基于灰色理论的失效机理一致性检验方法

针对基于加速模型参数不变、基于统计方法及基于试验观察3种常见的失效机理一致性检验方法进行研究,发现3种方法均需要加速试验数据来对失效机理一致性进行检验,不能事先为加速试验提供理论指导;提出了一种基于灰色理论的失效机理一致性检验方法,该方法可用预试验数据进行失效机理一致性检验,为加速试验制定最高应力台阶提供理论指导;结合某型光电编码器预试验数据对该方法进行实例验证,得出175℃附近为失效机理变化点,并与基于统计的方法进行对比;最后,对产品进行失效机理分析,利用扫描电镜分析(SEM,Scanning Electron Microscope)结果验证该方法的正确性.     

利用非等距灰色理论方法判定失效机理一致性

针对加速失效机理一致性判定中存在以下问题,基于数据处理和试验观察的方法需要加速试验数据和基于灰色理论的方法需要预试验数据等间距且预测精度不高,提出了一种基于非等距型灰色理论模型的失效机理一致性判定方法.该方法利用非等距的预试验数据,将非等距GM（1,1）模型和等维新息模型相结合,得出模型的残差,找出预试验数据的趋势改变点.通过对比试验,得出此方法的拟合精度和预测精度较高,进一步拓广了GM（1,1）模型在失效机理一致性判定上的应用范围.通过在光电编码器和加速度计中的应用案例,验证了该方法的有效性.     

基于灰色预测的加速试验机理一致性判定方法

确定失效机理一致性条件是保证加速试验正确性的前提之一.由于现有的一致性判定方法只能利用加速试验数据,不能指导加速试验设计,因此需要一种基于强化试验数据的一致性判定方法.针对工程中强化试验数据少的特点,选取可以处理少数据的灰色预测,给出了一致性判定的新方法及流程.该方法通过将灰色预测中的GM(1,1)和等维新息模型相结合,找出强化试验数据的趋势改变点,在加速试验之前得到机理一致性变化的条件.通过在加速度计中的应用案例,验证了该方法的可行性.     

基于灰色预测的加速试验机理一致性判定方法

确定失效机理一致性条件是保证加速试验正确性的前提之一.由于现有的一致性判定方法只能利用加速试验数据,不能指导加速试验设计,因此需要一种基于强化试验数据的一致性判定方法.针对工程中强化试验数据少的特点,选取可以处理少数据的灰色预测,给出了一致性判定的新方法及流程.该方法通过将灰色预测中的GM(1,1)和等维新息模型相结合,找出强化试验数据的趋势改变点,在加速试验之前得到机理一致性变化的条件.通过在加速度计中的应用案例,验证了该方法的可行性.     

加速度计加速退化机理一致性边界确定方法

以加速退化模型——Arrhenius模型为研究对象,发现加速度计在加速试验过程中,保持加速机理不变的应力与退化轨迹斜率存在密切关系.通过针对退化轨迹模型分别为一次函数、指数函数和幂函数三种常见情况,从激活能不变角度推导出保证加速度计加速机理不变的应力-斜率公式,然后基于退化轨迹斜率区间检验提出了一种加速机理一致性条件确定方法,最后根据加速度计恒定高温标度因数稳定性退化仿真试验数据,准确得到了保持加速度计标度因数稳定性退化机理一致的应力边界,验证了该方法的可行性.     

芯片互联结构断裂失效的试验研究与统计分析

针对电子芯片互联结构失效机理复杂、寿命数据难以获取且缺乏具有理论依据支撑的寿命分布模型等问题,开展了基于退化试验数据的统计分析研究,并提出了2种统计建模方法。首先,搭建了电子芯片可靠性评估试验台,利用菊花链测试芯片为试验对象获取了互联结构的退化数据和寿命数据;其次,基于断裂力学理论,分析了互联结构断裂失效的失效机理,给出了BGA封装形式的电子芯片互联结构寿命分布服从两参数威布尔分布的理论依据,由此建立了基于寿命数据的电子芯片互联结构寿命分布模型;再次,利用退化量的分布建立了基于退化量数据的电子芯片互联结构寿命分布模型;最后,对2种统计建模方法进行比较分析。结果表明,基于退化量数据的寿命分布模型与基于寿命数据的寿命分布模型吻合度良好,2种分析方法在结果上具有一致性。      

