一种基于多机理竞争退化的贮存可靠性分析方法

摘要

一种基于多机理竞争退化的贮存可靠性分析方法，该方法步骤如下：一：贮存剖面分析及贮存数据检测；二：贮存试验数据随机性分析；三：贮存试验数据分散性分析；四：基于多机理竞争退化的贮存可靠性分析评估。本发明采用移动标准偏差方法分析随机性影响下各关键部件稳定性水平的变化规律，解决了在长期贮存条件下，各特征性能参数贮存数据没明显退化趋势，且表现出随机性变化特性的贮存寿命难分析的问题。采用分布假设检验方法分析分散性影响下各关键部件贮存寿命的分布规律，得各关键部件的贮存可靠度模型，解决了长期贮存条件下各关键部件贮存寿命在不同产品之间分散性较大，贮存可靠度难分析的问题。

权利要求

1.一种基于多机理竞争退化的贮存可靠性分析方法，其特征在于：该方法具体步骤如下：

步骤一：贮存剖面分析及贮存数据检测

首先，确定贮存剖面，所述贮存剖面是指除“使用”之外的全部事件，即从装备交付后，到装备使用或装备报废之间的整个过程，其中主要包括运输装卸、库房贮存2个阶段；

其次，贮存数据检测，通过贮存剖面中的定期检测方案，定期检测贮存类产品关键部件特征性能参数的贮存数据，统计得到10套贮存类产品中的5个关键部件在不同时刻的特征性能值；

步骤二：贮存试验数据随机性分析

首先，通过对贮存试验数据进行实际变化轨迹绘图，得到关键部件1、关键部件2、关键部件3、关键部件4和关键部件5共5个关键部件的特征性能参数贮存数据实际变化轨迹规律；

然后，采用移动标准偏差方法来分析各关键部件定期检测数据的随机性特性，移动标准偏差方法分析步骤为：1）将不同时刻的特征性能值减去设计标准值，得到特征性能偏差值；2）采用移动标准差法分析得到各关键部件特征性能偏差值的移动标准差序列，即各关键部件的贮存稳定性水平数据；

最后，以各贮存时刻为横坐标、各关键部件特征性能参数的贮存稳定性水平为纵坐标，对各关键部件特征性能参数的贮存稳定性水平数据进行绘图，分别得到关键部件1、关键部件2、关键部件3、关键部件4和关键部件5特征性能参数贮存稳定性水平随时间的退化规律模型，并根据各关键部件贮存稳定性水平要求依次得到10套贮存类产品关键部件1、关键部件2、关键部件3、关键部件4和关键部件5的贮存寿命值；

步骤三：贮存试验数据分散性分析

针对各贮存试验数据的分散性特点，采用MINITAB软件中的概率图分布检验方法对各关键部件贮存寿命值进行分布假设检验，来刻画贮存试验数据的分散性特性；

首先，采用MINITAB软件中的概率图分布检验方法对各关键部件贮存寿命值进行分布假设检验，得到关键部件1、关键部件2、关键部件3、关键部件4和关键部件5的寿命分布类型及其分布参数估计值，即贮存试验数据的分散性特征；

然后，根据可靠度计算原理，和可靠度计算模型，将各关键部件寿命分布参数估计值代入可靠度计算模型中，得到长期贮存条件下考虑分散性的各关键部件的贮存可靠度计算模型；

步骤四：基于多机理竞争退化的贮存可靠性分析评估

首先，根据多机理竞争退化建模特点，采用MATLAB软件对步骤三中的各关键部件贮存可靠度计算模型进行仿真，即计算不同时刻各关键部件可靠度值大小，分别得到长期贮存条件下各关键部件可靠度随时间变化规律；

然后，在考虑多机理独立退化的条件下，基于多机理竞争退化的贮存可靠性分析评估原则为：在多机理竞争退化条件下，产品的贮存可靠性水平是由各关键部件机理不同退化模式间竞争的结果，因此在贮存类产品贮存可靠性的分析评价过程中，产品的可靠性水平是由最易退化关键部件的可靠性度决定的。

