论文部分内容阅读
航天继电器是一种军用的自动控制电子元器件,常被应用在需要长期贮存的武器装备中。正确预估航天继电器的贮存寿命对保证国防武器在正常寿命周期内的使用具有重要作用,也可为国防武器的“合理定寿,科学延寿”提供理论和技术指导。目前,传统的试验方法无法较快的获得失效数据,航天继电器贮存寿命预测方法较为单一。针对以上问题,本文在分析航天继电器贮存可靠性及失效模式的基础上,对航天继电器加速退化试验方法和贮存寿命预测方法进行了研究。首先,对航天继电器在长期贮存过程中影响因素进行分析,确定了几种影响航天继电器性能退化的影响因子。通过建立以接触电阻异常为顶事件的故障树,初步确定温度是影响航天继电器贮存可靠性的主要环境应力。在此基础上,研究了航天继电器触头表面腐蚀膜生长扩散过程,进一步确定了温度对航天继电器触点表面腐蚀膜形成的影响,为航天继电器退化试验的设计提供了依据。其次,通过确定试验类型、试验应力、试验应力水平、样本数量、监测周期以及监测参数等内容,设计了航天继电器加速退化试验方案。结合试验系统进行航天继电器加速贮存退化试验,得到接触电阻、吸合时间、释放时间和超程时间等试验数据,在此基础上分析了接触电阻的变化规律。为了避免误差带来的影响,本文利用小波去噪对试验数据进行去噪处理。同时,为了避免在后期的学习中奇异样本数据引起训练时间增加的问题,本文利用最值归一法对去噪后的数据进行归一化处理,这也为下文预测模型对航天继电器贮存寿命预测提供了依据。然后,分析了动态神经网络在航天继电器贮存寿命预测上的适用性。通过对非线性自回归神经网络网络结构的分析,网络模式以及模型参数的选择,建立了基于非线性自回归神经网络的航天继电器贮存寿命预测模型。利用该模型对接触电阻进行训练、学习及预测,并对预测结果进行分析。最后,建立了一种基于结构风险最小化原则的支持向量机航天继电器贮存寿命预测模型。通过对支持向量机核函数的研究、模型参数的选择及优化,建立了基于支持向量机航天继电器贮存寿命预测模型。通过所建的支持向量机预测模型对接触电阻进行训练、预测,并对预测结果进行对比分析。结果表明,两种预测模型都可以较好的预测航天继电器贮存寿命,且支持向量机预测模型的准确性较高于非线性自回归神经网络模型。