本站小編為你精心準備了ARMA模型的加速退化試驗參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《中國測試雜志》2014年第三期

1基于arma的加速退化數據建模

時間序列分析是采用參數模型對觀測得到的有序隨機數據進行分析的一種處理方法，通過時間序列可以對產品的動態特性進行分析，對未來的發展趨勢做出預測[7]。ARMA主要是利用大量的歷史數據來建模，經過模型識別、參數估計、模型檢驗來確定一個能夠描述所研究時間序列的數學模型，進而推導出預測模型達到預測的目的。ARMA（p，q）的一般形式為這一模型就稱作p階自回歸-q階滑動平均混合模型，記為ARMA（p，q）模型。特殊地，若p=0，記為MA（q）；若q=0記為AR（p）；若p=q=0，模型退化為Xt=Zt，即{Xt}為白噪聲序列?；贏RMA的加速退化數據建模步驟如下：（1）ARMA模型所適合描述的對象是平穩的隨機序列，因此首先判斷退化數據序列的平穩性，若序列非平穩，則需對原數據進行預處理，對數據求差分使其平穩。（2）ARMA模型識別，模型識別有兩種方法，一是根據序列的自相關和偏相關系數來判斷，若自相關函數ACF在滯后數p后截尾和偏相關系數PACF在滯后數q后截尾，則截數分別為p和q。二是利用赤池準則（AIC）和貝葉斯準則（BIC），通過比較判斷不同階模型的AIC或BIC值來確定p和q，它們越小，模型擬合越優。（3）用時間序列的數據，估計模型的參數，并通過退化數據序列的前k個值進行預測后m-k個退化值，進行檢驗，以判定模型是否恰當。（4）根據時間序列模型，預測性能退化量，并根據事先假定的失效閾值來推出產品的失效時間。

2加速退化試驗數據可靠性評估

2.1壽命分布的擬合檢驗通過時序模型得到產品的偽失效壽命之后，需對其分布進行擬合優度檢驗，利用最小二乘法求出壽命數據的線性回歸曲線及其相關系數，分別用產品可能服從的壽命分布對其分布檢驗，可以采用相關系數r→1的程度判斷哪種分布更好。

2.2壽命分布參數估計利用2.1節確定壽命的分布類型后，可利用參數估計理論對其參數進行估計，可用于產品壽命分布參數估計理論有極大似然估計（MLE）、圖估計法、最小二乘估計（LSE）、逆矩估計、最佳線性無偏估計（BLUE）、簡單線性無偏估計（GLUE）、近似無偏估計（AUE）、線性不變估計（LIE）等方法。這些方法中，除MLE外的其他估計方法均需要人為干預，如系數查表等。MLE應用于加速壽命試驗數據分析通用性好，不僅適用于絕大部分理論分析，而且MLE估計量有非常好的統計特征。因此，本文利用極大似然估計法（MLE）對壽命分布參數進行估計。假定產品壽命服從正態分布，利用極大似然估計方法對其壽命分布進行參數估計，樣本的對數似然函數為將lnL（μ，σ2）分別關于兩個分量求偏導并令其為零得到似然方程組，解此方程組可得μ和σ的極大似然估計分別為其他壽命分布的的極大似然估計與正態分布相似，文獻提及的也較多，在這里不再贅述。

3算例

以文獻[8]中功能電路加速退化試驗數據為例，該試驗以某型雷達供電裝置內24V-2A穩壓電源板為試驗對象，分別在95，105，115，125℃下進行加速退化試驗，每組試驗用8塊相同的電路板，對每塊電路板中的一個電壓輸出幅值進行監控，各應力下性能退化量（幅度）隨時間的變化規律如圖1所示。電路在125℃條件下，試驗過程中出現工作狀態不穩定、數據波動大、故障頻率高、規律性差等現象，研究意義不大，因此，不對該試驗數據進行處理。利用本文方法對前3組加速退化數據進行可靠性評估步驟如下。

3.1時間序列建模（1）以不同應力下各樣品性能特征量的均值構造時間序列{μt}（2）模型定階與參數估計以95℃下的幅度均值時間序列進行分析，其自相關函數與偏自相關函數如圖2所示。其中，ACF是3步截尾，PACF是2步截尾，故確定ARMA模型為ARMA（3，2），同上所述，可通過分析自相關與偏自相關系數的方法確定105，115，125℃下的幅度均值時間序列模型為ARMA（2，2），ARMA（2，2），利用Matlab系統辨識工具箱進行模型識別。（3）外推失效時間通過試驗，95℃下只失效1塊電路板，105℃下失效3塊，15℃失效5塊，只對未失效的電路板進行偽失效壽命預測。根據上述得到的ARMA模型表達式以及已有的退化數據和預測的退化數據，可以獲得樣品達到失效閾值的退化數據，其所對應的時間即為失效時間：

3.2可靠性評估（1）分布的擬合優度檢驗與參數估計。得到偽失效壽命后，先進行分布假設檢驗，經分布的假設檢驗，符合正態分布，得到均值、方差如下。利用極大似然估計方法，得到95℃下偽失效壽命服從正態分布，參數的點估計為：u1=11354，σ1=1.7126×103；105℃下參數的點估計：u2=7912，σ2=1.1201×103；115℃下參數的點估計u3=2552，σ3=1.0643×103。（2）加速模型的確定。常用的加速壽命模型包括Arrhenius模型、逆冪率模型、Eyring模型、數學加速模型等。阿倫尼斯在大量數據的基礎上于1889年，提出如下適用于溫度應力下的加速模型：式中：ξ———產品的特征壽命，如中位壽命、平均壽命等；A———常數，且A>0；E———激活能，與材料有關，eV；K———波爾茲曼常數，為8.617×10-5eV/℃，從而可知E/K的單位是溫度，故又稱E/K為激活溫度；T———絕對溫度，等于攝氏溫度加273。Arrhenius模型表明，壽命特征將隨著溫度上升而按指數下降，對式（5）兩邊取對數，可得lnξ=a+bT（6）其中a=lnA，b=E/K。它們均是待定的參數，式（6）表明壽命特征的對數是溫度倒數的線性函數。因此，本例選用阿倫尼斯加速模型。（3）加速模型中的參數估計。采用Arrhenius加速模型外推出產品在正常使用條件下的分布參數：μ贊=exp（-19.16+10530/T）σ贊=exp（-1.663+3328/T）所以正常使用條件下（T=298K）的參數μ贊0=1.06×106，σ贊0=1.34×105從而得到產品在正常溫度下的可靠度曲線如圖3所示。參考文獻[8]證明了該可靠度曲線的合理性，從圖3中可以看出，本文方法與文獻[8]的結果非常接近。因此，基于時間序列ARMA建模的可靠性評估方法具有一定的有效性。

4結束語

基于時間序列ARMA建模的加速退化數據可靠性分析方法對于高可靠退化型產品進行可靠性評估具有良好的效果，并且具有較好的適用性。利用失效退化之前的數據建模在于探索失效規律，可以適用于失效退化階段預測，預測結果具有參考意義，但不一定很準確。當失效樣本數據不足時，只能是一種探索性的預測，不能保證建模精度和預測精度，在無失效樣本或樣本數據較少的情況下，需要探索新的有效方法對可靠性進行評估。

作者：黃運來張國龍鄧陳柏航單位：63981部隊軍械工程學院光學與電子工程系