基于物理信息机器学习的电磁继电器时变可靠性评估方法

基于物理信息机器学习的电磁继电器时变可靠性评估方法，涉及继电器设计技术领域。建立电磁继电器仿真模型计算目标性能参数，通过马尔科夫链蒙特卡洛方法计算目标性能参数在时间序列上的仿真序列样本，得到仿真数据集；通过退化实验测试目标性能参数在时间序列上的实验序列样本，得到实验数据集；训练VAE回归模型，推断目标性能参数在时间序列上潜在的退化特性，融合生成序列样本，得到生成样本数据集；基于生成样本数据集评估电磁继电器的可靠性。结合了高斯过程方法用概率表示可靠性的优点以及深度神经网络灵活高效计算的优点，具备更高的准确性和计算效率，能够在设计阶段利用有限的实验数据实现批量电磁继电器产品的可靠性评估。