质量管理课程-Weibull分布.ppt

Weibull分布 简介 瑞典物理学家Weibull于1939年为解释疲劳试验结果而建立 Weibull分布是根据最弱环节模型或串联模型得到的，能充分反映材料缺陷和应力集中源对材料疲劳寿命的影响 在机械可靠性设计中，疲劳寿命，磨损寿命，腐蚀寿命以及由许多单元组成的系统多服从Weibull分布 概率密度函数和分布函数 概率密度函数： 分布函数 可靠度函数和失效率函数 R(t) (t) Weibull分布的参数 形状参数 1时，曲线以横轴为渐近线，且为递减函数 =1时，曲线是单参数的指数分布密度函数 1时，曲线为单峰曲线 =3~4时，曲线与正态分布很近似 更大时，曲线并不明显偏离正态分布 Weibull分布的参数 位置参数 位置参数又称起始参数，他表示产品在时间 之前具有100%的存活率（可靠度），即失效是从 之后开始的。由此可见，Weibull分布存在最小安全寿命，这与机械零件的强度，寿命等概念相吻合 Weibull分布的参数 尺度参数 n 当 =0,t=n时，Weibull分布的失效概率为0.632，故n为63.2%的试件已失效时的寿命，即特征寿命。n的大小只会起缩放t标尺的作用，但不影响分布的形状 当位置参数 =0时，简化为两参数的weibull分布。工程实践中， 通常都很小 可靠性数量特征 三参数Weibull分布的均值和方差 式中Gamma函数为 可靠性数量特征 两参数Weibull分布的均值和方差 可靠性数量特征 可靠度寿命t(R),中位寿命t(0.5)和特征寿命t(e-1) 零件疲劳寿命试验用的Weibull分布表达式 Weibull分布因含有三个参数，所以指数分布，正态分布等都可看作是Weibull分布的特例和近似，因此Weibull分布对各类试验数据拟和能力强。 在机械可靠性设计中，用它来描述零件的疲劳寿命和强度。在疲劳强度试验中，Weibull分布函数中的时间变量t用疲劳寿命N（应力循环次数）代替 概率密度函数f(N)和分布函数F(N) 式中 为最小寿命，等同于n, Na为特征寿命, n=Na- 可靠度函数和失效率函数 寿命曲线（lebensdauergerade） 通过坐标变换，采用双对数坐标系可以把Weibull分布的表达形式变换成较为简单的一次函数形式 寿命曲线 b为寿命曲线的斜率，也是分布函数中的形状参数 blnT为x=ln(t/T)=0时寿命曲线的坐标值，也即t=T，即为特征寿命值 下图为坐标变换前后的分布函数图形，分别为s型和直线 使用寿命曲线进行评价 考察包括所有个体在内的样本全体 寿命特征为个体的存活时间，就是从产品从生产出来到失效为止的时间 必须考虑以下两个方面：未失效的个体和已失效个体的不同寿命特征，即存活时间 使用寿命曲线进行评价 首先根据样本总体的规模来确定频度数（das Bilden der summenhaufigkeit） 对于小规模的样本总体（n50）每一个失效的个体都对应于一个 ，按照失效个体的存活时间的长短进行排序，例如n个失效个体中存活时间最长的个体为 其中，j=n 使用寿命曲线进行评价 确定频度的两种方法 1.平均值法（mean Rank-Verfahren） 2.中位数法（median Rank-Verfahren） 使用寿命曲线进行评价 对于n50即大样本的情况，为了简化评价过程，把样本总体按照失效时间分成若干个大小相等的组（5-20个） 求出每个组的频度数 t和H构成一对值，反映在寿命曲线上 考虑未失效的个体样本 在某些情况下，抽样试验会如下进行：样本总体本分成若干组，按照同样条件依次进行检验。当检验员发现有试件失效时，该组的抽样试验立即结束，将不考虑剩下的试件，这种试验称为中止性试验（abgebrochenen Versuch）,可以用中序数（mittlere Ordnungszahl）来反映那些未失效的试件。在这种情况下，前面介绍的中位数法中的参数j都要做相应的修正 考虑未失效的个体样本 其他的寿命特征 除了存活时间外，还有别的特征可以用来描述试件的特性，例如运行时间和行驶的距离等等 存活时间只是一个理想情况下的特征，在实际情况中不太可能出现 寿命特征的一些特点 以存活时间为寿命特征来考察试件时，把最先失效的试件给予最小的下标号，然后随着失效试件的增加下标号不断增长。 下标顺序按照时间顺序来排列 试验人员能够在每一个时间点上为某一确定的寿命值来人为决定此时失效