小样本条件下多应力加速寿命试验预测方法

鉴于导弹中的电子设备价格昂贵、可用于试验的样本量少,在开展加速试验以及寿命预测的实际工作中通常为小样本的背景。文章研究探索小样本条件下多应力加速试验寿命预测方法,分别建立通用对数线性模型、 BAS-BP神经网络模型、灰色–支持向量回归模型,结合多应力加速试验数据在各应力条件下的样本容量分别为 56组、20组、10组、5组的情况下,比较 3种模型的预测效果,分析各模型的适用场合和时机,探索小样本条件下模型的选优问题,为小样本条件下多应力加速试验寿命预测提供有益的借鉴。     

基于多应力加速试验方法的智能电表寿命评估

如何准确地分析、评估多应力-多参数下智能电表的可靠性和寿命是当前热点.首先分析了在温度、湿度、电应力、振动和磁场等条件下智能电表的性能参数内涵,通过失效机理分析提炼了关键参数及其敏感应力,然后通过强化试验探索了关键参数应力极限条件,设计了加速寿命试验方案并实施,对试验数据进行退化轨迹建模、多应力加速模型研究,综合评估了智能电表可靠性和寿命水平.本文成果能为改善智能电表可靠性和寿命提供方法.      

基于BP神经网络的多应力加速寿命试验预测方法

 针对多应力加速寿命试验(ALT)中传统的寿命预测方法存在建立加速模型及求解多元似然方程组困难的缺点,基于反向传播(BP)人工神经网络(ANN),利用BP神经网络良好的预测特性,建立了多应力恒定加速寿命试验寿命预测模型。首先,以加速寿命试验中的加速应力水平和通过经验分布得到的可靠度作为网络训练输入向量;以非线性最小二乘法对原始失效数据进行拟合并得到回归方程,利用回归方程生成大量的仿真数据作为训练目标向量;然后,建立3层BP神经网络并对网络进行训练。最后,把正常应力水平和设定的可靠度输入训练好的网络,得到预测的失效时间,进而给出可靠度函数的预测曲线。通过仿真算例对本方法进行验证,预测值和仿真值相比较表明,所建立的网络能反映应力水平、可靠度与寿命的关系,为多应力加速寿命试验的寿命预测提供了新的思路。