2.根据权利要求1所述的一种基于多机理竞争退化的贮存可靠性分析方法，其特征在于：在步骤一中所述的定期检测方案，是指在长期贮存过程中，每隔6个月对各器件特征参数进行测量，明确贮存类产品所处的贮存状态。

3.根据权利要求1所述的一种基于多机理竞争退化的贮存可靠性分析方法，其特征在于：在步骤二中所述的移动标准差法，是指对于一组数据x1,x2,……,xn，首先，对数据序列x1,x2,x3,x4,x5求标准差，得到移动标准差值y1；然后，去掉x1，加入x6，得到新的数据序列x2,x3,x4,x5,x6，同样对其求标准差得到移动标准差值y2，依次类推，得到数据序列xn-4,xn-3,xn-2,xn-1,xn的移动标准偏差值yn-4；最后，得到移动标注差值序列y1,y2,……,yn-4，上述方法即为移动标准差法。

说明书

一种基于多机理竞争退化的贮存可靠性分析方法

技术领域

[0001] 本发明提供一种基于多机理竞争退化的贮存可靠性分析方法，它涉及一种考虑随机性、分散性和多机理竞争退化的贮存可靠性分析方法，属于贮存可靠性技术领域。

背景技术

[0002] 贮存类产品往往具有长期贮存的特点，在其全寿命周期内，绝大部分的时间是处于贮存状态，因此其贮存可靠性水平成为了制约其战备完好性的关键因素。

[0003] 贮存可靠性定义为“在规定的贮存条件下，在规定的贮存时间内，产品保持固定功能的能力”。当前，美、俄等国家非常重视贮存可靠性的研究，首先对贮存薄弱环节及其机理
进行识别分析，针对最薄弱环节部件的进行单一机理加速贮存试验，然后对贮存试验数据
进行分析预测出贮存类产品的贮存可靠性，最后通过与自然贮存试验结果进行对比分析，
得到贮存可靠性评估结果。但是，往往许多贮存类产品的贮存可靠性是一个复杂的多机理
问题，在多机理竞争退化作用下，各机理特征参数往往具有随机性和分散性的变化特点，这
些因素的综合影响使得当前国内外基于单一薄弱环节和单一预测模型的贮存可靠性分析
方法具有一定的局限性。

发明内容

[0004] 本发明的目的是为了提供一种基于多机理竞争退化的贮存可靠性分析方法，弥补现有技术没有考虑多机理竞争退化，和不能分析多机理竞争退化作用下特征参数具有随机
性、分散性变化特点的贮存可靠性评估等缺陷。本发明涉及的一种基于多机理竞争退化的
贮存可靠性分析方法通过考虑贮存类产品在随机性影响下的贮存寿命，和分散性影响下的
各关键部件贮存寿命分布特点，并根据分布类型计算各关键部件贮存可靠性变化规律，得
到多机理竞争退化情况下贮存类产品贮存寿命的不同考虑情况，和在不同贮存寿命阶段可
靠性的多机理竞争特点，本发明能为长期贮存条件下贮存类产品的贮存可靠性评估、贮存
维护方案研究提供理论基础和技术支撑。

[0005] 本发明是通过以下技术方案实现的，首先通过明确和分析贮存剖面特点，定期检测得到长期贮存条件下贮存类产品各关键部件的特征性能参数数据；然后针对特征性能参
数数据随机性变化的特点采用移动标准偏差方法描述了各关键部件特征性能参数的贮存
稳定性水平，通过对贮存稳定性水平退化规律模型拟合，和根据各关键部件特征性能参数
稳定性水平要求，得到10套某贮存类产品相应关键部件的贮存寿命值；其次针对各样本贮
存试验数据的分散性特点，对各关键部件贮存寿命进行分布假设检验和分布参数估计，且
根据不同分布类型与可靠度计算公式之间的折算关系，可得长期贮存条件下考虑分散性的
各关键部件的贮存可靠度模型；最后根据多机理竞争退化情况下贮存类产品贮存寿命的不
同考虑情况，通过MATLAB仿真得到长期贮存条件下各关键部件可靠度变化规律，综合分析
得到了长期贮存条件下，某贮存类产品贮存可靠性在各个贮存阶段的分析评估结果。实现
了基于多机理竞争退化的贮存可靠性分析方法，其操作流程及步骤如图1所示。