基于伪寿命的加速退化机理一致性边界检验

根据寿命型随机变量的加速机理一致性条件,提出一种基于伪寿命的加速退化机理一致性边界检验方法,通过由低到高逐一对各个加速应力水平下的退化机理一致性进行检验,来确定加速退化机理一致性的边界应力水平.针对工程常用的两类寿命型分布——对数正态分布和Weibull分布,分别以对数标准差和形状参数为退化机理表征量,在产品伪寿命估计的基础上建立了退化机理表征量齐性检验的F统计量,导出了退化机理一致性检验拒绝域的解析式,给出了退化机理一致性边界检验的具体步骤.该方法能够充分利用多个应力水平下表征产品退化机理一致的横向信息,有效提高了检验的精度.以某镀膜平板玻璃热退化机理一致性边界温度的确定为例,分析说明了该方法的合理性与有效性.     

加速度计加速退化机理模型建模方法

针对传统加速退化试验方案设计缺乏机理模型支持的问题,给出一种基于主机理层试验、关键部件仿真、参数解析和系统辨识于一体的加速退化机理模型建模方法.调研相关资料确定影响产品参数变化的主机理,通过主机理层试验得到有限元仿真输入参数,结合有限元仿真得到产品关键有限元输出参数,同时利用解析方法得到有限元输出参数和产品参数之间关系,根据系统辨识方法建立了加速退化机理模型.以加速度计为例,建立了加速度计标度因数稳定性加速退化机理模型,将模型结果与其在常温贮存条件下结果进行对比分析,结论显示该方法的有效性.     

用非线性加速模型评估步降应力加速退化数据

基于累积损伤等效方法提出一种能够描述产品性能非线性退化过程的分段非线性加速退化模型(SNADM,Segmented Nonlinear Accelerated Degradation Model),有效解决了产品性能退化率为时变函数时其寿命难以准确评估的问题.推导了总体累积退化量函数的分段表达式,结合非线性函数和加速方程得到SNADM的表达式;用数值迭代法对SNADM进行参数辨识进而对贮存条件下产品退化轨迹统计量函数进行外推,由产品退化量分布随机过程类型确定可靠度函数,再结合失效阈值对产品贮存寿命进行评估.对某导弹制冷器进行了步降应力加速退化试验,评估结果验证了该方法的有效性和正确性.      

A comparative study of decision tree,random forest,and convolutional neural network for spread-F identification

Ionospheric spread-F (SF) is a commonly observed phenomenon of electron density perturbation in the F-layer. The ionospheric irregularities structure has an adverse effect on the propagation of electromagnetic waves in the ionosphere. The automatic identification of ionospheric spread-F and statistical study of the formation of spread-F are of great significance to the study of the physical mechanism of ionospheric inhomogeneity and for prediction of ionospheric irregularities. In this paper, we describe and implement three automatic identification methods of spread-F based on machine learning: decision tree, random forest, and convolutional neural network (CNN). The performance of these automatic identification methods was verified using a large set of test data. Results show that the accuracy of all three methods on identifying ionograms with spread-F exceeded 90%. After comparing the results of the three methods, we found that the decision tree method was the simplest and with the structure easiest to be understood, and it required the shortest interpretation time. In terms of the identification results, the random forest method provided better results than the decision tree method, and the CNN method was the best at accurately identifying ionograms with spread-F.     

基于分段非线性Arrhenius的贮存寿命评估方法

针对对数线性阿伦尼斯模型适用于温度在较小范围内变化的情况,给出了一种阿伦尼斯模型的修正方法.结合步退应力加速寿命试验失效率高、样本量少、试验设备简单的优点,给出了一种在工程实践中利用分段非线性阿伦尼斯模型对步退应力加速贮存试验进行评估的方法.首先,基于分段非线性阿伦尼斯模型建立步退应力下失效数据折算的数学模型.其次,建立了基于全样本的极大似然函数.最后利用遗传算法解非线性方程组,得到分段非线性阿伦尼斯模型的参数估计.以雷达高度表的步退应力加速贮存试验进行实例分析,将基于分段非线性阿伦尼斯模型、基于对数线性阿伦尼斯模型的加速贮存寿命评估方法得到的计算结果与产品外场得到的平均寿命、失效率以及可靠度函数进行对比分析,基于分段非线性阿伦尼斯模型的加速贮存寿命评估方法得到的结果误差在5%范围内.验证了论文中基于分段非线性阿伦尼斯模型的步退应力加速贮存试验评估方法的有效性以及准确性.