元器件长期贮存寿命评估方法概述

为了满足电子装备的长期贮存可靠性要求,组成电子装备的各个部件或模块均应具有长期贮存性能。明确元器件贮存寿命是保证装备长期贮存的关键。本文对元器件贮存寿命的评估方法进行了概述。     

单一失效机理引起的元器件贮存寿命评价方法研究

电子元器件长期贮存过程发生的失效是由多种失效机理共同作用的结果．以器件贮存寿命整体为基础的寿命评价难度很大。选择对器件贮存寿命影响最大的单一失效机理．以失效物理为基础．通过高加速应力试验进行寿命评价研究,获得的寿命可以较准确地反映器件真实的贮存寿命。单一失效机理贮存寿命的研究是元器件贮存可靠性工作的重要内容。     

电子元器件的贮存可靠性及评价技术

贮存可靠性是元器件可靠性研究的重要方面.阐述了国内外元器件的贮存可靠性研究现状,从应用性角度出发,对现场贮存、长期自然贮存试验、极限应力、加速贮存寿命试验等贮存可靠性评价技术进行了对比分析.     

用加速试验评估器件长期贮存寿命的研究

电子元器件长期贮存条件下,主要受到温度、湿度、盐雾气氛等环境应力影响而失效.而将这些影响因素扩大来快速评价器件的长期贮存可靠性是目前器件可靠性研究的重点之一.本文给出了几种常用的加速应力模型及其适用条件.     

论电子电气设备加速贮存寿命试验的可行性

本文讨论了电子电气系统及其所属设备在长期贮存过程中，在温度、湿度、时间三因素的作用下，设备的失效机理和失效模式，以及它们和应用的作用关系；论述了在贮存过程中，湿度、湿度和温度联合对设备的失效作用大于单独温度对设备的失效作用；论述了阿伦尼斯文程及导出的１０℃法则不能普遍应用于电子电气设备的贮存试验，只适用于由随温度的长期作用而老化的关键元器件、零件、材料构成的设备。     

电子元器件贮存可靠性评估与预测的贝叶斯方法

基于电子元件寿命试验的二项型数据信息,提出了电子元件贮存可靠性评估与预测的贝叶斯方法.利用环境因子将电子元件产品在不同贮存条件下的试验数据进行折合,依据贝叶斯理论对小样本下可能出现的数据"数据倒挂"进行预处理,并评估出其在各已知贮存时间点上的可靠度,再运用配曲线法得到产品的贮存寿命分布,进而对其贮存可靠度进行合理预测.最后,通过一个实例说明了方法的可行性.     

长期贮存寿命评估方法研究

报告了长期贮存寿命常用的两种评估方法(自然贮存试验评估和加速寿命试验评估)的研究现状,从工程应用角度实际使用出发,对自然贮存试验转化为类比法试验评估方法进行了研究,避免了自然贮存试验周期过长的缺点并保留了其真实性。同时,对加速寿命试验模型阿列尼乌斯方程的推导分析和建模应用进行了研究。     

电子元器件的贮存可靠性及评价技术

综述了国内外元器件的贮存可靠性研究现状,分析了元器件贮存失效模式及原因,表明减少元器件自身缺陷、改善固有可靠性是提高其贮存可靠性的关键。并从应用性角度出发,对现场贮存、长期自然贮存试验、极限应力、加速贮存寿命试验等贮存可靠性评价技术进行了对比分析。     

电子元器件加速寿命试验方法的比较

加速寿命试验作为可靠性试验的一个组成部分,是控制、提高电子产品可靠性的常用方法.目前有三种加速寿命试验方法:恒定应力、步进应力和序进应力加速寿命试验.简要介绍了加速寿命试验的概念,举例说明这三种方法的实施方案及数据处理,从实际操作角度比较了三种方法的优、缺点,并对其应用情况做了介绍.     

军用电子元器件型谱系列应用推广研究

在调查研究的基础上,首次系统分析了我国军用电子元器件用户配套元器件选用机制,提出了军用电子元器件型谱系列工程应用推广有效途径,为领导机关制定相关政策和元器件生产研制单位开拓市场提供了决策依据。     

移动通信系统数据业务量预测研究

运用灰色GM(1,1)模型,以北京市某运营商移动通信网络数据业务量为样本数据,通过模型预测的移动通信业务量的拟合数据与样本数据基本一致,得到的2020年业务量增长倍数在其他各家机构预测倍数范围之内,从而得出将灰色GM(1,1)模型用于移动通信数据业务量增长趋势的预测是合理的。     

GM(1,1)模型在装备维修保障成本预测中的应用

针对新装备维修保障成本数据较少的不足,运用灰色预测理论构建GM(1,1)模型对装备维修保障成本进行预测,并对模型精确度进行验证.结果表明,所建的模型能够准确地反映实际的情况,可以用来对未来儿年将发生的维修保障成本进行预测.     

