一种声子晶体时变可靠性测试方法、计算设备及存储介质

技术特征：
1.一种声子晶体时变可靠性测试方法，适于在计算设备中执行，所述方法包括步骤：根据声子晶体的参数确定样本空间；根据所述样本空间和所述声子晶体的失效条件构建可靠性测试模型；根据所述可靠性测试模型构建神经网络模型；根据所述神经网络模型和所述样本空间预测所述声子晶体在服役时间内的失效率。2.如权利要求1所述的方法，其中，所述声子晶体的参数包括：随机变量参数、随机过程参数、区间变量参数和区间过程参数；根据所述样本空间和所述声子晶体的失效条件构建可靠性测试模型包括步骤：将晶体参数中的随机过程参数进行转化得到等效随机变量参数；将晶体参数中的区间过程参数进行转化得到等效区间变量参数；将声子晶体服役时间的时间参数转化为等效分布时间参数；根据随机变量参数、等效随机变量参数、区间变量参数、等效区间变量参数、等效分布时间参数和失效条件构建可靠性测试模型。3.如权利要求2所述的方法，其中，所述失效条件包括：在服役时间内，当声子晶体的带隙下限大于预设频率时，声子晶体失效。4.如权利要求1-3中任一项所述的方法，其中，所述根据所述可靠性测试模型构建神经网络模型包括步骤：根据样本点集确定训练集；根据所述可靠性测试模型和训练集训练所述神经网络模型。5.如权利要求所述的方法，其中，所述根据样本点集确定训练集包括步骤：将所述样本空间的样本点进行转化，得到转化后的样本点集；根据转化后的样本点集确定训练集。6.如权利要求5所述的方法，其中，所述根据转化后的样本点集确定训练集包括步骤：对转化后的样本点集中每个样本点确定其样本权重；根据所述样本权重确定每个样本点的特征值；根据所述特征值从转化后的样本点集中确定训练集。7.如权利要求5所述的方法，其中，所述将所述样本空间的样本点进行转化包括步骤：将所述样本空间中每个样本点进行等效不确定转化得到与时间无关的样本点集。8.如权利要求4所述的方法，其中，所述方法还包括步骤：判断所述神经网络模型计算的瞬时可靠性的失效率是否满足停止规则；若不满足所述停止规则，则设置迭代次数，并根据所述迭代次数确定增量样本点；根据所述增量样本点和样本集确定新的样本集；根据所述新的样本集训练新的神经网络模型，直到训练得到满足停止规则的神经网络模型。9.一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个装置，所述一个或多个装置包括用于执行根据权利要求1-8中任一项所述的方法的指令。
10.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1-8中任一项所述的方法。

技术总结
本发明涉及声子晶体领域，公开了一种声子晶体时变可靠性测试方法、计算设备及存储介质，并包括步骤：根据声子晶体的参数确定样本空间；根据样本空间和声子晶体的失效条件构建可靠性测试模型；根据可靠性测试模型构建神经网络模型；根据神经网络模型和样本空间预测声子晶体在服役时间内的失效率。本发明通过构建声子晶体的可靠性测试模型，在通过可靠性测试模型构建神经网络模型，能够预测声子晶体在服役时间内的失效率，避免了由于缺少声子晶体的参数，而无法判断声子晶体的性能，实现了对声子晶体在服役时间内性能表现的确定。子晶体在服役时间内性能表现的确定。子晶体在服役时间内性能表现的确定。


技术研发人员：陈宁 张琨 刘坚 李蓉
受保护的技术使用者：湖南大学
技术研发日：2022.06.10
技术公布日：2022/9/2