（行业评价估量）---可靠性工程与风险评估-第5章－可靠性试验（参考）.pptVIP

仿照式(4—85)推导的方法，引入拉格朗日乘子，使用求极值的方法选择。有 求解此式，得： (5-74) 一般情况下， 总为正值。式(5—74)等号右端分母与式(5—70)相比较，可知其值即为 。 故 将此式代入式(5—73)，得到 。这说明：理想的“虚拟概率密度函数”是将原密度函数 用 加权，可以达到方差为零。 如果由带有参量的理论函数所组成，最好使用下列方法。 此式中各参量 是已知常量。 “虚拟概率密度函数”， 可以按与此相同的形式给出。然而，其中诸参量应做为变量处理。仿照式(5—73)，得到所要求成少方差的表达式： 使用非线性程序设计的方法，借助于调整值来求得此式的极小值。由于 对求极小值没什么影响，故计算时式(5—75)中的项常可略去。 所谓计量序贯抽样是事先根据生产方风险 和使用方风险 确定合格判定数 和不合格判定数 ，每次抽取一个样品测试其每次累计观测值x，将x与 比较，作出合格或不合格的判断，否则再继续抽检，直至作出判断为止。 假设某产品的质量特征值X~N( ，（ 为已知，规定L为质量特征的下限，当 时，认为产品合格 当 则认为产品不合格。合格质量水平为 极限质量水平 则： 当 ，判为合格接受该批，当 ，判为不 合格，拒绝该批。 当 ，则不能判断合格与否，需继续抽样检验。 则 当， 判为合格，接受该批； 当 时，继续抽检。 当， 判为不合格，拒绝该批； 第四节 统计试验法 石油化工厂的系统、装置和管道，失效或发生故障往往涉及至多因素效应交互作用的复杂情况。欲寻求主要影响因素，采取工名措施，强化薄弱环书，提高系统或装置的可靠性，一般不容易构造成数学模型。即使作出数学模型也不使得到解析解，特别是在伴有随机因素时，更难以做到。对于这类问题，应用统计试验法求解较为有效。 统计试验法又称随机模拟法或蒙特卡罗法。它是人为地构造出一种概率模型，使它的某些数字特征恰好重合于所需要的计算量，而这些数字特征，又可以通过实验，用统汁方法求出它们的估计值，这些估计值就可以作为要求量的近似结果。换言之，将随机数赋于各种适当的物理含义；将各种随机过程的概率特征与数学分析问题的解答联系起来。 这种方法的核心问题是构造模拟的概率模型，并产生随机数，然后统计处理模拟的结果。 这里，通过一维积分的随机模拟来说明用统计试验法求解一般实际问题的基本步骤。 设： 图5—9 积分模拟的概率模型 为了用统计试验法模拟这个积分，需要构造一个数学概率模型。参阅图5—9。在x坐标轴[0，1]和y坐标轴[0，1]范围形成的正方形内，曲线下面所包罗的面积，等于式(5-45)的积分值。 如果在正方形内随机地投放一点，此点的两个坐标在区间[0,1]内是相互独立和均匀分布的。设第一个点的坐标为 ，检查不等式： 是否满足，假如满足则所投放的随机点便落在曲线下的区域里。然后取许多随机点 检验各点的座标是否满足上面的不等式。令满足此不等式的点的总数为m，投放随机点的总数为n，频率为 ，有下列关系： 即当投放的随机点数目足够大时，频率m/n就是式(5-45)所求积分的近似值。 （5-46） 按照统计试验法随机模拟的结果，只是近似解。如何估计这种方法所得解答的精确性，对于决定它的应用范围有着重要意义。 令 为随机变量，当随机投放的点(x,y)位于曲线f(x)的下面时， 取值为1；否则 取值为0。即： （5-47） 大量产生相互独立随机变量(x，y)的抽样 ，得到的观测值 。在次随机投点试验中，投点落在曲线 下面的总次数 。频率为： （5-48） 根据式(2—87)，有 根据式(2—87)，有 假设取频率分布近似服从正态分布，且置信度为99.73%，则有： 误差估计值 为： 或者 从此式可以看出，如果计算精度要求提高10倍，则需增加试验投放点次数成延长试验时间100倍。可见，统计试验法不可能得到具有很高精度的解。一