喬青云, 王召斌, 陳康寧, 劉百鑫, 朱佳淼

(江蘇科技大學 電子信息學院, 江蘇 鎮(zhèn)江 212003)

0 引 言

繼電器作為一種基本電氣控制器件,被廣泛地應(yīng)用于航天、軍事等電氣控制領(lǐng)域。對于應(yīng)用于軍事國防等方面的電子器件上的繼電器,長期貯存階段是一個必不可少的環(huán)節(jié)。在長期貯存環(huán)節(jié)中,繼電器由于受到環(huán)境因素的影響,在使用時可能會發(fā)生失效,導(dǎo)致電子產(chǎn)品發(fā)生故障,對繼電器進行貯存可靠性分析,有助于提高需長期貯存的組件的可靠性[1]。繼電器的貯存壽命是研究繼電器貯存可靠性的一項重要參數(shù)。研究繼電器貯存壽命預(yù)測方法能夠準確地預(yù)測繼電器的貯存壽命,剖析繼電器貯存失效的表現(xiàn)形式和失效機理。失效機理是導(dǎo)致產(chǎn)品發(fā)生失效時內(nèi)在的化學、物理、機械本質(zhì)或動靜態(tài)過程。

高可靠性和長壽命的繼電器在貯存退化過程中會出現(xiàn)無失效數(shù)據(jù)的情況,而加速退化試驗方法記錄繼電器失效具體過程,可以很好地解決該問題[2]。

剖析研究在貯存階段失效的繼電器,通過分析其失效機理,提出針對性的改進措施并建立相關(guān)的可靠性保障體系,對于提高繼電器的貯存壽命和電子器件的可靠性有著重要意義[3]。

1 繼電器長期貯存狀態(tài)下的失效機理

近年來,繼電器作為自動控制開關(guān)應(yīng)用于各種控制電路中,同時繼電器也是一種失效率較高的電子元器件[4]。繼電器的可靠性將會影響其所在系統(tǒng)的可靠性,繼電器的可靠性低水平,在很大程度上限制了電氣系統(tǒng)的發(fā)展。

1.1 繼電器的長期貯存狀態(tài)下的環(huán)境因素

繼電器的工作環(huán)境比較復(fù)雜,不同用途的繼電器工作在不同的環(huán)境中,如航天繼電器、軍用繼電器等,這些特殊用途繼電器的壽命不僅受到自身因素的影響,而且受到外界各種因素的影響。在繼電器的整個壽命中,貯存時間占了絕大部分時間,繼電器的貯存環(huán)境在很大程度上影響著繼電器的可靠性[5-6]。

環(huán)境因素包括溫度、濕度、氣壓等[7]。在這些不同的干擾因素中,每一種或者多種綜合作用都會造成不同的失效模式和失效機理[8-9]。在不同的環(huán)境因素中造成的繼電器失效表現(xiàn)形式和失效機理如表1所示。

1.2 長期貯存繼電器的失效機理

對于繼電器而言,不論何種繼電器,均由觸點系統(tǒng)、電磁系統(tǒng)和機械系統(tǒng)3部分共同組成,因此繼電器的故障發(fā)生主要在這3個系統(tǒng)之中[10-11]。

繼電器的失效機理包括腐蝕失效、潮解失效、密封失效、機械失效、接觸失效。根據(jù)有關(guān)密封電磁繼電器失效模式的技術(shù)統(tǒng)計數(shù)據(jù)可知,其中接觸失效占據(jù)了失效模式的80%以上[12-13]。

表1 在不同的環(huán)境因素中造成的繼電器失效表現(xiàn)形式和失效機理

根據(jù)文獻[14]可知,繼電器的失效機理一般分為兩類:應(yīng)力機理和磨損機理。應(yīng)力機理指繼電器受到外界的作用力超過繼電器本身能夠承受的范圍,通常會造成突發(fā)失效;磨損機理指繼電器在貯存的過程中會一直受到應(yīng)力作用,逐漸累加直至造成繼電器失效,即退化失效。

2 貯存可靠性分析方法

貯存可靠性是指產(chǎn)品在規(guī)定的貯存條件下,在規(guī)定的貯存時間內(nèi),保持其規(guī)定狀態(tài)的能力,是衡量產(chǎn)品質(zhì)量的重要指標之一[15]。在面對不同的規(guī)定要求時,需要對繼電器產(chǎn)品的貯存壽命和可靠性進行分析評估,從而判斷出系統(tǒng)的可靠性。

