基于MATLAB工业失效数据统计推断.pptxVIP

 基于Matlab的工业可靠性数据统计推断;可靠性知识的准备 常用分布函数以及matlab中相应函数 统计推断—参数估计 参数估计实例;可靠性知识准备; 概率密度函数（Probability Density Function）：寿命分布函数 F（t）表达了产品失效的累计效应。它不能明确反映产品在某一时刻的失效性能。为了表征寿命分布函数随时间的变化，引入失效的另一特征量——失效密度函数f（t），其定义表达式为： 其含义是，一个从0开始工作的产品在时刻t处的单位时间内失效的概率。 失效率（Failure rate）：一个工作到时刻t尚未发生失效的产品，在t时刻以后的下一个单位时间内发生失效的概率，叫做瞬时失效率，简称失效率，也称为失效强度。它是时间t的函数，记为 。 ;可靠性知识准备;产品的可靠度函数： 其中T是产品寿命，它是随机变量。上式表示了产品寿命大于某一规定工作时间t的概率。 平均寿命： 平均寿命的概念对于不可修产品和可修产品而言其含义是不同的。 对于不可修产品，寿命是指它失效前的工作时间。因此，平均寿命MTTF（mean time to failure）是指一批同类产品从开始使用直到时效前的工作时间的平均值，也称为平均故障前时间，有些文献也称为首次故障前平均时间MTTFF(mean time to first failure). ; 对于可修产品而言，则是指产品两次相邻故障之间的工作时间平均值，即平均故障间隔时间，常用MTBF（mean time between failure），有的文献也称为平均无故障工作时间。 总之，平均寿命是产品故障前工作时间的平均值。对于一批产品，平均寿命可用产品失效前工作总时间与产品总数之比来近似 式中 需要说明的是，上式的计算适合于完全数据，不适合截尾数据。 ;F（t）、R（t）、f（t）和λ（t）之间的关系 从上边的公式可以看出，只要知道其一个量就可以求得其他的三个量。 ;指数分布 其CDF为： PDF为： 由 得 ;从上边几个公式可以看出 当失效率为常数时，可靠度服从指数分布，他的大小取决于工作时间，其平均寿命MTTF等于失效率的倒数。 指数分布的“无记忆性”：只要设备的失效率为常数，用新设备去代替已长时间工作的旧设备，并不能使设备的可靠度有所增加。 决定指数分布的参数只有一个 ，所以指数分布为单参数分布。 对于指数分布求解相对比较简单，用matlab中的函数： 例如： x=0:1:5; y=exp(-x) y = 1.0000 0.3679 0.1353 0.0498 0.0183 0.0067 这是求x=0,1,2,3,4,5时的值 ; 但MATLAB除了计算方便外，在作图方面是也非常突出，如用下边语句： x=0:0.01:5; y1=exp(-x); y2=1-exp(-x); figure; subplot(1, 2, 1); plot(x,y1) subplot(1, 2, 2); plot(x,y2) 可以很方便的画出指数分布的PDF和CDF，如下图所示，此语句中默认 。 ;下图为指数分布的PDF和CDF ;正态分布 正态分布是应用最广泛的分布之一，许多自然现象都服从正态分布。 正态分布记为 ，其概率密度函数为： 其中， μ——均值，即数学期望。在上式中若t是产品的寿命，则μ就是 产品的平均寿命。 σ——标准差，又叫均差。表示测量数据的离散程度。 MATLAB中正态函数的应用。 y=normpdf（x,mu,sigma）,返回参数为mu和sigma的正态分布密度函数的在x处的值，就是f（x）。 p=normcdf（x,mu,sigma）, 返回参数为mu和sigma的正态分布函数的在x处的值，就是F（x） ; x=norminv(p,mu,sigmu),normcdf的逆函数，即p分为数 做计算： x=70:0.1:90; p=normcdf(x,80,10); b=normcdf(90,80,10)-normcdf(70,80,10) b = 0.6827 p=(1-b)/2;c=norminv(p