基于壽命分布和貝葉斯的加速因子確定方法

陳志軍, 王前程, 陳云霞

(1. 北京航空航天大學可靠性與系統工程學院, 北京 100191;

2. 西安衛星測控中心, 陜西 西安 710043)

?

基于壽命分布和貝葉斯的加速因子確定方法

陳志軍1, 王前程2, 陳云霞1

(1. 北京航空航天大學可靠性與系統工程學院, 北京 100191;

2. 西安衛星測控中心, 陜西 西安 710043)

摘要：針對小子樣產品加速因子難以確定問題,提出了一種基于壽命分布和貝葉斯的加速因子確定方法。首先根據相似產品內場貯存數據信息,對正常應力下壽命分布參數進行極大似然估計(maximum likelihood estimation,MLE),再利用Fisher信息矩陣求逆得到其方差-協方差矩陣,最終得到正常應力下壽命分布參數的分布,然后根據新研產品加速應力下小子樣試驗信息結合相似產品加速應力試驗信息和專家經驗等先驗信息,利用ML-Ⅱ方法確定混合先驗分布的權重,再利用Bayes方法得到產品壽命分布參數的后驗分布,最后根據正常應力下和加速應力下的產品壽命分布參數的分布信息綜合確定加速因子。以某加速度計為例,驗證本文方法的正確性和有效性。

關鍵詞：壽命分布; 小子樣; Fisher信息矩陣; 混合先驗分布; 后驗分布; 加速因子

0引言

加速因子是一個反映加速試驗中某一個加速應力水平效果的量,能夠對不同加速條件下的退化數據進行有效折算,在產品的試驗設計、可靠性篩選與驗收以及產品的質量改進等方面有著重要的作用[1]。加速退化試驗可以在較短時間內獲取產品性能退化數據,由于其不需要等到失效時間才估計產品壽命或可靠性,因此其尤其適用于高可靠長壽命產品,基于加速退化試驗信息的加速因子研究具有一定的可行性,但對于一些缺乏產品退化試驗信息尤其是產品級加速試驗信息的產品而言,其加速因子的鑒定往往很難開展[2-3]。

國內外對加速因子確定方法的研究較多,但大部分文獻對加速因子的研究是建立在產品級加速試驗尤其是加速壽命試驗信息基礎上,很少有文獻對缺乏加速試驗信息時的加速因子進行研究。劉琦等利用Bayes方法對對數正態分布加速壽命試驗條件下的加速因子進行分析[4],首先基于全壽命試驗數據和隨機變量函數分布的理論推導出加速因子的先驗分布,然后由 Bayes公式結合少量的現場截尾試驗數據,得出加速因子的Bayes估計模型。張永強等結合高可靠長壽命產品加速壽命試驗特點,給出了加速壽命試驗條件下冪律退化模型的加速因子確定方法[5],利用Bayes方法,結合額定應力環境下的小子樣數據和加速因子的先驗分布(經驗分布),推導出加速因子后驗分布。周源泉對加速因子點估計及區間估計等進行了大量研究,在理論上得到了許多有意義的關于加速因子確定方法的研究結論[6-8]。張春華等對常見壽命分布下加速因子進行了總結研究[9]。文獻[10]等利用部件試驗數據對部件加速因子進行估計,其對部件壽命分布類型或應力試驗類型無要求,解決的是針對具有大量試驗數據的部件加速因子的計算。

為解決上述問題,本文基于貝葉斯信息融合思想,提出一種基于壽命分布和貝葉斯的加速因子確定方法,并以某加速度計為例,驗證本文方法的正確性和有效性。

1基于壽命分布和貝葉斯的加速因子確定方法

本文提出的基于壽命分布和貝葉斯的加速因子確定方法應包括以下3步,其方法流程圖如圖1所示,其中壽命分布類型本文以常見的壽命分布類型對數正態分布為例進行介紹。

(1) 正常應力下產品壽命分布參數的分布求解。首先基于相似產品內場貯存數據信息對正常應力下壽命分布參數進行極大似然估計,再得到其方差-協方差矩陣,最終得到正常應力下壽命分布參數的分布。

