基于故障的单位加权累计数的整车设计可靠性评估方法

摘要

本发明涉及一种基于故障的单位加权累计数的整车设计可靠性评估方法，包括：获取多个工程开发阶段中至少第一阶段下的试验样本数据；基于试验样本数据分别计算至少第一阶段对应的故障的单位加权累计数；以各工程开发阶段对应的故障的单位加权累计数进行灰色系统建模，形成灰度矩阵；通过对灰度矩阵的求解，预测多个工程开发阶段中其余阶段所对应的故障的单位加权累计数。其能够解决整车耐久性试验过程中的小样本、贫信息、系统传递函数复杂且不明确等问题对整车设计可靠性评估的不利影响。

说明书

技术领域

本发明涉及汽车可靠性评估技术领域。

背景技术

广义可靠性概念是指产品在规定的条件下和规定的时间内完成规定功能的能力。随着可靠性研究的发展，可靠性又拓展为设计可靠性、使用可靠性和可靠性增长等几大工程领域。对于汽车工业而言，产品的设计可靠性(固有可靠性)决定了汽车的使用可靠性，也是汽车质量优劣的重要指标之一。

汽车工程开发阶段可包括工程样车开发阶段、原型车开发阶段、试生产车开发阶段、非销售车开发阶段以及可销售车开发阶段等。整车设计可靠性评估显然在整车开发阶段有着重要作用，通过对可靠性指标的评价和估计，可以在设计阶段就掌握汽车的可靠性水平、并预测售后市场的故障率等。

现有技术中，对于整车使用可靠性而言，可以通过概率和数理统计方法将故障数据(如里程信息)作为随机变量进行分布函数拟合和优化，寻出最优的分布函数F(x)，进而对F(x)曲线的特性分析可以评估产品的可靠性水平；还存在以整车使用数据建立可靠性综合评判数学模型，对整车使用可靠性进行评价的技术方案。

上述现有技术中的方案应用于评估整车设计可靠性时将会有明显的局限性，因为工程开发阶段用于可靠性试验的工程样车样本数远远小于来自售后市场的样本数，如果按照上述现有技术中的方案建立可靠性评估模型，将不可避免的存在模型失真，参数计算不收敛等问题。因此，基于大样本的统计评估模型不适用于基于小样本的工程开发阶段的可靠性评估建模。

另一方面，在现有技术中灰色系统理论得到了充分研究与应用。灰色系统理论研究的是贫信息建模，它提供了贫信息情况下解决系统问题的新途径。它把一切随机过程看做是在一定范围内变化的、与时间有关的灰色过程，对灰色量不是从寻找统计规律的角度通过大样本进行研究，而是用数据生成的方法，将杂乱无章的原始数据整理成规律性较强的生成数列后再作研究。

针对评估整车设计可靠性时遇到的问题，本领域技术人员希望获得一种有效的评估方法，其能够解决整车耐久性试验过程中的小样本、贫信息、系统传递函数复杂且不明确等问题对整车设计可靠性评估的不利影响。

发明内容

本发明的目的在于提供一种基于故障的单位加权累计数的整车设计可靠性评估方法。

为实现上述目的，本发明提供一种技术方案如下：

一种基于故障的单位加权累计数的整车设计可靠性评估方法，包括如下步骤：a)、获取多个工程开发阶段中至少第一阶段下的试验样本数据，试验样本数据包括试验里程对应的故障数；b)、基于试验样本数据分别计算至少第一阶段对应的故障的单位加权累计数；c)、以各工程开发阶段对应的故障的单位加权累计数进行灰色系统建模，形成灰度矩阵；d)、通过对灰度矩阵的求解，预测多个工程开发阶段中其余阶段所对应的故障的单位加权累计数；其中，任一工程开发阶段对应的故障的单位加权累计数为该工程开发阶段下不同试验里程各自对应的故障数的加权乘积之和。

本发明提供的整车设计可靠性评估方法，可有效地对整车设计可靠性进行评估，其能够解决整车耐久性试验过程中的小样本、贫信息、系统传递函数复杂且不明确等问题对整车设计可靠性评估的不利影响。其对整车可靠性的预测符合实际售后数据，从而为汽车生产工商的研发提供了明确的指引；其实施简单，利于在业内推广应用。

附图说明

图1示出本发明第一实施例提供的整车设计可靠性评估方法的流程示意图；

图2示出一次常规耐久性实验中获得的故障的单位加权累计数的预测值、目标值及实际值与各工程开发阶段的关系曲线图。

具体实施方式

需要说明的是，本发明各实施例中，以故障的单位加权累计数UWIC来衡量整车设计可靠性。单位加权累计数UWIC是基于常规耐久性试验对试验样本所发生的故障数根据其故障等级进行赋值并进行加权累积计算所得到的结果。单位加权累计数与试验里程累积有关，反映了在耐久试验过程中无差别的零件失效。设整车指征可靠性指标为则且其中，S为耐久性试验总里程数，MTBF为平均故障间隔时间(MeanTimeBetweenFailures，简称MTBF)。

