整机产品加速贮存寿命试验研究思路探讨

加速贮存试验工作已开展了几十年。迄今为止，国内外对元器件、原材料的加速贮存寿命试验已经有了一些研究成果及应用信息，对电容器、二极管、微电路、运算放大器、印制电路板、半导体器件、晶体管等元器件的加速试验给出了激活能，但对于整机的加速贮存寿命试验情况却很少报道。许多人认为整机包含着多种元器件和材料，导致组件贮存失效的因素或机理比较复杂，无法满足加速寿命试验的单失效机理要求，如果任选一种加速应力去做试验，其结果难以反映实际情况。因此，影响了加速试验在整机的研究与应用。

俄罗斯（前苏联）在“加速贮存试验”和“加速运输试验”等技术的应用方面取得了卓著成效，是目前整机产品加速贮存寿命试验技术最成熟的国家。他们可以对设备、分系统和系统进行加速贮存寿命试验，保证导弹在１０年的贮存期内，无需维修而能满足规定的开箱合格率和发射成功率要求，使导弹这样的复杂系统实现了“单元弹药”或一般机电产品所具有的非常高的贮存可靠性指标。

本文结合国内外的一些文献，探讨开展整机产品加速贮存寿命试验的３种思路。

１ 转化法

对于整机产品，要建立起产品在高应力下与正常使用条件下的失效率之间的关系模型很困难，也很难［收稿日期］　２００６－０４－０９确定不改变设备的失效机理的应力条件。而元器件和零部件级的失效模式比整机少，特别是元器件，因其失效模式和机理一般是单一的，所以要确定能有效地加速失效而又不大改变失效机理的应力就容易得多。目前国内外成功的例子主要集中在元器件方面，有许多可借鉴的资源。

根据木桶原理，任何一种产品的寿命都取决于该产品中易失效件的寿命，无论产品的其他关键件、重要件或性能设计怎样优越，一旦影响产品性能的任何一个零部件或元器件发生失效，该产品的寿命即告终结，因此产品贮存寿命取决于它的薄弱环节中易失效件的可靠贮存寿命。那么，找出薄弱环节后，整机产品的加速贮存寿命试验就转化为零部件或元器件的加速贮存寿命试验。

转化法最关键的是对产品薄弱环节的分析。有关资料表明，目前确定产品长期贮存可靠性薄弱环节的方法通常有以下５种：相似产品法、使用信息中统计分析法、排列图法、故障树分析法和故障模式影响及其危害性分析（ＦＭＥＣＡ）法。

１．１ 相似产品法

对新研制的电容器件，若有贮存历史的相似产品时，可用分析对比的方法确定易失效件，寻找薄弱环节，分析失效原因。

１．２ 使用信息中统计分析法

产品薄弱环节的确定可以从使用信息中统计分析

整机产品加速贮存寿命试验

研究思路探讨

林震１ 李宪姗２ 姜同敏３ 程永生１ 胡斌１

（１．中国工程物理研究院电子工程研究所，四川　绵阳 ６２１９００；２．北京强度与环境研究所，北京 １０００７６；３．　北京航空航天大学，北京 １０００８３）

［摘要］ 介绍了整机产品加速贮存寿命试验技术的三种方法：转化法、性能参数退化法、利用可靠性增长理论并逐一分析研究。

［关键词］ 加速；薄弱环节；性能退化；可靠性增长

［中图分类号］ ＴＢ１１４．３；Ｎ９４５．１７ ［文献标识码］　Ｃ ［文章编号］ １００３－６６６０（２００６）０４－００３８－０４

得出失效模式比率的数据，找出相对失效频数最大的失效模式，即找到了薄弱环节。１．３ 排列图法

排列图，又叫主次图、巴雷特图。最早是意大利经济学家巴雷特博士在研究资本主义社会财富分配时发现的一个规律：占人口２０％的人占据社会财富的８０％，而８０％的人却占据社会财富的２０％，并绘制成分配曲线，如图１所示。

将上述原理应用到失效模式分析，以纵坐标表示某一失效模式的失效数占总失效数的百分数，也叫相对频数；以横坐标表示各种失效模式，并按失效频数的大小，以对应的直方图高低依次排列，最后将直方形的百分数从左到右累加起来得一曲线，如图２所示。

