4. 可靠性增长模型体系
可靠性增长测试的核心问题不是“测了多少小时”，而是“随着缺陷被暴露和纠正，产品可靠性以什么规律上升”。不同增长模型对“上升规律”的假设不同，因此参数物理意义、适用阶段和判读方式也不同。航空航天电子产品通常具有小样本、长寿命、故障模式分散、纠正措施代价高的特点，选错模型会导致增长趋势外推失真，甚至把“偶然波动”误判为“增长显著”。本节围绕四类常用模型展开：Duane、AMSAA-Crow、IBM 和 Gompertz，重点说明它们的假设、参数含义、适用阶段，并给出航空航天电子案例对比。
一、Duane 模型：累积故障率随累积时间幂律下降
Duane 模型是最早被广泛使用的可靠性增长模型之一。它假设在纠正性维护过程中，累积故障率随累积试验时间呈幂律下降。设累积试验时间为 t，累积故障数为 N(t)，则 Duane 模型可写为：
N(t) / t = K · t^(-m)
即 ln[N(t)/t] = ln K - m · ln t其中 K 是初始累积故障率相关的尺度参数，m 是增长率，通常 0 < m < 1。物理上，m 越大，说明每次纠正后可靠性提升越明显；m 接近 0 则说明增长停滞。Duane 模型的优点是形式简单、参数易估计，在双对数坐标下若数据近似直线，即可用最小二乘法拟合。但它假设“纠正措施持续有效且不引入新缺陷”，这在复杂航空航天电子系统中往往过于理想。它更适合工程研制早期、故障模式相对集中、纠正措施能快速落实的阶段，例如某型机载电源模块在环境应力筛选阶段的早期增长评估。
二、AMSAA-Crow 模型：非齐次泊松过程下的增长
AMSAA-Crow 模型把故障发生视为非齐次泊松过程（NHPP），其强度函数为：
ρ(t) = λ · β · t^(β-1)其中 λ 是尺度参数，β 是形状参数。当 β < 1 时，故障强度随时间下降，表示可靠性增长；β = 1 表示稳定；β > 1 表示可靠性退化。与 Duane 模型相比，AMSAA-Crow 的统计基础更严格，能给出区间估计和拟合优度检验，适合定时截尾或故障截尾数据。在航空航天电子中，它常用于整机级或分系统级的可靠性增长试验，例如某型飞控计算机在 1200 小时累积试验中记录到 18 次故障，通过 AMSAA-Crow 拟合得到 β ≈ 0.72，说明存在显著增长，但需进一步检查是否存在未纠正的共性缺陷。
三、IBM 模型：考虑缺陷引入与纠正延迟
IBM 模型（也称 IBM 可靠性增长模型）在 AMSAA-Crow 基础上进一步考虑“纠正措施可能引入新缺陷”以及“缺陷从暴露到纠正存在延迟”。其核心思想是把故障过程分为“发现—分析—纠正—验证”四个环节，并引入纠正效率因子。若纠正不彻底或引入新问题，增长速率会被削弱。该模型适合纠正周期较长、涉及软硬件更改的航空航天电子系统，例如星载计算机在轨软件补丁更新、FPGA 配置项修改等场景。实际使用时，需要记录每次故障的发现时间、纠正完成时间、纠正措施类型和验证结果，再估计增长趋势。若忽略纠正延迟，直接用 AMSAA-Crow 可能高估增长速率。
四、Gompertz 模型：S 型增长与饱和效应
Gompertz 模型原本用于描述生物种群增长，其形式为：
R(t) = a · exp[-b · exp(-c · t)]其中 a 是可靠性上限，b、c 控制增长速度和拐点。与 Duane、AMSAA-Crow 的单调幂律不同，Gompertz 呈现 S 型：初期增长慢，中期加速，后期趋于饱和。这更符合航空航天电子产品在成熟阶段的规律——当主要缺陷被清除后，剩余故障多为随机偶发，继续投入试验的边际收益递减。因此 Gompertz 更适合可靠性增长后期或批产阶段的趋势判断，例如某型导航接收机在完成两轮纠正后，MTBF 从 800 小时提升到 2200 小时，后续增长明显放缓，此时用 Gompertz 拟合可估计其可靠性上限，避免盲目外推。
五、航空航天电子案例对比与选用建议
把四类模型放到同一型产品的不同阶段，可以形成互补而非互斥的关系。以某型机载电子对抗分系统为例：在初样阶段，故障集中、纠正快，用 Duane 模型拟合 300 小时数据，得到 m ≈ 0.45，说明增长明显；进入正样阶段后，采用 AMSAA-Crow 对 1500 小时定时截尾数据做检验，β ≈ 0.68，并给出 MTBF 置信下限；当涉及 FPGA 逻辑更改和软件补丁时，用 IBM 模型记录纠正延迟，发现实际增长比 AMSAA-Crow 预测低约 18%，提示需加强纠正验证；到批产阶段，MTBF 增长趋缓，用 Gompertz 估计上限约 3500 小时，为后续试验剪裁提供依据。
综上，Duane 适合早期快速评估，AMSAA-Crow 适合有统计检验需求的增长试验，IBM 适合纠正延迟显著的软硬件系统，Gompertz 适合后期饱和趋势判断。实际工程中，建议按“阶段—数据形态—纠正能力”三个维度选择模型，并把模型输出作为试验剪裁和纠正措施决策的输入，而不是替代工程判断。