[论文解读] On-line Survival Analysis of Power Electronic Converters Using Step Noise-Cox Processes

Pourya Shamsi|arXiv (Cornell University)|Jul 10, 2015

Electromagnetic Compatibility and Noise Suppression参考文献 23被引用 3

一句话总结

本文提出一种基于阶跃噪声-Cox过程的在线生存分析方法，用于电力电子转换器的平均残余寿命（MRL）估计，以应对动态应力水平下的情况。通过将时变应力建模为随机过程，并应用双重随机泊松过程（Cox过程），该方法实现了基于实时应力测量的自适应、在线MRL估计，相较于传统离线模型，能更准确地反映实际运行条件，减少在变工况下对老化程度的高估。

ABSTRACT

This paper is focused on survival analysis of electrical components. The main goal of this paper is to develop a method for on-line estimation of the Mean Time To Failure (MTTF) of electrical components under dynamic stress levels. The proposed method models the variations of the stress levels as a stochastic process. Hence, a stochastic failure rate function can be developed for each electrical component. Later, this function is used as the underlying rate of a doubly stochastic Poisson process (known as Cox processes). Furthermore, this Cox process is used for on-line estimation of the Mean Residual Life (MRL) using the observed stress levels. The proposed method provides a good estimate of the age and life expectancy of each component. An experimental case study is provided to demonstrate the proposed method.

研究动机与目标

• 开发一种在线方法，用于估计在时变应力水平下电气元件的平均失效时间（MTTF）与平均残余寿命（MRL）。
• 解决传统离线可靠性模型的局限性，后者假设恒定最坏工况应力水平，导致老化程度被高估。
• 将运行应力（如电压）的随机波动建模为阶跃噪声过程，以更好地反映微电网和电动汽车等系统中的真实动态运行条件。
• 通过基于观测应力数据实时更新失效率函数，提升对老化程度与寿命预期估计的准确性。

提出的方法

• 将时变应力水平（如电池电压）建模为阶跃噪声随机过程，以捕捉动态运行条件。
• 利用观测到的应力水平定义一个随机失效率函数，该函数驱动双重随机泊松过程（Cox过程）以实现失效时间建模。
• 通过在每个时间点对截至该时刻的应力测量累积历史进行条件化，实现对MRL的在线估计。
• 采用基于威布尔分布的浴盆形失效率函数，以建模随时间变化的失效行为，包括早期失效和磨损失效阶段。
• 使用观测电压的移动平均或累积均值，以估计未来应力水平的期望值（E_G[ν]），用于预测未来失效率。
• 对MRL估计值施加截断处理，以反映物理限制，例如由于机械/化学磨损导致的最大MRL为15,500小时。

实验结果

研究问题

• RQ1 在动态变化的应力水平下，如何实现实时估计电力电子元件的平均残余寿命（MRL）？
• RQ2 与静态、最坏工况模型相比，基于实时应力测量的随机失效率函数在多大程度上提升了MRL估计的准确性？
• RQ3 不同未来应力水平估计策略（如采用最新观测值 vs. 累积均值）如何影响在线MRL预测的响应速度与准确性？
• RQ4 Cox过程框架能否在真实应用场景中有效建模非齐次应力条件下元件的失效时间分布？

主要发现

• 所提出的在线方法通过根据实际测量的电压水平动态调整失效率，避免了传统离线模型中假设恒定120V应力所导致的老化高估。
• 电容器的平均老化因子估计为3.7，表明其老化速度是日历时间的3.7倍，但该因子会基于实时电压数据动态更新。
• 模型1（采用最新观测电压）对电压阶跃变化的响应最快，而模型3（采用累积均值与基础老化因子）响应最慢但更稳定。
• 所有提出的模型在t→∞时均收敛至相同的长期MRL估计值，证实了其在稳态行为下的内在一致性。
• MRL曲线显示，早期失效阶段在约2,500小时后结束，表明模型能够准确捕捉早期失效动力学。
• 该在线MRL估计方法通过基于观测应力历史动态调整失效率函数，更准确地反映了元件的老化程度与剩余寿命。