(2) 加速應力下壽命分布參數的分布求解。對于小子樣產品而言,能用于做加速試驗的產品數量很少,需要結合相似產品加速應力試驗信息和專家經驗信息進行混合先驗分布的確定,Bayes小子樣理論[11]可以有效地利用多源驗前信息,結合少量的內場試驗信息并利用ML-Ⅱ方法[12-13]確定混合先驗分布的權重,利用Bayes公式進行小子樣產品加速應力下壽命分布參數分布的求解。

(3) 加速因子后驗期望求解。利用加速因子與壽命分布參數之間的關系,可得基于小子樣加速試驗的加速因子后驗分布及期望。

2基于壽命對數正態分布的加速因子確定方法

2.1正常應力下壽命分布參數分布

圖1　小子樣產品加速因子確定方法

由于正常應力S1下的相似產品壽命數據Ti服從對數正態分布,可得其似然函數如

(1)

因此,可得其對數似然函數為

(2)

對該對數似然函數進行極大化處理后得到下列方程組

(3)

(4)

(5)

(6)

(7)

(8)

由于矩陣F為對角矩陣,其求逆后仍為對角矩陣,因此可得對數均值μ1的期望與方差分別為

(9)

(10)

為求解加速因子分布方便,可設正常應力S1下壽命分布對數均值μ1服從正態分布,即

(11)

2.2加速應力下壽命分布參數分布

ML-Ⅱ的基本原理來源于Robbins的經驗Bayes理論,其基本思想是將加速驗證試驗信息看作是由其邊緣分布產生的樣本,根據在不同先驗分布下,加速驗證試驗數據出現的似然性大小來確定不同的先驗分布在混合的先驗分布中的權重,從而確定混合先驗分布,根據ML-Ⅱ的基本原理,將加速驗證試驗數據lnTi(i=1,2,…,n2)分別看作是由邊緣分布m(lnT|π1),m(lnT|π2)產生,于是可得似然函數如下所示：

(12)

根據第2類極大似然估計原理,L(lnT|πi)的值越大,則其所對應的先驗分布πi(μ2)(i=1,2)在融合的先驗分布中所占權重也越大,因此可得權重如下所示。

(13)

(14)

(15)

(16)

利用Bayes公式可得μ2的后驗分布為式(17)所示

(17)

(18)

(19)

2.3加速因子確定

(20)

式中,μp為對數正態分布p分位點壽命,且σ1=σ2=σ。

由于KS2=eμ1-μ2,即lnKS2=μ1-μ2,而(μ1-μ2)～N(ν,τ),因此,KS2～LN(ν,τ)。

其中

(21)

(22)

因此可知,小子樣產品在加速應力水平為S2下的加速因子后驗期望為

(23)

3案例分析

本節以某加速度計為例,對上述加速因子確定方法進行案例應用。首先利用相似產品內場貯存數據信息對正常應力下的加速度計壽命分布參數進行分布求解,接著利用待研產品加速驗證試驗信息對加速應力下的加速度計壽命分布參數進行分布求解,并結合相似產品加速應力試驗信息及專家經驗等先驗信息,以彌補加速驗證試驗樣本量不足的缺點,最后給出該加速度計的加速因子分布及期望。

新研加速度計加速退化試驗在80 ℃下進行1 560h試驗,試驗樣本量為2個,每隔120h進行一次測試,共測得試驗點14個,根據加速退化試驗可以得到2塊加速度計在80 ℃下的變化規律,且2試驗樣本的加速試驗數據軌跡曲線如圖2所示。

圖2　80 ℃下2塊待研加速度計標度因數變化趨勢

另外通過調研10塊該加速度計相似產品的正常應力下試驗數據,且其軌跡曲線如圖3所示。

圖3　正常應力下10塊加速度計相似產品標度因數變化趨勢

根據規定的退化失效閾值250 ppm,利用冪函數模型：

x=atb

式中,x表示退化量；t表示時間；a,b通過擬合得到,觀察計算的結果可知通過冪函數來擬合的相關系數均接近于1,說明擬合效果較好;然后通過計算得到該加速度計正常應力下的偽壽命如表1所示,并對偽壽命的對數值進行正態性檢驗,檢驗結果見圖4所示。通過檢驗結果可知,AD值較小且P值大于0.05,因此偽壽命的對數值符合正態分布,即偽壽命服從對數正態分布。