一般情况将累积百分数的０～８０％的失效模式称为关键失效模式；占８０％～９０％的失效模式称为主要失效模式；占９０％～１００％的失效模式称为次要失效模式。找到了关键失效模式，即找到薄弱环节。１．４ 故障树分析法

通过对可能造成系统故障的各种因素（包括硬件、软件、环境、人为因素等）进行分析，画出逻辑图（即故障树），从而确定系统故障原因的各种可能组合方式及其发生概率，以计算系统故障概率。

故障树分析法一般用在比较大的系统的故障分析方面。

１．５ 故障模式影响及其危害性分析（ＦＭＥＣＡ）法

故障模式影响及其危害性分析，考虑的因素较全面，除考虑失效模式出现的概率之外，还考虑了故障模式对产品的安全性可靠性影响的严重程度，应用起来很简单实用。

转化法是目前比较实用的方法，用的比较多。李

久祥在《整机加速贮存寿命试验研究》［１］中以伺服机

构为例，论述了设备级产品开展加速贮存寿命试验的工作程序。其核心思想就是把设备级的加速贮存寿命试验转化为元器件级。

图１　巴雷特社会财富分配图图２　排列图

２ 性能参数退化法

当产品受到各种能量（环境应力）作用时，材料的性能或状态会随之产生变化（此变化与复杂的物理－化学现象紧密相关），经过一定的作用累积期并达到某种量级时，会导致产品损伤的出现，表现为产品输出参数的变化，当损伤达到某一极值时，产品就会发生故障。因此，产品发生故障的可能性与其性能参数逼近极限状态的过程密切相关。

从失效的形式上来看，产品失效可以分为２种类型：突发型失效和退化型失效。传统的可靠性分析方法以寿命数据分析为基础，通过对寿命数据的统计分析确定产品的寿命分布类型并基于此对产品进行可靠性评估、预计等。这种分析方法在分析过程中将突发失效模式与退化失效模式统一处理，分析结果反映的是总体在给定条件下的“平均属性”，不能反映动态环境对产品工作状态的影响，它比较适合于技术复杂性比较低和规模大的产品。但是，随着设计、制造方法以及使用材料的不断提高与改善，产品的可靠性越来越高，寿命越来越长，在相对短期内几乎不可能失效，因此很难获得失效数据。这些情况的出现给传统可靠

性分析带来了一些新问题，由于无法得到足够的失效数据，这使得基于失效数据分析的传统可靠性分析方法很难使用或分析结果与工程实际偏差较大。如果产品的失效属于退化型失效，那么可以使用性能退化分析代替传统的失效数据分析来进行产品的可靠性评估。实际上，相对于失效数据来说，产品的退化数据包含更多的可靠性信息，另外，通过产品的退化信息进行可靠性分析更节省试验时间和费用［２］。

近十几年来，越来越多的工程技术人员和统计工作者，通过测量某性能参数的退化数据，进而对产品的贮存寿命（贮存可靠性）进行预测，从而开辟了一条不使用失效数据，而只使用退化数据对产品进行可靠性评定（预测）的新途径。从１９７０年开始，国外就陆续开始了退化模型方面的研究。Ｇｅｒｔｓｂａｃｋｈ和Ｋｏｒｄｏｎｓｋｉｙ首次指出了用性能退化数据评定产品可靠性的价值，提出了一种斜率和截距均为随机参数的简单线性模型［３］。Ｎｅｌｓｏｎ、Ｔｏｍｓｋｙ、Ａｍｓｔｅｒ和Ｈｏｏｐｅｒ等人又分别提出了破坏性测量数据分析模型、多元正态回归模型等方法分析产品的性能退化数据［４］　［５］。Ｃｒｋ采用多重多元回归模型来描述产品的退化过程［６］。Ｌｕ、Ｍｅｅｋｅｒ等人对退化失效模型的一些问题做了讨论，而且在一般条件下，提出了一些解决问题的方法［７］。国内也有一些研究，姚增起的博士论文

《系统退化和系