一种温湿度应力共同作用下传感器可靠性测试方法

技术领域

本发明涉及一种温湿度应力共同作用下传感器可靠性测试方法，属于可靠性评估技术领域。

背景技术

随着科学技术的发展，各类产品，尤其是航空航天领域、电力电子工业以及武器装备领域的产品，其可靠性要求越来越高，这就需要我们对产品进行可靠性评估，以此来分析产品的使用寿命。在工程中，传统的可靠性评估方法是采用经典法和贝叶斯(Bayes)统计法，这两种方法科技借助相应的软件来快速的给出分析结果。然而，由于产品的设计、制造方法以及材料的不断发展和改善，类似于传感器的电子产品还面临着小样本的问题，而经典法和贝叶斯统计方法无法解决小样本以及在短时间内获取足够可靠性信息的问题。因此需要采用新的方法来进行可靠性评估。

现在广泛使用的加速试验技术，分为加速寿命试验以及加速退化试验，其中加速寿命试验短时间内很难获取大量的产品失效数据，因此加速退化试验成为解决这一问题的新方法。加速退化试验可以充分利用产品在退化试验过程中的有用信息，将产品在高应力水平下的退化数据通过相应的方法外推到正常应力水平，以此来评估产品的性能指标。

当前可靠性评估领域，应力类型基本选择温度、湿度、电压等常见的单一应力类型。然而传感器等电子产品经常工作在复杂环境应力下，这些产品的可靠性将会收到多种环境应力共同作用的影响，寿命也会随之降低。因此，提出一种温湿度应力共同作用下传感器可靠性测试方法可以有效评估电子产品在温度与湿度环境应力下的可靠度以及使用寿命。通过此方法可以缩短试验周期，提高了试验效率，减少了试验成本，解决了传感器等电子产品在涉及温湿度环境应力下可靠性评估问题。

发明内容

本发明的目的在于提供一种温湿度应力共同作用下传感器可靠性测试方法，利用传感器退化数据中的信息，将传感器高应力水平下的性能退化数据外推到正常应力水平，评估产品可靠度。此方法可弥补传统方法对无失效数据或极少失效数据进行可靠性评估时精度不高的缺点，有效的缩短了传感器可靠性评估的时间，提高了预测结果的可靠性和置信度。

为了达到上述目的，本发明提供了一种温湿度应力共同作用下传感器可靠性测试方法，具体步骤如下：

S1：对待测试传感器进行分析，识别待测试传感器的薄弱模块

采用寿命周期剖面研究，各阶段故障事件故障树分析，故障模式、机理和影响分析识别所述待测试传感器的薄弱模块并确定传感器的性能失效阈值D。

S2：以待测试传感器的薄弱模块施加温湿度应力进行加速退化试验，并获得退化试验数据

确定多组温湿度应力，所述温湿度应力高于待测试传感器的正常工作温度及湿度且低于待测试传感器的最大承受温度及湿度；

将待测试温度传感器的薄弱模块依次置于各个温度应力下并持续预设时长进行测试，并获得退化实验数据，每次测试间隔的时间相同。

S3：基于试验数据建立温湿度应力共同作用下传感器性能退化模型

基于试验数据建立温湿度应力共同作用下传感器性能退化模型，其概率密度函数可表示为：

其中,t是经过退化的时间；X(t)是经过t小时退化后的相对退化量；u和v为待估计的参数。

S4：使用VAE算法对模型参数进行估计，得到高应力水平下模型参数

使用VAE算法拟合各组高温度及湿度应力水平下退化模型中的参数u

S5：结合加速退化模型推出正常温湿度应力水平下模型参数

将各组高温度及湿度应力水平下的参数估计值代入温湿度双应力加速模型中，加速模型如下：

式中，RH

利用最小二乘法对加速模型中的未知参数进行估计，得到加速模型中的参数

将正常应力水平的温度及湿度大小代入完成参数估计的加速模型中，得到正常温湿度应力水平下的退化模型参数u,v。

S6：将正常应力水平下的模型参数代入可靠度函数中得到正常温湿度应力水平下传感器的可靠度

将正常温湿度应力水平下的退化模型参数代入可靠度函数中，从而推出正常应力水平下传感器的可靠度：

式中，R(t)为温湿度共同作用下的可靠度函数。

本发明的有益效果在于：解决了传感器在温度与湿度应力共同作用下可靠性评估的问题及试验时间有限的问题，通过设计在温湿度应力下的加速退化试验，分析得到正常使用情况下传感器的寿命，有效的提高了试验效率，缩短了传感器可靠性评估的时间。

