《机械系统建模仿真与优化》 课件 第六章 机械系统可靠性设计与优化.pptx

第6章

机械系统可靠性设计与优化;在现代工业中，机械系统承担着诸多重要任务，其可靠性直接影响到生产效率、产品质量以及安全性等方面。因此，深入了解机械系统的可靠性设计原理，并采用科学有效的方法进行优化，对于提升工程项目的可靠性水平具有重要意义。;可靠性学科的数学基础主要是概率论和数理统计。为了观察工程中大量随机事件的规律，确定产品的可靠性的特征量以及对机械系统和零部件进行可靠性设计与分析，必须根据概率统计的方法来建立有关的数学模型和进行必要的计算。;随机试验

随机事件

事件的表示

概率

概率的基本特点;试验在相同条件下可以重复进行。

每次试验至少有两个可能结果，且在试验结束之前可以明确知道所有的可能结果。

在每次试验结束之前不能确定将会出现哪一种结果。;随机事件：在单次试验中不能确定其是否发生，而在大量重复试验中具有某种规律性的事件，简称事件，常用大写拉丁字母A、B、C等表示。

;事件分类：;为了便于描述随机试验，引进样本点和样本空间的概念。

对设计变量的取值加以限制的条件每一个基本事件所对应的一个元素称为一个样本点，用?表示。

样本点全体构成的集合为样本空间，用Ω表示。

;对事件发生的可能性大小的数量的描述值称为该事件发生的概率。

这些设在n次试验中，事件A发生的次数为K，若A发生的频率在某一常数P附近稳定摆动，且当n越大，摆动的幅度越小，称此常数P为事件A（发生）的概率，记为P(A)。

基本概率模型包括古典概型和几何概型。

;考虑试验有限个可能的结果（n个基本事件，有限样本空间），且各个基本事件出现的可能性相同（等可能性），称试验满足如上两个条件的概率模型为古典模型。若某事件A由其中m个基本事件构成，则定义事件A发生的概率为：

;假设试验是在某一可测空间S上进行（S可以是某区间、某区域等），若试验结果落入S中某子空间A（事件A发生）的概率与子空间A的测度L(A)成正比（此处的测度可以是长度、面积、体积等），称此类试验的概率模型为几何模型。定义事件A发生的概率为：

;5概率的基本特点;随机变量的定义???分类

随机变量数字特征;若对于随机试验的每一个基本可能的结果?，都对应着一个实数X(?)，且随着?的不同，X(?)取不同的实数值，则称变量X为定义在样本空间上的随机变量。随机变量一般用X、Y、Z或小写希腊字母ξ、η、ζ等表示。

;离散型随机变量：若随机变量X的可能取值为有限或无限可列个，且以确定的概率取这些值，则称为X离散型随机变量。

连续型随机变量：若随机变量X的可能取值为若干区间或整个数轴内的全体实数，且这些取值的概率与这些值的测度（度量）有关，则称为连续型随机变量。;（1）数学期望

设离散型随机变量X的概率分布函数为：

若级数绝对收敛，则称该级数之和为随机变量X的数学期望，记为：

E(X)也称为均值或方差

;设连续型随机变量的概率密度分布密度函数为φ(x)，若积分绝对收敛，则称该积分为随机变量的数学期望，记为：

显然，随机变量的数学期望是对随机变量的取值，按其取值的概率（或概率密度）进行加权求和（或求积分）。

;（2）方差

对随机变量X，若E(X)存在，称X?E(X)为随机变量X的离差。用随机变量的方差作为反映随机变量与其数学期望偏离程度的数学特征。

称随机变量X离差平方的数学期望为随机变量为X的方差，记为D(X)或，即：

为X的标准差。显然，随机变量X的方差是函数[X?E(X)]2的数学期望。

;若随机变量X的概率分布为P(X=xk)=pk，则X的方差为：

若随机变量X的分布密度函数为φ(x)，则X的方差为：

;（3）协方差、相关函数

定义6-1：

二维随机变量X和Y的协方差Cov(X,Y)为：

对离散型二维随机变量(X,Y)，其协方差为：

对连续型二维随机变量(X,Y)，协方差为：

;定义6-2：

对二维随机变量(X,Y)，若有方差DX、DY均不为零，称：

为变量X、Y的相关系数（或标准协方差）。

;常用的概率分布有二项分布、泊松分布（Poisson）、正态分布、对数正态分布、威布尔分布、指数分布和极值分布，并可分为离散型随机变量的分布和连续型随机变量的分布，它们在可靠性工程中有着广泛的应用;（1）二项分布：若事件A在每次试验中发生的概率均为p，则A在n次重复独立试验中恰好发生k次的概率为：

若随机变量X的概率函数为，其中0p1，q=1－p，则称X服从参数为n、p的二项分布，记作X~B(n,p)。显然，随机变量X就是事件A在n次重复独立试验中恰好发生的次数。

;（2）泊松分布：若随机变量X的概率函数由下式确定：

若其中，λ0，则称X服从参数为λ的泊松分布。