《制造系统建模与仿真》讲义3说课材料.pptVIP

Su Chun, Southeast University * 第三章 随机模型与随机变量 outline Basic concept of probability theory Introduction of stochastic model Introduction of random number Basic concept of probability theory 制造系统的结构参数，如强度、应力以及零件尺寸等都具有 随机性。此外，多数的工程变量值还随时间变化。 制造系统运行是典型的动态过程，载荷、工况、应力等运行 环境及参数都是时间的变量。 例如，因疲劳、磨损和腐蚀造成的机械强度下降，电绝缘强 度随时间和外界应力的变化等。因此，产品性能必然是时间 的函数，并呈现出显著的动态性。 科学技术的交叉集成使得制造系统日趋复杂，人-机-环境以 及系统软硬件之间相互作用、相互影响，产品可靠性的动态 性、相关性和随机性特征日益明显。 Basic concept of probability theory 此外，服务系统中顾客的到达、服务时间、库存数据等也都具 有典型的随机性。 要实现上述系统的仿真，就必须确定被仿真参数的随机特性， 即概率分布。 例如，将服务系统中顾客的到达时间间隔视为指数分布，再根 据该分布编写程序产生随机变量输入到仿真模型中。 因此，确定随机模型的概率分布，并编制程序实现该分布类型 的随机抽样，是实现仿真的重要内容。 Basic concept of probability theory 仿真模型中常见的概率分布 正态分布 Basic concept of probability theory 均匀分布 Basic concept of probability theory 指数分布 Basic concept of probability theory 威布尔分布 Basic concept of probability theory γ分布 Basic concept of probability theory 瑞利分布 Basic concept of probability theory F分布 Basic concept of probability theory β分布 Basic concept of probability theory 对数正态分布 Basic concept of probability theory t分布 Basic concept of probability theory 此外，根据对实际制造系统随机参数的观测，可以定义经验 分布（empirical distribution） 在使用理论分布时，需要根据实际系统来确定该模型包含的 参数。 当随机变量的分布类型不确定时，需要根据实测数据确定随 机变量模型的分布类型。 Basic concept of probability theory 假设分布类型的基本方法： 归纳统计法 直方图法 概率图法 Basic concept of probability theory 随机变量的实现： 制造系统的运行涉及各种随机因素，属于复杂的随机过程。 制造系统仿真必须具备能够产生符合制定分布类型的随机变 量的模块。 当用户在程序中赋予某一离散事件或实体以某种分布类型时， 仿真程序即可自动调用和生成相应的随机变量，以保证系统 的随机特性在仿真运行中重现。 Introduction of stochastic model 产生[0，1]区间上均匀分布的随机数是生成随机变量的基础。 其它类型的分布，如正态分布、γ分布、β分布、泊松分布等， 都可以通过对[0，1]区间均匀分布的转化来实现。 用于产生[0，1]区间均匀分布随机数的专门程序称为—— 随机数发生器（random-number generator） 随机数发生器应具备的特点： ① 随机性（randomness） ② 长周期（large period） ③ 可再现性（reproducibility） ④ 计算效率高（computational efficiency） Introduction of random number 随机数发生器的设计： ① 线性同余法（linear congruence）： 式中，m为模数（modulus） a为乘数（multiplier）