CN107220216B - 一种利用特征数的威布尔型备件需求量的近似计算方法 - Google Patents

Abstract

本发明公开了一种利用特征数的威布尔型备件需求量的近似计算方法，该近似计算方法主要包括如下步骤：(1)利用所述威布尔分布参数α、b计算伽玛分布的参数α_g、λ，计算正态分布的参数μ、σ；(2)计算偏度和峰度，依据所述伽玛分布的参数α_g、λ及所述正态分布的参数μ、σ，按下式计算三种分布的所述特征数中的偏度和峰度；(3)比较所述特征数中的偏度和峰度，若所得伽玛分布与威布尔分布的偏度绝对差值较小，则按照一种方法计算备件保障概率；否则，按照另外的方法计算备件保障概率P_s。按照本发明实现的备件需求量的近似计算方法，能够简化计算过程以及提高近似计算的精度。

Description

一种利用特征数的威布尔型备件需求量的近似计算方法

技术领域

本发明属于备件需求量计算领域，特别是涉及一种利用特征数的威布尔型备件需求量的近似计算方法。

背景技术

威布尔分布常用来描述因逐渐老化导致故障的元器件寿命，具有这种威布尔分布的元器件为威布尔型单元。威布尔型单元主要适用于机电件，如：滚珠轴承、继电器、开关、断路器、某些电容器、电子管、磁控管、电位计、陀螺、电动机、航空发电机、蓄电池、液压泵、空气涡轮发动机、齿轮、活门、材料疲劳件等。

在上述单元使用于各类系统中时，需要对其备件的需求量进行预先评估计算，备件是在考虑备件寿命的情况下保障装备可持续工作的物质条件，在理论上，备件需求量计算涉及多重卷积。由于威布尔分布的多重卷积形式极为复杂，以致难以获得其多重卷积的数值积分结果。因此，在工程上，一般都采用近似方法来计算威布尔型备件需求量(例如指数近似、正态近似)，但目前在工程中使用的近似方法误差较大，其中指数近似是在威布尔形状参数接近于1的时候计算效果好，正态近似只在威布尔形状参数大于3，并且还要保证近似计算方法合理才能达到较好的计算效果，上述计算方式不仅计算过程复杂，并且不能有效覆盖形状参数的可能取值范围的所有情况，使得不能执行有效的备件需求量的计算。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种利用特征数的威布尔型备件需求量的近似计算方法，利用威布尔型单元的寿命分布参数来计算伽玛分布和正态分布各自的参数，再分别计算这三种分布各自的偏度和峰度，从中选择和威布尔分布的偏度和峰度更接近的一种分布(伽玛或正态)，用于近似描述该威布尔型单元寿命，并以此计算备件需求量。

为实现上述目的，按照本发明，提供一种利用特征数的威布尔型备件需求量的近似计算方法，所述威布尔型备件的寿命服从威布尔分布W(α,b)，α、b为威布尔分布参数，α为尺度参数，b为形状参数；所述特征数为均值、方差、偏度和峰度，其特征在于，该计算方法包括如下步骤：

步骤一：利用所述威布尔分布参数α、b计算伽玛分布的参数α_g、λ，

由威布尔分布的参数α、b，可得其均值为

方差为

其中Γ为伽玛函数；当伽玛分布的参数为α_g、λ时，其均值为

方差为

按照所求伽玛分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算出α_g、λ：

计算正态分布的参数μ、σ，

当正态分布的参数为μ、σ时，其均值为μ，方差为σ²；按照所求正态分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算出μ、σ，

步骤二：计算偏度和峰度，

依据所述伽玛分布的参数α_g、λ及所述正态分布的参数μ、σ，按下式计算三种分布的所述特征数中的偏度和峰度：

伽玛分布，偏度为

峰度为

正态分布，偏度为0，峰度为0；

威布尔分布，偏度为

峰度为

步骤三：按如下规则比较所述特征数中的偏度和峰度，

判断所述步骤二中的伽玛分布与正态分布中偏度和峰度与所述威布尔分布的偏度和峰度的绝对差值情况；

步骤三：计算备件需求量，

以所述偏度特征数的绝对差值为首要比较条件，相比正态分布，若所述步骤三所得伽玛分布与所述威布尔分布的偏度绝对差值较小，则按照下式计算备件保障概率：

否则，按照下式计算备件保障概率P_s：

其中，T_w为保障任务时间，所述保障任务时间为所述备件完成任务的预期累积工作时间；

设置所述备件保障概率阈值，令j从0开始逐一递增，使得所述保障概率P_s大于或等于所述概率阈值的j值即为计算出的备件需求量。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