繼電器進行可靠性評估的方法有很多種?！斑z傳神經(jīng)網(wǎng)絡(luò)模型”在可靠性評估時,雖需要大量的樣本數(shù)據(jù),但能夠同時考慮多因素的影響并且對于特定情況具有較高的預(yù)測精度;“Bayes方法”在可靠性評估時,只需利用極少的樣本數(shù)據(jù),結(jié)合先驗信息的利用,就能夠在復(fù)雜的系統(tǒng)中進行應(yīng)用。結(jié)合以上特點,發(fā)現(xiàn)這兩種方法適用的范圍幾乎不重疊,且覆蓋了多種應(yīng)用方向。因此本文對這兩種方法進行詳細的描述。

2.1 基于遺傳神經(jīng)網(wǎng)絡(luò)模型的可靠性評估

遺傳算法(Genetic Algorith,GA)是一種全局隨機尋找最優(yōu)結(jié)果的算法,用于求解多變量、多參數(shù)和多目標的優(yōu)化問題;BP神經(jīng)網(wǎng)絡(luò)則是采用了BP算法的前饋算法,BP算法屬于一種梯度下降算法[16-17]。而GA-BP神經(jīng)網(wǎng)絡(luò)模型則是將遺傳算法和BP神經(jīng)網(wǎng)絡(luò)兩者有機結(jié)合起來。

GA-BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合了GA和BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點,因此能夠?qū)崿F(xiàn)在快速全局中尋找最優(yōu)解的功能。

劉金梅等[18]使用GA-BP神經(jīng)網(wǎng)絡(luò)模型對某種彈藥的貯存可靠性進行了評估,選定了15個訓(xùn)練樣本,得出了樣本測試的平均值與實測值的誤差約為0.006,結(jié)果表明該模型是有效的,且通過數(shù)據(jù)分析得出GA-BP神經(jīng)網(wǎng)絡(luò)模型的性能在一定程度上是取決于采用數(shù)據(jù)的質(zhì)量。文獻[17]對GA-BP神經(jīng)網(wǎng)絡(luò)的特性進行了分析并對模型進行了改進,大幅度提高了成功率,使得AGA-BP的準確率達到97.57%,而誤差僅為2.07%,優(yōu)于傳統(tǒng)的可靠性評估方法。李文華等[19]建立函數(shù)鏈的神經(jīng)網(wǎng)絡(luò)模型,該模型精度取決于模型的權(quán)系數(shù),對于能夠預(yù)先知道輸入數(shù)據(jù)關(guān)系的情況,該模型具有可觀的預(yù)測精度。

綜上所述,能夠發(fā)現(xiàn)基于GA-BP神經(jīng)網(wǎng)絡(luò)模型的可靠性評估方法具有以下優(yōu)點:能夠同時考慮多因素的影響和無需假定壽命分布類型及確定參數(shù),對于特定情況的預(yù)測精度較高;但是同樣也具有無法準確選取隱含層節(jié)點的問題,只能憑借經(jīng)驗選取。

2.2 基于Bayes方法的可靠性評估

由于傳統(tǒng)可靠性分析方法在復(fù)雜情況下評估具有局限性,無法全面利用先驗信息,因此許多學者提出采用Bayes方法進行評估。貝葉斯網(wǎng)絡(luò)(Bayesian Network,BN)是一種基于概率的推理技術(shù),注重先驗信息的利用,然后根據(jù)小樣本的失效數(shù)據(jù)對參數(shù)進行條件分析和推理,因此在復(fù)雜系統(tǒng)的可靠性和風險分析等領(lǐng)域中被廣泛應(yīng)用。

黃周霖等[20]將Bayes方法應(yīng)用于電磁繼電器長貯存、零失效情況下的可靠性評估,選取了23只電磁繼電器進行分組試驗,得出電磁繼電器的可靠度函數(shù)并分別計算出其誤差為0.021 25和0.002 36,證明了該方法的可靠性。翟勝[21]提出了一種基于BN的多態(tài)系統(tǒng)可靠性分析方法,該方法利用了BN的多態(tài)網(wǎng)絡(luò)節(jié)點來描述故障模式的多態(tài)性,條件概率表示節(jié)點之間的因果關(guān)系。通過對先驗數(shù)據(jù)的使用,發(fā)現(xiàn)整個系統(tǒng)的薄弱環(huán)節(jié),為提高系統(tǒng)的可靠性提供了依據(jù)。在文獻[22]中將BN方法應(yīng)用于電力系統(tǒng)的可靠性評估,并且通過兩個實例展示了該方法相對于傳統(tǒng)可靠性評估方法的有效性和優(yōu)越性。

還有一些學者將Bayes方法與其他可靠性分析方法相結(jié)合比較,從多方面體現(xiàn)出了BN的優(yōu)越性。如周忠寶[23]將BN與故障樹分析方法進行比較,描述了多種故障樹分析方法向BN轉(zhuǎn)化的方法,最后通過大亞灣核電站的實例,展示了BN在可靠性分析中具有描述事物動態(tài)性和非確定邏輯關(guān)系的能力,即獲取更多信息的能力,表明基于BN的方法非常適用于進行可靠性分析。

