Курсовая работа. Практические+занятия+студенты+(1) (1) (1). Надежность
Скачать 0.79 Mb.
|
n Для построения кривой накопленных опытных вероятностей (рис. 6.3) по оси абсцисс откладывают в масштабе значение показателя надёжности t, а по оси ординат – накопленную опытную вероятность pi. i1 Σpi 1,0 0,8 0,6 0,4 0,2 0 3,6 4,3 5,0 5,7 6,4 7,1 7,8 8,5 t, тыс. км Рис. 6.3. Кривая накопленных опытных вероятностей n Точки кривой накопленных опытных вероятностей образуются пересече- нием ординаты, равной сумме вероятностей pi, и абсциссы конца данного i1 интервала. Полученные точки соединяют с началом первого интервала. Кривая накопленных опытных вероятностей более удобна для решения практических задач по сравнению с гистограммой и полигоном распределе- ния, так как в этом случае нет необходимости определять площади, а все ис- комые показатели находят по оси ординат. Например, для определения коли- чества изделий, требующих ремонта при наработке до 6,6 тыс. ч необходимо на оси абсцисс найти точку 6,6 и по оси ординат определить накопленную опытную вероятность: Σpi= 0,64. Физическое количество Nизд= 0,64∙79 = 51 изделие. С помощью этой же кривой можно найти количество отказавших изделий в любом интервале наработки. Например, в интервале наработки 5,5…6,6 тыс. ч Nизд= (0,64 - 0,24)∙79 = 32 изделия. Определениекоэффициентавариации Коэффициент вариации v, t C где С – смещение рассеивания показателя надёжности – расстояние от начала координат до начала рассеивания случайной величины. Смещение рассеивания рассчитывают по формулам: - при отсутствии статистического ряда (N< 25): С t1 t3 t1 , 2 где t1 и t3 – значения первой и третьей точек информации в порядке их воз- растания; - при наличии статистического ряда (N> 25): C tн1 0,5A, где tн1 – начало первого интервала статистического ряда; А – длина интервала. Тогда С 3600 0,5 700 3250 ч. Коэффициент вариации v 972 6214 3250 0,33. Выбор теоретического закона распределениядлявыравниванияопытной информации Испытания техники на надёжность связаны с организационными трудно- стями и большими материальными затратами, что ограничивает как количе- ство испытываемых машин, так и длительность их испытаний. Кроме того, ре- зультаты испытаний зависят от квалификации водителей и наблюдателей, кли- матических условий, сортов и чистоты топливосмазочных материалов, каче- ства запасных частей и т.д. Перечисленные факторы не позволяют переносить результаты испытаний на надёжность на машины той же марки, не входящие в выборочную совокупность без соответствующих корректив, которые заклю- чаются в том, что на основании первичной информации о выборочной сово- купности машин определяют теоретический закон распределения показателя надёжности для генеральной совокупности машин. Этот закон выражает об- щий характер изменения показателя надёжности и исключает частные откло- нения, связанные с недостатками первичной информации. Такой процесс за- мены опытного распределения теоретическим называют процессом выравни- вания или сглаживания статистической информации. Для выравнивания распределений показателей надёжности техники и её элементов наиболее широко используют закон нормального распределения (ЗНР) и закон распределения Вейбулла (ЗРВ). Использованиедлявыравниванияраспределенияопытнойинформациизакона нормальногораспределения ЗНР характеризуется дифференциальной и интегральной функциями. От- личительная особенность дифференциальной функции – симметричное рассе- ивание частных значений показателей надёжности относительно среднего зна- чения. Дифференциальную функцию описывают уравнением: f(ti) tit2 1 2 2 e , где σ– среднее квадратическое отклонение; t– показатель надёжности; t– среднее значение показателя надёжности. Если принять t=0 и σ= 1, то получим выражение для центрированной нормированной дифференциальной функции: где z ti t. i z 1 2 z2 ie 2 , Центрированная нормированная функция дана в приложении. Для определения дифференциальной функции через центрированную нормированную функцию используют уравнение: ft A zi i При этом, (z) (z). В качестве примера определим значение дифференциальной функции в первом интервале статистического ряда. f 3600 ...4300 700 3950 6214 0,72 2,33 0,72 0,03 0,02. 972 972 Интегральная функция распределения: Q(ti) 1 e t tit 2 2 2 dt. Интегральная нормированная функция примет вид: z 1 z z2 Q0 zi (z) e 2 dz. 2 Если z< 0, то Q0 (z) 1 Q0 (z) . Обратный переход от нормированной функции к исходной делается по формуле: Qti Q0 zi. Определим значение интегральной функции в первом интервале стати- стического ряда: Q3600 ...4300 Q 4300 6214 Q1,97 1 Q1,97 1 0,98 0,02 . 0 972 0 0 Рассчитанные аналогичным образом значения дифференциальной и инте- гральной функций по всем интервалам статистического ряда сведём в таблицу 6.4. Таблица 6.4 – Значения дифференциальной и интегральной функций при ЗНР
На основании полученных значений f(t) и Q(t) могут быть построены гра- фики дифференциальной (рис. 6.4) и интегральной функций (рис. 6.5). Диффе- ренциальная функция заменяет полигон распределения, а интегральная – кри- вую накопленных опытных вероятностей. По оси абсцисс дифференциальной и интегральной кривых откладывают в определённом масштабе значения интервалов статистического ряда, а по оси ординат – значения f(t) или Q(t). Точки на графике дифференциальной функ- ции находят на пересечении абсцисс, равных серединам интервалов статисти- ческого ряда, и ординат, равных f(t), а на графике интегральной функции – на пересечении абсцисс, равных концам интервалов статистического ряда, и ор- динат, равных Q(t). Для определения количества изделий, отказавших в каком-то интервале наработки, необходимо площадь под дифференциальной кривой, соответству- ющую этому интервалу, отнести к общей площади под дифференциальной кривой и полученное значение перемножить на общее количество испытыва- емых изделий. f (t) 0,3 0,25 0,2 0,15 0,1 0,05 0 3,6 4,3 5,0 5,7 6,4 7,1 7,8 8,5 Рис. 6.4. График дифференциальной функции t, тыс. км Q(t) 1,0 0,8 0,6 0,4 0,2 0 3,6 4,3 5,0 5,7 6,4 7,1 7,8 8,5 Рис. 6.5. График интегральной функции t, тыс. км Количество изделий, отказавших в каком-либо интервале наработки, на графике интегральной функции определяют перемножением полученного зна- чения по оси ординат на общее количество изделий. С помощью приведённых выше уравнений можно определить количество отказавших изделий не только в интервалах статистического ряда, но и в лю- бом интервале наработки. Эту задачу можно решать по дифференциальной или интегральной функции. Например, необходимо определить количество из- делий, отказавших в интервале наработки 5700…6350 ч: - по дифференциальной функции: f 5700 ...6350 650 6025 6214 0,670,19 0,67 0,39 0,26 , или 972 972 0,26 79 21 изделие. - по интегральной функции: Q5700 ...6350 Q0...6350 Q0...5700 Q 6350 6214 Q 5700 6214 0 972 0 972 Q0 0,14 Q0 0,53 Q0 0,14 1 Q0 0,53 0,56 1 0,70 0,26, или 0,26 79 21 изделие. ИспользованиедлявыравниванияраспределенияопытнойинформациизаконараспределенияВейбулла Дифференциальную функцию, или функцию плотности вероятностей определяют при законе распределения Вейбулла по уравнению: 𝑡𝑏−1 −(𝑡)𝑏 𝑓(𝑡) = 𝑏 𝑎𝑏 𝑒 𝑎 , где аи b– параметры распределения Вейбулла. Параметр b определяется по таблице приложения. Для этого необходимо предварительно найти коэффициент вариации. Из таблицы выписывают зна- чение параметра b, коэффициенты KВи СВ. При v = 0,33 b = 3,3; KВ= 0,90 и СВ= 0,30. Параметр арассчитывают по одному из уравнений: a t C KB или a CB. В нашем случае, a 6214 3250 0,90 3293 ч. Дифференциальную функцию определяют по приложению. При этом ис- пользуют уравнение: ft Af tci C , a a где А– длина интервала статистического ряда; tci– середина интервала статистического ряда; С– смещение. Находят дифференциальную функцию в первом интервале статистиче- ского ряда: f3600 ...4300 700 f 3950 3250 0,21 f0,21 0,21 0,13 0,02. 3293 3293 Интегральная функция: tb Qt 1 e a . Эту функцию также определяют по приложению. При этом используют уравнение: Qt Q tкi C , a где tкi– значение конца i-го интервала. Например, интегральная функция в первом интервале статистического ряда: Q3600 ...4300 Q 4300 3250 Q0,32 0,03. 3293 Аналогично определим значения дифференциальной и интегральной функций в остальных интервалах статистического ряда (табл. 6.5). Таблица 6.5 – Значения дифференциальной и интегральной функций при ЗРВ
С помощью ранее приведённых уравнений закона распределения Вей- булла можно найти количество отказавших изделий не только в каждом ин- тервале статистического ряда, но и в любом интервале наработки. Например, определим количество отказавших изделий в интервале нара- ботки 5700…6350 ч, если предположить, что рассеивание ресурса изделий подчиняется закону распределения Вейбулла. Задача может быть решена как по дифференциальной, так и по интегральной функции. При решении по дифференциальной функции: f5700 ...6350 650 f 6025 3250 0,20 f0,84 0,20 1,16 0,23, или 3293 3293 0,23 79 18 изделий. При решении по интегральной функции: Q5700 ...6350 Q0...6350 Q0...5700 Q 6350 3250 Q 5700 3250 3293 3293 Q0,94 Q0,74 0,56 0,31 0,25, или 0,25 79 20 изделий. Оценка совпадения опытного и теоретического законов распределения по-казателей надёжности покритериюсогласия В процессе оценки совпадения определяют степень совпадения или рас- хождения опытной вероятности и дифференциальной функции, или же накоп- ленной опытной вероятности и интегральной функции в интервалах статисти- ческого ряда. Для определения совпадения или расхождения выбирают раз- личные критерии: сумму квадратов отклонения дифференциальной функции от опытной вероятности, наибольшее или суммарное отклонение кривой накопленных опытных вероятностей от интегральной кривой теоретического закона распределения и т.д. Однако, как бы не велико было совпадение, оно свидетельствует только о том, что выбранный закон не противоречит опытному распределению, но не гарантирует того, что этот закон в данном случае лучше, чем какой-либо дру- гой, выравнивает опытную информацию. Наиболее удачно критерий согласия используют при выборе одного теоретического закона из нескольких. В этом случае наиболее приемлемым окажется тот закон распределения, совпадение которого с опытным распределением характеризуется наименьшим значением расхождения. При обработке информации по показателям надёжности техники наибо- лее часто применяют критерий согласия Пирсона χ2, определяемый по уравне- нию: ny 2 m m2 i тi , m i1 тi где ny– количество интервалов укрупнённого статистического ряда; mi– опытная частота в i-м интервале статистического ряда; mтi– теоретическая частота в i-м интервале. Теоретическая частота: mтi NQti Qti1 , где N– количество точек информации; Q(ti) и Q(ti-1) – интегральные функции i-го и (i-1)-го интервалов статисти- ческого ряда. Для определения χ2 строят укрупнённый статистический ряд, соблюдая условие: nу> 4, mi≥ 5 (табл. 6.6). При этом допускается объединение соседних интервалов, в которых mi< 5. Проанализируем статистический ряд информа- ции о ресурсах изделия. Можно заметить, что m1 = 4 и m2 = 1,5 меньше пяти, поэтому первый и второй интервалы статистического ряда объединяют. Опыт- ная частота в объединённом интервале будет равна сумме частот объединяе- мых интервалов. В остальных интервалах статистического ряда опытные ча- стоты больше пяти, поэтому эти интервалы оставляем без изменения. Таблица 6.6 – Укрупнённый статистический ряд
Теоретические частоты, например, в первом и втором интервалах при ЗНР определяют следующим образом: m1т 790,11 0 8,7; m2т 790,3 0,11 15,1. Для данного примера критерий согласия Пирсона: - при законе нормального распределения: 2 7 8,72 8,7 16 152 15 22 22,12 22,1 22 192 19 6,5 10,32 10,3 5,5 3,22 3,2 3,5; - при законе распределения Вейбулла: 2 7 10,32 10,3 16 15,82 15,8 22 19,82 19,8 22 18,22 18,2 6,5 11,12 11,1 5,5 3,22 3,2 5,65. Для дальнейших расчётов выбирают тот закон распределения, у которого меньше критерий Пирсона χ2. Судя по значениям критериев согласия ЗНР и ЗРВ, приходим к выводу, что применительно к ресурсам изделия более прием- лемым считают закон нормального распределения. Определение доверительных границ рассеивания одиночного и среднегозначенийпоказателянадёжности Определение доверительных границ рассеивания при законе нор-мальногораспределения Для определения доверительных границ рассеивания одиночного значе- ния показателя надежности при законе нормального распределения вначале находят абсолютную ошибку еβ: e t , где tβ– коэффициент Стьюдента. Нижняя доверительная граница: tн t t , где t– среднее значение показателя надежности. Верхняя доверительная граница: tв t t . Доверительный интервал: I tв tн. Для примера по обработке информации по ресурсу изделия коэффициент Стьюдента при β= 0,90 равен: tβ= 1,66, нижняя доверительная граница: др t н 6214 1,66 972 4600 ч; верхняя доверительная граница др t н 6214 1,66 972 7828 ч; доверительный интервал I 7828 4600 3228 ч. Расчетная схема и физический смысл доверительных границ среднего значения показателя надежности те же, что и для одиночного показателя. Раз- ница заключается в значении среднего квадратического отклонения. Среднее квадратическое отклонение рассеивания среднего значения по- казателя надежности: t , где N– количество точек информации, по которому определено среднее зна- чение показателя надежности. Нижняя доверительная граница среднего значения показателя надежно- сти: tн t t . Верхняя доверительная граница среднего значения показателя надежно- сти: tв t t . Доверительный интервал среднего значения показателя надежности: I tв tн. Для приведённого примера по обработке информации по ресурсу изделия коэффициент Стьюдента tβ= 1,66, нижняя доверительная граница: др t н 6214 1,66 6034 ч; верхняя доверительная граница: др t в 6214 1,66 6394 ч; доверительный интервал: I 6394 6034 360 ч. Определение доверительных границ рассеивания при законераспределенияВейбулла Доверительные границы рассеивания одиночного показателя надёжности при ЗРВ определяют по уравнениям: tн HB 1 a C; к 2 tв HB 1 a C, к 2 H к где В– квантиль закона распределения Вейбулла; а– параметр закона Вейбулла; С – смещение начала рассеивания. Доверительный интервал: I tв tн. Для рассматриваемого примера при доверительной вероятности β = 0,90 tн НВ1 0,90 3250 0,424 3293 3250 4646 ч; др к 3293 2 tв НВ1 0,90 3250 1,4 3293 3250 7860 ч; др к 3293 2 I 7860 4646 3214 ч. Доверительные границы рассеивания среднего значения показателя надёжности при ЗРВ определяют по уравнениям: tн t Cbr C; 3 tв t Cbr C, 1 где r1 и r3 – коэффициенты распределения Вейбулла, зависящие от доверитель- ной вероятности βи повторности информации N; b – параметр закона распределения Вейбулла. Доверительный интервал: I tв tн. Для данного примера r1 = 1,21; r3 = 0,84; b = 3,3. др t н 6214 3250 3,3 0,84 3250 6062 ч; др t в 6214 3250 3,3 1,21 3250 6390 ч; I 6390 6062 328 ч. Определение абсолютной и относительной предельных ошибок переносахарактеристикпоказателянадёжности Наибольшая абсолютная ошибка переноса опытных характеристик пока- зателя надёжности при заданной доверительной вероятности равна значению еβв обе стороны от среднего значения показателя надёжности. Относительная предельная ошибка, %: tв t 100% t C 6394 6214 6214 3250 100% 6% (при ЗНР). |