可靠性试验设计与2答案.doc

第四章(42) 可靠性试验设计与分析 §4.3可靠性测定试验的参数估计 可靠性测定试验是为确定可靠性特性而进行的试验,如测定寿命分布及参数,安全余量,环境适应性及耐久性等. 在寿命分布已知情况下，就可以求出产品的可靠度、故障概率及各种可靠性特征量，但要确定产品的寿命分布则需要大量试验。产品寿命分布参数不仅随产品的类型的不同而不同，甚至随着产品的批次的不同而有所变动。由于在实际中允许的试验次数是有限的，也就是只取局部（样本）的参数来估计产品的可靠性。将样本的有限个数据经数理统计推断，得出产品的寿命特征参数的估计值。 用样本观测值估计总体参数值的过程称为参数估计。 §4.3.1分布参数的点估计 点估计是用样本观测值对未知参数给出接近真值的一个估计数值。用于估计总体参数的统计量是样本的函数，称为点估计量，用样本观测值对点估计量计算的结果叫估计值。 当产品的寿命分布类型已知，而分布参数未知时，可根据子样寿命数据对寿命分布中的参数进行估计的方法称为分布参数的点估计。不同的点估计方法给出的点估计值不同，不同样本的观察值得到的点估计也不同。 点估计是一个随机变量，它本身也有数学期望值和标准差。估计方法有很多，如矩法，极大似然法，图估法，最小二乘法，最好线性无偏估计等方法。 一、矩法 以子样的均值、方差作为总体期望值、方差的估计。 如抽取n个样本进行寿命试验，其寿命分布为，子样的均值作为总体分布的数学期望的估计，子样的方差作为总体方差的估计，因此总体参数的估计值： 例：假设一产品的寿命分布服从正态分布，现随机抽取4台做寿命试验，得到寿命数据为1502h,1453h,1369h,1650h,求正态分布的待估参数。 解： 二、极大似然估计（MLE——Maximum Likelihood Estimation） 极大似然估计法是一种重要的参数估计方法。其基本思想：样本来自总体，如果一次试验中得到样本的观察值，取一个使样本观察值结果出现概率达到最大时的待估参数作为估计值，这就是极大似然估计值。 设总体分布具有故障概率密度函数，其中为待估参数。若从总体中抽n个样本进行寿命试验，得到寿命数据，假设第一个故障样本在区间内，第二个在内故障，……，第n个样本在区间内故障，则试验中故障出现的概率为： 上述中和为常数，为使其概率达到最大，只需下式达到最大，即得到似然函数： 由于上式是连乘，为求解方便，引入自然对数（变成加法） 当是单调函数时，使最大，等价于使达到最大，只要解下列方程： 求出待估参数。 1、完全寿命下的极大似然估计 完全寿命试验就是所有样本均试验到故障而得到的样本观测值。其极大似然估计称为完全寿命试验下的极大似然估计。假设从总体中抽取n个样本进行寿命试验，得到试验寿命数据，这些数据是服从某种分布。 下边是常见分布的完全寿命试验中的分布参数的极大似然估计。 (1).指数分布 指数分布的故障率函数是不随时间而变化的连续寿命分布。即 指数分布的密度函数为，可靠度函数，累积故障概率，平均寿命。由于故障率为常数，且又与平均寿命互为倒数，因此指数分布给计算带来了很大的方便。这也是在数理统计和数据处理中常用指数分布的原因之一。 失效率与时间无关，这正是前述的浴盆曲线底部的失效模式，因此指数分布可以用来描述产品去除早期失效，进入恒定失效率期的一段失效。在这个阶段，尽管产品本身的失效机理，如磨损、老化等还是存在并不断累积，但并不表现出产品的失效，所以从产品的失效现象来说完全可以忽略。但是，严格具有这样物理背景的情况是不多的，因此限制了它的使用范围，特别对于那些呈现老化、衰变的产品，用指数分布来描述就有差距了。 对于指数分布，其待估参数只有一个，即故障率，由前面可知，其极大似然估计函数： 对其取对数 解似然方程，求出待估的故障率 由故障率的估计值可得到产品的可靠度和平均寿命的估计值分别为 ， 的估计值与矩法得到的结果一样。 在指数分布场合，可靠寿命可以从方程中解出，其中， 是可靠度，，即是平均寿命的倍。 例：一台机器的平均寿命为15000小时，假设其寿命服从指数分布，试问：其可靠度分别为78.40％和61.47%时的寿命是多少？ 解： 如果机器每天平均工作2h,每年365天，5年共3650h,说明78.4%是这台机器5年工作的可靠度。 (2).威布尔分布 威布尔分布是可靠性中常用的等参分布，许多电子和机械元件与设备的寿命都是威布尔分布，它可从最弱环模型导出，最弱环模型认为故障发生在产品的构成因素中最弱部位，这相当于构成链条的各个环节中最弱环节的寿命就是整个链条的寿命，假设各环节的分布是相同的，那么链条的寿命就服从威