綜上所述,利用BN對繼電器貯存可靠性進行評估時,能夠提高信息的利用率和結(jié)果的可信度,且比傳統(tǒng)方法更加有效、可靠,但由于該方法注重先驗信息的利用,所以選擇正確的先驗分布密度尤為重要。

2.3 其他可靠性評估方法

對于高可靠性和長壽命的繼電器產(chǎn)品,一般采用加速壽命試驗,以達到對產(chǎn)品進行可靠性評估的目的[24]。該方法使用的前提是確保繼電器的失效機理不發(fā)生改變,提高應(yīng)力水平,加速繼電器的貯存。該方法對于加速壽命試驗獲得的數(shù)據(jù),假定產(chǎn)品的壽命服從威布爾模型,建立可靠性模型和似然估計函數(shù),對產(chǎn)品進行可靠性評估。

馮靜等[25]針對目前的可靠性增長模型無法解決無失效數(shù)據(jù)狀態(tài)下的可靠性分析,提出了一種新的基于修正似然函數(shù)的可靠性分析方法,并建立了威布爾分布零失效下的可靠性增長模型,通過實例仿真驗證了該模型的正確性,對繼電器在無失效數(shù)據(jù)情況下的可靠性評估提供了一定的參考。

還有其他的學者利用加速退化試驗過程中的退化數(shù)據(jù),基于加速退化數(shù)據(jù)對產(chǎn)品進行可靠性分析。文獻[26]通過航天繼電器的退化規(guī)律分布,建立了以接觸電阻退化情況為參數(shù)的退化失效可靠性統(tǒng)計模型;利用最佳線性無偏估計方法進行了參數(shù)估計,為航天繼電器貯存可靠性評估和貯存壽命預(yù)測提供了參考。

3 繼電器加速退化試驗壽命預(yù)測方法

3.1 加速退化試驗

隨著科技的發(fā)展提高,出現(xiàn)了許多長壽命和高可靠性的繼電器,為了對這些繼電器進行可靠性評估,需要進行加速退化試驗來快速獲取數(shù)據(jù)。加速退化試驗是指增加應(yīng)力來加速產(chǎn)品的失效,采集產(chǎn)品在高水平應(yīng)力下的性能退化數(shù)據(jù),利用這些數(shù)據(jù)對產(chǎn)品進行可靠性評估以及預(yù)測產(chǎn)品在正常應(yīng)力下壽命時間的加速退化試驗[27]。加速退化試驗流程如圖1所示。

圖1 加速退化試驗流程

具體步驟[28]如下:

(1) 試驗類型選擇。有恒定應(yīng)力加速、步進應(yīng)力加速和序進應(yīng)力加速。

(2) 加速退化試驗?zāi)Ｐ瓦x擇。有回歸模型、灰色理論預(yù)測模型等。

(3) 加速應(yīng)力水平確定。應(yīng)保持失效機理一致,然后在此基礎(chǔ)上增強應(yīng)力水平。

(4) 樣品數(shù)量確定。根據(jù)有效的條件,適當選擇試驗所需要的樣品數(shù)量。

(5) 性能退化參數(shù)確定。有接觸電阻、吸合時間和釋放時間等。

(6) 貯存試驗要求。按照GJB 65B—1999《有可靠性指標的電磁繼電器總規(guī)范》和GJB/Z 108A—2006《電子設(shè)備非工作狀態(tài)可靠性預(yù)計》規(guī)定。

對于加速退化試驗獲得的退化數(shù)據(jù)的分析方法通常分為兩類:基于回歸模型的退化分析和基于隨機過程的退化分析。

3.1.1 基于回歸模型的退化分析

回歸模型也被稱為退化軌跡,即將產(chǎn)品的退化量和退化參數(shù)作為時間參數(shù)建立模型,許多學者通過分析產(chǎn)品的失效機理建立產(chǎn)品性能退化軌跡函數(shù)。

陳志軍等[29]采取溫度應(yīng)力進行加速退化試驗,對于導(dǎo)電膜電阻建立了以溫度應(yīng)力為參數(shù)的退化軌跡模型,最后獲得了導(dǎo)電膜電阻在不同應(yīng)力下的壽命,對產(chǎn)品在正常應(yīng)力下的壽命進行了可靠性預(yù)測。通過以某導(dǎo)電膜電阻為例,預(yù)測該導(dǎo)電膜電阻20 ℃下的貯存壽命估計為61.97 a,置信度為75%的單側(cè)置信下限為17.85 a,滿足17.00 a的貯存要求,驗證了基于退化數(shù)據(jù)的方法在壽命預(yù)測中的可靠性和有效性。

