风传感器无故障时间的估算方法.docxVIP

风传感器无故障时间的估算方法 风传感器广泛应用于海洋科学研究、海事监测、海上运输、风发电、煤矿瓦尔德斯图勒特的监测。在科学研究海上科学调查和海事环境、海事运输、风发电和顶板监测的应用中，风传感器是必要的。在实际应用中, 对于用户来说, 风传感器可靠性是其关注的一个重要方面, 而且得到越来越广泛的重视。尤其是海洋行业应用中, 风传感器可靠性显得更为重要。为顺应这种需要和发展趋势, 风传感器质量管理中也发挥重要作用。可靠性分析涉及的内容很多, 鉴于我国目前风传感器质量管理技术发展的实际情况, 我们适时地开展了风传感器平均无故障时间 (Mean Time Between Failure, MTBF)计算方面的工作。本文将概率论与数理统计的基本概念与方法应用于风传感器MTBF估算, 给出一种简便的估算风传感器MTBF的方法, 文中给出了具体的估算方法和具体的计算实例。 1 概念、原则和方法 1.1 随机变量x的统计直方图 定义1:将随机变量X划分为不同等间隔的区间, 统计X取值落在各个不同等间隔区间内的频数或概率, 并画出反映该统计规律的图线。该图线称为随机变量X的统计直方图。 定义2:设离散型随机变量X的分布律 (或概率分布) 为P{X=xk}=Pk(k=1, 2…) , 若级数绝对收敛, 则称级数为X的数学期望, 记为E (X) , 即: 1.2 mtbf的长度 可靠性是指产品在规定的条件下和规定的时间内完成规定功能的能力。该定义明确指出评价一个产品的可靠性, 与规定的工作条件和规定的工作时间有关, 也与规定产品应完成的功能有关。“规定的时间”是指评价元器件、部件或系统的可靠性和规定的时间有关。可靠性是时间的函数, 要保持元器件、部件或系统性能处于良好的工作状态, 时间长比时间短更困难。在同一工作条件下, 保持的时间越长可靠性越高。所以, 在讨论元器件、部件或系统可靠性时, 必须指明在多长时间内的可靠性。 由于规定工作条件下元器件、部件或系统性能保持良好的时间越长可靠性越高, 因此可以用元器件、部件或系统性能保持良好的时间来衡量其可靠性大小。每个元器件、部件或系统性能保持良好时间的长短反映其自身的可靠性的大小, MTBF的长短则在统计意义上反映产品的总的平均意义上可靠性的大小。MTBF是指故障间隔时间的期望 (平均值) , 也称为平均故障间隔时间。 1.3 部件或系统mtbf的估算 根据1.1中介绍的数学期望的概念和1.2中介绍的MTBF的概念, 可知元器件、部件或系统MTBF就是其无故障时间的数学期望。据此可得MTBF的估算方法: (1) 根据各元器件、部件或系统的无故障时间统计得到其无故障时间的直方图或概率分布; (2) 根据式 (1) 估算无故障时间的数学期望即得元器件、部件或系统的MTBF。 2 无故障工作时间统计分布 以XFY3型旋桨式风传感器为例估算其MTBF。对已生产的风传感器中随机抽取186个XFY3型旋桨式风传感器, 根据计算其出厂时间、送修时间得到无故障工作时间 (h) 的数据, 实验数据见表1。 根据表1对无故障工作时间进行统计, 得到XFY3型旋桨式风传感器无故障工作时间统计分布的直方图, 见图1。图1横坐标表示无故障工作时间, 单位h, 统计的时间间隔为2 000 h。图1纵坐标表示频数, 即表示无故障工作时间处在各个统计时间间隔内XFY3型旋桨式风传感器的个数。由图1可以看出, XFY3型旋桨式风传感器无故障工作时间统计分布并不是正态的。笔者认为, 这主要是由于统计的XFY3型旋桨式风传感器的数目太少, 仅仅186个。从图1还可以看出, 无故障工作时间处于2 000~8 000 h之间以及20 000~26 000 h之间的XFY3型旋桨式风传感器数目较多。 基于表1中数据遵从离散型随机变量X的分布规律的特点, 可根据式 (1) 计算无故障时间的数学期望, 即为XFY3型旋桨式风传感器的MTBF, MTBF=25 751 h。 3 海洋监测仪器质量管理应用 质量是企业的生命线。产品质量管理越来越重要, 也越来越规范化。可靠性分析是质量管理的重要手段, 也逐渐地被各行各业重视。鉴于目前的试验条件所限, 以及目前可靠性分析在海洋监测仪器质量管理方面应用的实际情况, 本文仅以XFY3型旋桨式风传感器为例, 给出计算其无故障工作时间的分布和MTBF的方法。对于其它的仪器只要样本量足够多, 此估算方法也可用于估算其MTBF。计算结果表明: (1) 无故障工作时间处于2 000~8 000 h以及20 000~26 000 h之间的XFY3型旋桨式风传感器数目较多; (2) XFY3型旋桨式风传感器的MTBF为25 751 h, 大约为3 a。