[0006] 本发明一种基于多机理竞争退化的贮存可靠性分析方法，其步骤如下：

[0007] 步骤一：贮存剖面分析及贮存数据检测

[0008] 首先，确定贮存剖面，本发明中的某贮存类产品贮存剖面是指除“使用”之外的全部事件，即从装备交付后，到装备使用或装备报废之间的整个过程，其中主要包括运输装
卸、库房贮存2个阶段；

[0009] 其次，贮存数据检测，通过贮存剖面中的定期检测方案（检测间隔一般比较固定，设为6个月），定期检测其中的关键部件特征性能参数的贮存数据，统计得到10套某贮存类
产品中上述5个关键部件在不同时刻的特征性能值；

[0010] 步骤二：贮存试验数据随机性分析

[0011] 首先，通过对贮存试验数据进行实际变化轨迹绘图，得到关键部件1、关键部件2、关键部件3、关键部件4和关键部件5共5个关键部件的特征性能参数贮存数据实际变化轨
迹规律；

[0012] 然后，采用移动标准偏差方法来分析各关键部件定期检测数据的随机性特性，移动标准偏差方法分析步骤为：1）将各时刻特征性能测量值减去设计标准值，得到特征性能
偏差值；2）采用移动标准差法分析得到各关键部件特征性能偏差值的移动标准差序列，即
各关键部件的贮存稳定性水平数据；

[0013] 最后，以各贮存时刻为横坐标、各关键部件特征性能参数的贮存稳定性水平为纵坐标，对各关键部件特征性能参数的贮存稳定性水平数据进行绘图，分别得到关键部件1、
关键部件2、关键部件3、关键部件4和关键部件5特征性能参数贮存稳定性水平随时间的
退化规律模型，并根据各关键部件贮存稳定性水平要求依次得到10套某贮存类产品关键
部件1、关键部件2、关键部件3、关键部件4和关键部件5的贮存寿命值；

[0014] 步骤三：贮存试验数据分散性分析

[0015] 针对各贮存试验数据的分散性特点，采用MINITAB软件中的概率图分布检验方法对各关键部件贮存寿命值进行分布假设检验，来刻画贮存试验数据的分散性特性；

[0016] 首先，采用MINITAB软件中的概率图分布检验方法对各关键部件贮存寿命值进行分布假设检验，得到关键部件1、关键部件2、关键部件3、关键部件4和关键部件5的寿命分
布类型及其分布参数估计值，即贮存试验数据的分散性特征；

[0017] 然后，根据可靠度计算原理，和不同分布类型之间可靠度的计算模型，将各关键部件寿命分布参数估计值代入可靠度计算模型中，可得长期贮存条件下考虑分散性的各关键
部件的贮存可靠度模型；

[0018] 步骤四：基于多机理竞争退化的贮存可靠性分析评估

[0019] 首先，根据多机理竞争退化建模特点，采用MATLAB软件对步骤三中的各关键部件贮存可靠度模型进行仿真，即计算不同时刻各关键部件可靠度值大小，分别得到长期贮存
条件下各关键部件可靠度随时间变化规律；

[0020] 然后，在考虑多机理独立退化的条件下，基于多机理竞争退化的贮存可靠性分析评估是一个复杂的过程，本发明中基于多机理竞争退化的贮存可靠性分析评估原则为：在
多机理竞争退化条件下，产品的贮存可靠性水平是由这些机理不同退化模式间竞争的结
果，因此在其贮存可靠性的分析评价过程中，产品的可靠性水平是由最易退化关键部件的
可靠性度决定的。