(1)现有技术中也有近似方法，但是由于存在近似程度无法预估的问题导致算法的精度无法达到有效的目标，本发明率先提出了采用两种分布来执行近似计算，并且计算出偏度和峰度，依据两个指标上挑选近似方案，并且尤其是偏度上来进行判断，这样可以比较出近似程度，从而选取相应的近似分布执行备件需求量的计算；

(2)在现有技术的结论上，在威布尔的形状参数取极端时，一个极端趋向于伽玛，另外一个极端趋向于正态，在这种情况下，利用偏度和峰度这两个指标来选择趋向的近似，能够显著地提高计算的精确程度；

(3)按照本发明的近似方法，在近似成伽玛和正态近似分布的时候，提出了参数转化公式，按照上述的参数转化公式直接执行计算，无需迭代过程，从而节约了复杂的迭代过程；

(4)本发明还提出了参数转化公式的近似原则，即不管是伽玛或者是正态近似，务必满足在均值和方差这两个指标上与威布尔分布相等，对任何一个分布，都可以使用均值、方差、偏度和峰度来描述，本发明的计算方法中采用均值和方差相等，利用偏度和峰度作为近似计算指标的约定，从而简化了计算过程并且提高了近似的精度。

附图说明

图1为威布尔分布的形状参数为1.3情况下的三种分布的概率密度曲线对比情况；

图2为威布尔分布的形状参数为1.9情况下的三种分布的概率密度曲线对比情况；

图3为威布尔分布的形状参数为2.5情况下的三种分布的概率密度曲线对比情况；

图4为威布尔分布的形状参数为3.5情况下的三种分布的概率密度曲线对比情况。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

记随机变量X服从威布尔分布W(α,b)，威布尔分布密度函数如式(1)，

其中α＞0为尺度参数，b＞0为形状参数。

记随机变量X服从伽玛分布Ga(α_g,λ)，其中α_g＞0为形状参数，λ＞0为尺度参数，伽玛分布密度函数如式(2)。

式(2)中Γ(α_g)为伽玛函数，且

记随机变量X服从正态分布N(μ,σ²)，其中μ为位置参数，μ的物理含义为寿命均值；σ为尺度参数，σ²的物理含义为寿命的方差。正态分布密度函数如式(3)。

对于寿命服从威布尔分布W(α,b)的单元，本发明计算备件需求量的步骤如下：

1)计算伽玛分布的参数α_g、λ

按照所求伽玛分布的均值和方差，与威布尔分布的均值和方差相等的原则，按式(4)计算α_g、λ，

2)计算正态分布的参数μ、σ

按照所求正态分布的均值和方差，与威布尔分布的均值和方差相等的原则，按式(5)计算μ、σ

3)计算偏度和峰度

已知伽玛分布的参数α_g、λ，正态分布的参数μ、σ和威布尔分布α、b参数，按表1计算三种分布的偏度和峰度。

表1偏度和峰度的计算式

4)计算备件需求量

4.1)在偏度和峰度这两个特征数上，相比正态分布，若步骤3)所得伽玛分布更接近威布尔分布的偏度和峰度(以偏度的误差绝对值指标为主)，则按照式(6)计算备件保障概率；否则，按照式(7)计算备件保障概率P_s

式(6)、(7)中，T_w为保障任务时间。

4.2)设置所述单元保障概率阈值，令j从0开始逐一递增，使得所述保障概率P_s大于或等于所述概率阈值的j值即为所计算出的备件需求量。

描述随机变量的常见工具除了分布函数、概率密度函数外，也可用均值、方差、偏度和峰度这4种特征数来进行描述。这4种特征数由该分布的1～4阶矩决定。在大部分情况下，只要知道1阶矩到4阶矩就已经足够描述分布的情况。因此，通过比较两种分布在均值、方差、偏度和峰度这4种特征数的差异程度，可以了解二者的相似程度。

由于本发明的方法采用“令伽玛/正态分布的均值和方差，与原威布尔分布的均值和方差都相等”的原则，因此首先保证了所求得的伽玛/正态分布与原威布尔分布具有一定的相似性，再通过进一步比较偏度和峰度，从中选择更为相似的近似分布结果。表3列出了威布尔形状参数1.1～4.1范围内，按照“令伽玛/正态分布的均值和方差，与原威布尔分布的均值和方差都相等”原则，计算伽玛和正态分布参数后，这三种分布的偏度和峰度情况。

表3偏度和峰度结果

从表2可以看出，当威布尔分布的形状参数在2.1以内时，伽玛分布比正态分布更接近威布尔分布。图1～图4展示了威布尔分布的形状参数4种典型取值时，三种分布的概率密度曲线对比情况，与上述结论相符。

