基于參數相關性分析的產品壽命分布類型確定*

龔文超 杜 毅 伍治海 張建國 何俊鵬

(海軍潛艇學院 青島 266000)

?

基于參數相關性分析的產品壽命分布類型確定*

龔文超 杜 毅 伍治海 張建國 何俊鵬

(海軍潛艇學院 青島 266000)

壽命是產品可靠性的一個重要指標,為了解決不能從試驗數據直接判斷壽命分布類型的問題,在分析常見的壽命分布類型的適用情況、特征和規律的基礎上,通過運用相關性分析和假設檢驗的方法,對判斷產品壽命分布類型的算法進行了改進,并借助Matlab軟件對該算法進行了仿真驗證,結果表明該算法對常見的產品壽命分布具有通用性,可以運用該算法完成試驗數據的自動化處理,描述諸如產品可靠性曲線、失效率曲線等可靠性參數,對產品的研發、使用、維修和維護提供參考。

相關性; 壽命分布; 參數估計; 假設檢驗

Class Number TU311

1 引言

壽命是產品可靠性的一個重要指標。產品的壽命是一個隨機變量,并且服從一定的統計分布,如果能知道它的分布規律,可靠性數據的處理就容易得多。然而,通過試驗獲得的數據是雜亂無章的,而且壽命分布的類型也是多種多樣的,很難直接確定其服從哪一種分布[1]。

K-S檢驗方法[2～5]常常被用來驗證壽命是否服從假設的分布,即當檢驗值大于臨界值時接受原假設,但是當可接受的假設有多個時,就無法確定壽命服從何種分布了。

這為本文提供了思路:由于許多分布函數均可線性化,因此,在將各分布函數線性化的基礎上應用線性回歸分析將子樣試驗數據用各分布去擬合,在滿足顯著性水平的條件下選取相關系數R的絕對值最大的一個作為母體的分布函數,以此來確定壽命的分布類型。

線性回歸分析計算的同時可以得到分布函數中參數的估計值,由回歸分析得知確定的參數估計值是最佳線性無偏估計。

另外,在對分布函數進行線性化處理時,本文采用了“以中位秩數值作為累積分布函數估計值”的辦法,使計算量大大降低。

2 產品壽命分布類型

常見的壽命分布類型有指數分布、正態分布、對數正態分布、威布爾分布和Z分布等。本文以指數分布、威布爾分布和Z分布為例,其他分布可參照處理。

2.1 指數分布

指數分布是最常用、最基本的一種壽命分布,其最重要的特性是“無記憶性”,即器件在經過一段時間使用后,若仍未失效,就仍然同新的器件一樣,不影響以后的壽命長度。對于大多數的電子產品和無冗余的復雜系統,其壽命服從指數分布[6～7]。

其概率密度函數f(t)為

其中:θ為平均壽命;δ為最小壽命。

分布函數F(t)為

可靠度函數R(t)和失效率函數λ(t)分別為

2.2 威布爾分布

威布爾分布是近年來在可靠性分析中使用最為廣泛的一種分布。大量實踐證明,凡是因為某一局部失效或故障而引起的全局機能停止運行的元器件、設備、系統等的壽命分布都服從威布爾分布[8～9]。

其概率密度函數f(t)為

其中:m為形狀參數;η為尺度參數。

分布函數F(t)為

可靠度函數R(t)和失效率函數λ(t)分別為

2.3 Z分布

在研究評定某種產品的質量和某類通用彈藥的可貯存壽命時,一般使用Z概率分布函數,它在壽命試驗中的應用較有價值。

其概率密度函數f(t)為

其中:θ為尺度參數;δ為形狀參數。

分布函數F(t)為

可靠度函數R(t)和失效率函數λ(t)分別為

3 參數相關性分析算法

3.1 處理試驗數據

將試驗數據按照從小到大的順序排列,并確定累積分布函數的估計值。

常用的累積分布函數的估計值有:

(1)

F(ti)=中位秩數值

(2)

(3)

其中:i表示第i個數據,式(2)中的中位秩數值有表可查,式(3)是經驗分布函數。F(ti)選用哪一個估計式要依具體情況而定,應用柯爾莫哥洛夫假設檢驗時要利用式(3),子樣作定數結尾試驗時一般用式(2)較好。本文采用式(2),以中位秩數值作為累積分布函數的估計值。

3.2 假設分布類型并進行線性化處理

根據產品類型和經驗知識,假設壽命服從某一種或幾種分布,根據線性化關系將分布函數進行線性化處理[10～11]。各分布函數的線性化關系如表1所示。

表1 各分布函數的線性化關系

3.3 比較相關性,確定分布類型

運用Matlab函數:[RegCoff,R]=MultiLineReg[2]進行回歸分析。比較各假設分布類型的相關性,找出滿足顯著性水平條件下,相關系數最大者作為最優分布類型。

