可靠性试验数据处理方法与工程实现

　　1.3 参数估计

　　根据绘制出的分布图的形状，假设可靠性数据服从某一分布，一般情况可靠性数据服从负指数分布。指数分布可以通过命令expfit 进行参数估计，该命令用其极大似然法给出了常用的概率分布参数的点估计和区域估计值，命令格式如下：

　　[muhat,muci]=expfit（data），

　　式中，muhat 为参数μ 的估计值；muci 为参数μ 的估计置信区间。正态分布可以通过命令normfit 进行参数估计，该命令用极大似然法给出了常用的概率分布参数的点估计和区域估计值，命令格式如下：

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

　　式中，muhat 为参数μ 的估计值；muci 为参数μ 的估计的置信区间；sigmahat 为参数σ 置信区间。

　　2 方案设计与具体实现

　　针对可靠性试验中试验对象、试验类型的不同，选择的能反映试验对象发生故障的特征量参数也不尽相同。采用上述两种方法对进行处理，用户根据原始试验数据类型的不同，选择不同的方法由软件对其进行处理，并通过处理得到其相关参数。

　　2.1 方案选择

　　方案初步定为采用MATLAB 实现数据处理，人机交互界面的设计则用VC完成，主要解决的问题是VC和MATLAB接口实现。将MATLAB 与VC 混合编程有如下四种方法:

　　①调用MATLAB 引擎。该方法的优点是能支持所有的MATLAB 函数，缺点是混合编程后的可执行程序脱离不了MATLAB 的运行环境；

　　②利用MATLAB 自带的mcc 编译器；

　　③利用Matcom 编译。用Matcom 进行转换非常简单、方便，生成的代码可读性很好，且在C 编译器编译后其代码的执行效率高。但是这种方法也不能支持所有MATLAB 工具箱函数；

　　④利用MATLAB COMBuilder。MATLAB 提供的COM生成器（COMBuilder），为实现MATLAB 独立应用程序增加了又一个新途径。

　　在比较几种方法优缺点的基础上，确定采用第①种方法实现可靠性试验原始数据的处理。

　　2.2 MATLAB 实现具体功能

　　以某型雷达20 kHZ 信号板为试验对象在温度应力下进行加速寿命试验，示波器采集的数据是以excel 文件，调用Matlab 软件可以对起进行非线性拟合处理，以下是实现特征参数提取的源代码：

　　sampt=xlsread（'F:2-1','B3:B1002'）；%读入采样时间

　　v=xlsread（'F: output195','B2:AS1001'）；%读入采集数据

　　for i=1:11 smv（：，i）=smooth（v（：，i））； end %对数据平滑处理

　　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