基于数据驱动IPLM的机载类电子产品强化试验振动加速效果研究.docx

          基于数据驱动IPLM的机载类电子产品强化试验振动加速效果研究                    摘要随着机载类电子产品在工程型号上广泛应用，其可靠性强化试验情况与加速效果确认方式越来越受到关注在振动步进应力试验领域，工程上依据GJB 150A广泛采用逆幂率模型来确定振动加速效果针对机载类电子产品在高可靠度、高复杂度等特征，逆幂率模型中的振动因子多数情况下只能通过历史经验获得点估计本文从数据驱动的角度出发，基于强化试验过程中出现的故障数据，通过Python搭建算法平台对数据进行分析，得到逆幂率模型中的振动因子，并总结不同故障数据下振动因子的变化规律结果表明：强化试验振动中，振动因子与故障出现时的振动量级呈正相关，而振动因子与故障的数量无显著相关性关键词强化试验 逆幂律模型 振动因子一、引言机载类电子产品通常MTBF要求高达几千或几万小时在对这类产品进行可靠性和环境试验时，往往会选择通过增大试验应力的方式，在较短时间内快速达到试验目的，以节约试验经费和时间成本，这类试验一般称之为强化试验我国机载类电子产品的强化试验振动部分主要依据GJB 150.16A，该标准以逆幂率模型（Inverse Power Law Model，后简称：IPLM模型）为基准，构建不同振动环境下的疲劳损伤累积模型，以指导开展振动类强化试验。

该模型是一种线性疲劳损伤模型，振动因子需要依据疲劳数据绘制疲劳曲线（后简称：S/N曲线）进行分析得到，而机载类电子产品在高可靠度、高复杂度背景下能够提供用来分析的疲劳数据量不多，在绘制S/N曲线时比较困难，多数情况下只能通过历史经验获得振动因子的点估计GJB 150.16A中建议导弹试验使用的振动因子一般为3.25~6.6，航天器试验使用的振动因子一般为2，其它材料多数使用的振动因子为6~6.5为了解决过多依赖历史经验的问题，本文从数据驱动的角度，基于强化试验过程中出现的疲劳损伤故障数据，通过数据推演得到IPLM模型中的振动因子，并总结不同故障数据下振动因子的变化规律，在工程应用上具有一定的指导意义二、IPLM模型演化振动是雷达类产品的敏感环境应力，也是强化试验的主要环境应力之一当以振动应力作为加速应力时，产品的寿命特征与振动应力的关系满足逆幂率模型，即产品寿命是应力的负次幂函数：（1）式中：η——产品的寿命特征，如中位寿命、平均寿命等；A——待定系数；m——振动因子，该值由材料的疲劳强度指数确定；v——振动应力水平，如加速度功率谱密度等根据上述公式可以推导出任一加速振动应力v2条件下相对常规振动应力v1条件下的加速系数，即：（2）假设产品经历了n个不同应力水平的振动步进试验（即n个应力台阶，n>2），失效数为r（r≥1），每一个应力水平下的失效分布函数为 ，每个台阶的试验时间为ti（ ）。

对于电子产品而言，假定其在常规应力v0和各个加速应力vi下都服从指数分布，其失效分布函数为：（3）式中， 为各应力水平vi下的平均寿命根据逆幂率模型可知， 与各个应力水平vi之间有如下关系：（4）产品在vi应力下的失效分布函数为：（5）产品在v2应力下的失效分布函数及等效作用时间 分别为：（6）（7）对未知变量A、m求导得其似然方程为：（8）（9）其中：（10）（11）利用可靠性强化试验失效数据，通过公式（45）、（46）、（47），可计算得到变量Ａ、m，进而得到产品在不同振动应力台阶下的加速系数AF，从而将强化试验振动加速应力下的可靠性增长过程转化为同一振动应力下的可靠性增长问题，并利用可靠性增长数据分析方法进行可靠性评估三、案例分析本文选取某型号中若干组机载电子产品强化试验数据进行强化试验振动因子研究试验基本信息见表1，振动试验依据振动量级和谱型图，计算得到功率谱密度G0，见表2表1 试验信息试验类型试验条件振动步进应力试验依次按6g、8g、10g、12g、14g、16g、18g进行七个台阶的振动步进应力试验，每个台阶持续3min，振动方向为产品的主振方向，总试验时间为21min表2 振动量级及对应功率谱密度振动量级（g）功率谱密度G0（g2/Hz）谱型图60.02626典型机载电子产品振动谱型图80.04669100.07295120.10505140.14300160.18677180.23637机载类电子产品一般具有三种典型的故障数据类型，分别为：低阶集中型故障数据、全过程型故障数据和高阶集中型故障数据。

第一类故障集中在前2-3个台阶，如图1所示，这种类型的故障集一般多发生在有几个明显薄弱点、木桶短板效应突出但解决薄弱点后整体质量较好的产品 图1 低阶集中型故障数据针对低阶集中型故障数据类产品，本文进行了相关5组强化试验，基于其故障数据计算得到振动因子如表3所示表3 低阶集中型故障数据下的振动因子计算结果试验组故障数故障发生的时间点（min）振动因子计算结果m123.2、3.41.813233.2、3.4、3.71.823333.2、3.7、4.21.835443.2、3.4、3.7、4.21.837543.2、3.7、4.2、4.81.848第二类故障在全过程各个台阶均有，如图2所示，这种类型的故障集一般多发生在新研制的产品上，产品在各个阶段均存在缺陷，成熟度较低图2 全过程型故障数据针对全过程型故障数据类产品，本文进行了相关6组强化试验，基于其故障数据计算得到振动因子如表4所示表4全过程型故障数据下的振动因子计算结果试验组故障数故障发生的时间点（min）振动因子计算结果m124.6、16.21.050234.6、10.5、16.21.511344.6、12.5、16.2、19.41.811454.6、4.7、12.5、16.2、19.41.1835312.5、16.2、19.43.8306412.5、16.2、19.4、19.53.970第三类故障集中在后2-3个台阶，如图3所示，这种类型的故障集一般多发生在已经使用多年，成熟度较高的产品，但产品整体在耐高强度振动能力较低，需要状态改型的产品。

图3 高阶集中型故障数据针对高阶集中型故障数据类产品，本文进行了相关5组强化试验，基于其故障数据计算得到振动因子如表5所示表5高阶集中型故障数据下的振动因子计算结果试验组故障数故障发生的时间点（min）振动因子计算结果m1216.2、18.44.3612316.2、18.4、20.24.4793416.2、18.4、20.2、20.44.5314218.4、20.24.7675518.4、20.2、20.2、20.2、20.24.794四、结论根据试验结果，低阶集中型故障数据类机载电子产品的振动因子m可以选取1.81~1.84作为参考值；高阶集中型故障数据类机载电子产品的振动因子m可以选取4.3~4.8作为参考值；全过程型故障数据类机载电子产品的振动因子m波动较大，不建议选取某一定值作为参考值，可以通过S/N曲线分析或者采取本文的基于数据驱动IPLM的机载类电子产品强化试验振动因子研究得到从数据的总体趋势可以判断，故障越出现在后面高量级台阶，得到的振动因子结果越大，说明强化试验对该类产品的的加速效果越强而相同量级下，故障数量的少量增加对振动因子影响无明显趋势性变化五、参考文献[1] 曹强,何亚屏等.基于逆幂率模型的随机振动疲劳加速试验应用方法研究[J].环境技术,2020,38(03)[2] 袁泽谭,樊西龙等.机载电子产品可靠性定量加速增长试验技术[J].航空工程进展,2017,8(01)  -全文完-。