[发明专利]基于小波密度估计模型改进的半导体激光器退化预测方法

说明书

本发明提供了一种基于小波密度估计模型改进的半导体激光器退化预测方法，基于等时间间隔监测得到的半导体激光器的性能参数退化数据，对退化增量的概率分布进行小波密度估计，并建立多种随机过程模型；基于小波变换将建立的多种随机过程中的退化增量概率密度函数用小波线性表示；以小波密度估计为准改进所有小波线性表示从而得到改进后的模型；量化所有改进后的模型与小波密度估计的相似程度，选择其中最相似的模型用于半导体激光器的退化预测。本发明可以改进已有的预测半导体激光器退化的随机过程模型并从多个改进模型中选择出最优的，从而提高了退化预测准确性。

技术领域

本发明涉及器件预测技术领域，特别是一种基于小波密度估计模型改进的半导体激光器退化预测方法。

背景技术

半导体激光器被广泛应用在激光通信、雷达测距等方面，是一种重要的工程器件。准确估计半导体激光器的使用寿命，可以科学地制定产品的维护维修计划，既降低产品失效导致的事故风险，又降低因过早更换造成的经济浪费。准确地估计半导体激光器的使用寿命需要大量的数据，由于半导体激光器具有高可靠，长寿命的特点，通过失效试验获得半导体激光器的寿命数据会有很大的时间成本与经济成本，与之相比，获得半导体激光器的性能参数随时间退化的退化数据就容易的多，因此，目前半导体激光器的寿命估计方法大多是基于器件的退化数据对退化过程建模，再设定某一退化量作为失效阈值反推剩余使用寿命。

目前应用十分广泛的一类半导体激光器的退化模型是随机过程模型，如维纳过程、伽马过程和逆高斯过程等。选择随机过程类型后，在独立增量假设的基础上，使用监测得到的退化数据估计出随机过程中的未知参数，进而建立随机过程模型。因为随机过程模型能够模拟退化过程的总体趋势和随机性，特别是退化过程中由未知环境因素或未知效应引起的不可解释的随机性，所以随机过程模型得到广泛的应用。然而，随机过程模型对退化增量的分布类型做出了比较苛刻的假设，例如：维纳过程的退化增量一定服从正态分布，伽马过程的退化增量一定服从伽马分布，逆高斯过程的退化增量一定服从逆高斯分布等。实际上，由于外场退化环境的复杂多变和不可预测性，退化增量并不会服从某种特定的分布，随机过程模型的关于退化增量分布类型的假设降低了它对数据的拟合效果，因此，在进行退化数据分析与预测时，建立随机过程模型之后，还应该基于数据对建立的随机过程模型进行改进。另一方面，因为目前有多种随机过程模型(如维纳过程、伽马过程、逆高斯过程等)用于半导体激光器的退化数据分析，所以在改进随机过程模型之后，还应该从多个模型中选择出最优的模型用于退化预测。

发明内容

本发明针对上述现有技术中的缺陷，提出了如下技术方案。

一种基于小波密度估计模型改进的半导体激光器退化预测方法，该方法包括：

获取步骤，获取监测设备等时间间隔监测得到的半导体激光器的性能参数退化数据，对监测到的所有该类半导体激光器件进行编号，共有I个该类半导体激光器件，分别记为i＝1,2,…,I，器件的性能参数随使用时间退化，从投入使用到最后一次监测共得到S个数据点，分别编号为s＝1,2,…,S，用t_s表示第s次监测的时刻，由于器件的退化数据是由监测设备等时间间隔监测得到的，故有Δt＝t₂-t₁＝…＝t_s+1-t_s＝…＝t_S-t_S；1，用表示第i个器件在t_s时刻的性能参数退化量，得到半导体激光器的性能参数退化数据集通过式子计算得到退化增量数据集

概率密度估计步骤，基于半导体激光器的退化增量数据集使用小波密度估计方法估计出退化增量的概率密度函数；

建立随机过程模型步骤，使用多种随机过程模型对半导体激光器的退化数据建模，各个随机过程模型中的未知参数使用极大似然估计法进行估计；

变换步骤，基于离散小波变换，将建立的多种随机过程模型中的退化增量概率密度函数变换为小波函数的线性表示；