可靠性試驗(yàn)數(shù)據(jù)處理方法與工程實(shí)現(xiàn)

摘 要：在電子裝備可靠性評(píng)估過(guò)程中，通過(guò)各類(lèi)試驗(yàn)所獲得的原始數(shù)據(jù)對(duì)裝備可靠性評(píng)估及可靠性設(shè)計(jì)具有重要意義，可靠性試驗(yàn)數(shù)據(jù)處理的效果直接影響著可靠性班次估的準(zhǔn)確性和有效性。這里介紹了可靠性試驗(yàn)數(shù)據(jù)的處理方法以及MATLAB和Visual C++混合編程的幾種方法，并綜合考慮其優(yōu)缺點(diǎn)采用其中一種方法編程實(shí)現(xiàn)可靠性數(shù)據(jù)處理系統(tǒng)，實(shí)現(xiàn)可靠性數(shù)據(jù)整理分析、數(shù)據(jù)處理的自動(dòng)化，縮短數(shù)據(jù)處理周期，并舉例說(shuō)明方法的有效性和可用性。

　　0 引言

　　隨著電子裝備的復(fù)雜程度越來(lái)越高，現(xiàn)代戰(zhàn)爭(zhēng)對(duì)裝備的可靠性的要求也愈來(lái)愈高，因此對(duì)可靠性試驗(yàn)提出了更高的要求，而可靠性試驗(yàn)數(shù)據(jù)是裝備可靠性*估、設(shè)計(jì)、研究的重要依據(jù)和有力支撐，數(shù)據(jù)分析則是一切可靠性工作的基礎(chǔ)，可靠性試驗(yàn)數(shù)據(jù)的分析工作越來(lái)越顯示出其重要的價(jià)值和作用。在對(duì)系統(tǒng)可靠性分析時(shí)，必須對(duì)采集的大量原始數(shù)據(jù)進(jìn)行預(yù)處理，用人工的方法完成這項(xiàng)任務(wù)既浪費(fèi)時(shí)間，又容易出錯(cuò)。MATLAB 軟件具有強(qiáng)大的數(shù)值計(jì)算環(huán)境和統(tǒng)計(jì)分析功能，而VC++又可以實(shí)現(xiàn)良好的人機(jī)交互界面，采用兩種軟件混合編程的方法，實(shí)現(xiàn)可靠性試驗(yàn)數(shù)據(jù)處理既彌補(bǔ)了各自的缺點(diǎn)，又提高了試驗(yàn)效率，是軟件編程的最佳選擇。

　　1 可靠性試驗(yàn)原始數(shù)據(jù)處理理論

　　可靠性試驗(yàn)原始數(shù)據(jù)處理理論參考文獻(xiàn)?？煽啃栽囼?yàn)原始數(shù)據(jù)不能直接提供給研究人員做可靠性評(píng)估和分析，須針對(duì)試驗(yàn)對(duì)象、試驗(yàn)類(lèi)型、信號(hào)類(lèi)型的不同選取不同的數(shù)據(jù)處理標(biāo)準(zhǔn)，對(duì)于原始試驗(yàn)數(shù)據(jù)的處理主要包括以下幾個(gè)方面：

　　1.1 特征參數(shù)提取

　　特征參數(shù)提取主要是對(duì)試驗(yàn)中采集原始數(shù)據(jù)提取試驗(yàn)對(duì)象在應(yīng)力條件有明顯變化趨勢(shì)，用于可靠性評(píng)估的特征參數(shù)的提取，以文獻(xiàn)所述的某型雷達(dá)裝備20 kHZ 信號(hào)板為研究對(duì)象的可靠性為例，信號(hào)板最終輸出為一20 kHz 的正弦信號(hào)，所以其頻率、周期以及幅度（或峰峰值）均是可以反映該電路板是否完成規(guī)定功能和發(fā)生故障的重要指標(biāo)參數(shù)，因而對(duì)于該試驗(yàn)原始數(shù)據(jù)處理的工作就是從中提取出信號(hào)頻率、幅度等參數(shù)，整理成一定格式用于可靠性評(píng)估與分析。具體針對(duì)不同形式的試驗(yàn)數(shù)據(jù)提取方法不盡相同，主要有以下幾方面：

