Isight教程QEM_04_MCS.pptVIP

Quality Engineering MethodsMonte Carlo Simulation 动机： 选择不确定性/随机性 当某些输入参数是随机的/不确定的时， 仅进行确定性的分析/优化是不够的 一般的随机/不确定的输入参数 : 材料性能，载荷特性，操作环境， …… 例题: 拉压弹簧的设计 最小化（Minimize）: 质量或重量函数: (0.0126...) 约束条件: 挠度: (-0.00428...) 剪应力: (0.00251...) 湍振频率: (-4.029...) 最大尺寸: (-0.731...) 变量边界 设计变量: d - 金属丝直径 (均值): (0.0514...) D - 弹簧圈直径 (均值): (0.351...) n - 弹簧圈数 (均值): (11.617...) Monte Carlo 模拟 Monte Carlo 模拟 – 简要回顾 使用了几个世纪 在过去的几十年中确立了地位 在第二次世界大战的 Manhattan 计划期间 Monte Carlo 掷币类似于机会的统计游戏 这个游戏是一个物理系统 – 硬币的堆栈（ “stack of chips”）是某些特殊问题的答案 从简单到复杂，用在不同的领域 模拟复杂的天气系统 核子物理 Bingo 游戏的模拟 Monte Carlo 模拟—关键部分 概率分布函数 (pdfs) 随机数字产生器 采样规则 降低变异技术 降低变异以减少计算时间 (在评价多少点的基础上减少错误水平) Monte Carlo 模拟 – 术语 均值（Mean） —一系列数值的平均值 标准差（ Standard Deviation ） —偏离均值的程度 变异（ variation ）系数—标准差 /均值 偏斜（Skewness）—对均值不对称分布的度量。 正偏斜表示朝正方向偏斜 峰度（Kurtosis） —与正态分布相比，分布曲线相对扁平或尖锐的度量。负值表示较扁 Monte Carlo 模拟: Basic Approach 采样技术: 简单的随机采样 描述性采样 分布类型: 正态（Normal）分布 对数正态（Lognormal）分布 韦布尔（Weibull）分布 Gumbel分布 均匀（Uniform）分布 指数（Exponential）分布 收敛（ Convergence ）: 每25步检测一次标准差和均值 Monte Carlo 模拟: 随机变量分布函数 正态（Normal ）分布—描述最自然的事件，以平均值对称分布，大约68% 在均值的一个标准差内 均匀（Uniform）分布—发生在最小值和最大值之间的概率相等 对数正态（Lognormal ）分布—向右偏斜；自然对数产生正态分布； 可以无限制地增加但不能降到特殊值以下 (如：股票价格) 韦布尔（Weibull ）分布—通常用于描述失效次数和材料的破坏强度，有两种形式 指数（Exponential）分布—用于描述事件之间的时间；以前事件无效 Gumbel—Type I extreme value distribution, based on largest element; describes breaking strength for some materials, breakdown voltages of capacitors, gust velocities encountered by aircraft. Monte Carlo 采样（ Sampling ）技术 经常需要大量的采样点 使用变异减少技术能够产生 简化的点 独立的采样点: 分布式的/平行的（distributed/parallel）计算可能 Monte Carlo 模拟 – 采样示例 为什么使用 Monte Carlo 模拟? 确定影响响应 (输出参数)的关键随机变量 研究由随机变量导致的响应变异 评价是否需要执行可靠性/稳健性（ reliability/robust）设计 用于可靠性分析，稳健设计 公差设计问题 拉压弹簧设计：Monte Carlo 模拟 Monte Carlo 模拟—练习题 进入 isightQEMTrn/MCS目录 打开SpringMCS.desc文件 建立 Monte Carlo Plan 选择/定义随机变量和分布 选择响应到监视器 创建表格/图形 执行 研究结果 – 概率分布图 练习题结果 挠度响应: 均值 -0.0101 标准差 0.191 方差 0.0367 变异系数 18.998 便斜 -0.00315 峰度 0.00449 行程 1.242 最小值 -0.775 最大值 0.467 有效地评价随机/不确定的输入参数对输出参数的作用的方法 (满足约束条件的概率, 目标函