本發(fā)明涉及電子整機技術領域，具體涉及一種電子整機貯存壽命評估方法及裝置。

背景技術：

在電子整機加速貯存試驗中，由于電子整機產品功能復雜等原因，存在產品性能退化規(guī)律復雜、自然貯存數(shù)據與加速貯存試驗數(shù)據并存的情況。這種情況造成了試驗結果評估的困難，傳統(tǒng)的加速試驗數(shù)據評估方法不能夠針對這種情況進行數(shù)據處理，使得無法評估得到產品的加速因子或貯存壽命，無法達到試驗目的。

針對電子整機產品性能退化規(guī)律復雜、自然貯存數(shù)據與加速貯存試驗數(shù)據并存情況的評估途徑，是目前常見的、也是亟需解決的工程問題。采用有效的加速試驗評估方法可以提高對數(shù)據資源的有效利用，進而提高評估結果的準確性，甚至可能影響研究結果，減少壽命評估結果不準確等情況所帶來的隱患。

對產品性能退化規(guī)律進行趨勢預測時，常用的處理方法是回歸分析方法，回歸分析法用線性函數(shù)、指數(shù)函數(shù)、冪函數(shù)等對產品的性能退化數(shù)據進行回歸擬合，得到退化趨勢的回歸方程，再進行退化趨勢的預測，但對于一些規(guī)律復雜的非線性退化數(shù)據，回歸分析方法的精度不高，甚至有時難以應用。目前研究的熱點還有人工神經網絡法，但在工程應用中，人工神經網絡方法對產品退化趨勢的預測不甚理想，其應用還有待進一步研究。

在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)對于自然貯存數(shù)據與加速貯存試驗數(shù)據并存的情況，目前的處理方法是先采用加速試驗數(shù)據進行試驗結果評估，得到產品的貯存壽命結果，再簡單的在壽命結果上加上自然貯存時間，甚至有時在評估加速因子時，會忽略掉自然貯存數(shù)據，這些處理方法都會使得評估結果產生偏差。

技術實現(xiàn)要素：

本發(fā)明的一個目的是解決現(xiàn)有技術在對電子整機產品進行貯存壽命的評估時評估結果存在誤差的問題。

本發(fā)明提出了一種電子整機貯存壽命評估方法，包括：

獲取電子整機的性能退化數(shù)據和自然貯存年限；

根據所述性能退化數(shù)據中的試驗樣本構建退化數(shù)據趨勢模型，并根據所述退化數(shù)據趨勢模型以及所述性能退化數(shù)據中的驗證樣本，獲取所述電子整機的預測壽命；

根據所述自然貯存年限和預建立加速模型獲取加速因子；

根據所述電子整機的預測壽命和所述加速因子獲取所述電子整機的特征壽命。

可選的，所述性能退化數(shù)據包括：多組包括產品性能數(shù)據和與所述產品性能數(shù)據對應的檢測時間樣本數(shù)據；

相應地，所述根據所述性能退化數(shù)據中的試驗樣本構建退化數(shù)據趨勢模型包括：

根據所述檢測時間將所述性能退化數(shù)據劃分為試驗樣本和驗證樣本；

利用支持向量機建立初始退化數(shù)據趨勢模型；

以所述試驗樣本中的產品性能數(shù)據為輸入向量，性能退化數(shù)據值為輸出向量，利用最小二乘支持向量機算法對所述初始退化數(shù)據趨勢模型進行訓練，構建退化數(shù)據趨勢模型。

可選的，所述根據所述退化數(shù)據趨勢模型以及所述性能退化數(shù)據中的驗證樣本，獲取所述電子整機的預測壽命包括：

按照檢測時間的先后順序，執(zhí)行預測步驟；

所述預測步驟包括：

以所述驗證樣本中的第一組樣本數(shù)據中的檢測時間為輸入，結合所述退化數(shù)據趨勢模型，獲取對應的產品性能參數(shù)的預測值；

判斷所述產品性能參數(shù)的預測值是否達到產品失效閥值的上限或者下限；

若是，則將所述產品性能參數(shù)的預測值對應的檢測時間作為所述電子整機的預測壽命。

可選的，若所述產品性能參數(shù)的預測值未達到產品失效閥值的上限或者下限，則根據所述驗證樣本中的第一組樣本數(shù)據對所述退化數(shù)據趨勢模型進行更新；