　　1.1.1 非線性數(shù)據(jù)擬合法

　　曲線擬合的基本原理是：已知一組測(cè)定的數(shù)據(jù)（例如N個(gè)點(diǎn)（ xi  ,yi  ）求得自變量x 和因變量y 的一個(gè)近似解析表達(dá)式y(tǒng) =φ（ x ）。若記誤差δi=φ（ xi ）- yi ， i =1,2,…， N ,則要使誤差的平方和最小，要求：

　　為最小，這就是常用的最小二乘法原理。

　　Matlab 中非線性數(shù)據(jù)擬合的函數(shù)有l(wèi)sqcurvefit,lsqnONlin, inline 三個(gè)函數(shù)，以lsqcurvefit 為例，其調(diào)用格式為：x=lsqcurvefit（‘fun’，x0,xdata,ydata） 其中’fun’為擬合函數(shù)的M 函數(shù)文件名，x0 為初始向量，xdata，ydata 為參與曲線擬合的自變量和因變量試驗(yàn)數(shù)據(jù)。其他兩個(gè)函數(shù)調(diào)用格式與其類(lèi)似。非線性數(shù)據(jù)擬合法主要用于能夠用于簡(jiǎn)單信號(hào)以及有具體參數(shù)函數(shù)模型的信號(hào)，如正弦波、三角波、方波等。

　　1.1.2 小波分析法

　　對(duì)于一些復(fù)雜信號(hào)沒(méi)有具體函數(shù)模型的信號(hào)就不能用非線性數(shù)據(jù)擬合法進(jìn)行參數(shù)提取，如可靠性試驗(yàn)中施加振動(dòng)應(yīng)力的試驗(yàn)需要對(duì)振動(dòng)信號(hào)進(jìn)行分析并提取參數(shù)，這類(lèi)信號(hào)可采用小波分析法進(jìn)行參數(shù)提取。

　　小波分析法處理數(shù)據(jù)主要包括兩方面：①小波降噪；②小波包能量距提取。

　　（1）小波降噪原理

　　小波變換因其低熵性、去相關(guān)性等特點(diǎn)可以比較好地對(duì)信號(hào)進(jìn)行降噪處理，小波降噪過(guò)程可分為3個(gè)步驟進(jìn)行：①選擇一個(gè)小波， 并確定一個(gè)小波分解層次N,然后對(duì)信號(hào)進(jìn)行N層小波分解；②對(duì)小波分解的高頻系數(shù)進(jìn)行閾值量化， 從第1層到第N層的每一層高頻系數(shù)選擇一個(gè)閾值進(jìn)行閾值量化處理；③根據(jù)小波分解的第N層的低頻系數(shù)和經(jīng)過(guò)量化處理后的第1層到第N層的高頻系數(shù)，進(jìn)行信號(hào)的重構(gòu)。

　?。?）基于小波包的特征參數(shù)提取

　　基于小波包分析法提取參數(shù)的步驟是：

　　①對(duì)信號(hào)進(jìn)行小波降噪處理，提取有用信號(hào)；②對(duì)經(jīng)過(guò)降噪處理的信號(hào)采用合理的小波進(jìn)行某尺度分解，得到不同頻帶的分解系數(shù)；③分別對(duì)不同頻帶的分解系數(shù)進(jìn)行信號(hào)重構(gòu)，得到一組新的時(shí)間序列；④對(duì)重構(gòu)信號(hào)進(jìn)行希爾伯特變換求其包絡(luò)，并對(duì)包絡(luò)進(jìn)行小波降噪處理；⑤分別對(duì)不同頻帶的信號(hào)求其包絡(luò)譜，并計(jì)算各自包絡(luò)譜的能量，以能量為元素構(gòu)造信號(hào)的特征向量。

