可靠性分析技术(评估).pptVIP

* * * * * * * * * * * * * * * * * * Bayes 模型 为以下方程的x 求解值， 此函数为含伽马函数的积分方程求解，需要用迭代的数值算法进行求解，极为复杂。 * * 可靠性数据评估－可靠性评估？ * * MTBF、MTTF 是什么？ 层次性 * 电子管？ 单位? * * * * * * * * * * * * * * * * * * * * * * * * * 经典可靠性评估流程 分布参数点估计 极大似然法 图估法 最小二乘法 分布参数估计-(供参考) 极大似然估计(Maximum Likelihood Estimation--MLE) 设总体的分布密度函数为f(t,θ)，其中θ为待估参数，从总体中得到一组样本，其次序统计量的观测值为 ,取这组观测值的概率为： 让其概率达到最大，即当 时，就能得到θ的估计值 二项分布点估计 设成败型产品成功率（可靠度）为R，n个产品试验出现失败数为x (x=r)，它服从二项分布，即 则由极大似然估计可得R的点估计 指数分布点估计 定时截尾 有替换 无替换 定数截尾 有替换 无替换 指数分布定时截尾 无替换 指数分布密度函数 似然函数为 记 为总试验时间，则MTTF的点估计值为： 指数分布定时截尾 有替换 似然函数为 为总试验时间，则MTTF的点估计值为： 指数分布定时截尾——示例 已知某电子管寿命服从指数分布，随机抽取20个进行有替换定时截尾试验，截尾时间为200小时。试验中发生了5个故障（见下表）.试估计电子管的MTTF。 序号 1 2 3 4 5 故障时间 26 64 119 145 182 指数分布定时截尾——示例 解：已知r=5，t0=200h， 指数分布随机截尾 似然函数为 其中，k为删除样本数，τj为第j个删除样品的删除时间 若记 为总试验时间，则MTTF的点估计值为： 指数分布随机截尾 有11个产品进行可靠性试验。在产品发生第一个故障时，撤下三个没有故障的产品，在出现第2个和第3个故障时，均分别撤下2个完好的产品，余下的一直到故障为止。故障数据如下。设产品寿命服从指数分布，求产品的MTBF估计值 故障时间h 故障数 删除数 34 1 3 113 1 2 169 1 2 237 1 0 指数分布随机截尾 图估计 将各种观测数据在相应的概率纸上描点作图，配成直线，然后利用所配直线检验数据的分布类型，并利用所配直线来估计分布参数，这种方法叫作图估法。 利用非直线方程的线性化方法，可以将一些曲线方程经过坐标变换以后在新坐标系中变成一条直线。 图估计 最小二乘估计-(供参考) 设在x-y坐标系中，n个数据的观测值为{xi，yi}，i=1,2,…,n，回归直线方程为 y=a+bx 对应一个观测值xi，用回归方程可计算一个yi，使回归直线的yi与观测值之间垂直差的平方和最小，这就是最小二乘法的基本思想。 最小二乘估计-(供参考) 求偏导 最小二乘估计示例-(供参考) 次序i 1 2 3 4 5 6 7 8 9 10 失效时间(min) 0.19 0.78 0.96 1.31 2.78 3.16 4.15 4.67 4.85 6.5 次序i 11 12 13 14 15 16 17 18 19 ? 失效时间(min) 7.35 8.01 8.27 12 13.95 16 21.21 27.11 34.95 ? 分布参数区间估计 对待估参数按照一定方法给定的区间叫做置信区间 置信区间包含真值的概率叫做置信度 置信区间不包含真值的概率叫显著性水平 如 其中： 置信区间 置信度 显著性水平 分布参数区间估计 指数分布 威布尔分布 二项分布 指数分布——定时截尾 服从自由度为2r的 分布， 服从自由度为2(r+1)的 分布 根据 分布可以写出 由此得出的上下限为 指数分布——定数截尾（示例） 已知某电子管寿命服