Weibull型部件参数估计方法研究.docVIP

Weibull 型部件的参数估计方法研究 摘要：本文针对 Weibull 型部件的参数估计问题，在极大似然估计和 Bayes估计的一般计算方法的基础上，进一步分析在已知寿命分布类型情况下，对寿命分布参数进行估计 的具体方法。在此基础上，重点分析 Bayes估计在装备使用数据下的应用。 关键词：算例分析；参数估计值；计算 中图分类号： O212 文献标识码： A 引言 极大似然估计和 Bayes估计是进行寿命分布参数估计比 较常用的方法，相关专家学者对这两类方法进行了深入的研 究，但是将这两种方法结合装备保障的现场数据进行运用的 研究较少。另一方面，两种参数估计方法各有优缺点，在分 析装备的实际使用数据时，选择何种方法进行寿命分布类型 部件的参数估计也是一个问题。 算例分析 已知某部件寿命分布服从威布尔分布，且 t～ W（2.4， 2050），在某系统中共有该部件 20 件，分别属于 5 型装备， 对该数据进行整理后，见表 1。 首先确定失效概率 p5 的上界 λ5，不妨取 λ5=0.5，c=7， 则计算得到威布尔分布参数的估计值为 η =1680.7 ，m=3.14。此时，其密度函数图如图 1 所示。从计算结果及密度函数图 可以看出， Bayes 估计计算得到的形状参数 m 和特征寿命 η 均比较接近真值，说明此方法针对实际数据进行参数估计是可行的。 （ 1）先验信息对计算结果的影响 通过改变先验信息 λ5 取值来观察其对参数估计的影响， 分别取 0.45，0.4，0.35，0.3，0.2，计算得到的参数值见表 2。 从表 2 可以看出，随着 λ 5 值的变化，形状参数 m 和特 征寿命 η 的估计值越来越接近真值，且特征寿命 η变化较快， 形状参数 m 变化较小。表 2 中，其值均当大于任务时间， 满足部件的寿命分布函数须为凹函数的前提条件。 λ 5=0.3 时，计算结果最接近真值，当 λ 5 值继续减小时，特征寿命 η 偏离真值。说明 λ 5 的取值即先验信息的准确程度会对 Bayes 估计的计算结果产生一定影响，且在当前数据条件下取 λ 5=0.3 时，形状参数 m 和特征寿命 η 的估计值最准确。说明 在先验信息比较准确的情况下，此方法计算得到的估计值是 准确、实用的。当无法取得先验信息时，可以通过取多个 λ 5 的值，来计算形状参数 m 和特征寿命 η 的估计值，然后计 算 m 和 η 算术均值来减小计算误差。 2） c 的取值对计算结果的影响 通过改变先验信息 c 取值来观察其对参数估计的影响， 分别取 c=5， 6， 7，8， 9，计算得到的参数值见表 3。 从表 3 可以看出， 随着 c 值的变化， 形状参数 m 和特征 寿命 η的估计值变化不大， 说明在 c 的取值对形状参数 m 和 特征寿命 η的估计值影响不大，即先验信息 c 的准确程度不 会对 Bayes估计的计算结果产生较大影响，也说明此方法计 算得到的估计值是稳健、实用的。 结语 本文在极大似然估计和 Bayes估计的一般计算方法基础 上，结合装备使用数据给出了威布尔分布两种参数估计方法的计算流程，分别在一个失效数据和多个失效数据情况下， 对 Bayes 估计方法的准确性进行了验证，说明了 Bayes 估计对威布尔型部件参数估计的适用性。 参考文献 张志华 .可靠性理论及工程应用 [M]. 武汉：科学出版社， 2012.