Review on Reliability Evaluation Methods for Small Samples of Electronic and Electrical Products

doi:10.16628/j.cnki.2095-8188.2022.12.001

Abstract

Abstract:

The research status of reliability evaluation methods of electronic and electrical products with small samples is expounded.First of all,through the literature review at home and abroad,it is pointed out that the reliability evaluation of electronic and electrical products with small samples mainly includes two aspects:data preprocessing of small samples and reliability prediction modeling.Then,according to the above problems,several reliability evaluation methods,such as Bootstrap method and Bayes method are introduced,and their advantages and disadvantages are analyzed.Finally,the research on reliability evaluation methods of electronic and electrical products with small samples is prospected.

Key words: electronic and electrical products, small samples, reliability, evaluation method

CLC Number:

ZHU Jiamiao, WANG Zhaobin, LI Jiuxin. Review on Reliability Evaluation Methods for Small Samples of Electronic and Electrical Products[J]. LOW VOLTAGE APPARATUS, 2022, 0(12): 1-7.

Figures/Tables 1

References 48

[1]	王召斌. 航天电磁继电器贮存可靠性退化试验与评价方法的研究[D]. 哈尔滨: 哈尔滨工业大学, 2013.
[2]	张喆. 电子产品可靠性试验综述[J]. 科技研究, 2014(26):637-637.
[3]	吴祺. 小子样理论在武器装备精度鉴定和可靠性增长分析中的应用[D]. 合肥: 国防科学技术大学, 2006.
[4]	方志耕, 陈顶, 刘思峰. 贫信息背景的复杂装备可靠性预测现状与展望[J]. 指挥信息系统与技术, 2018, 9(5):1-8.
[5]	李文丽, 原大宁. 极小子样下参数随机分布的电主轴可靠性分析[J]. 机械科学与技术, 2016, 35(5):690-695.
[6]	李洪双. 小子样可靠性分析方法及应用研究[D]. 西安: 西北工业大学, 2006.
[7]	徐玉茗, 邓超, 吴军. 基于Bootstrap方法的可靠性评估[J]. 机械设计与制造, 2010(3):105-107.
[8]	孙远航, 余建波, 刘贤军, 等. 小子样下导电滑环磨损失效仿真的可靠性评估研究[J]. 宇航学报, 2020, 41(5):624-632.
[9]	李永华, 张月, 石姗姗. 基于极小子样的某列车齿轮箱箱体疲劳寿命可靠性评估[J]. 中国工程机械学报, 2020, 18(2):165-170.
[10]	马宇鹏, 张建国, 邱继伟. 基于Bootstrap-SVR-SOC的小子样结构机构可靠性分析方法[J]. 北京邮电大学学报, 2018, 41(4):81-85.
[11]	SUO H L, GAO J M, GAO Z Y, et al. Bootstrap and maximum entropy based small-sample product lifetime probability distribution[J]. IFAC Papers OnLine, 2015, 48(3):219-224.
[12]	刘百鑫, 王召斌, 乔青云, 等. 基于深度学习的继电器寿命预测方法研究综述[J]. 电器与能效管理技术, 2021(12):1-6,33.
[13]	ZHOU Y, SHEN M, CUI X, et al. Triboelectric nanogenerator based self-powered sensor for artificial intelligence[J/OL].10.1016/j.nanoen.2021.105887.
[14]	李格格, 李存斌. 基于扩充样本的电力系统可靠性动态与实时研究[J]. 智慧电力, 2019, 47(1):88-93.
[15]	赵文清, 严海, 周震东, 等. 基于残差BP神经网络的变压器故障诊断[J]. 电力自动化设备, 2020, 40(2):143-148.
[16]	王秀芳, 李月明. 基于msDS-CNN的滚动轴承故障诊断方法[J/OL]. 吉林大学学报(信息科学版):1-8[2022-06-04]
[17]	DONG Y J, LI Y Q, ZHEGN H L, et al. A new dynamic model and transfer learning based intelligent fault diagnosis framework for rolling element bearings race faults:Solving the small sample problem.[J]. ISA Transactions, 2022, 121:327-348. doi: 10.1016/j.isatra.2021.03.042
[18]	王宁, 田家英, 董宁, 等. 基于改进SVM的智能电网调控系统实时风险评估与预警技术[J]. 沈阳工业大学学报, 2022, 44(1):7-13.
[19]	陈诚, 皮志勇, 赵英龙, 等. 基于自适应灾变遗传-循环神经网络的锂离子电池SOC估计[J]. 电气工程学报, 2022, 17(1):86-94.
[20]	LI K J, CHENG L Y, LYU Z W, et al. Reliability assessment based on time waveform characteristics with small sample:A practice inspired by few-shot learnings in metric space[J/OL].10.1016/j.asoc.2021.108148.
