(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221082623 0.8 (22)申请日 2022.07.14 (71)申请人 江苏徐工国重实验室科技有限公司 地址 221000 江苏省徐州市徐州经济技 术 开发区驮蓝山路26号 (72)发明人 殷泽凯　严兵　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 韩红莉 (51)Int.Cl. G06F 30/20(2020.01) G06F 111/08(2020.01) G06F 111/10(2020.01) G06F 119/02(2020.01) (54)发明名称 一种非线性的随机效应参数相关退化过程 可靠性评估方法 (57)摘要 本发明公开了一种非线性的随机效应参数 相关退化过程可靠性评估方法， 获取样本数据； 根据样本数据， 计算样本分布的参数估计值； 建 立各参数的分布模型； 利用样 本分布的参数估计 值和极大似然估计， 计算分布模型中的各参数； 利用全概率公式， 计算退化量分布密度； 退化量 经过线性变化后， 得到T分布。 根据T分布， 计算退 化量的置信 区间； 设置退化的失效阈值， 计算产 品的可靠度。 本发明考虑了分布中的参数之间相 关性， 得到形式简单的退化量分布， 降低了可靠 性评估计算难度。 权利要求书3页 说明书8页 附图1页 CN 115310269 A 2022.11.08 CN 115310269 A 1.一种非线性的随机效应参数相关退化过程可靠性评估方法， 其特 征在于， 包括： 获取样本数据； 根据样本数据， 计算样本分布的参数估计值； 建立各参数的分布模型； 利用样本分布的参数估计值和极大似然估计， 计算分布模型中的各参数； 利用全概 率公式， 计算退化 量分布密度； 退化量经过线性变化后， 得到T分布。 2.根据权利要求1所述的一种非线性的随机效应参数相关退化过程可靠性评估方法， 其特征在于， 根据T分布， 计算退化 量的置信区间； 设置退化的失效阈值， 计算产品的可靠度。 3.根据权利要求1所述的一种非线性的随机效应参数相关退化过程可靠性评估方法， 其特征在于， 获取样本数据， 通过以下步骤实现： 获取待测退化 量的n个产品； 等时间间隔测量退化量， 并作为样本数据xij,i＝1,2, …,n； j＝1,2, …,m， m表示总测量 批次； 样本数据分布服从正态分布： 式中， f(xij| μj， σj)为样本数据分布的密度， σj2为第j个批次的样本数据方差， μj为第j个 批次的样本数据均值。 4.根据权利要求3所述的一种非线性的随机效应参数相关退化过程可靠性评估方法， 其特征在于， 根据样本数据， 计算样本分布的参数估计值， 通过以下步骤实现： 根据样本数据， 由极大似然估计得到样本分布的参数估计值： 式中， 为n个产品的样本数据均值， 为n个产品的样本数据方差估计值， 为n个产 品的样本数据均值估计值。 5.根据权利要求4所述的一种非线性的随机效应参数相关退化过程可靠性评估方法， 其特征在于， 建立各参数的分布模型， 通过以下步骤实现： 建立分布模型： 设在给定任 意时刻t的样本数据均值 μt服从正态分布， 给定任意时刻 t的 样本数据均 值 μt随时间呈现非线性的性质， 样本数据均 值 μt分布方差与退化量xt的方差 相同， 而 的时变特 征为： 倒数在给定任意时刻t服从Gamma分布： vt～Gamma( αt‑1, β )， 其中 α 、 β 、 b和 μ均为未知的给定任意时刻t的分布方差的分布参数。 6.根据权利要求5所述的一种非线性的随机效应参数相关退化过程可靠性评估方法， 其特征在于， 利用样本 分布的参数估计值和极大似然估计， 计算分布模型中的各参数， 通过 以下步骤实现：权　利　要　求　书 1/3 页 2 CN 115310269 A 2将 和 输入牛顿迭代方法， 求得给定任意 时刻t的分布方差的分布参数α， β 的极大似 然估计值 则 由全概率公式以及vt的分布， 得到 μt的分布： 式中， f(.)为分布密度函数， f( μt)为μt的分布密度， f( μt|vt)为μt的条件分布密度， f (vt)为vt的分布密度， Γ为Gam ma函数记号； 利用牛顿迭代方法求得给定任意时刻t的分布方差的分布参数μ， b的极大似然估计值 基于 得到 μt、 σt2随时间变化的分布为： 式中， 为正态分布标记， 为Gamma分布标记。 7.根据权利要求6所述的一种非线性的随机效应参数相关退化过程可靠性评估方法， 其特征在于， 利用全概 率公式， 计算退化 量分布密度， 通过以下步骤实现： 式中， f(xt)为给定任意时刻t的数据分布密度函数， f(xt, μt,vt)为xt、 μt和vt的联合分布 密度函数， f(xt| μt,vt)为给定任意时刻t的数据条件分布密度函数； 退化量经过线性变化后， 得到T分布， 通过以下步骤实现： 对xt进行变量 替换： 式中， γ和yt均为替换变量； yt的分布密度函数表达式为：权　利　要　求　书 2/3 页 3 CN 115310269 A 3