[0021] 其中，在步骤一中所述的定期检测方案，是指在长期贮存过程中，每隔6个月对各器件特征参数进行测量，明确其所处的贮存状态。

[0022] 其中，在步骤二中所述的移动标准差法，是指对于一组数据x1,x2,……,xn，首先，对数据序列x1,x2,x3,x4,x5求标准差，得到移动标准差值y1；然后，去掉x1，加入x6，得到新的
数据序列x2,x3,x4,x5,x6，同样对其求标准差得到移动标准差值y2，依次类推，得到数据序列
xn-4,xn-3,xn-2,xn-1,xn的移动标准偏差值yn-4；最后，得到移动标注差值序列y1,y2,……,yn-4，
上述方法即为移动标准差法。

[0023] 本发明一种基于多机理竞争退化的贮存可靠性分析方法，具有以下优点：

[0024] 1.采用移动标准偏差方法分析随机性影响下各关键部件稳定性水平的变化规律，解决了在长期贮存条件下，各特征性能参数贮存数据没明显退化趋势，且表现出随机性变
化特性的贮存寿命难分析的问题。

[0025] 2.采用分布假设检验方法分析分散性影响下各关键部件贮存寿命的分布规律，得各关键部件的贮存可靠度模型，解决了长期贮存条件下各关键部件贮存寿命在不同产品之
间分散性较大，贮存可靠度难分析的问题。

[0026] 3.根据多机理竞争退化建模特点，通过MATLAB仿真得到长期贮存条件下各关键部件可靠度随时间变化规律，并对不同期望水平下的贮存寿命和贮存可靠度之间的权衡进
行了分析评估。

附图说明

[0027] 图1是本发明方法流程图。

[0028] 图2是典型贮存寿命剖面图。

[0029] 图3是关键部件定期检测数据实际变化轨迹曲线图。

[0030] 图4是长期贮存条件下各关键部件可靠度随时间竞争变化规律图。

具体实施方式

[0031] 下面将结合附图和具体实例对本发明做进一步的详细说明。

[0032] 根据附图1所示实施流程，从贮存剖面分析及贮存数据检测、贮存试验数据随机性分析、贮存试验数据分散性分析、基于多机理竞争退化的贮存可靠性分析评估等4个方
面对本发明进行详细阐述。在贮存条件下，影响某贮存类产品长期贮存可靠性关键部件依
次为关键部件

[0033] 1、关键部件2、关键部件3、关键部件4和关键部件5。

[0034] 本发明一种基于多机理竞争退化的贮存可靠性分析方法，其步骤如下：

[0035] 步骤一：贮存剖面分析及贮存数据检测

[0036] 首先，贮存剖面分析，本发明中的贮存是指除“使用”之外的全部事件，即从装备交装后，到装备使用或装备报废之间的整个过程，其中主要包括运输装卸和库房贮存2个阶
段，典型贮存寿命剖面如图2所示。

[0037] 然后，贮存数据检测，关键部件1、关键部件2、关键部件3、关键部件4和关键部件5是当前影响某贮存产品贮存可靠性的5个关键部件，其特征性能设计标准值依次为
27V、-9.9V、1.95V、6V和36V，在长期贮存条件下要求其特征性能参数具有一定的稳定性水
平，依次为：3、1、0.2、2.5和3.6，通过定期检测（检测间隔为6个月）得到10套产品中上述
#
5个关键部件在不同时刻的特征性能值，从2001年到2010年共20个数据。其中1 套产品
上述5个关键部件的特征性能参数如表1中所示。

[0038] 表1 1#套各关键部件特征性能参数

[0039])V
(5
件部键关 365.63 395.63 206.63 285.63 775.63 265.63 707.63 727.63 277.63 708.63 338.63 138.63 748.63 338.63 )V
(4
件
部 5 5 5 5 5 5
键关 94.5 73.5 73.5 52.5 73.5 74.5 43.5 13.5 82.5 73.5 63.5 53.5 13.5 03.5