通過圖4可知,10塊該加速度計在正常應力下偽壽命服從對數正態分布,因此利用式(11)可得

μ1～N(11.583 0, 0.021 68)

(24)

同理,根據4塊相似產品加速度計的歷史加速退化試驗數據,其軌跡曲線如圖5所示。

表1　加速度計正常應力下的偽壽命

圖4　正常應力下該加速度計對數偽壽命正態性檢驗值

圖5　加速應力下4塊加速度計相似產品標度因數變化趨勢

根據規定的退化失效閾值300 ppm,利用冪函數模型x=atb計算得到加速應力下壽命如表2所示。

表2　加速度計加速應力下的偽壽命

通過表2計算結果利用式(11)可得π1(μ2)～N(7,0.027),又由于根據專家經驗可得π2(μ2)～N(8,0.05),因此μ2的先驗分布為π(μ2)=ω1π1(μ2)+ω2π2(μ2)。根據加速退化試驗得到的壽命數據結合式(12)可得

L(lnT|π2)=1.072 2

因此,根據加速驗證試驗數據處理得到的偽壽命結論,再通過Bayes公式計算利用式(18)和式(19)可得

(25)

(26)

將式(25)、式(26)結果代入式(21)、式(22)可得

ν=3.52,τ=0.030 589

因此可知,該加速度計在加速應力水平為S2下的加速因子后驗期望為

4結論

根據工程實際中常見的壽命分布類型,給出了基于壽命服從對數正態分布的加速因子確定方法。

基于相似產品內場貯存數據信息對正常應力下壽命分布參數進行極大似然估計,再根據Fisher信息矩陣給出產品壽命分布參數分布的求解方法。

在加速應力下壽命分布參數分布推導過程中,由于是針對小子樣產品,能用于做加速試驗的產品數量很少,需要結合相似產品加速應力試驗信息和專家經驗信息進行混合先驗分布的確定,在混合先驗分布確定過程中基于第二似然估計方法(ML-Ⅱ)方法,對多源信息進行賦權,以確保混合先驗分布的準確性。

參考文獻：

[1] Liu H C. Research on accelerated degradation factor[J].MathematicsinPracticeandTheory, 2010, 40(12):225-228.

[2] Yang G B, Yang K. Accelerated degradation tests with tightened critical values[J].IEEETrans.onReliability, 2002, 51(4):463-468.

[3] Huang W. Reliability analysis considering product performance degradation[D]. Tucson:The University of Arizona, 2002.

[4] Liu Q, Feng J, Zhou J L, et al. The Bayes method for accelerated factor of lognormal distribution calculation[J].JournalofNationalUniversityofDefenseTechnology, 2003, 25(6):106-110. (劉琦, 馮靜, 周經倫, 等. 對數正態分布加速因子的Bayes估計[J]. 國防科技大學學報, 2003, 25(6):106-110.)

[5] Zhang Y Q, Liu Q, Zhou J L, et al. Accelerate factor analysis for power law degradation model under the condition of small sampling test[J].SystemsEngineeringandElectronics, 2006, 28(12):1948-1951. (張永強, 劉琦, 周經倫, 等. 小子樣條件下冪律退化模型的加速因子分析[J]. 系統工程與電子技術, 2006, 28(12):1948-1951.)

[6] Zhou Y Q, Weng Z X, Ye X T, et al. Study on accelerated factor and condition for constant failure mechanism (I)—the case for lifetime is a random variable[J].SystemsEngineeringandElectronics, 1996, 18(1):55-67. (周源泉, 翁朝曦, 葉喜濤, 等. 論加速系數與失效機理不變的條件(I)—壽命型隨機變量的情況[J]. 系統工程與電子技術, 1996, 18(1):55-67.)

[7] Zhou Y Q, Weng Z X, Ye X T, et al. Study on accelerated factor and condition for constant failure mechanism(II)—the case failure follows counting process[J].SystemsEngineeringandElectronics, 1996, 18(3):68-75. (周源泉, 翁朝曦, 葉喜濤, 等. 論加速系數與失效機理不變的條件(II)—失效為計數過程的情況[J]. 系統工程與電子技術, 1996, 18(3):68-75.)

