第三章-可靠性概率分布.ppt

可靠性的概率分布,学习要求,1.了解二项分布、泊松分布的含义和计算2.掌握指数分布、正态分布、对数正态分布和威布尔分布的特性以及特征值的获取3.会查标准正态分布表,主要内容,离散型随机变量的几种常见分布两点分布二项分布泊松分布几何分布和负二项分布超几何分布连续型随机变量的几种常见分布正态分布截尾正态分布对数正态分布指数分布伽玛分布威布尔分布,可靠性的概率分布,可靠性工程以产品的寿命特征为主要研究对象。产品的寿命特征一般是连续的随机变量，例如产品故障时间和维修时间等。处理这种问题可利用概率统计方法，找出它们的概率分布和概率密度函数，有了确定的分布就可以求出该分布特征统计量，如正态分布的均值及标准差。即使不知道具体的分布函数，也可以通过对分布的参数估计求得某些特征量的估计值。这些分布及概率密度函数，不仅描述了寿命的内在规律，而且分布的参数还决定了产品的寿命特征。因此必须对失效分布作较深入的研究,离散型随机变量的几种常见分布,可靠性抽样试验以及产品质量保证等大量工程实际问题需要用到离散模型。主要有两点分布二项分布泊松分布几何分布与负二项分布超几何分布,两点分布又称（0，1）分布数学模型的随机试验只可能有两种试验结果两点分布的分布列或分布律也可写成:也可表示为:,两点分布,两点分布,数字特征:两点分布可以作为描绘从一批产品中任意抽取一件得到的“合格品”或“不合格品”的概率分布模型,二项分布又称贝努里分布。二项分布满足以下基本假定：试验次数n是一定的；每次试验的结果只有两种，成功或失败；每次试验的成功概率和失败概率相同，即p和q是常数；所有试验是独立的。所谓独立试验是指将试验A重复做n次，若各次试验的结果互不影响，即每次试验结果出现的概率都与其他各次试验结果无关，则称这n次试验是独立的，并称它们构成一个序列,二项分布,在二项分布中，若一次试验中，,则在n次独立地重复试验中，试验A发生的概率为:上式为二项概率公式。若用X表示在n次重复试验中事件A发生的次数，显然，X是一个随机变量，X的可能取值为0,1,2,n，则随机变量X的分布律为：此时，称随机变量X服从二项分布B（n,p）。当n=1时，二项分布简化为两点分布即：,二项分布,随机变量X取值不大于k的累积分布函数为:X的数学期望与方差分别为:二项分布用来计算冗余系统的可靠度，也可用于计算一次性使用装置或系统的可靠度估计比如汽车上的双管路制动系统,二项分布,在二项分布中，如果（常数），则二项分布可表示为：此时，称随机变量X服从参数为的泊松分布。泊松分布可认为是当n无限大时二项分布的推广。当n很大、p很小时，可用泊松分布近似代替二项分布。一般地，当n20,p0.05时，近似程度较好。随机变量X取值不大于k次的累积分布函数为：X的期望与方差分别为：,泊松分布,泊松分布，经过适当的处理可成为指数分布。假定：在互不相交的时间区间内所发生的失效是统计独立的；单位时间内的平均失效次数为常数，而与所考虑的时间区间无关。泊松过程有下面两个重要性质:(1)设t是时间区间的长度，则在此区间内发生失效的次数X是一个整数型的随机变量，在此时间区间内，发生k次失效的概率服从一个均值为t的泊松分布:(2)在任意两次相邻的失效之间的时间T是独立的连续型的随机变量，服从参数为的指数分布:,泊松分布,两次失效的平均时间为,泊松过程适合于建模有较多的元件倾向于失效，而每个元件失效的概率比较小的情况,泊松分布,例：有人打靶，每次命中率均为0.7，现独立射击5次，求恰好命中2次的概率？解：每次射击有“击中”和“未击中”两个可能，设，“恰好有两次几种”的情况有,二项分布实例,如果要求命中不少于2次的概率？,例：一架飞机有三个着陆轮胎，若不多于一个轮胎爆破，飞机便能安全着陆。试验表明，每一千次着陆发生一次轮胎爆破。求飞机安全着陆的概率？解：,二项分布实例,思考：假如只有两个轮胎，安全着陆的概率？,正态分布对数正态分布指数分布伽玛分布威布尔分布,连续型随机变量的几种常见分布,指数分布,1.指数分布在数学上易处理成直观的曲线失效率反映了特征参数单参数分布最基本最常用的分布若产品的寿命或某一特征值t的故障密度为则称t服从参数的指数分布,指数分布的特征量函数:不可靠度（失效）函数可靠度函数平均寿命,指数分布,中位寿命：r=0.5特征寿命：寿命方差：标准差：,指数分布性质,指数分布性质指数分布的一个重要性质是无记忆性。无记忆性是产品在经过一段时间t0工作之后的剩余寿命仍然具有原来工作寿命相同的分布，而与t无关。