將所述驗證樣本中的第一組樣本數(shù)據刪除；

重復執(zhí)行所述預測步驟，直至獲取所述電子整機的預測壽命。

可選的，在根據所述自然貯存年限和預建立加速模型獲取加速因子之前，所述方法還包括：

根據所述性能退化數(shù)據包括的溫度應力數(shù)據，結合所述退化數(shù)據趨勢模型，獲取不同溫度應力下多個試驗電子整機的預測壽命；

根據不同溫度應力下多個試驗電子整機的預測壽命以及各試驗電子整機的自然貯存年限構建加速模型；

相應地，根據所述自然貯存年限和預建立加速模型獲取加速因子包括：

根據不同溫度應力下多個試驗電子整機的預測壽命評估所述加速模型中的參數(shù)；

根據所述加速模型計算獲取所述電子整機在不同溫度應力下的加速因子。

本發(fā)明提出了一種電子整機貯存壽命評估裝置，包括：

獲取模塊，用于獲取電子整機的性能退化數(shù)據和自然貯存年限；

評估模塊，用于根據所述性能退化數(shù)據中的試驗樣本構建退化數(shù)據趨勢模型，并根據所述退化數(shù)據趨勢模型以及所述性能退化數(shù)據中的驗證樣本，獲取所述電子整機的預測壽命；

處理模塊，用于根據所述自然貯存年限和預建立加速模型獲取加速因子；

優(yōu)化模塊，用于根據所述電子整機的預測壽命和所述加速因子獲取所述電子整機的特征壽命。

可選的，所述性能退化數(shù)據包括：多組包括產品性能數(shù)據和與所述產品性能數(shù)據對應的檢測時間樣本數(shù)據；

相應地，所述評估模塊，用于根據所述檢測時間將所述性能退化數(shù)據劃分為試驗樣本和驗證樣本；利用支持向量機建立初始退化數(shù)據趨勢模型；以所述試驗樣本中的產品性能數(shù)據為輸入向量，性能退化數(shù)據值為輸出向量，利用最小二乘支持向量機算法對所述初始退化數(shù)據趨勢模型進行訓練，構建退化數(shù)據趨勢模型。

可選的，所述評估模塊，還用于按照檢測時間的先后順序，執(zhí)行預測步驟；

所述預測步驟包括：以所述驗證樣本中的第一組樣本數(shù)據中的檢測時間為輸入，結合所述退化數(shù)據趨勢模型，獲取對應的產品性能參數(shù)的預測值；判斷所述產品性能參數(shù)的預測值是否達到產品失效閥值的上限或者下限；若是，則將所述產品性能參數(shù)的預測值對應的檢測時間作為所述電子整機的預測壽命。

可選的，所述評估模塊，還用于若判斷獲知所述產品性能參數(shù)的預測值未達到產品失效閥值的上限或者下限，則根據所述驗證樣本中的第一組樣本數(shù)據對所述退化數(shù)據趨勢模型進行更新；將所述驗證樣本中的第一組樣本數(shù)據刪除；重復執(zhí)行所述預測步驟，直至獲取所述電子整機的預測壽命。

可選的，所述裝置還包括：建模模塊；

所述建模模塊，用于根據所述性能退化數(shù)據包括的溫度應力數(shù)據，結合所述退化數(shù)據趨勢模型，獲取不同溫度應力下多個試驗電子整機的預測壽命；根據不同溫度應力下多個試驗電子整機的預測壽命以及各試驗電子整機的自然貯存年限構建加速模型；

相應地，所處理模塊，用于根據不同溫度應力下多個試驗電子整機的預測壽命評估所述加速模型中的參數(shù)；根據所述加速模型計算獲取所述電子整機在不同溫度應力下的加速因子。

由上述技術方案可知，本發(fā)明提出的一種電子整機貯存壽命評估方法及裝置通過對電子整機的性能退化數(shù)據進行分析，并根據分析結果評估電子整機的壽命，然后基于電子整機的貯存年限分析電子整機的加速因子，進而結合評估出的壽命和加速因子評估電子整機的特征壽命，具有評估精確度高的優(yōu)點。。

附圖說明

通過參考附圖會更加清楚的理解本發(fā)明的特征和優(yōu)點，附圖是示意性的而不應理解為對本發(fā)明進行任何限制，在附圖中：

圖1示出了本發(fā)明一提供的一種電子整機貯存壽命評估方法的流程示意圖；

圖2示出了本發(fā)明提供的預測步驟的流程示意圖；

圖3a-圖3c示出了本發(fā)明提供的不同應力量級下的產品測試數(shù)據的示意圖；

圖4a-圖4c示出了本發(fā)明提供的不同應力量級下的產品退化趨勢預測曲線示意圖；

圖5示出了本發(fā)明提供的一種電子整機貯存壽命評估裝置的結構示意圖。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明中的附圖，對本發(fā)明中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

