基于MATLAB的蒙特卡洛方法对可靠度的计算.doc

基于MATLAB的蒙特卡洛方法对可靠度的计算 ——《可靠性工程》大作业 目录 目录 2 摘要 3 绪论 4 一、编写Monte Carlo模拟程序 5 二、关于两个服从正态分布的可靠性验证 8 三、非正态分布的验证 10 四、总结 11 参考文献 12 摘要 对于简单的概率计算，可以用离散或者连续的概率分布模型进行；但是对于的的近似解的求解，蒙特卡洛方法是一种非常方便的方法。蒙特方法将最复杂的计算部分交给了电机计算机来完成，极大的方便了我们的求解过程。 是用MATLAB蒙特卡洛的程序然后验证两个的模型和两个非的模型。非的模型中的随机变量序列都是同分布的，这样我们可以方便的用列维-林德伯格中心极限定理进行处理。】模型、蒙特卡洛、正太分布、独立同分布的非模型列-林德伯格中心极限 绪论 计算机技术的发展，了蒙特卡洛方法的推广、完善等。蒙特方法诞生之初是不被重视的，因为当时的计算机技术没有达到匹配的。 （1）直接蒙特卡洛模拟采用随机数来模拟本身具有复杂随机过程的效应。该方法是按照实际问题所遵循的概率统计规律，用计算机进行直接的抽样，然后计算其统计参数。直接蒙卡洛模拟法能充分体现蒙特卡洛方法的特殊性和优越性，因而在物理中得到了广泛的应用，该方法也就是通常所说的“计算机实验”。 （2）间接蒙特卡洛模拟是人为地构造出一个合适的概率模型，依照该模型进行大量的统计实验，使它的某些统计参数恰好是待求问题的解。Buffon 投针实验就是运用间接蒙特卡洛模拟来求解π。 （3）蒙特卡洛积分是利用随机数系列计算积分的方法，积分维数越高，效率越高。定积分的计算是蒙特卡洛方法被引入计算数学的开端，这里以定积分的计算说明其处理确定性问题的方法。如计算定积分： 此时，求定积分亦即求边长为1 的正方形中一个曲边梯形的面积问题，如图2 所示。可以随机地向正方形内投点，然后统计落在曲线下的点数，当总的投点充分大时，就近似等于积分值s。 一、编写Monte Carlo模拟程序 1．模型的建立 本章节根据抛掷骰子编制Monte Carlo模拟程序，验证各点出现的概率均为1/6。 2．模拟流程图绘制 图1.1 流程图 3．Monte Carlo程序编写 Monte Carlo模拟程序(Matlab) clear N=1000000; K_1=0; K_2=0; K_3=0; K_4=0; K_5=0; K_6=0; K=randi(6,N,1); for i=1:N if K(i,1)==1 K_1=K_1+1; end if K(i,1)==2 K_2=K_2+1; end if K(i,1)==3 K_3=K_3+1; end if K(i,1)==4 K_4=K_4+1; end if K(i,1)==5 K_5=K_5+1; end if K(i,1)==6 K_6=K_6+1; end end P_1=K_1/N P_2=K_2/N P_3=K_3/N P_4=K_4/N P_5=K_5/N P_6=K_6/N hist(K,6) 4．模拟结果及结论 Monte Carlo模拟得到，P_1=16.639%；P_2=16.605%;P_3=16.712%; P_4=16.710%;P_5=16.625%;P_6=16.710%。各项约为总数的1/6，符合理论情况。 通过模拟可以得到分布直方图(图1.2)。 图1.2 分布直方图 二、关于两个服从正态分布的可靠性验证 机械结构的可靠性中的应力-强度干涉理论的计算和蒙的卡罗方法其进行验证有产生正态分布的随机数，我们用=100000实验次数进行验证 理论计算：首先根据可靠度R=0.999Z==3.191，然后我们确定应力L（正态分布）的=200，方差=5776,；然后再确定强度分布）参数=500，方差= 图2.1流程图 Matlab模拟：理论计算的正态分布的参数进行matlab的模拟，得出的可靠度如图： 程序如下： =100000; P=[0,0,0]; R=[0.0,0.0,0.0]; for j=1:3 S=normrnd(500,55.34,N,1); %N(500,55.34) L=normrnd(200,76,N,1); %N(200,76) for i=1:N z=S(i,1)-L(i,1); if z0 P(j)=P(j)+1; end end R(j)=P(j)/N end 三、正