可靠性试验数据处理方法与工程实现

将原始数据以大小来分组，按散步在各组的数据个数作成分布图，这种图形称作频率分布图。对于随机分布的数据，用统计频数条形图可以形象地进行描述。

把系统可靠性数据读入MATLAB 的工作空间，便可绘制可靠性数据频数分布图。MATLAB 统计工具箱提供的hiST函数，用于作分布图的MATLAB 命令，其命令格式如下：

HIST（data,k）其中，data 为原始数据；k 为所分小区间数。

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

xlswrite（'F:处理结果amplitude.xls',amp,'B2:AS2'）%将幅度参数写入Excel 文件里

xlswrite（'F:处理结果amplitude.xls',amp,'B2:AS2'）%将幅度参数写入Excel 文件里2.3 MATLAB 与VC++混合编程实现：

如前述，结合VC++与MATLAB 的各自优缺点，采用调用MATLAB 引擎的VC++与MATLAB 的混合编程[6-7]的方法实现对可靠性试验原始数据的参数提取。VC++调用MATLAB引擎[3-4]的步骤如下：

如图1 所示数据处理结果与原始数据波形对比图。

图1 数据拟合结果与原始数据对比图

3 结语

采用了调用MATLAB 引擎的方法与VC++混合编程方法实现可靠性试验原始数据的参数提取和拟合运算、绘制直方图等处理。这种方法不仅实现了VC 的可视化界面与MATLAB 强大的数值分析与图形显示能力的有效结合，不仅提高了可靠性试验数据处理的效率，还有效节省了系统资源，缩短了软件开发周期。