[8] Zhou Y Q, Weng Z X. Statistical inferences of environmental factors for the lognormal distribution[J].SystemsEngineeringandElectronics, 1996, 18(10):73-80. (周源泉, 翁朝曦. 對數正態分布環境因子的統計推斷[J]. 系統工程與電子技術, 1996, 18(10):73-80.)

[9] Zhang C H, Chen Y, Yang Y M, et al. Research on environmental factors under common life distributions[J].Structure&EnvironmentEngineering, 2001(4):7-12. (張春華, 陳循, 楊擁民, 等. 常見壽命分布下環境因子的研究[J]. 強度與環境, 2001(4):7-12.)

[10] Moura E C. A method to estimate the acceleration factor for subassemblies[J].IEEETrans.onReliability, 1992, 41(3):396-399.

[11] Fan Y, Tian Z C. Reliability analysis on small sample based on Bayes[J].JournalofMechanicalStrength, 2012, 34(2):274-277. (范英, 田志成. 基于Bayes方法的小子樣可靠性分析[J]. 機械強度, 2012, 34(2):274-277.)

[12] Chai J, Shi Y M, Wei J Q, et al. Fusion method of the prior distribution under multiple sources of the former[J].ScienceTechnologyandEngineering,2005,5(20):1479-1481.(柴建,師義民,魏杰瓊,等.多源驗前信息下的先驗分布的融合方法[J]. 科學技術與工程, 2005, 5(20):1479-1481.)

[13] Sun J, Li G L, Xu C , et al. Multi-source information fusion method before test based on ML-Ⅱ theory[J].Computer&DigitalEngineering, 2014, 42(2):217-219. (孫錦,李國林,許誠,等.基于ML-Ⅱ原理的多源驗前信息融合方法的研究[J].計算機與數字工程,2014,42(2):217-219.)

陳志軍(1990-),男,碩士研究生,主要研究方向為產品耐久性分析與試驗技術。

E-mail：czj19900807@163.com

王前程(1988-),男,博士研究生,主要研究方向為產品退化建模與仿真技術。

E-mail：wangqc123@163.com

陳云霞(1977-),女,教授,博士,主要研究方向為系統壽命設計分析與試驗評估技術、壽命學。

E-mail：chenyunxia@buaa.edu.cn

網絡優先出版地址：http:∥www.cnki.net/kcms/detail/11.2422.TN.20141119.2230.012.html

Determination method of acceleration factor based on

life distribution and Bayes

CHEN Zhi-jun1, WANG Qian-cheng2, CHEN Yun-xia1

(1.SchoolofReliabilityandSystemsEngineering,BeihangUniversity,Beijing100191,China;

2.Xi’anSatelliteControlCenter,Xi’an710043,China)

Abstract:The acceleration factor is difficult to determine for small sample products, a determination method of acceleration factors, based on life distribution and Bayes, is proposed. First, according to the stored data information of similar products within the field under normal stress, obtain the value of the distribution parameters of the product life by maximum likelihood estimation (MLE), then use the Fisher information matrix inversion to obtain its variance-covariance matrix, and eventually get the distribution of life distribution parameters. Then, based on the testing information of small sample researching products under accelerated stress, combine some priori information, such as the accelerated stress test information of similar products and expert experience, and use the ML-Ⅱ method for determining the weight of a mixed prior distribution. The posterior distribution of the distribution parameters of product life can be achieved by the Bayes method. Finally, by combining with distribution information distribution parameters of the product life under the normal stress and accelerated stress, acquire the acceleration factor. Taking an accelerometer as an example, the correctness and the validity of the proposed method are proved.

Keywords:life distribution; small sample; Fisher information matrix; mixed prior distribution; posterior distribution; acceleration factor

作者簡介：

中圖分類號：TB 114.3

文獻標志碼：ADOI:10.3969/j.issn.1001-506X.2015.05.39

收稿日期：2014-07-22；修回日期：2014-10-30；網絡優先出版日期：2014-11-19。