[发明专利]一种考虑混合不确定性的性能退化实验建模与分析方法

说明书

本发明公开了一种考虑混合不确定性的性能退化实验建模与分析方法，综合考虑性能退化实验在时间维度随机不确定性和样品、应力维度认知不确定性，通过本发明的技术方案，建立了产品的退化方程、裕量方程和度量方程，分别合理客观的量化了时间维度的随机不确定性以及样品和应力维度的认知不确定性；给出了一种获取度量方程(可靠度)数值解的仿真方法；给出了估计未知参数的随机不确定统计分析方法，分别对模型中考虑随机和认知不确定性的参数进行了估计，其中考虑了异常值的处理以及不同应力水平下的数据权重的不同。

技术领域

本发明属于基于性能退化实验数据的确信可靠性建模与分析技术领域，涉及一种考虑混合不确定性的性能退化实验建模与分析方法，尤其涉及一种综合考虑性能退化实验在时间维度随机不确定性和样品、应力维度认知不确定性的确信可靠性建模与分析方法。

背景技术

根据可靠性科学原理，产品性能在内因和外因作用下沿不可逆时间退化，而且受到各种不确定性的影响。性能退化实验(Performance Degradation Experiment，PDE) 是一种认识产品性能退化规律并量化不确定性的重要手段。在实际中，受时间、技术和成本等因素的影响，性能退化实验中存在多种来源的不确定性，如时间维度、样品维度和应力维度的不确定性。当各维度的数据量，如时间维度性能检测次数、样品维度实验样品数量以及应力维度应力水平数目，充足时，在该维度体现为随机不确定性，而当各位的数据量有限时，则会导致认知不全面，从而导致认知不确定性。

然而，在现有技术都存在一些问题。首先，是基于概率论建立的精确概率模型，如退化路径模型和随机过程模型，这类模型过于追求不确定性的概率解释，仅考虑了随机不确定性，而忽视认知不确定性，根据概率论中的大数定律，这类模型不适用于数据量有限导致认知不确定性的情况。其次，是非精确概率模型，如贝叶斯模型、区间-概率模型以及模糊-概率模型等。这类模型采用贝叶斯理论、区间分析理论和模型理论等量化认知不确定性，但是这类模型的数学基础存在问题，没有公理系统，或公理系统不完备自洽，而且对认知不确定性的量化过于主观。最后，是现有的基于不确定理论的模型，这类模型仅适用于仅存在数据量有限导致认知不确定性的情况，而无法量化性能退化实验中同时存在的随机和认知不确定性。

发明内容

为了解决上述已有技术存在的不足，本发明从可靠性科学原理出发，基于机会理论，提出了一种综合考虑性能退化实验在时间维度随机不确定性以及样品和应力维度认知不确定性的确信可靠性建模与分析方法，本发明的具体技术方案如下：

一种考虑混合不确定性的性能退化实验建模与分析方法，其特征在于，考虑性能退化实验在时间维度随机不确定性以及样品和应力维度认知不确定性的确信可靠性建模与分析方法，所建立的模型为时间维度随机不确定性和样品、应力维度认知不确定性的随机不确定性能退化模型，即Random Uncertain Performance Degradation Model-considering epistemic uncertainties in Time,Unit and Stress dimensions，简称RUPDM-TUS，所述方法包括以下步骤：

第一步：考虑时间维度随机和样品、应力维度认知的确信可靠性建模；

由于考虑性能退化实验在时间维度的随机不确定性和样品、应力维度的认知不确定性，故产品的退化方程为：