)
V(3
件
部键关 88.1 678.1 88.1 187.1 587.1 458.1 197.1 287.1 38.1 467.1 267.1 58.1 957.1 487.1
)
V(2
件部键关 2506.9- 2505.9- 6575.9- 656.9- 6585.9- 6565.9- 5645.9- 5605.9- 5644.9- 5646.9- 664.9- 5644.9- 7784.9- 3754.9- )
V(1
件部键关 351.72 850.72 840.72 972.72 960.72 838.72 769.72 834.72 57.72 952.72 958.72 729.72 350.72 850.62 )
年
(
间
时
存贮 5.0 1 5.1 2 5.2 3 5.3 4 5.4 5 5.5 6 5.6 7
号序 1 2 3 4 5 6 7 8 9 01 11 21 31 41

738.63 718.63 648.63 358.63 368.63 558.63
13.5 592.5 523.5 592.5 682.5 23.5
47. 87. 387. 658. 247. 337.
1 1 1 1 1 1
37 76 5 6 1
64.9 54.9 54.9 64.9 74.9 24.9
- - - - - -
3 1 2 2 2
58.6 21.6 98.7 06.6 59.7 94.6
2 2 2 2 2 2
5.7 8 5.8 9 5.9 01

51 61 71 81 91 02

[0040] 步骤二：贮存试验数据随机性分析

[0041] 第一，通过对贮存试验数据进行实际变化轨迹绘图，得到表1中5个关键部件特征性能参数定期检测数据实际变化轨迹曲线如图3中所示。

[0042] 第二，采用移动标准偏差分析各关键部件定期检测数据的随机性，即将各时刻特征性能测量值与设计标准值做差后，再采用移动标准差法分析各个阶段随机性波动特点，
移动标准偏差计算公式如下。

[0043]

[0044] 式中，m表示移动步长，在本发明中取为5，i＝1~5为表1中所示的关键部件1、关键部件2、关键部件3、关键部件4和关键部件5，j=5~20为表1第1列中所示序号，θik表
示第i个关键部件不同贮存时刻的特征性能测量值，表示各关键部件的特征性能参数设
计标准值。

[0045] 第三，通过公式（1）计算出来的移动标准偏差结果即为各关键部件的贮存稳定性#
水平，其中1 套产品各关键部件特征性能参数的贮存稳定性水平如表2中所示。

[0046] 表2 1#套关键部件特征性能参数贮存稳定性水平

[0047])V(
5
件部 72
键关 07.1

)
V(4
件
部键 0700
关 .2
)V
(3
件部 11
键关 70.0

)V(
2
件部 936
键关 05.0

)V(
1
件部 711
键关 1.0

)
年
(
间
时
存 5.
贮 2
号
序 1

[0048]2 3 0.7905 0.53131 0.0754 2.0226 1.7016
3 3.5 1.7222 0.50040 0.0952 2.0675 1.8497
4 4 1.9118 0.55001 0.1185 2.1467 2.0159
5 4.5 2.3964 0.69614 0.1043 2.1026 2.2731
6 5 2.4588 0.66155 0.1117 2.1026 2.5915
7 5.5 2.4944 0.73809 0.1378 2.2302 2.9695
8 6 2.4186 0.81879 0.1226 2.2107 3.1602
9 6.5 2.2296 0.83393 0.1308 2.2038 3.3491
10 7 2.5545 0.82426 0.1440 2.1684 3.4470
11 7.5 2.5090 0.94722 0.1535 2.2476 3.4963
12 8 2.5438 0.95538 0.1470 2.3414 3.4699
13 8.5 2.4765 0.94774 0.1649 2.3810 3.4951
14 9 2.6321 0.96611 0.1373 2.4088 3.5053
15 9.5 2.6511 0.95417 0.1530 2.4356 3.5562
16 10 2.8875 0.99734 0.1560 2.4219 3.5866

