基于分布式有限样本的多因素耦合寿命预测方法

专利主权项内容

1.基于分布式有限样本的多因素耦合寿命预测方法，其特征在于，包括以下步骤：1)基于实验室加速实验与户外自然老化试验数据的“S”型特点进行精细化建模：基于Logistic曲线建立老化指标的参数化退化轨迹模型，具体形式为：Y(t)＝G(t；θ)+ε(t)iijiijiij其中，Y(t)表示材料样本i在t时刻实际观测到的老化指标水平，G(t；θ)表示对应的潜在退化轨迹，ε(t)为误差项；S(t)表示至t时刻外部环境对材料造成的累积损伤模型；老化指标的参数化退化轨迹模型整体呈“S”型，通过曲线形状参数(η，μ，σ)控制；iijijiijiijiijij2)建立累积损伤模型，累积损伤模型S(t)的具体形式为：iij该累积损伤模型考虑了包括温度T、辐照强度I、相对湿度RH三个外界因素；其中，温度T的影响函数为其形式符合阿伦尼乌斯方程，α为正数，表示高分子材料老化时对温度的敏感程度；辐照强度I的影响函数为I(τ)，满足史瓦西定律；相对湿度RH的影响函数为β表示当相对湿度超过t时对老化的加速效应；(α，β，γ)为与外部因素相关的物理参数；超参数t由目标材料的特性所决定，t的取值由基于超参数交叉验证的方法确定；iγ3)采用多指标迁移学习方法增加样本量；采用正则化方法在目标函数中增加岭回归判罚项，并建立目标函数；岭回归判罚项的形式为：其中，θ包括了模型中的待估参数，θ为使用验室数据得到的模型参数结果，λ为调节参数；lab得到用于估计模型的目标函数为：其中，θ＝(η，μ，σ，α，β，γ)表示退化轨迹模型中的所有参数，I，I分别对应于实验室加速数据集和室外自然老化数据集；I，I，...，I表示通过其他指标迁移得到的数据集，用于描述实验室数据、户外数据和指标迁移数据之间的异质误差；1234K通过最小化上述目标函数，得到θ和的估计结果；4)对退化轨迹模型进行改进，刻画出实验室与户外实验数据之间的异质性：允许模型中控制“S”型曲线形状的参数(η，μ，σ)在户外和室内条件下不同，用于描述材料老化在两种环境下的异质特征，但与外部因素相关的物理参数(α，β，γ)在户外与室内保持一致，即其中，(η，μ，σ)为实验室数据集对应的曲线参数，(η，μ，σ)为户外数据集与迁移指标数据集对应的曲线参数，n代表第i个样本的观测点的总数；111222i5)引入因素间的耦合效应：通过将与老化速率相关的曲线参数σ根据外部环境对其进行聚类引入耦合效应，得到参数估计的结果；为了引入耦合效应，将户外曲线参数中的σ扩展为ε，p＝i，...，P；其中P代表着户外数据集所包含的不同室外环境条件的总数量，p代表着第p种室外环境条件，ε为第p种室外条件所对应的曲线参数σ；将扩展后的σ带入目标函数后，得到参数估计22，p2，p2，p2，p对参数估计进行聚类，将P个参数/>精简为L个参数/>其中/>代表第l类室外环境条件下的曲线参数σ，而聚类同属于第l组的多个室外环境此时共用/>来替换/>在确定了聚类分组之后，将/>带入目标函数，得到/>作为最终的参数估计；将步骤4)中的σ改进为重新代入3)中的目标函数，最小化目标函数值，得到参数估计的结果；26)利用老化指标的参数化退化轨迹模型预测新环境数据下的老化曲线：建立室外环境与聚类组别之间的关系，即L(p)＝f(T，I，RH)；其中L(p)∈1，…，L，表示第p种户外环境所归属的聚类组别；T，I，RH对应第p种户外环境的环境特征；通过线性回归或者非参数回归得到f(T，I，RH)的一个函数估计：通过该估计函数来建立环境特征和聚类组别的关系；此时如果有新的环境数据到来T，I，RH，预测其聚类组别为假定预测结果为：/>则利用/>(η，μ)以及(α，β，γ)计算新环境数据的老化曲线，其中/>是第k个聚类组别的估计参数。pppppppppp+1p+1p+122