第六讲 疲劳统计学.docVIP

第六讲 疲劳统计学 上节概述 p-S-N曲线，疲劳数据处理，正态分布，标准正态分布 检验数据是否服从正态分布，正态分布坐标纸 正态分布存在的问题：不能反映构件疲劳寿命有一个大于等于零的下限。 1．威布尔分布 Waloddi Weibull于1951年提出，已得到广泛应用。 1）威布尔分布的密度函数 ， ( N ( N0 ) N0、Na和b为描述威布尔分布的三个参数。 N0：寿命下限，或最小寿 命参数。 Na：尺度参数，即横坐标 的尺度大小，反映数据的 分散性。 b：形状参数 b = 1，指数分布；b = 2，瑞利分布；b =3.5～4，接近正态分布。 2）威布尔分布函数 （三参数威布尔分布函数） N = N0，F(N0) = 0，即疲劳寿命小于N0的破坏概率为零。 N = Na，F(Na) = 0.632，与其它参量无关，Na称为特征参数。 或写为： 则： 变量lglg[1-F(N)](1与lg(N-N0)为线性关系 威布尔概率坐标纸 以lg(N-N0)作为横坐标，lglg[1-F(N)](1为纵坐标的坐标纸，如在某一应力水平下的实验数据在该坐标纸上的分布接近线性，则服从威布尔分布。 例：试判断下表中所列的两组疲劳寿命数据是否服从威布尔分布并估计其威布尔参数 i A组，N(105) B组，N(105) F(Ni) = i/(n+1) 1 2.0 4.0 0.111 2 3.7 5.0 0.222 3 5.0 6.0 0.333 4 8.0 7.3 0.444 5 11.5 8.0 0.556 6 13.0 9.0 0.667 7 20.0 10.6 0.778 8 23.5 13.0 0.889 解：1）将数据按Ni由小到大排序并计算F(Ni) 2）估计N0，0 ( N0 ( N1，一般N0需多次取值在坐标纸上试描，取最接近线性分布的N0值。 对于A组数据，试取N0 = 0，将数据试描于威布尔概率坐标纸上。对于B组数据，试取N0 = 2(105，将数据试描于威布尔概率坐标纸上，两组数据基本服从威布尔分布。 3）分布参数的确定 特征参数对应的 破坏概率为63.2% 由图得到A组 Na-N0 = 11.5(105 Na = 11.5(105 B组 Na-N0 = 6.8(105 Na = 8.8(105 F(N) = 0.9，lglg [1-F(N)] = 0，则 A组N-N0 = 23.5(105，则b = 1.17 类似可求出B组b = 1.73 2．线性回归分析 问题：如何用直线拟合一组数据，如何判断一组数据可以用直线拟合来描述 1）相关关系和回归方程 变量间的两类关系 确定关系：一一对应关系，一般可以用函数式表达 相关关系：对变量X，Y无确定值与其对应，而是某种形式的概率分布及特征数 设随机变量X、Y存在相关关系，X取值为x时，Y的数学期望是x的函数 母体的期望值一般通过样本数据求其估计值 上式即为Y对X的回归方程，如回归方程是线性的，则 回归分析的目地：寻找可以描述随机变量之间关系的近似表达式 考查随机变量间相关关系的密切程度 检验回归方程的可用性 2）最小二乘法拟合回归方程 设由实验结果获得的n对数据(xi，yi)组成一个样本，在直角坐标系中有图示散点图，散点图 可直观反映随机变量X、Y是 否可用线性拟合。 回归方程中的系数由最小 二乘法确定。 令回归方程给出的估计值 与样本实际观测值的偏差平方和最小 ， 令： ， 可求出A、B值为 ， 3）相关系数，相关关系检验 相关系数定义为： 相关系数|r|(1。|r|=1完全相关，|r|=0完全不相关 完全相关 完全不相关 相关系数反映了变量X、Y间相关的密切程度，|r|越接近1，相关性越好。 一般，相关系数应满足 |r|( rα rα：相关系数的起码值，与显著水平α（接受回归方程而出现错误的概率）