　　包絡(luò)譜能量：

　　式（2）中ik x （i=1，2；k=1,2,…，n）表示重構(gòu)信號(hào)包絡(luò)譜的離散點(diǎn)幅值。當(dāng)能量較大時(shí)，E i 通常是一個(gè)較大的數(shù)值，可對(duì)其進(jìn)行歸一化處理，，令即：

　　將T= 【e 1，e 2  …… ei】     作為特征向量。

　　1.2 繪制可靠性數(shù)據(jù)頻率分布

　　首先將原始數(shù)據(jù)以大小來(lái)分組，按散步在各組的數(shù)據(jù)個(gè)數(shù)作成分布圖，這種圖形稱(chēng)作頻率分布圖。對(duì)于隨機(jī)分布的數(shù)據(jù)，用統(tǒng)計(jì)頻數(shù)條形圖可以形象地進(jìn)行描述。

　　把系統(tǒng)可靠性數(shù)據(jù)讀入MATLAB 的工作空間，便可繪制可靠性數(shù)據(jù)頻數(shù)分布圖。MATLAB 統(tǒng)計(jì)工具箱提供的hiST函數(shù)，用于作分布圖的MATLAB 命令，其命令格式如下：

　　HIST（data,k）其中，data 為原始數(shù)據(jù)；k 為所分小區(qū)間數(shù)。

　　1.3 參數(shù)估計(jì)

　　根據(jù)繪制出的分布圖的形狀，假設(shè)可靠性數(shù)據(jù)服從某一分布，一般情況可靠性數(shù)據(jù)服從負(fù)指數(shù)分布。指數(shù)分布可以通過(guò)命令expfit 進(jìn)行參數(shù)估計(jì)，該命令用其極大似然法給出了常用的概率分布參數(shù)的點(diǎn)估計(jì)和區(qū)域估計(jì)值，命令格式如下：

　　[muhat,muci]=expfit（data），

　　式中，muhat 為參數(shù)μ 的估計(jì)值；muci 為參數(shù)μ 的估計(jì)置信區(qū)間。正態(tài)分布可以通過(guò)命令normfit 進(jìn)行參數(shù)估計(jì)，該命令用極大似然法給出了常用的概率分布參數(shù)的點(diǎn)估計(jì)和區(qū)域估計(jì)值，命令格式如下：

　　[muhat,sigmahat,muci,sigmaci]=normfit（data），

　　式中，muhat 為參數(shù)μ 的估計(jì)值；muci 為參數(shù)μ 的估計(jì)的置信區(qū)間；sigmahat 為參數(shù)σ 置信區(qū)間。

　　2 方案設(shè)計(jì)與具體實(shí)現(xiàn)

　　針對(duì)可靠性試驗(yàn)中試驗(yàn)對(duì)象、試驗(yàn)類(lèi)型的不同，選擇的能反映試驗(yàn)對(duì)象發(fā)生故障的特征量參數(shù)也不盡相同。采用上述兩種方法對(duì)進(jìn)行處理，用戶(hù)根據(jù)原始試驗(yàn)數(shù)據(jù)類(lèi)型的不同，選擇不同的方法由軟件對(duì)其進(jìn)行處理，并通過(guò)處理得到其相關(guān)參數(shù)。

　　2.1 方案選擇

　　方案初步定為采用MATLAB 實(shí)現(xiàn)數(shù)據(jù)處理，人機(jī)交互界面的設(shè)計(jì)則用VC完成，主要解決的問(wèn)題是VC和MATLAB接口實(shí)現(xiàn)。將MATLAB 與VC 混合編程有如下四種方法:

　?、僬{(diào)用MATLAB 引擎。該方法的優(yōu)點(diǎn)是能支持所有的MATLAB 函數(shù)，缺點(diǎn)是混合編程后的可執(zhí)行程序脫離不了MATLAB 的運(yùn)行環(huán)境；