基于新陈代谢GM(1,1)模型的质心预测跟踪算法

针对红外成像制导跟踪系统转入预测跟踪状态,提出基于新陈代谢GM(1,1)模型的质心预测跟踪算法:首先采用目标丢失前的数帧目标质心坐标作为预测的原始数据序列;其次采用GM(1,1)模型进行预测;用预测出的新信息替换掉老的信息,对原始序列进行新陈代谢.该质心预测跟踪算法采用普通PC机在Matlab7.1仿真环境下进行仿真,用实际挂飞数据进行验证,其次还基于TMS320F2812DSP硬件平台进行了单帧仿真.仿真结果表明:新陈代谢GM(1,1)预测模型预测精度优于GM(1,1)预测模型.     

一种优化的高精度灰色GM(1,1)预测模型

针对灰色GM(1,1)模型的建模方法存在偏差,模型不满足协调性条件,不具有变换一致性,且通过累加生成建模时,x(0)(1)没有起到高精度控制预测等问题。该文从重构GM(1,1)白化背景值出发,利用白化背景值的加权向前差商和向后差商平均值优化模型灰导数,根据新信息对认知的作用大于旧信息的原理,以x(1)(n)替换x(0)(1)作为模型的初始条件,对GM(1,1)预测模型进行了改进,从而使所建模型的预测精度大为提高,尤其是发展系数大于2时,新模型的拟合精度仍然很高。通过实例对比验证了新模型无论在低增长指数序列还是在高增长指数序列都有非常高的实用性和可靠性。     

基于GM（1，1）模型的区域交通运输体系发展预测

灰色预测法是一种对含有不确定因素的灰色系统所产生的与时间有关的灰色变化过程进行预测的方法。本文以灰色预测法中的GM（1,1）模型为基础,以残差模型对其进行优化,并将优化后的模型应用于以陕西省为实例的区域交通运输体系的发展预测。实证结果表明,预测结果良好。     

基于遗传新陈代谢灰色模型的电子设备故障预测研究

经过研究分析,序列光滑度和背景值构造是常规灰色GM(1,1)模型误差的主要来源。针对这一问题,提出了一种改进的方法:首先对建模序列进行对数平滑处理,而后利用遗传算法对背景值进行寻优,并形成改进的新陈代谢GM(1,1,λ)模型。最后通过实例验证,表明改进的新陈代谢模型具有更高的预测精度,可用于电子设备的寿命预测。     

基于gm(1,1)模型的垂直切换算法仿真研究

在matlab环境下,仿真得到基于GM(1,1)模型动态预测垂直切换过程中的接收信号强度,在原始数据较少的情况下,依然有较高的预测准确度.通过仿真结果分析,在垂直切换过程中,基于GM(1,1)模型预测接收信号强度的方法有需要原始数据少、准确性高、复杂度较小等优点.     

基于三次样条的动态GM(1,1)模型在智能电网用电量预测中的应用

Electricity demand forecasting plays an important role in smart grid expansion planning. In this paper, we present a dynamic GM(1,1) model based on grey system theory and cubic spline function interpolation principle. Using piecewise polynomial interpolation thought, this model can dynamically predict the general trend of time series data. Combined with low-order polynomial, the cubic spline interpolation has smaller error, avoids the Runge phenomenon of high-order polynomial, and has better approximation effect. Meanwhile, prediction is implemented with the newest information according to the rolling and feedback mechanism and fluctuating error is controlled well to improve prediction accuracy in time-varying environment. Case study using the living electricity consumption data of Jiangsu province in 2008 is presented to demonstrate the effectiveness of the proposed model.     

无线传感器网络中基于压缩感知和GM(1,1)的异常检测方案

针对现有的异常事件检测算法准确率低和能量开销较大等问题,该文提出一种基于压缩感知(CS)和GM(1,1) 的异常事件检测方案。首先,基于分簇的思想将传感器节点的数据进行压缩采样后传输至Sink,针对传感器网络中数据稀疏度未知的特点,提出一种基于步长自适应的块稀疏信号重构算法。然后,Sink基于CM(1,1)对节点发生的异常进行预测,并对节点的工作状态进行自适应调整。仿真实验结果表明,相比于其它异常检测算法,该算法的误警率和漏检率较低,在保证异常事件检测可靠性的同时,有效地节省了节点能量。     

基于等维新息的GM(2,1)递推预测模型

针对GM(2,1)白化方程的解影响其预测精度的问题,提出了一种新的预测模型——等维新息GM(2,1)递推预测模型.该模型通过其灰色微分方程推导出GM(2,1)递推预测模型的表达式,避免了对二阶白化方程进行求解,同时解决了差分方程与微分方程之间因转换而产生误差的问题,并结合等维新息的思想更新GM(2,1)递推预测模型的参数.最后通过实例验证了所提等维新息GM(2,1)递推预测模型的有效性和实用性.