为准确计算故障的单位加权累计数UWIC，本发明中作如下前提性假设：

1)在工程开发各阶段，试验输入与故障发现充分有效；

2)在工程开发各阶段，单位加权累计数的计算准则一致；

3)在工程开发各阶段，单位加权累计数的值的变化是连续的。

如图1所示，本发明第一实施例提供的整车设计可靠性评估方法包括如下步骤：

步骤S10、获取多个工程开发阶段中至少第一阶段下的试验样本数据，试验样本数据包括试验里程对应的故障数。

具体地，从已进行的常规耐久性试验数据中，获取多个工程开发阶段中至少第一阶段下的试验样本数据。

优选地，工程开发阶段至少包括工程样车开发阶段、原型车开发阶段、试生产车开发阶段、非销售车开发阶段以及可销售车开发阶段。

上述步骤S10中，第一阶段例如为工程样车开发阶段。

其中，试验样本数据包括试验时的里程数，该里程数对应的故障数，进一步地可包括每次故障的等级等。

步骤S11、基于试验样本数据分别计算至少第一阶段对应的故障的单位加权累计数。

具体地，各工程开发阶段对应的故障的单位加权累计数的计算公式为：

其中，L表示任一工程开发阶段，X_L表示该工程开发阶段对应的故障的单位加权累计数，x_i表示试验里程为i时对应的故障数，ε_i表示x_i所对应的权重系数。在计算第一阶段对应的故障的单位加权累计数，L取为1，权重系数ε_i由试验人员对试验里程为i时所发生的故障的总体情况进行评估而设定。

进一步地，权重系数ε_i通过对试验里程为i时所发生的各次故障分别依据其故障等级进行相应的赋值并进行加权计算而得到。

步骤S12、以各工程开发阶段对应的故障的单位加权累计数进行灰色系统建模，形成灰度矩阵。

具体地，形成灰度矩阵的计算公式为：

X⁽⁰⁾＝X×M，其中X⁽⁰⁾为灰度矩阵，X为由各工程开发阶段对应的故障的单位加权累计数所组成的矩阵，即X＝[X₁，X₂，…，X_L]，M为转化系数矩阵，转化系数矩阵中各元素分别对应于各工程开发阶段和试验输入关联的故障百分比。

本领域技术人员理解，在各工程开发阶段的整车耐久试验过程中，试验输入是耐久性试验规范，其中包括了各种类型的载荷输入，驾驶员模拟真实客户使用的操作输入以及各项检查等，某种意义上这些输入可以用“载荷条件”来概括和描述。试验输出则是指在各种载荷条件下所发生的故障数目。结合故障实际的物理意义，并非所有的故障都与试验的载荷条件相关联。例如，某项故障经过分析发现，故障是由于错误的零件安装导致的，因此在此种状态下，发生故障与否与实际试验的载荷条件无关。这样的数据的存在不利于分析整车可靠性指标，属于离散性较大的数据元素，因此在做关联分析之前，需要对单位加权累计数矩阵X进行转化变换。设转化系数矩阵为M＝[M1,M2,M3,…，Mn]，其中Mn表示某一工程开发阶段对应的转化因子，基于该工程开发阶段对应的故障的单位加权累计数，Mn＝(单位加权累计数-非载荷条件下失效加权累计数)/单位加权累计数。从而，转化系数矩阵M中各元素分别对应于各工程开发阶段和试验输入关联的故障百分比。

其中，在各工程开发阶段对应的故障的单位加权累计数所组成的矩阵X中，部分元素经由上述步骤S11计算得到，部分元素为未知，留待在下列步骤S13中求出。

步骤S13、通过对灰度矩阵的求解，预测多个工程开发阶段中其余阶段所对应的故障的单位加权累计数。

整车耐久性试验过程中，某一特定故障的发生本身就带有非负、不确定性、随机性等特点。因此故障的单位加权累计数UWIC序列可以视为具有不确定性的随机序列。从信息论的角度来说，不确定性的信息本身具有随机性，而随机信号是信息的载体。因此单位加权累计数UWIC序列与灰度序列具有高度相关性，可以通过对其建立灰度模型，将不确定系统转化为准确定系统。

具体地，在该步骤中，灰色一阶单变量模型的基本方程为：

x⁽⁰⁾(k)+az⁽¹⁾(k)＝b，(1)