[0049] 第四，在考虑贮存试验数据随机性的基础上，对表2中的各关键部件特征性能参数的贮存稳定性水平进行变化模型拟合，分别得到关键部件1、关键部件2、关键部件3、关
键部件4和关键部件5特征性能参数贮存稳定性水平随时间的退化规律模型为：

[0050] 关键部件1变化模型：

[0051] y1=0.8721n{(t-2)/0.5}+0.502,r=0.9327 （2）

[0052] 关键部件2变化模型：

[0053] y2=0.03688×{(t-2)/0.5}+0.4633，r=0.9654 （3）

[0054] 关键部件3变化模型为：

[0055] y3=0.068×{(t-2)/0.5}0.308,r=0.9560 （4）

[0056] 关键部件4变化模型为：

[0057] y4=0.028×{(t-2)/0.5}+11.972,r=0.9602 （5）

[0058] 关键部件5变化模型为：

[0059] y5=1.432×{(t-2)/0.5}0.346,r=0.9545 （6）

[0060] 第五，根据各关键部件贮存稳定性水平要求依次为：3、1、0.2、2.5和3.6，可得1#套关键部件1、关键部件2、关键部件3、关键部件4和关键部件5的贮存寿命依次为：10.77
年、9.27年、18.6年、11.43年和9.18年。同理，依次得到10套产品关键部件1、关键部件
2、关键部件3、关键部件4和关键部件5的贮存寿命值如表3中所示。

[0061] 表3 10套关键部件贮存寿命值

[0062]

[0063]

[0064] 步骤三：贮存试验数据分散性分析

[0065] 首先，从表3中可以看出，同一关键部件的贮存寿命值在不同产品中的分散性很大，本发明采用分布假设检验来描述这种分散性程度。

[0066] 然后，通过分布假设检验结果，得到关键部件1、关键部件2、关键部件3、关键部件4和关键部件5贮存寿命服从的分布类型和分布参数估计值。

[0067] 最后，根据不同分布类型与可靠度计算公式之间的折算关系，可得长期贮存条件下考虑分散性的各关键部件的贮存可靠度计算公式如表4中所示。

[0068] 表4贮存试验数据分散性分析

[0069]

[0070] 步骤四：基于多机理竞争退化的贮存可靠性分析评估

[0071] 首先，根据多机理竞争退化建模特点，通过MATLAB对各关键部件的贮存可靠度模型进行仿真，分别得到长期贮存条件下各关键部件可靠度随时间竞争变化规律，如图4中
所示。

[0072] 然后，结合表3和图4得到在多机理竞争退化的贮存可靠度分析评估结果，其是一个复杂的过程，具体表现如下：

[0073] 1）在最悲观期望值下，贮存寿命是由考虑随机性和分散性综合影响下的所有关键部件中的最小寿命值决定的，结合表3中数据有：

[0074] T=min(8.82,8.67,17.07,10.32,8,79)=8.67年 （7）

[0075] 即贮存寿命主要是由3#产品的关键部件2的贮存寿命决定，根据图4可得在8.67年内可靠度也主要由关键部件2的可靠度决定，且可靠度呈现指数分布退化规律。

[0076] 2）在最乐观期望值下，贮存寿命是由考虑随机性和分散性综合影响下的所有最大寿命值部件中的最小值决定的，结合表3中数据有：

[0077] T=min(13.37,14.77,21.2,13.18,11.28)=11.28年 （8）

[0078] 即贮存寿命主要是由10#产品的关键部件5的贮存寿命决定，根据图4可得在11.28年内可靠度分两阶段考虑，在0~10年内由关键部件2的可靠度决定，呈现指数分布退
化规律，在10~11.28年内由关键部件5的可靠度决定，呈现正态分布退化规律。

[0079] 3）在其他期望值下，贮存寿命处于最悲观期望值和最乐观期望值之间，即为8.67~11.28年，根据图4可得在这段时间内的贮存可靠度均小0.5，需要进行维护方案。