共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
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。 相似文献
3.
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. 相似文献
4.
用加速试验评估器件长期贮存寿命的研究 总被引:1,自引:0,他引:1
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. 相似文献
5.
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。 相似文献
6.
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. 相似文献
7.
长期贮存寿命评估方法研究 总被引:1,自引:0,他引:1
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。 相似文献
8.
9.
10.
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。 相似文献
11.
12.
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. 相似文献
13.
基于新陈代谢GM(1,1)模型的质心预测跟踪算法 总被引:1,自引:0,他引:1
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. 相似文献
14.
一种优化的高精度灰色GM(1,1)预测模型 总被引:5,自引:0,他引:5
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。 相似文献
15.
16.
17.
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. 相似文献
18.
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. 相似文献
19.
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 总被引:1,自引:0,他引:1
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。 相似文献