圖1示出了本發(fā)明一實施例提供的一種電子整機貯存壽命評估方法的流程示意圖，參見圖1，該方法可由處理器實現(xiàn)，具體包括如下步驟：

110、獲取電子整機的性能退化數(shù)據和自然貯存年限；

120、根據所述性能退化數(shù)據中的試驗樣本構建退化數(shù)據趨勢模型，并根據所述退化數(shù)據趨勢模型以及所述性能退化數(shù)據中的驗證樣本，獲取所述電子整機的預測壽命；

130、根據所述自然貯存年限和預建立加速模型獲取加速因子；

需要說明的是，在步驟130之前，還包括：根據所述性能退化數(shù)據包括的溫度應力數(shù)據，結合所述退化數(shù)據趨勢模型，獲取不同溫度應力下多個試驗電子整機的預測壽命；根據不同溫度應力下多個試驗電子整機的預測壽命以及各試驗電子整機的自然貯存年限構建加速模型；

相應地，步驟130具體包括：

根據不同溫度應力下多個試驗電子整機的預測壽命評估所述加速模型中的參數(shù)；根據所述加速模型計算獲取所述電子整機在不同溫度應力下的加速因子。

140、根據所述電子整機的預測壽命和所述加速因子獲取所述電子整機的特征壽命。

可見，本發(fā)明實施例通過對電子整機的性能退化數(shù)據進行分析，并根據分析結果評估電子整機的壽命，然后基于電子整機的貯存年限分析電子整機的加速因子，進而結合評估出的壽命和加速因子評估電子整機的特征壽命，具有評估精確度高的優(yōu)點。

圖2示出了本發(fā)明一實施例提供的預測步驟的流程示意圖，該方法可由處理器實現(xiàn)，具體包括如下步驟：

210、訓練數(shù)據

所述性能退化數(shù)據包括：多組包括產品性能數(shù)據和與所述產品性能數(shù)據對應的檢測時間樣本數(shù)據；

220、通過最小二乘支持向量機建立退化趨勢模型

根據所述檢測時間將所述性能退化數(shù)據劃分為試驗樣本和驗證樣本；

利用支持向量機建立初始退化數(shù)據趨勢模型；

以所述試驗樣本中的產品性能數(shù)據為輸入向量，性能退化數(shù)據值為輸出向量，利用最小二乘支持向量機算法對所述初始退化數(shù)據趨勢模型進行訓練，構建退化數(shù)據趨勢模型。

230、根據退化趨勢模型預測性能退化數(shù)據值

按照檢測時間的先后順序，執(zhí)行預測步驟；

所述預測步驟包括：

以所述驗證樣本中的第一組樣本數(shù)據中的檢測時間為輸入，結合所述退化數(shù)據趨勢模型，獲取對應的產品性能參數(shù)的預測值；

240、判斷性能退化數(shù)據值是否達到失效閥值，若是，則執(zhí)行步驟250；若否，則執(zhí)行步驟260；

250、將所述產品性能參數(shù)的預測值對應的檢測時間作為所述電子整機的預測壽命。

260、根據所述驗證樣本中的第一組樣本數(shù)據對所述退化數(shù)據趨勢模型進行更新；將所述驗證樣本中的第一組樣本數(shù)據刪除；

重復執(zhí)行所述預測步驟，直至獲取所述電子整機的預測壽命。

下面結合某型電子整機加速貯存試驗的結果評估，對本發(fā)明作進一步詳細說明：

投入某型電子整機產品9臺進行加速貯存試驗，9臺產品都已有一定的自然貯存年限，試驗采用恒定應力施加方式進行，試驗應力為溫度應力，應力水平分為3個等級，分別為80℃、95℃和110℃，每個應力水平下各安排3臺產品進行試驗，試驗期間按照規(guī)定測試點進行產品的性能參數(shù)測試，得到了9臺產品的性能退化數(shù)據，如圖3a-圖3c，數(shù)據已略去單位。

步驟一、利用支持向量機建立退化數(shù)據趨勢模型：

首先利用支持向量機建立退化數(shù)據的趨勢模型，以性能退化數(shù)據對應的檢測時間t＝(t1,t2,…,tn)為輸入向量，性能退化數(shù)據值y＝(y1,y2,…,yn)為輸出向量，利用最小二乘支持向量機算法可訓練得出退化數(shù)據趨勢模型：

