[发明专利]一种电子整机贮存寿命评估方法及装置

说明书

本发明公开了一种电子整机贮存寿命评估方法及装置。方法包括：获取电子整机的性能退化数据和自然贮存年限；根据所述性能退化数据中的试验样本构建退化数据趋势模型，并根据所述退化数据趋势模型以及所述性能退化数据中的验证样本，获取所述电子整机的预测寿命；根据所述自然贮存年限和预建立加速模型获取加速因子；根据所述电子整机的预测寿命和所述加速因子获取所述电子整机的特征寿命。本发明通过对电子整机的性能退化数据进行分析，并根据分析结果评估电子整机的寿命，然后基于电子整机的贮存年限分析电子整机的加速因子，进而结合评估出的寿命和加速因子评估电子整机的特征寿命，具有评估精确度高的优点。

技术领域

本发明涉及电子整机技术领域，具体涉及一种电子整机贮存寿命评估方法及装置。

背景技术

在电子整机加速贮存试验中，由于电子整机产品功能复杂等原因，存在产品性能退化规律复杂、自然贮存数据与加速贮存试验数据并存的情况。这种情况造成了试验结果评估的困难，传统的加速试验数据评估方法不能够针对这种情况进行数据处理，使得无法评估得到产品的加速因子或贮存寿命，无法达到试验目的。

针对电子整机产品性能退化规律复杂、自然贮存数据与加速贮存试验数据并存情况的评估途径，是目前常见的、也是亟需解决的工程问题。采用有效的加速试验评估方法可以提高对数据资源的有效利用，进而提高评估结果的准确性，甚至可能影响研究结果，减少寿命评估结果不准确等情况所带来的隐患。

对产品性能退化规律进行趋势预测时，常用的处理方法是回归分析方法，回归分析法用线性函数、指数函数、幂函数等对产品的性能退化数据进行回归拟合，得到退化趋势的回归方程，再进行退化趋势的预测，但对于一些规律复杂的非线性退化数据，回归分析方法的精度不高，甚至有时难以应用。目前研究的热点还有人工神经网络法，但在工程应用中，人工神经网络方法对产品退化趋势的预测不甚理想，其应用还有待进一步研究。

在实现本发明的过程中，发明人发现对于自然贮存数据与加速贮存试验数据并存的情况，目前的处理方法是先采用加速试验数据进行试验结果评估，得到产品的贮存寿命结果，再简单的在寿命结果上加上自然贮存时间，甚至有时在评估加速因子时，会忽略掉自然贮存数据，这些处理方法都会使得评估结果产生偏差。

发明内容

本发明的一个目的是解决现有技术在对电子整机产品进行贮存寿命的评估时评估结果存在误差的问题。

本发明提出了一种电子整机贮存寿命评估方法，包括：

获取电子整机的性能退化数据和自然贮存年限；

根据所述性能退化数据中的试验样本构建退化数据趋势模型，并根据所述退化数据趋势模型以及所述性能退化数据中的验证样本，获取所述电子整机的预测寿命；

根据所述自然贮存年限和预建立加速模型获取加速因子；

根据所述电子整机的预测寿命和所述加速因子获取所述电子整机的特征寿命。

可选的，所述性能退化数据包括：多组包括产品性能数据和与所述产品性能数据对应的检测时间样本数据；

相应地，所述根据所述性能退化数据中的试验样本构建退化数据趋势模型包括：

根据所述检测时间将所述性能退化数据划分为试验样本和验证样本；

利用支持向量机建立初始退化数据趋势模型；

以所述试验样本中的产品性能数据为输入向量，性能退化数据值为输出向量，利用最小二乘支持向量机算法对所述初始退化数据趋势模型进行训练，构建退化数据趋势模型。

可选的，所述根据所述退化数据趋势模型以及所述性能退化数据中的验证样本，获取所述电子整机的预测寿命包括：

按照检测时间的先后顺序，执行预测步骤；