(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111537827.2 (22)申请日 2021.12.15 (71)申请人 中国船舶重 工集团公司第七一六研 究所 地址 222001 江苏省连云港市圣湖路18号 (72)发明人 王涛　张士林　沈静远　韩平　 段超　曲道清　刘宏伟　张延静　 张凤霞　孙铨钰　 (74)专利代理 机构 南京理工大 学专利中心 32203 代理人 朱炳斐 (51)Int.Cl. G06F 30/20(2020.01) G06N 7/00(2006.01) G06F 119/02(2020.01)G06F 111/08(2020.01) G06F 111/10(2020.01) (54)发明名称 一种动态 环境下的可靠性预计方法及系统 (57)摘要 本发明公开了一种动态环境下的可靠性预 计方法， 包括利用GJB299C ‑2006或者MIL ‑HDBK‑ 217方法获取静态环境下的可靠性指标； 开展马 尔可夫过程的模拟， 获取马尔可夫过程的一条轨 道； 开展马尔可夫过程参数的模拟， 获取马尔可 夫过程的转移率矩阵； 开展基于马尔可夫过程的 动态环境建模与仿真， 获取一次产品失效时间； 反复使用基于马尔可夫过程的动态环境建模与 仿真算法若干次， 根据所得结果获得产品的故障 率即MTBF值。 本发明考虑产品动态环境对可靠性 的影响， 能改善现有可靠性预计方法不能完全反 应产品所在 环境的实际情况， 得到更为准确的可 靠性预计结果， 对产品可靠性设计 分析将起到积 极的提升作用。 权利要求书3页 说明书6页 附图1页 CN 114429030 A 2022.05.03 CN 114429030 A 1.一种动态 环境下的可靠性预计方法， 其特 征在于， 所述方法包括以下步骤： 步骤1， 利用GJB2 99C‑2006或者MIL‑HDBK‑217方法获取静态 环境下的可靠性指标； 步骤2， 开展马尔可 夫过程的模拟， 获取马尔可 夫过程的一条轨道； 步骤3， 开展马尔可 夫过程参数的模拟， 获取马尔可 夫过程的转移率矩阵； 步骤4， 开展基于马尔可 夫过程的动态 环境建模与仿真， 获取一次产品失效时间； 步骤5， 反复使用基于马尔可夫过程的动态环境建模与仿真算法若干次， 根据所得结果 获得产品的故障率即MTBF值。 2.根据权利要求1所述的动态环境下的可靠性预计方法， 其特征在于， 步骤2所述开展 马尔可夫过程的模拟， 获取马尔可 夫过程的一条轨道， 具体包括： 对于马氏过程X＝{X(t),t≥0}， 当给定X(tn)＝in时， 停留在in状态的时间{θn,n≥1}条 件独立， 且 θn服从参数为 的指数分布， 而状态转移概 率 初始分布为{Pi(0),i∈S}即系统在0时刻处于状态i， 转移率矩阵Q＝{qij}的马氏链X＝ {X(t),t≥0}轨道的模拟可分为以下三部分： 首先进行初始分布Pi(0)的模拟； 然后模拟停 留时间{ θn,n≥1}； 最后对状态转移 进行模拟； 具体模拟步骤如下： 步骤一： 取两串相互独立的同为(0,1)上的均匀分布随机变量序列{Un,n≥0}及{Vn,n≥ 1}； 步骤二： 若 U0满足： 则取X(0)＝i0作为初始状态； 步骤三： 取 出U1， 令 作为X(t)停留在X(0)＝ i0的时间； 步骤四： 取 出V1， 若i1∈S使V1满足： 则取X(t1)＝X( θ1)＝i1； 步骤五： 取出U2， 令 作为X(t)停留在X(t1)＝i1状态的停留时间， 再取t2＝ θ1+θ2， 作为第二次跳跃时刻； 步骤六： 取 出V2， 若i2∈S使V2满足： 则取X(t2)＝i2； ......继续以上步骤 步骤七： 取出Un， 令 作为X(t)停留在X(tn‑1)＝in‑1状态的停留时间， 再取权　利　要　求　书 1/3 页 2 CN 114429030 A 2步骤八： 取 出Vn， 若in∈S使Vn满足 则取X(tn)＝in； 如此继续重复如上步骤， 即可模拟X的一条轨道。 3.根据权利要求1所述的动态环境下的可靠性预计方法， 其特征在于， 步骤3所述开展 马尔可夫过程参数的模拟， 获取马尔可 夫过程的转移率矩阵， 具体过程包括： 对于转移率矩阵Q＝{qij}， 假设qij＝qij(β )， 它依赖于b个独立参数； β1, β2,..., βb， 即β ＝( β1, β2,..., βb)； 显然， 马尔可夫过程{X(t),t≥0}的转移概率矩阵P(t)＝{pij(t)}是这些 参数的一个复杂函数； 对于统计推断， 包括参数的统计推断， 其方法依赖于数据的形式， 即不同的数据形式， 参数统计 推断方法也有所不同； 首 先假设所用统计 推断的数据形式如下： 数据假设： 假设有 若干个性能退化设备即个 体在下列时刻被观测： t0＜t1＜t2＜…＜tn 这里， 所谓 “被观测”是指在观测时刻ti， 可观测到退化设备 所处的离 散状态； 令nijl表示在时刻tl‑1观测到系统在状态i且在时刻 tl观测到系统在状态j的个体 数即设 备数， 简记为： nijl＝#{X(tl)＝j,X(tl‑1)＝i},i,j＝1,2,. ..,k. 其中， l＝0,1,...,n； 因此， 基于时刻ti的各个个体即设备的状态， 给 出关于参数β 的似然函数为： 因为时间的齐次性， 假设wl＝tl‑tl‑1， l＝1,2,...,n， 则有： 这里， 整个过程中将隐含pij(wl； β )中的β， 即pij(wl； β )＝pij(wl)， 因此， β 的极大似然估 计 可通过极大其对数似然函数 给出， 即： 或 使用拟牛 顿算法极大化上面的对数似然函数， 该拟牛 顿算法具体过程如下： 步骤一： 令 步骤二： 令向量S( θ )＝(S1( θ ),S2( θ ),...,Sb( θ ))T； 步骤三： 令 权　利　要　求　书 2/3 页 3 CN 114429030 A 3