式中，α與β支持向量機模型參數(shù)，ψ(*)為核函數(shù)，這里使用的核函數(shù)為徑向基(rbf)核函數(shù)。

本發(fā)明通過matlab軟件中的最小二乘支持向量機工具箱完成上述趨勢模型的建立，通過調節(jié)正則參數(shù)gam(本例取gam＝220)，內核參數(shù)sig2(本例取sig2＝13)，得到適合的退化數(shù)據趨勢模型。

步驟二、利用退化趨勢模型預測產品壽命：

通過得到的退化趨勢模型f(t)，將預測數(shù)據對應的時間tn+1作為輸入，可得到產品性能參數(shù)的預測值yn+1，即得到一組預測數(shù)據{tn+1,yn+1}。把這組數(shù)據加入原有的性能退化數(shù)據中作為新的模型訓練數(shù)據，即新的模型訓練數(shù)據為t’＝(t1,t2,…,tn,tn+1)和y’＝(y1,y2,…,yn,yn+1)，可得到新的退化數(shù)據趨勢模型f’(t)，再通過新的退化數(shù)據趨勢模型f’(t)得到下一組預測數(shù)據{tn+2,yn+2}。這樣按照上述方法不斷更新預測模型并預測產品性能數(shù)據，當預測得到的產品性能數(shù)據{tn+m,yn+m}(m≥1)達到了產品失效閥值(失效閥值為0.639)時，tn+m即為產品的預測壽命。

得到各個應力等級下產品的退化趨勢預測曲線見圖4a-圖4c，產品的壽命預測結果如表1所示。

表1壽命預測結果

步驟三、合并自然貯存數(shù)據與加速貯存試驗數(shù)據：

在溫度應力si(i＝1,2,…,k)下共有ri個產品，預測得到這些產品在應力si下的壽命分別為pi1,pi2,…,piri(見表1)，產品已有的自然貯存年限分別為qi1,qi2,…,qiri(9臺產品分別為8年、8年、10年、10年、10年、10年、8年、8年、8年)，并設加速溫度應力si(i＝1,2,…,k)相對于正常溫度應力s0的加速因子為ai，則產品在溫度應力si下的實際壽命應為：

lij＝pij+qij/ai(i＝1,2,…,k；j＝1,2,…,ri)(2)

步驟四、加速模型參數(shù)評估：

產品的特征壽命θi與加速溫度應力si之間有如下加速模型：

式中，a與b為待估參數(shù)，si為加速溫度應力。

根據加速模型可得到產品在加速應力水平si下相對于正常應力水平s0下的加速因子為：

可知ai為b的函數(shù)，則式(2)中的產品壽命lij均為b的函數(shù)。

一般假設復雜電子整機產品的壽命服從指數(shù)分布，根據指數(shù)分布的參數(shù)估計方法，各個應力等級si下產品平均壽命的極大似然估計為：

由于lij均為b的函數(shù)，所以θi也都是b的函數(shù)。

根據k組溫度應力水平與平均壽命{1/si,lnθi}(i＝1,2,…,k)，利用式(3)，通過最小二乘法可得到參數(shù)a與b的估計值：

對上述超越方程組進行求解，本發(fā)明通過matlab軟件編程實現(xiàn)上述方程組的求解，結果為a＝-6.17，b＝5644.8。

步驟五、加速因子與貯存壽命評估：

得到參數(shù)a與b后，即可根據式(4)計算得到加速因子，得到某型電子整機在各個加速溫度應力下相對于常溫(25℃)下的加速因子，結果如表2所示。并根據式(3)計算得到產品在常溫(25℃)下的貯存特征壽命，結果為40.2年。

表2加速因子結果

可見，本發(fā)明具有如下技術效果：

(1)對線性或非線性退化數(shù)據的趨勢的進行預測時，利用支持向量機進行建?？梢允诡A測數(shù)據的趨勢與觀測數(shù)據保持一致，且支持向量機使用起來十分方便。

(2)對于已有一定貯存年限的產品，利用加速因子將自然使用數(shù)據與加速試驗數(shù)據結合起來，可以充分、合理的利用自然貯存數(shù)據，提高了數(shù)據資源的利用率，使評估結果的精度更高。