这个性质说明，寿命分布为指数分布的产品，过去工作了多久对现在和将来的寿命分布不发生影响在“浴盆曲线”中，它是属于偶发期这一时段的,指数分布的特点只含单一参数，形式简单平均寿命、特征寿命、标准离差相等，为故障率越小，平均寿命越大，但越大，分布越分散平均寿命大于中位寿命,发动机中有四种故障的寿命概率分布属于指数分布受随机性冲击时产生的故障：故障与使用时间无关，仅与外界超强度的冲击力随机到来和内部潜伏的隐患偶然爆发有关，它们是随机性偶然发生故障，如内燃机超载下工作或过热造成的故障正常使用下的突发故障：常载下往复运动零件损伤，或人为失误造成的故障，或偶然性操作不当浴盆曲线的阶段（使用寿命期）发动机返复多次维修期间所发生的故障可考虑为指数分布故障,例：内燃机增压器处于使用寿命期中工作，根据以往经验知，寿命服从指数分布，在100小时工作内有1%发生故障，求可靠度R（2000），的使用寿命？解：先求F（100）=0.01,指数分布例题,例：一元件寿命服从指数分布，其平均寿命()为2000小时，求故障率及求可靠度R(100)=?R(1000)=?解：此元件在100小时时的可靠度为0.95，而在1000小时时的可靠度为0.60,正态分布,正态分布在机械可靠性设计中大量应用，如材料强度、磨损寿命、齿轮轮齿弯曲、疲劳强度以及难以判断其分布的场合。属于递增型故障率的概率分布。它的分布曲线处于浴盆曲线的耗损阶段若产品寿命或某特征值有故障密度,正态分布,正态分布的特征量函数:不可靠度查附表2可靠度故障率平均寿命E=,可靠寿命特征寿命中位寿命,在柴油机或机械系统中，有些零件故障是由几种相对独立的微小主导因素迭加而成的如气缸、活塞、齿轮和轴类零件因磨损引起的故障，以及管、阀系统的腐蚀性故障，燃油传给系统沉淀性故障都属正态分布,正态分布,例：有两种内燃机配套机构，A种寿命分布是指数型，其平均寿命为1000h；B种寿命分布是正态型，其平均寿命为900h，标准离差=400h，求：在100小时使用期内，尽量不发生故障，求哪种设计为好？,解：A：,B：,对数正态分布是自变量取对数时，其故障密度函数符合正态分布的一种偏态性概率分布。它的故障率其本属于递增型的，但递增的速度是变化的，先快后慢然后趋于平稳对数均值，对数标准离差,对数正态分布,对数正态分布的特征量不可靠度函数可靠度函数故障率函数,平均寿命E特征寿命,对数变换可将较大的数缩小为较小的数，且愈大的数缩小得愈多，这一特性可以使较为分散的数据通过对数变换相对的集中起来，所以常把跨几个数量级的数据用对数正态分布去拟合。在机械零件及材料的疲劳寿命中，对数正态分布应用得较多。,对数正态分布,例：一般气动弹簧承载次后要更换，已知服从对数正态分布，系数=25,=1.4问：更换弹簧前，故障的可能性多大？解：内燃机在次后，气动弹簧的不可靠度:即次更换前，故障的可能性为7.9%。,威布尔分布应用比较广泛，常用来描述材料疲劳失效、轴承失效等寿命分布的。分布包括了产品寿命周期三个阶段的失效分布特征。威布尔分布是递增型、恒定型、递减型多种故障概率分布，威布尔分布是从考虑链式强度模型提出来的，当“链条”中“环”的强度低于随机应力时，某一“环”便可能发生断裂，只要某一薄弱环发生故障则会整体失效，因此最弱“环”的寿命即是产品的寿命。威布尔分布是用三个参数来描述，这三个参数分别是尺度参数，形状参数m、位置参数，其概率密度函数为：,威布尔分布,不同m值的威布尔分布（=1，=0）,形状参数m的大小决定威布尔分布的形状，当m1，密度函数曲线呈单峰型，且随m的减小峰高逐渐降低，当m=3.5时，接近正态分布；当m=1时，密度函数曲线就是指数分布的密度函数曲线；当m1时，密度函数曲线渐进直线t=,不同值的威布尔分布（=2，=0）,随着尺度参数的减小，曲线由同一原点向右扩展，最大值减小。,不同值的威布尔分布（=1，=2）,位置参数的大小反映了密度函数曲线起始点的位置在横坐标上的变化,当m和不变，威布尔分布曲线的形状不变。随着的减小，曲线由同一原点向右扩展，最大值减小。当和不变，m变化时，曲线形状随m而变化。当m值约为3.5时，威布尔分布接近正态分布。当和m不变时，威布尔分布曲线的形状和尺度都不变，它的位置随的增加而向右移动。威布尔分布其它一些特点，m1时，表示磨损失效；m=1时，表示恒定的随机失效，这时为常数；m1时，表示早期失效。当m=1，=0时，为指数分布，式中为平均寿命,威布尔分布,不可靠度函数可靠度函数故障率函数平均寿命函数，查表得到,可靠寿命：中位寿命特征寿命即参数为特征寿命寿命方差函数由附表4中查出,内燃机设备中，有三种情况属威布尔分布：串联结构在较强外应力随机作用下所发生的故障。如内燃机的水管、油管和常有故障发生的齿轮传动（系）、链条系统等零件，故障可考虑威布尔分布。非串联结构中，由于各零件故障间相互关联密切，有传播蔓延而致故障的情况，