　　②利用MATLAB 自帶的mcc 編譯器；

　　③利用Matcom 編譯。用Matcom 進(jìn)行轉(zhuǎn)換非常簡(jiǎn)單、方便，生成的代碼可讀性很好，且在C 編譯器編譯后其代碼的執(zhí)行效率高。但是這種方法也不能支持所有MATLAB 工具箱函數(shù)；

　?、芾肕ATLAB COMBuilder。MATLAB 提供的COM生成器（COMBuilder），為實(shí)現(xiàn)MATLAB 獨(dú)立應(yīng)用程序增加了又一個(gè)新途徑。

　　在比較幾種方法優(yōu)缺點(diǎn)的基礎(chǔ)上，確定采用第①種方法實(shí)現(xiàn)可靠性試驗(yàn)原始數(shù)據(jù)的處理。

　　2.2 MATLAB 實(shí)現(xiàn)具體功能

　　以某型雷達(dá)20 kHZ 信號(hào)板為試驗(yàn)對(duì)象在溫度應(yīng)力下進(jìn)行加速壽命試驗(yàn)，示波器采集的數(shù)據(jù)是以excel 文件，調(diào)用Matlab 軟件可以對(duì)起進(jìn)行非線性擬合處理，以下是實(shí)現(xiàn)特征參數(shù)提取的源代碼：

　　sampt=xlsread（'F:2-1','B3:B1002'）；%讀入采樣時(shí)間

　　v=xlsread（'F: output195','B2:AS1001'）；%讀入采集數(shù)據(jù)

　　for i=1:11 smv（：，i）=smooth（v（：，i））； end %對(duì)數(shù)據(jù)平滑處理

　　F=@（x,xdata）x（1）*sin（x（2）*xdata+x（3））+x（4）），'x','xdata'；

　　xdata=sampt；

　　for j=1:44

　　ydata=v（：，j）； x0=[9 1*10^5 0 0];%初始分量

　　x=lsqcurvefit（F,x0,xdata,ydata）；

　　amp（j）=x（1）；fre（j）=x（2）/（2*pi）； inip（j）=x（3）； inic（j）=x（4）；

　　end

　　xlswrite（'F:處理結(jié)果amplitude.xls',amp,'B2:AS2'）%將幅度參數(shù)寫(xiě)入Excel 文件里

　　xlswrite（'F:處理結(jié)果amplitude.xls',amp,'B2:AS2'）%將幅度參數(shù)寫(xiě)入Excel 文件里2.3 MATLAB 與VC++混合編程實(shí)現(xiàn)：

　　如前述，結(jié)合VC++與MATLAB 的各自?xún)?yōu)缺點(diǎn)，采用調(diào)用MATLAB 引擎的VC++與MATLAB 的混合編程[6-7]的方法實(shí)現(xiàn)對(duì)可靠性試驗(yàn)原始數(shù)據(jù)的參數(shù)提取。VC++調(diào)用MATLAB引擎[3-4]的步驟如下：

　　如圖1 所示數(shù)據(jù)處理結(jié)果與原始數(shù)據(jù)波形對(duì)比圖。

圖1 數(shù)據(jù)擬合結(jié)果與原始數(shù)據(jù)對(duì)比圖

　　3 結(jié)語(yǔ)

　　采用了調(diào)用MATLAB 引擎的方法與VC++混合編程方法實(shí)現(xiàn)可靠性試驗(yàn)原始數(shù)據(jù)的參數(shù)提取和擬合運(yùn)算、繪制直方圖等處理。這種方法不僅實(shí)現(xiàn)了VC 的可視化界面與MATLAB 強(qiáng)大的數(shù)值分析與圖形顯示能力的有效結(jié)合，不僅提高了可靠性試驗(yàn)數(shù)據(jù)處理的效率，還有效節(jié)省了系統(tǒng)資源，縮短了軟件開(kāi)發(fā)周期。