附图说明

下面结合附图及附表和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。

图1为本发明的一种温湿度应力共同作用下传感器可靠性测试方法的流程图。

具体实施方式

以下将结合图1对本发明的一种温湿度应力共同作用下传感器可靠性测试方法做进一步的详细说明。

本发明的一种温度与电磁应力耦合作用下磁通门电流传感器可靠性评估方法，具体步骤如下：

S1：对待测试传感器进行分析，识别待测试传感器的薄弱模块

采用寿命周期剖面研究(LCP)，各阶段故障事件故障树分析(FTA)，故障模式、机理和影响分析(FMEA)识别所述待测试传感器的薄弱模块。

其中，寿命剖面是对产品从接收到其寿命终结或退出使用这段时间内所要经历的各种事件和状态(包括环境条件、工作方式及其延续情况)的一种时序描述，是确定产品将会遇到的环境条件的基础。

各阶段故障事件故障树分析，是由上往下的演绎式失效分析法，利用布林逻辑组合低阶事件，分析系统中不希望出现的状态。

故障模式、机理和影响分析，是分析每一产品所有可能产生的故障或后果的方法。

并根据以上分析结果确定传感器的性能失效阈值D

S2：以待测试传感器的薄弱模块施加温湿度应力进行加速退化试验，并获得退化试验数据

本发明需确定多组温湿度应力，所述温湿度应力高于待测试传感器的正常工作温度及湿度且低于待测试传感器的最大承受温度及湿度；

将待测试传感器的薄弱模块依次置于各组温湿度应力下并持续预设时长进行测试，并获得退化试验数据，每次测试间隔的时间相同。

S3：基于试验数据建立温湿度应力共同作用下传感器性能退化模型

基于试验数据建立温湿度应力共同作用下传感器性能退化模型，其概率密度函数和累积分布函数可表示为：

其中,t是经过退化的时间；X(t)是经过t小时退化后的相对退化量；u和v为待估计的参数。

S4：使用VAE算法对模型参数进行估计，得到高应力水平下模型参数

VAE是一种生成模型，它可以学习数据的概率分布，并用于生成新的数据样本。VAE包括一个编码器和一个解码器，编码器将输入数据映射到潜在空间中的潜在向量，解码器将潜在向量映射回数据空间中的重构数据。使用VAE算法对高温湿度应力水平下退化模型进行参数估计首先需要退化模型中的参数u

J(u

式中，q(z|n)表示编码器的概率分布，p(n|z,(u

最后使用随机梯度下降算法，最小化VAE的损失函数J(u

S5：结合加速退化模型推出正常温湿度应力水平下模型参数

将各组高温度及湿度应力水平下的参数估计值代入温湿度双应力加速模型中，加速模型如下：

式中，RH

利用最小二乘法对加速模型中的未知参数进行估计，得到加速模型中的参数

将正常应力水平的温度及湿度大小代入完成参数估计的加速模型中，得到正常温湿度应力水平下的退化模型参数u,v,其中

式中，RH和T分别表示传感器在正常工作水平下的相对湿度和温度。

S6：将正常应力水平下的模型参数代入可靠度函数中得到正常温湿度应力水平下传感器的可靠度。

根据第五步所求得的正常应力水平下的模型参数u,v,将其带入到性能退化模型符合的可靠度函数中得到正常温湿度应力水平下传感器的可靠度：

式中，R(t)为温湿度共同作用下的可靠度函数。