭代求解出所述随机分布特征参数收敛时所对应的随机分布特征参数收敛值；
[0030]第四运算单元，用于基于阿伦尼斯模型建立加速应力相对于常温下加速应力的加速系数模型，并估算所述加速系数模型的模型参数；
[0031]第五运算单元，用于基于所述加速系数模型的模型参数、随机分布特征参数收敛值和所述加速系数模型的模型参数的似然函数求解正常应力下的线性逆高斯分布参数，得到正常应力下退化过程的逆高斯分布函数，以便根据正常应力下退化过程的逆高斯分布函数对所述测试样本及所述测试样本的同类产品的寿命进行预测。
[0032]第三方面，本申请实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信；
[0033]存储器，用于存放计算机程序；
[0034]处理器，用于执行存储器上所存放的程序，实现以下流程：
[0035]通过加速退化试验获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品寿命预测方法，其特征在于，包括：通过加速退化试验获取测试样本在应力下的退化数据；基于退化数据和线性逆高斯分布参数的联合先验密度函数，通过贝叶斯公式得出测试样本的联合后验密度函数；以线性逆高斯分布参数为隐变量，通过极大值似然估计方法求解出联合后验密度函数的随机分布特征参数包含隐变量的表达式；通过最大期望算法迭代求解出所述随机分布特征参数收敛时所对应的随机分布特征参数收敛值；基于阿伦尼斯模型建立加速应力相对于常温下加速应力的加速系数模型，并估算所述加速系数模型的模型参数；基于所述加速系数模型的模型参数、随机分布特征参数收敛值和所述加速系数模型的模型参数的似然函数求解正常应力下的线性逆高斯分布参数，得到正常应力下退化过程的逆高斯分布函数，以便根据正常应力下退化过程的逆高斯分布函数对所述测试样本及所述测试样本的同类产品的寿命进行预测。2.根据权利要求1所述的方法，其特征在于，测试样本的联合后验密度函数为其中π(λ,δ)为线性逆高斯分布参数的联合先验密度函数，y为测试样本在应力下的退化量，λ和δ均为线性逆高斯分布参数，L(y|λ,δ)为测试样本的极大似然函数。3.根据权利要求2所述的方法，其特征在于，测试样本的极大似然函数为其中Δt
ij
为j时刻与j
‑
1时刻的之间的时间差，Δy
ij
为第i个测试样本从j
‑
1时刻到j时刻的退化增量。4.根据权利要求2所述的方法，其特征在于，以线性逆高斯分布参数为隐变量，通过极大值似然估计方法求解出联合后验密度函数的随机分布特征参数包含隐变量的表达式，包括：将线性逆高斯分布参数作为隐变量，得到测试样本的完全样本数据(Δt
ij
,Δy
ij
,λ
i
,δ
i
)，其中，j＝1,2,L,m
i
,i＝1,2,L,n，Δt
ij
为j时刻与j
‑
1时刻的之间的时间差，Δy
ij
为第i个测试样本从j
‑
1时刻到j时刻的退化增量，λ
i
和δ
i
均为测试样本所i对应的线性逆高斯分布参数；建立测试样本的完全样本数据的似然函数建立测试样本的完全样本数据的似然函数其中a、b、c、d均为联合后验密度函数的随机分布特征参数；通过极大值似然估计方法求解出联合后验密度函数的随机分布特征参数包含隐变量的表达式。5.根据权利要求1所述的方法，其特征在于，加速应力相对于常温下加速应力的加速系
数模型为其中，T
k
表示第k个加速应力所对应的应力值，r1、r2、r3均为阿伦尼斯模型的模型参数，为线性逆高斯分布参数u
k
的期望值，为线性逆高斯分布参数λ
k
的期望值。6.根据权利要求5所述的方法，其特征在于，所述基于所述加速系数模型的模型参数、随机分布特征参数收敛值和所述加速系数模型的模型参数的似然函数求解正常应力下的线性逆高斯分布参数，得到正常应力下退化过程的逆高斯分布函数，包括：建立阿伦尼斯模型的模型参数的似然函数其中，Δt
i,j,k
表示j时刻与j
‑
1时刻之间的时间差，y(t
i,j,k
)表示第i个测试样本于应力k下在j时刻的退化量，Δy(t
i,j,k
)表示第i个测试样本于应力k下从j
‑
1时刻到j时刻...

【专利技术属性】
技术研发人员：谭启涛，谭董，王开业，孙广栋，范波，敬龙儿，
申请(专利权)人：成都航天科工大数据研究院有限公司，
类型：发明
国别省市：