Какова двухэтапная статистическая процедура моделирования реализаций времени деградации по результатам испытаний аккумуляторов? Узнайте о подходе на основе копул.

Двухэтапная процедура представляет собой статистическую модель на основе копул: сначала с помощью метода максимального правдоподобия (MLE) подбирается маргинальное распределение реализаций времени деградации на каждом дискретизированном уровне деградации; затем зависимость между этими уровнями моделируется путем выбора подходящей копулы, часто с использованием байесовского подхода к копулам.

Процедура разделяет индивидуальное поведение времени деградации и структуру зависимости между уровнями деградации, позволяя исследователям оценивать неопределенность и прогнозировать распределение времени до отказа без предположения о строгой многомерной линейной зависимости.

Почему деградация аккумуляторов требует двухэтапной модели

Измерения деградации зависимы

Лабораторные системы испытаний аккумуляторов регистрируют время, необходимое аккумулятору для достижения последовательных уровней деградации. Эти реализации времени обычно не являются независимыми, поскольку время достижения одного уровня связано с изменяющимся состоянием аккумулятора и окончательным временем его отказа.

Прогнозирование времени отказа является основной целью

Как правило, цель состоит в оценке неопределенности прогрессирования деградации и прогнозировании распределения времени до достижения конечного порога отказа. Моделирование каждого уровня деградации отдельно не позволяет учесть, как эти реализации изменяются совместно.

Этап первый: подбор маргинальных распределений

Организация реализаций времени по уровням деградации

Траектория деградации дискретизируется по заданным уровням деградации. На каждом уровне соответствующие времена, наблюдаемые в лаборатории, рассматриваются как отдельная случайная переменная со своим маргинальным распределением.

Выбор候ных распределений

Кандидатные распределения могут включать нормальное, логнормальное, Вейбулла, бета-, гамма- и равномерное распределения. Подходящий кандидат может отличаться от одного уровня деградации к другому, поскольку эмпирическое поведение реализаций времени может изменяться по мере развития деградации.

Оценка параметров с помощью MLE

Метод максимального правдоподобия используется для оценки параметров каждого кандидатного маргинального распределения. Наилучшее маргинальное распределение выбирается в соответствии с выбранными критериями выбора модели или оценки качества подгонки.

Этот этап описывает поведение каждой переменной времени деградации по отдельности. Он еще не описывает взаимосвязи между переменными на разных уровнях деградации.

Этап второй: моделирование зависимости с помощью копулы

Преобразование наблюдений в U-пространство

После подбора маргинальных распределений каждая реализация времени преобразуется с использованием подобранной функции распределения. Это отображает наблюдения в стандартное равномерное пространство, обычно называемое U-пространством, где каждая преобразованная переменная имеет равномерное маргинальное распределение на интервале от 0 до 1.

Определение совместной структуры зависимости

Затем выбирается копула для представления зависимости между преобразованными переменными времени деградации. Модель может отдельно учитывать взаимосвязи между промежуточными уровнями деградации и конечным порогом отказа, независимо от маргинальных распределений.

Использование байесовского выбора копулы при необходимости

Оптимальная копула может быть определена с помощью байесовского подхода к копулам, который оценивает правдоподобные модели зависимости с учетом неопределенности выбора модели. Это особенно полезно, когда доступная лабораторная выборка невелика.

Что дает объединенная модель

Количественная оценка неопределенности на всем пути деградации

Подобранные маргинальные распределения характеризуют неопределенность на каждом уровне деградации, тогда как копула сохраняет статистическую зависимость между уровнями. Вместе они обеспечивают более полное представление о поведении времени деградации аккумулятора.

Прогнозирование распределения времени отказа

Поскольку конечный порог отказа включен в структуру зависимости, модель можно использовать для оценки распределения времени отказа. Это поддерживает вероятностное прогнозирование срока службы, а не получение одной детерминированной оценки.

Отказ от строгих многомерных линейных предположений

Копульная схема не требует, чтобы полный вектор времени деградации подчинялся строгой многомерной нормальной модели или другой модели линейной зависимости. Поэтому она позволяет отдельно представить зависимость и потенциально ненормальное маргинальное поведение отдельных реализаций времени.

Понимание компромиссов

Выбор модели по-прежнему имеет значение

Процедура зависит от выбора подходящих маргинальных распределений и соответствующей копулы. Неправильный выбор на любом из этапов может исказить оцененное распределение времени отказа, даже если общая схема является подходящей.

Малые выборки ограничивают определенность

Метод может эффективно работать с небольшими выборками, однако ограниченность данных по-прежнему создает неопределенность как в отношении параметров маргинальных распределений, так и в отношении зависимости. Байесовское моделирование позволяет представить эту неопределенность, но не может заменить дополнительные экспериментальные данные.

Зависимость не является причинностью

Копула описывает статистическую зависимость между реализациями времени деградации. Сама по себе она не выявляет физические механизмы, вызывающие деградацию аккумулятора, и не устанавливает причинно-следственную связь между переменными испытаний.

Дискретизация влияет на модель

Выбранные уровни деградации определяют, какие переменные времени моделируются и какой объем информации сохраняется. Слишком малое число уровней может скрыть значимые изменения в поведении деградации, тогда как слишком большое число уровней может усложнить оценивание при ограниченном размере выборки.

Применение процедуры к данным испытаний аккумуляторов

Практический рабочий процесс состоит в том, чтобы сначала подобрать и проверить маргинальные модели, преобразовать данные в U-пространство, а затем выбрать и проверить копулу для совместной структуры зависимости.

• Если основное внимание уделяется маргинальному поведению деградации: используйте MLE для отдельного сравнения кандидатных распределений на каждом дискретизированном уровне деградации.
• Если основное внимание уделяется прогнозированию времени отказа: подберите маргинальные распределения, преобразуйте реализации в U-пространство и используйте подходящую копулу, возможно с байесовским выбором, чтобы моделировать зависимость вплоть до конечного порога отказа.
• Если основное внимание уделяется анализу малых выборок: сохраняйте неопределенность как при выборе распределения, так и при выборе копулы, и не рассматривайте одну подобранную модель как абсолютно достоверную.
• Если основное внимание уделяется отказу от ограничительных предположений: используйте копульную схему для разделения маргинального поведения и зависимости вместо навязывания строгой многомерной линейной модели.

Эта двухэтапная процедура на основе копул преобразует лабораторные реализации времени деградации в совместную вероятностную модель, обеспечивающую более реалистичную количественную оценку неопределенности и прогнозирование отказа аккумулятора.

Сводная таблица:

Оптимизируйте свои исследования и разработки аккумуляторов с помощью точного моделирования деградации. KINTEK предоставляет комплексное лабораторное оборудование для испытаний аккумуляторов и исследований материалов. Наш ассортимент включает оборудование для изготовления элементов, системы испытаний и многое другое. Свяжитесь с нами сегодня, чтобы расширить возможности ваших испытаний! #ContactForm