几种贮存寿命特征参数评估方法的比较研究

本文对T-检验、灰色关联分析和退化率计算从应用条件、执行所需工具等方面进行了全面分析,最后得出三种方法都能有效识别贮存寿命特征参数;T-检验应用条件严格、但应用时间长,易于接受,且有现成工具可用;灰色关联分析数据整理工作量大,但无应用前提条件,且可同时获得贮存寿命特征参数和最优影响因素,特别适合小样本量数据的分析;退化率计算既不需要前提条件,计算又简单,是一种较好的评估方法。

基于寿命特征参数研究的电磁阀可靠性寿命研究

本文提出了高铁某系统电磁阀基于寿命特征参数影响的运用可靠性评估方法。通过对电磁阀的使用环境进行模拟复现,设计加速应力试验,缩短试验周期。最终确定电磁阀的寿命特征参数为响应时间。利用响应时间评估电磁阀的可靠性寿命。结果表明,动车组电磁阀在工作条件下,约13~20年可靠性会降低,并给出了修程修制优化建议。

灰色关联分析在贮存寿命特征参数评价中的应用

本文介绍了灰色关联分析在某种砷化镓微波器件的寿命特征参数评价中的应用实例,分析结果表明栅-源截止电压(V(GS(off)))为其贮存寿命特征参数,年温度较差为最优影响因素。并用显著性检验方法对其进行了验证,结果表明灰色关联分析方法在寿命特征参数评价是可行的。

基于寿命特征分析的橡胶减振垫加速寿命试验研究

针对动车组用橡胶减振垫开展了基于加速试验理论的寿命评估研究。研究结果表明,橡胶减振垫使用过程中主要的失效模式为老化和压缩永久变形。针对这些失效模式,分别采用垂直载荷和水平载荷试验手段,对橡胶减振垫的寿命特征参数进行了研究,结果表明压缩变形为敏感寿命特征参数。基于加速寿命试验理论和方法,在恒定压缩载荷下,采用不同温度进行了加速寿命试验研究,并基于阿累尼乌斯模型对试验结果进行了寿命分布模型的分析,拟合出相应的模型参数,实验结果表明在五级修橡胶减振垫已经使用10年的基础上,得到其剩余寿命为2.51年,新品的寿命为14.06年。

锂电池剩余寿命的ELM间接预测方法

针对锂电池直接预测剩余使用寿命难及预测结果不准确等问题,提出利用锂电池循环充放电监测参数构建间接寿命特征参数的方法。应用一阶偏相关系数分析法验证间接寿命特征参数与直接参数间的相关性,选择等压降放电时间作为锂电池间接寿命特征参数,构建基于ELM的等压降放电时间与实际容量的关系模型和等压降放电时间预测模型,实现锂电池的RUL预测。基于NASA锂电池数据集预测并评估锂电池的RUL,并且与ELM直接预测方法和高斯过程回归间接预测方法相比较,本方法能够有效的预测锂电池的RUL,预测结果的误差范围为5%左右,具备较好的锂电池RUL预测精度。

基于BP神经网络的晶体管寿命预测研究

针对晶体管的寿命预测问题,基于BP神经网络,提出了一种预测模型。该方法采用BP神经网络建立起了以漏电流ICEO为特征参数的剩余寿命预测模型。文章介绍了BP神经网络的寿命预测模型结构及建立的流程,并对建模过程中的关键点进行了分析,结合BT5551晶体管可靠性寿命后的测试数据验证了该方法的有效性。

功率变换电路电解电容器故障预测方法研究

本文对功率变换电路中电解电容故障预测方法进行了研究,提出了一种基于快速傅立叶变换(FFT)与最小二乘支持向量机(LS-SVM)相结合的故障预测方法。通过对电解电容失效机理进行研究,建立其等效电路故障模型,并选择等效串联电阻(ESR)作为寿命特征参数、输出纹波电压和电容电流作为监测信号;通过FFT对监测信号进行频域分析,计算ESR;利用LS-SVM对ESR回归建模、预测。将提出的方法应用于Buck电路,对电解电容的故障进行预测。实验结果表明,该方法可以准确的对电解电容故障进行预测。