[21]	LI M Y, WANG Z Q. LSTM-augmented deep networks for time- Variant reliability assessment of dynamic systems[J]. Reliability Engineering and System Safety, 2022, 217(1):653-666.
[22]	姜江. 证据网络模型及其推理算法[J]. 系统工程理论与实践, 2015, 35(4):984-990. doi: 10.12011/1000-6788(2015)4-984
[23]	李越. 基于多源信息融合技术的电磁阀测试系统[D]. 北京: 北京交通大学, 2021.
[24]	化柏林. 多源信息融合方法研究[J]. 情报理论与实践, 2013, 36(11):16-19.
[25]	冯静. 小子样复杂系统可靠性信息融合方法及其应用[M]. 北京: 科学出版社, 2015.
[26]	王博, 蒋平, 郭波. 基于多源信息融合的航天阀门可靠性评估[J]. 兵工学报, 2022, 43(1):199-206.
[27]	LIANG Q W, YANG C, LIN S, et al. Multi-source information grey fusion method of torpedo loading reliability[J]. Ocean Engineering, 2021, 234:109303.1-109303.6. doi: 10.1016/j.oceaneng.2021.109303
[28]	孙博. 基于多源信息融合的数控机床关键功能部件可靠性评估[D]. 长春: 吉林大学, 2021.
[29]	赵婉, 温玉全. 可靠性评估领域中环境因子的研究进展[J]. 电子产品可靠性与环境试验, 2005(2):69-72.
[30]	李湘宁, 李晓斌. 威布尔分布的战术导弹可靠性试验信息融合方法[J]. 火力与指挥控制, 2014, 39(12):153-155.
[31]	冯静, 周经伦. 基于退化失效数据的环境因子问题研究[J]. 航空动力学报, 2010, 25(7):1622-1627.
[32]	毛昭勇, 宋保维, 胡海豹, 等. 基于AmsAA增长模型的鱼雷系统Bayes可靠性分析[J]. 兵工学报, 2009, 30(10):1401-1404.
[33]	孙永全, 郭建英, 陈洪科, 等. 兆瓦级直驱风力发电机组可靠性增长预测[J]. 中国电机工程学报, 2010, 30(18):67-71.
[34]	王国玉, 申绪涧, 汪连栋, 等. 电子系统小子样试验理论方法[M]. 北京: 国防工业出版社, 2003.
[35]	MA W B, LIU J H, ZHOU Z Q. Small sample data method research on reliability modeling of direct reusing electromechanical servo system[C]// Proceedings of 2018 3rd International Conference on Automation,Mechanical Control and Computational Engineering(AMCCE 2018), 2018:18-21.
[36]	贾祥, 程志君, 郭波. 基于信息熵和Bayes理论的高可靠性产品可靠性评估[J]. 系统工程理论与实践, 2020, 40(7):1918-1926. doi: 10.12011/1000-6788-2019-1306-09
[37]	YANG J W, WANG J H, HUANG Q, et al. Reliability assessment for the solenoid valve of a high-speed train braking system under small sample size[J]. Chinese Journal of Mechanical Engineering, 2018, 31(3):189-199.
[38]	DOU K K, ZHAN M Y, LI Z, et al. Testability evaluation by multi-sources Bayes method applied in torpedo weapon system with improved jaccard similarity[C]// Conference proceedings of 2021 4th International Conference on Algorithms,Computing and Artificial Intelligence(ACAi 2021), 2021:510-517.
[39]	乔青云, 王召斌, 陈康宁, 等. 继电器贮存可靠性分析和加速退化试验综述[J]. 电器与能效管理技术, 2022(1):1-6.
[40]	韩伟, 李峰, 王轩, 等. 考虑尾流效应和集电系统元件故障的风电场可靠性建模[J/OL]. 电测与仪表:1-8[2022-06-05]
[41]	赵洪山, 李自立. 风电机组轴系的剩余寿命预估[J]. 电力自动化设备, 2020, 40(6):70-75,99.
[42]	李刚, 齐莹, 李银强, 等. 风力发电机组故障诊断与状态预测的研究进展[J]. 电力系统自动化, 2021, 45(4):180-191.
[43]	周真, 周浩, 马德仲, 等. 风电机组故障诊断中不确定性信息处理的贝叶斯网络方法[J]. 哈尔滨理工大学学报, 2014, 19(1):64-68.
[44]	符杨, 苗育植, 黄玲玲, 等. 基于改进贝叶斯网络的风电机组动态可靠性评估[J/OL]. 电力自动化设备:1-13[2022-06-05]
[45]	杨晓钰. 小子样背景的复杂装备可靠性寿命试验RLT-GERT网络模型研究[D]. 南京: 南京航空航天大学, 2016.
[46]	杨晓钰, 方志耕, 陶良彦. 装备可靠性试验寿命评估GERT网络模型[J]. 南京航空航天大学学报, 2016, 48(5):689-695.
[47]	蒋子涵, 方志耕, 杨晓钰, 等. 基于GERT网络的非等概率共因失效系统故障间隔期预测[J]. 系统工程, 2018, 36(7):141-147.
[48]	LIN K P, WEN W, CHOU C C, et al. Applying fuzzy GERT with approximate fuzzy arithmetic based on the weakest t-norm operations to evaluate repairable reliability[J]. Applied Mathematical Modelling, 2011, 35(11):5314-5325. doi: 10.1016/j.apm.2011.04.022