为了解释上述算法的准确性，本实施例1执行上述方法来进行备件需求量的计算，并且利用以下备件保障仿真模型开展仿真验证。

对于某个不可修单元，配置n个备件，该类单元的寿命服从威布尔分布W(α,b)，保障任务时间记为T_w，则模拟一次备件保障的过程如下：

(1)产生1+n个随机数t_i(1≤i≤1+n)，随机数t_i服从威布尔分布W(α,b)；

(2)计算累积工作时间

(3)当simT≥T_w时，保障任务成功，输出结果flag＝1；否则保障任务失败，输出结果flag＝0。

多次重复运行上述备件保障仿真模型，对所有模拟结果flag进行统计，flag均值即备件保障概率。

实施例1：某单元寿命服从威布尔分布W(200,1.3)，保障任务时间为1000h，要求备件保障概率不小于0.8,计算备件需求量。

1)计算伽玛分布的参数α_g、λ

按照所求伽玛分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算α_g、λ

2)计算正态分布的参数μ、σ

按照所求正态分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算μ、σ

3)计算偏度和峰度

伽玛分布Ga(1.66,0.009)的偏度、峰度为1.55、3.61；

正态分布N(184.7,143.3²)的偏度、峰度为0、0；

威布尔分布W(200,1.3)的偏度、峰度为1.35、2.43。

4)计算备件需求量

4.1)经比较三种分布的偏度和峰度，相比正态分布，伽玛分布Ga(1.66,0.009)与威布尔分布W(200,1.3)的相似程度更高，因此按下式计算备件保障概率：

4.2)令j从0开始逐一递增，使得所述保障概率P_s大于或等于所述概率阈值的j值即为所计算出的备件需求量。计算过程中的结果如表4.

表4计算过程的结果

从表4可知，算例1的备件需求量为7。

实施例2：某单元寿命服从威布尔分布W(200,2.9)，保障任务时间为1000h，要求备件保障概率不小于0.8,计算备件需求量。

1)计算伽玛分布的参数α_g、λ

按照所求伽玛分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算α_g、λ

2)计算正态分布的参数μ、σ

按照所求正态分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算μ、σ

3)计算偏度和峰度

伽玛分布Ga(7.12,0.04)的偏度、峰度为0.75、0.84；

正态分布N(178.3,66.8²)的偏度、峰度为0、0；

威布尔分布W(200,2.9)的偏度、峰度为0.20、-0.26。

4)计算备件需求量

4.1)经比较三种分布的偏度和峰度，相比伽玛分布，正态分布N(178.3,66.8²)与威布尔分布W(200,2.9)的相似程度更高，因此按下式计算备件保障概率：

4.2)令j从0开始逐一递增，使得所述保障概率P_s大于或等于所述概率阈值的j值即为所计算出的备件需求量。计算过程中的结果如表5.

表5计算过程的结果

从表5可知，算例2的备件需求量为6。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种利用特征数的威布尔型备件需求量的近似计算方法，所述威布尔型备件的寿命服从威布尔分布W(α,b)，α、b为威布尔分布参数，α为尺度参数，b为形状参数；所述特征数为均值、方差、偏度和峰度，其特征在于，该计算方法包括如下步骤：

步骤一：利用所述威布尔分布参数α、b计算伽玛分布的参数α_g、λ，

由威布尔分布的参数α、b，可得其均值为

方差为

其中Γ为伽玛函数；当伽玛分布的参数为α_g、λ时，其均值为

方差为

按照所求伽玛分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算出α_g、λ：

计算正态分布的参数μ、σ，

当正态分布的参数为μ、σ时，其均值为μ，方差为σ²；按照所求正态分布的均值和方差，与威布尔分布的均值和方差相等的原则，计算出μ、σ，

步骤二：计算偏度和峰度，

依据所述伽玛分布的参数α_g、λ及所述正态分布的参数μ、σ，按下式计算三种分布的所述特征数中的偏度和峰度：

伽玛分布，偏度为

峰度为

正态分布，偏度为0，峰度为0；

威布尔分布，偏度为

峰度为

步骤三：按如下规则比较所述特征数中的偏度和峰度，

判断所述步骤二中的伽玛分布与正态分布中偏度和峰度与所述威布尔分布的偏度和峰度的绝对差值情况；

步骤三：计算备件需求量，

以所述偏度特征数的绝对差值为首要比较条件，相比正态分布，若所述步骤三所得伽玛分布与所述威布尔分布的偏度绝对差值较小，则按照式(1)计算备件保障概率；否则，按照式(2)计算备件保障概率P_s：

式(1)、(2)中，T_w为保障任务时间，所述保障任务时间为所述备件完成任务的预期累积工作时间；

设置所述备件保障概率阈值，令j从0开始逐一递增，使得所述保障概率P_s大于或等于所述概率阈值的j值即为计算出的备件需求量。

Images