對于方法實施方式，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發(fā)明實施方式并不受所描述的動作順序的限制，因為依據本發(fā)明實施方式，某些步驟可以采用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施方式均屬于優(yōu)選實施方式，所涉及的動作并不一定是本發(fā)明實施方式所必須的。

圖5示出了本發(fā)明一實施例提供的一種電子整機貯存壽命評估裝置的結構示意圖，參見圖5，該裝置包括：獲取模塊510、評估模塊520、處理模塊530以及優(yōu)化模塊540，其中：

獲取模塊510，用于獲取電子整機的性能退化數(shù)據和自然貯存年限；

評估模塊520，用于根據所述性能退化數(shù)據中的試驗樣本構建退化數(shù)據趨勢模型，并根據所述退化數(shù)據趨勢模型以及所述性能退化數(shù)據中的驗證樣本，獲取所述電子整機的預測壽命；

處理模塊530，用于根據所述自然貯存年限和預建立加速模型獲取加速因子；

優(yōu)化模塊540，用于根據所述電子整機的預測壽命和所述加速因子獲取所述電子整機的特征壽命。

下面對本實施例中的各功能模型進行詳細說明：

性能退化數(shù)據包括：多組包括產品性能數(shù)據和與所述產品性能數(shù)據對應的檢測時間樣本數(shù)據；

所述評估模塊520，用于根據所述檢測時間將所述性能退化數(shù)據劃分為試驗樣本和驗證樣本；利用支持向量機建立初始退化數(shù)據趨勢模型；以所述試驗樣本中的產品性能數(shù)據為輸入向量，性能退化數(shù)據值為輸出向量，利用最小二乘支持向量機算法對所述初始退化數(shù)據趨勢模型進行訓練，構建退化數(shù)據趨勢模型。

所述評估模塊520，還用于按照檢測時間的先后順序，執(zhí)行預測步驟；

所述預測步驟包括：以所述驗證樣本中的第一組樣本數(shù)據中的檢測時間為輸入，結合所述退化數(shù)據趨勢模型，獲取對應的產品性能參數(shù)的預測值；判斷所述產品性能參數(shù)的預測值是否達到產品失效閥值的上限或者下限；若是，則將所述產品性能參數(shù)的預測值對應的檢測時間作為所述電子整機的預測壽命。

所述評估模塊520，還用于若判斷獲知所述產品性能參數(shù)的預測值未達到產品失效閥值的上限或者下限，則根據所述驗證樣本中的第一組樣本數(shù)據對所述退化數(shù)據趨勢模型進行更新；將所述驗證樣本中的第一組樣本數(shù)據刪除；重復執(zhí)行所述預測步驟，直至獲取所述電子整機的預測壽命。

在一可行實例中，裝置還包括：建模模塊；

所述建模模塊，用于根據所述性能退化數(shù)據包括的溫度應力數(shù)據，結合所述退化數(shù)據趨勢模型，獲取不同溫度應力下多個試驗電子整機的預測壽命；根據不同溫度應力下多個試驗電子整機的預測壽命以及各試驗電子整機的自然貯存年限構建加速模型；

相應地，所處理模塊530，用于根據不同溫度應力下多個試驗電子整機的預測壽命評估所述加速模型中的參數(shù)；根據所述加速模型計算獲取所述電子整機在不同溫度應力下的加速因子。

可見，本發(fā)明實施例通過對電子整機的性能退化數(shù)據進行分析，并根據分析結果評估電子整機的壽命，然后基于電子整機的貯存年限分析電子整機的加速因子，進而結合評估出的壽命和加速因此評估電子整機的特征壽命，具有評估精確度高的優(yōu)點。

對于裝置實施方式而言，由于其與方法實施方式基本相似，所以描述的比較簡單，相關之處參見方法實施方式的部分說明即可。

應當注意的是，在本發(fā)明的裝置的各個部件中，根據其要實現(xiàn)的功能而對其中的部件進行了邏輯劃分，但是，本發(fā)明不受限于此，可以根據需要對各個部件進行重新劃分或者組合。

本發(fā)明的各個部件實施方式可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本裝置中，pc通過實現(xiàn)因特網對設備或者裝置遠程控制，精準的控制設備或者裝置每個操作的步驟。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產品)。這樣實現(xiàn)本發(fā)明的程序可以存儲在計算機可讀介質上，并且程序產生的文件或文檔具有可統(tǒng)計性，產生數(shù)據報告和cpk報告等，能對功放進行批量測試并統(tǒng)計。應該注意的是上述實施方式對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施方式。在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現(xiàn)。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

最后應說明的是：以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍。