Нормальный закон распределения наработки до отказа

Расчет критерия согласия. Этот критерий проверяет гипотезу о том, что случайная величина T, представленная своей выборкой, имеет распределение предполагаемого типа. Проверка состоит в следующем. Рассчитывается критерий, как некоторая мера расхождения теоретического и эмпирического распределений, причем эта мера является случайной величиной. Чем больше мера расхождения, тем хуже согласованность эмпирического распределения с теоретическим. При высоком значении этой меры гипотезу о выборе закона распределения следует отвергнуть, как малоправдоподобную. В противном случае экспериментальные данные не противоречат принятому распределению.

Выбор закона распределения. состоит в подборе аналитической функции наилучшим образом аппроксимирующей эмпирические функции надежности. В значительной мере, эта процедура является субъективной и зависит от априорных знаний об объекте и его свойствах, условиях работы, а также анализа вида зависимостей. Очевидно, что выбор распределения будет зависеть, прежде всего, от вида эмпирической функции, а также от вида -.

Предположим, что по тем или иным соображениям, выбран гипотетический закон распределения, заданный теоретической зависимостью плотности распределения: , где a, b, c, … - неизвестные параметры распределения. Требуется подобрать эти параметры так, чтобы функция f(t) наилучшим образом сглаживала ступенчатый график . При этом используется следующий прием: параметры a, b, c и др.выбираются с таким расчетом, чтобы несколько важнейших числовых характеристик теоретического распределения были равны соответствующим статистическим оценкам.

На графике вместе с строится теоретическая ПРО , что позволяет визуально оценить результаты аппроксимации, т.е. расхождение между и . Поскольку эти расхождения неизбежны, то возникает вопрос: объясняются ли они случайными обстоятельствами, или связанны с тем, что теоретическое распределение выбрано ошибочным? Ответ на этот вопрос дает расчет критерия согласия.

Из известных критериев наиболее применяемым является критерий согласия χ² (хи-квадрат) Пирсона. Проверка согласованности распределений по этому критерию (для вышеприведенного рассмотрения с отказами) производится следующим образом: - рассчитываются теоретические частоты появления отказов в интервалах [ t_i, t_i + Δt ];

- рассчитывается критерий χ² (мера расхождения)

(3.10)

- определяется число степеней свободы R = k – L, где L – число независимых условий, наложенных на частоты , например:

а) условие ;

б) условие совпадения математических ожиданий ;

в) условие совпадения дисперсий .

и т. д. Чаще всего L = 3.

- по рассчитанным значениям χ² и R, используя таблицы распределения Пирсона, определяется вероятность Pχ того, что теоретически выбранное распределение соответствует экспериментальным данным

Ответ на вопрос насколько мала должна быть вероятность Pχ, чтобы отбросить гипотезу о выборе того или иного закона распределения – во многом неопределенный. На практике, если Pχ < 0,1, то рекомендуется подыскать другой закон распределения. В целом, с помощью критерия согласия, можно опровергнуть выбранную гипотезу, если же Pχ достаточно велика, то это не может служить доказательством правильности гипотезы, а указывает лишь на то, что гипотеза не противоречит данным эксперимента.

Классическое нормальное распределение.

Нормальное распределение или распределение Гаусса является наиболее универсальным, удобным и широко применяемым. Считается, что наработка подчинена нормальному распределению (нормально распределена), если плотность распределения отказов (ПРО) описывается выражением:

(3.11)

где a и S – параметры распределения, соответственно, математического ожидания и среднего квадратичного отклонения, которые по результатам испытаний принимаются: где - оценки средней наработки и дисперсии.

Графики изменения показателей безотказности при нормальном распределении приведены на Рис. 3.5. Выясним смысл параметров Т₀ и S нормального распределения. Из графика f(t) видно, что Т₀ является центром симметрии распределения, поскольку при изменении знака разности (t - T₀) выражение (3.11) не меняется. При t = Т₀ величина f(t) достигает своего максимума: .

Рис. 3.5 Изменение показателей безотказности при нормальном распределении

При сдвиге Т₀ влево/вправо по оси абсцисс, кривая f(t) смещается в ту же сторону, не изменяя своей формы. Таким образом, Т₀ является центром рассеивания случайной величины T, и ее параметр S характеризует форму кривой f(t), которая. тем выше и острее, чем меньше S. Изменение графиков P(t) и λ(t) при различных СКО наработок (S1 < S2 < S3) и Т₀ = const приведено на Рис. 3.6.

Рис. 3.6 Изменение графиков P(t) и λ(t) при различных СКО наработок

Используя полученные ранее соотношения между показателями надежности, можно было бы записать выражения для P(t); Q(t) и λ(t) по известному выражению (3.11) для f(t). Ввиду громоздкости этих интегральных выражений для практического расчета показателей надежности вычисление интегралов заменяется использованием таблиц. С этой целью перейдем от случайной величины T к некоей случайной величине

(3.12)

распределенной нормально с параметрами, соответственно, математического ожидания M{X} = 0 и среднего квадратичного отклонения S{X} = 1 при плотности распределения:

(3.13)

Выражение (3.13) описывает плотность так называемого нормированного нормального распределения. Функция распределения случайной величины X запишется:

(3.14)

а из симметрии кривой f(x) следует, что f(-x) = f(x), откуда F(-x) = 1 - F(x). В справочной литературе приведены расчетные значения функций f(x) и F(x) для различных x = (t - Т₀)/S, а также функции Лапласа:

(3.15)

Тогда показатели безотказности объекта для случайной величины T определяются через табличные значения f(x) и F(x) по выражениям:

f(t) = f(x)/S; Q(t) = F(x); (3.16)

P(t) = 1 - F(x); (3.17)

Чаще всего при оценке надежности объекта приходится решать прямую задачу, когда при заданных параметрах Т₀ и S нормально распределенной наработки до отказа определяется тот или иной показатель безотказности (например, ВБР) к интересующему значению наработки t. Но в ходе проектных работ приходится решать и обратную задачу – определение наработки, требуемой по техническому заданию, ВБР объекта. Для решения подобных задач используют квантили нормированного нормального распределения, где квантиль – это значение случайной величины, соответствующее заданной вероятности. Обозначим:

t_p – значение наработки, соответствующее вероятности безотказной работы P;

x_p – значение случайной величины X, соответствующее вероятности P.

Тогда из уравнения связи (3.12) x и t при x = x_p; t = t_p, получаем:

t_p= Т₀ + x_p S (3.18)

Значения квантилей x_p приводятся в справочной литературе для P ≥ 0,5. При заданной вероятности P < 0,5 используется соотношение x_p = - x_1-p. Например, при P = 0,3 имеем: x_0,3 = - x_{1- 0,3} = - x_{0, 7}.

Вероятность попадания случайной величины наработки T в заданный интервал [ t₁, t₂ ] наработки определяется:

(3.19)

где x₁ = (t₁ - Т₀)/S, x₂ = (t₂ - Т₀)/S.

Отметим, что наработка до отказа всегда положительна, а кривая f(t), в общем случае, начинается от t = - ∞ и распространяется до t = ∞. Это не является существенным недостатком, если Т₀ >> S, поскольку по (3.19) нетрудно подсчитать, что вероятность попадания случайной величины T в интервал P{Т₀ - 3S < T < Т₀ + 3S} ≈ 1,0 с точностью до 1%. А это означает, что все возможные значения (с погрешностью не выше 1%) нормально распределенной случайной величины с соотношением характеристик Т₀ > 3S, находятся на участке Т₀ ± 3S.

Рис. 3.7 Усеченное нормальное распределение

При большем разбросе значений случайной величины T область возможных значений ограничивается слева (0, ∞) и тогда используется усеченное нормальное распределение. Оно применяется из-за того, что при малых значениях Т₀ и большом S, может возникать ситуация, когда f(t) «покрывает» своей левой ветвью область отрицательных наработок (Рис. 3.7).

Усеченным нормальным распределением называется распределение, получаемое из классического нормального, при ограничении интервала возможных значений наработки до отказа. В общем случае усечение может быть: левым – (0; ∞) или двусторонним – (t₁, t₂).

Рассмотрим усеченное нормальное распределение (УНР) для случая ограничения случайной величины наработки интервалом (t₁, t₂).

Плотность УНР определяется по формуле , где f(t) вычисляется по соотношению (3.11), а c – нормирующий множитель, определяемый из условия, что площадь под кривой равна 1, т. е.:

(3.20)

откуда получаем: .

Применяя переход от случайной величины Т = {t} к величине X = {x}: x₂ = (t₂ – Т₀)/S; x₁ = (t₁ – Т₀)/S, легко находим, что .

Кривая выше, чем f(t), т. к. площади под кривыми и f(t) одинаковы и равны 1 (Рис. 3.8).

Рис. 3.8 Сравнение усеченного нормального и нормального распределений

Показатели безотказности для УНР в диапазоне (t₁, t₂) определяются по формулам:

(3.21)

(3.22)

(3.23)

(3.24)

УНР для положительной наработки до отказа, т.е. в диапазоне (0; ∞) имеет плотность распределения отказов , где c₀ - нормирующий множитель определяется из условия: . И далее используются формулы (3.21-3.24), в которые вместо с подставляется с₀.

Дата добавления: 2015-04-30