其中,RegCoff,R分別為回歸系數和相關系數,在Y=A+BX中,RegCoff(1)=A,RegCoff(2)=B。

3.4 計算參數,描述曲線

各分布函數的參數與回歸系數之間存在對應關系,利用這種關系可以計算各參數的值,繼而作出各函數曲線。分布函數各參數與回歸系統間的對應關系如表2所示。

表2 分布函數各參數與回歸系數間的對應關系

4 仿真實例

從一批軸承中,抽取23套作連續旋轉的壽命試驗,取得表3中的試驗數據(單位:百萬轉)。

表3 軸承壽命試驗數據

假設該壽命服從指數分布、威布爾分布、Z分布中的一種,線性化后計算相關系數值分別為:0.9850,0.9859,0.9910,查表得相關系數臨界值Rv,α=R21,0.01=0.526,三個分布的相關系數都大于臨界值,都滿足顯著性要求,選取相關系數絕對值最大的Z分布作為該軸承壽命分布類型。

按照Z分布線性化后的試驗數據如表4所示。

表4 線性化后的試驗數據

作回歸分析得到:

RegCoff=[-12.8794,3.1031],R=0.9910

β=3.1031,θ=63.4623,Y=-12.8794+3.1031X

試驗數據與線性化處理后數據的擬合關系、分布函數曲線、可靠度曲線、失效率函數曲線分別如圖1～圖4所示。

圖1 試驗數據擬合圖

圖2 分布函數曲線

圖3 可靠度曲線

圖4 失效率函數曲線

5 結語

在產品的全壽命階段,特別是研發、生產階段,有必要掌握產品的壽命分布特性。本文針對產品壽命試驗數據,采用參數相關性分析的方法建立了確定壽命分布類型的模型,通過數據處理與仿真計算,驗證了產品壽命的分布類型。

需要指出的是,目前僅采用本算法對單一的、失效機理相對簡單的產品進行了仿真計算,對于復雜系統的壽命分布類型是否適用,尚需進一步驗證。

[1] 孔祥芬.非正態過程能力分析與控制方法研究[D].天津:天津大學,2007.

[2] 張姣,李永紅.應用MATLAB進行壽命數據分析[J].機械工程與自動化,2010(6):73-75.

[3] Coute E, De M A, Galdi C. Statistical analysis of real clutter at different range resolutions[J]. IEEE Transaction on Aerospace and Electronic Systems,2004,40(3):903-918.

[4] Yousefi A, Liu T, Lampropoulos G. Statistical behavior of multi-resolution SAR clutter[C]//IEEE International Conference on Geoscience and Remote Sensing. [S.l.]: IEEE Press,2006:3345-3348.

[5] Kasetkasem T, Varshney P K. Statistical characterization of clutter scenes based on a markov random field model[J]. IEEE Transactions on Aerospace and Electronic Systems,2003(6):1035-1050.

[6] 周江華,肖剛,苗育紅.戰略儲備系統備件最優儲備量計算的解析方法[J].航空學報,20023,23(4):334-337.

[7] 肖剛,何斌.求解非指數分布可修備件最優儲備量的隨機模擬方法[J].系統工程李林玉時間,1998,15(5):64-67.

[8] WANI. M. F, GANDHI. O. P. Development of maintainability for mechanical system[J]. Reliability Engineer and System Safety,1999,65:259-270.

[9] Corneliu-Alexandru Slavila, Christophe and Michel Ferney. Fuzzy Approach for Maintainability Evaluation in the Design Process[J]. Concurrent Engineering Research and Applications,2005,3(4):291-300.

[10] 龔純,王正林.MATLAB語言常用算法程序集[M].北京:電子工業出版社,2011.

[11] 蘇林軍.MATLAB在可靠性數據分析中的應用[J].煤礦開采,2007(4):3-5.

Product Life Distribution Type Determination Based on the Parameter Correlation Analysis

GONG Wenchao DU Yi WU Zhihai ZHANG Jianguo HE Junpeng

(Navy Submarine Academy, Qingdao 266000)

Life is an important index of product reliability. Aiming at difficulty in determining the life distribution type from the experiment data, this paper improves the determination algorithm on the base of analyzing common distributions’ application, characteristics and rules, by using the method of correlation analysis and hypothesis testing, then stimulates the algorithm with the help of Matlab. The results reflect that this algorithm is universal for the product life of common distributions, it can be used in automatic data processing and description of reliability parameters, such as the reliability curve and the failure rate curve. This algorithm also can provide reference for product development, usage, repair and maintenance.

correlation, life distribution, parameter estimation, hypothesis testing

2014年7月10日,

2014年8月30日

龔文超,女,碩士研究生,講師,研究方向:故障安全與故障分析。

TU311

10.3969/j.issn1672-9730.2015.01.035