威布分析方法.pdf

第1章 威布尔分析 1.1 引言： 在所有可用的可靠性计算的分布当中，威布尔分布是唯一可用于工程领域的。在 1937， Waloddi Weibull 教授（1887－1979）创造性的提出了该种分布，它是用于失效数据分析分布 中应用最广泛的分布之一，也用于寿命数据分析，因为系统或部件的寿命周期的测量也需要 分析。 一位瑞典的工程师和一位数学家潜心研究冶金的失效，威布尔教授曾指出正态分布要 求冶金的初始强度服从正态分布，而情况并非如此。他还指出对于功能需求可以包含各种分 布，其中包括正态分布。 1951 年他发表了代表作，“一个具有广泛适用性的统计分布函数”，威布尔教授声称寿 命数据可以从威布尔分布族中选择最恰当的分布，然后用合适的参数进行合理准确的失效分 析。他列举七种不同的情况来证明威布尔分布可顺利用于很多问题的分析。 对威布尔分布的最初反应是普遍诊断它太过完美以致于不真实。尽管如此，失效数据 分析领域的先驱们还是开始应用并不断改进，直到 1975 年，美国空军才认可了它的优点并 资助了威布尔教授的研究。 今天，威布尔分析涉及图表形式的概率分析以找出对于一个给定失效模式下最能代表 一批寿命数据的分布。尽管威布尔分布在检测寿命数据以确定最合适的分布方面在世界范围 内处于领先位置，但其它分布也会偶尔用于寿命数据分析包括指数分布，对数正态分布，正 态分布，寿命数据有了对应的统计学分布，威布尔分析对预计产品寿命做了准备。这种具代 表性的样本分布用来估计产品的重要寿命特征，如可靠性，某一时刻的失效率，产品的平均 寿命及失效率。 1.1.1 威布尔分析的优点： 威布尔分析广泛用于研究机械、化工、电气、电子、材料的失效，甚至人体疫病。威 布尔分析最主要的优点在于它的功能：  提供比较准确的失效分析和小数据样本的失效预测，对出现的问题尽早的制订解 决方案。  为单个失效模式提供简单而有用的图表，使数据在不充足时，仍易于理解。  描述分布状态的形状可很好的选择相应的分布。  提供基于威布尔概率图的斜率的物理失效的线索。 虽然对数或对数正态分布的使用通常要至少 20 次失效或源于以往的经验，在只有 2~3 次失效时用威布尔分析非常好，在涉及安全性或极端费用时的失效结果是很关键的。威布尔 家族中的一员 weibayes ，在以往经验充足时甚至可用于无失效情况下。 1.1.2 威布尔概率图： 威布尔分析研究的是通过在威布尔概率图上绘制单一失效模式的寿命数据来研究部件 的寿命时间和它的可靠度之间的关系。威布尔分析最常用于描述元器件失效的时间，它们可 以是电灯泡，滚珠轴承、电容、磁盘驱动器，打印机甚至是人。失效模式包括爆裂，折断， 变形或由于腐蚀造成的疲劳，过应力，高温，初期致命失效，耗损等等。 当在威布尔概率图上绘制失效时间数据时，工程师们更愿意用 median rank regression 作为参数估计方法，median rank regression 方法是通过用最小二乘法（曲线拟合），找到一条 最佳拟合直线来将平方差减至最小，median rank regression 被认为是标准参数估计方法，因 为它通过大多数数据得出了正确结果。 典型的，水平刻度（x 轴）度量部件的寿命，垂直刻度（Y 轴）度量已知失效模式下的 部件失效累积的百分数。 一个威布尔概率图沿着横坐标有一条线性/非线性的时间刻度，沿着纵坐标有另一条非 线性的分布函数。这些非线性的刻度通过适当的数据模型选出。如果刻度与数据相匹配，图 表就会呈现出一条直线。由于它们简单且有用，所以概率图表用于统计分析中已经很多年了。 尽管如此，仍需注意的是用概率描绘的方法获得的分布参数是独立同分布的，这经常用于不 可修的部件和系统，而对于可修系统的失效数据可能就不是这样。 在图 7-1 中，威布尔概率图认为失效时间对应唯一的失效模型。当许多元器件在正常 运转条件下被测试时，它们不会在同一时间因同一原因都失效。任一失效原因下的失效次数 都会集中于平均值附近，次数过多或过少的情况都较少。由于寿命数据的分布如此，他们会 服从某种分布。为了描述一种分布的形状，这种分布的形状取决于所要研究的内容，公式可 由统计方法得出。如果已绘制的数据点落在直线附近，威布尔概率图便认为是合理的。 1