3.1.2 基于隨機過程的退化分析

繼電器產(chǎn)品在貯存的過程中,受到不同環(huán)境應(yīng)力的影響,繼電器的退化過程具有隨機性和不確定性,可以采用隨機過程對繼電器的退化過程進行建模分析。目前,許多隨機過程在建模應(yīng)用中,大多根據(jù)主觀判斷做出假定,容易造成可靠性模型不準確,加速因子不變原則可以有效解決這個問題。不同隨機過程及結(jié)論如表2所示。表2概述了一些隨機過程根據(jù)加速因子不變原則推導(dǎo)出的結(jié)論[30-33]。

表2 不同隨機過程及結(jié)論

許多產(chǎn)品的退化過程屬于Gamma過程,Gamma過程性能退化模型在壽命預(yù)測領(lǐng)域被廣泛應(yīng)用。在文獻[34]中,介紹了Gamma過程性能退化的模型,并推理出Gamma過程性能退化模型的壽命預(yù)測公式,最后通過實例驗證了該模型在壽命預(yù)測和可靠性評估的有效性。

李奎等[35]對交流接觸器的數(shù)據(jù)進行了MATLAB處理,根據(jù)數(shù)據(jù)的分布函數(shù)與Gamma過程的分布密度曲線和累積曲線進行擬合,并進行皮爾遜χ2擬合優(yōu)度檢驗;對仿真數(shù)據(jù)進行Gamma過程性能退化模型的壽命預(yù)測,結(jié)果證明Gamma過程性能退化模型能夠正確地描述交流接觸器退化過程和壽命預(yù)測,為繼電器的性能退化過程描述和壽命預(yù)測提供了參考依據(jù)。

3.2 基于灰色理論的壽命預(yù)測模型

系統(tǒng)一部分數(shù)據(jù)是已知的,另一部分數(shù)據(jù)是未知的,則該系統(tǒng)稱為灰色系統(tǒng)?；疑到y(tǒng)通過對已知的樣本進行分析,總結(jié)出已知信息的特定規(guī)律,對未知數(shù)據(jù)的規(guī)律進行預(yù)測,進而能夠掌握整個系統(tǒng)的規(guī)律[36-38]。

蔚德申等[36]根據(jù)傳統(tǒng)的灰色GM(1,1)預(yù)測模型,提出了一種改進的加權(quán)型GM(1,1) 預(yù)測模型,預(yù)測低壓斷路器壽命。加權(quán)型GM(1,1)預(yù)測模型能夠減小誤差,提高模型的預(yù)測精度,降低數(shù)據(jù)波動對預(yù)測結(jié)果的干擾,真實地反應(yīng)數(shù)據(jù)的變化趨勢。

苑夢雄[39]建立了灰色GM(1,N)預(yù)測模型對繼電器進行了壽命預(yù)測,并將灰色模型針對少數(shù)據(jù)的特性建模特點與神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了灰色神經(jīng)網(wǎng)絡(luò)。在試驗中選用了15個小型的繼電器進行壽命試驗,為了模擬實際環(huán)境,將繼電器分布放在3個恒定的溫度下進行試驗,獲得了試驗數(shù)據(jù)。將試驗數(shù)據(jù)作為網(wǎng)絡(luò)模型的輸入輸出參數(shù),以繼電器的最終壽命為預(yù)測輸出,將預(yù)測壽命與實際壽命進行對比計算,得出最終的結(jié)果是預(yù)測平均誤差為4.05%,該結(jié)果驗證了灰色理論壽命預(yù)測模型的可實用性。

繼電器產(chǎn)品多數(shù)都具有部分失效機理未明確的特點,且繼電器的貯存壽命受到多因素共同影響,因此GM具有較高的實用性和可靠性。

4 結(jié) 語

本文總結(jié)了對繼電器可靠性造成影響的環(huán)境因素并分析了其失效機理,在此基礎(chǔ)上概述了幾種可靠性評估方法和壽命預(yù)測方法,并介紹了各類方法存在的問題和優(yōu)勢。最后,面對高可靠性和長壽命的繼電器,利用加速退化試驗方法對其進行壽命預(yù)測。但是目前我國對于加速退化試驗方法還比較單一,大多數(shù)都是基于單一的應(yīng)力進行加速退化試驗,對于多應(yīng)力共同作用的研究相對較少。因此,對于如何改進加速退化試驗方法和對高可靠性和長壽命的產(chǎn)品在復(fù)雜貯存情況下的可靠性分析和壽命預(yù)測,還需要進一步分析研究。

我國目前的貯存壽命預(yù)測方法的精準度水平不一。隨著深度學習的興起與發(fā)展,許多學者將深度學習應(yīng)用到了電池等領(lǐng)域的壽命預(yù)測,因此可以期望將基于深度學習的壽命預(yù)測方法擴展到繼電器的貯存壽命預(yù)測領(lǐng)域,期望對繼電器能夠進行精準的貯存壽命預(yù)測,提高繼電器的貯存可靠性。