其中，a为发展系数，b为灰色作用量，Z⁽¹⁾是灰度矩阵X⁽¹⁾的的紧邻均值生成序列。对灰色数据进行建模时，灰色序列所代表的是“部分信息己知，部分信息未知”的“小样本”、“贫信息”不确定性系统的特征值。方程(1)的物理意义在于通过线性系统描述两个受到随机扰动数列的量化关系。灰色序列X⁽⁰⁾受到系统内部扰动不能直接求解出数学模型,因此，定义序列Z⁽¹⁾为序列X⁽⁰⁾的均值生成序列，即：

Z⁽¹⁾＝(z⁽¹⁾(1)，z⁽¹⁾(2)，…，z⁽¹⁾(n))，其中，

$>z^{\left(1\right)}\left(k\right)=\frac{1}{2}(x^{\left(1\right)}\left(k\right)+x^{\left(1\right)}(k-1)),$>其中，

$>x^{\left(1\right)}\left(k\right)={\Sigma }_{i=1}^k{x}^{\left(0\right)}\left(i\right),(k=\mathrm{1,2},···,n).$>

方程(1)的白化方程为：

$>\frac{{\mathrm{dx}}^{\left(1\right)}}{\mathrm{dt}}+{\mathrm{ax}}^{\left(1\right)}=b---\left(2\right)$>

方程(1)的时响应序列为:

$>{\hat{x}}^{\left(1\right)}(k+1)=(x^{\left(1\right)}\left(1\right)-\frac{b}{a})e^{-\mathrm{ak}}+\frac{b}{a},---\left(3\right)$>

其中，k＝1，2，…n，

表示方程(2)的解，其中，

$>X^{\left(1\right)}=(x^{\left(1\right)}\left(1\right),x^{\left(1\right)}\left(2\right),···,x^{\left(1\right)}\left(n\right)),x^{\left(1\right)}\left(k\right)={\Sigma }_{i=1}^k{x}^{\left(0\right)}\left(i\right),(k=\mathrm{1,2},···,n).$>

时响应序列的物理意义是：在对灰色序列进行消除离散项处理后，使数据受到扰动引起变化的趋势得以通过数学方法进行描述，其目的是揭示的内在变化规律。进行处理后的灰色数据将形成具有指数规律、光滑、可导等特点的二维坐标系内的曲线。

基于这种数据规律，对组成的序列通过微分方程，求得的解是经过数据序列累加运算得到的，对其进行逆运算即可得到预测值，预测值为：

$>{\hat{x}}^{\left(0\right)}(k+1)={\alpha }^{\left(1\right)}{\hat{x}}^{\left(1\right)}(k+1)={\hat{x}}^{\left(1\right)}(k+1)-{\hat{x}}^{\left(1\right)}\left(k\right)---\left(4\right)$>

通过对以上模型的方程的求解，可以预估其余各工程开发阶段的故障的单位加权累计数UWIC。

根据上述实施例进一步改进的实施方式，步骤S13具体包括如下步骤：

S130、对灰度矩阵求解，预测多个工程开发阶段中其余阶段所对应的故障的单位加权累计数；

S131、计算其余阶段所对应的故障的单位加权累计数的残差；

S132、若残差大于设定阈值，则调整灰度系统的建模参数，重新进行灰色系统建模，并继续执行步骤S130、S131及S132；若残差小于设定阈值，则结束该步骤S13。

此外，在以上步骤完成后还可进行以下步骤：结合整车设计可靠性指标、车辆售后故障数以及对多个工程开发阶段中其余阶段所对应的故障的单位加权累计数的预测，更充分地评估整车设计可靠性并回馈给汽车生产厂商。

与传统的统计模型相比，此方法克服了小样本数据的劣势，不仅可以用来评估整车设计的可靠性，还可以获得与统计模型相同水平级别的计算精度。

图2示出一次常规耐久性实验中获得的故障的单位加权累计数UWIC的预测值、目标值及实际值与各工程开发阶段的关系曲线图。其中，横轴坐标分别表示各工程开发阶段，纵轴坐标表示故障的单位加权累计数。通过对故障的单位加权累计数UWIC的计算和预测，以及通过预测值、目标值及实际值三者的关系，可以评估整车设计可靠性的优劣，以及是否满足整车长期质量目标等。

上述实施例提供的整车设计可靠性评估方法，可有效地对整车设计可靠性进行评估，且其能够解决整车耐久性试验过程中的小样本、贫信息、系统传递函数复杂且不明确等问题对整车设计可靠性评估的不利影响。

试验证明，通过上述评估方法对整车可靠性的预测符合实际售后数据，从而为汽车生产工商的研发提供了明确的指引；上述评估方法实施简单，利于在业内推广应用。

上述说明仅针对于本发明的优选实施例，并不在于限制本发明的保护范围。本领域技术人员可作出各种变形设计，而不脱离本发明的思想及附随的权利要求。