CN108491637A - 基于无失效数据超小样本的产品寿命分布评估方法 - Google Patents
基于无失效数据超小样本的产品寿命分布评估方法 Download PDFInfo
- Publication number
- CN108491637A CN108491637A CN201810252986.XA CN201810252986A CN108491637A CN 108491637 A CN108491637 A CN 108491637A CN 201810252986 A CN201810252986 A CN 201810252986A CN 108491637 A CN108491637 A CN 108491637A
- Authority
- CN
- China
- Prior art keywords
- sample
- confidence level
- parameter
- failure
- life
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种基于无失效数据超小样本的产品寿命分布评估方法,步骤为:产品寿命服从Weibull分布的形状参数估计从1.5~2.5中选取;位置参数估计,根据寿命样本值得到参数估计成功概率的中位秩,再得到规定置信水平下样本量与位置参数的关系;尺度参数估计,用二项分布表达可靠度、置信水平、样本量与失效数之间的关系:式中,n为样本量,r为失效样本数,R为可靠度,C为置信水平,j为失效样本序号,存在这样的等式可以得到给定置信水平下尺度参数估计式本发明根据产品寿命Weibull分布形状参数的经验值以及估计出位置参数,应用单侧区间估计方法估计置信度为95%的寿命分布,验证了本发明方法的有效性。
Description
技术领域
本发明涉及一种产品寿命分布评估方法,具体为一种基于无失效数据超小样本的产品寿命分布评估方法。
背景技术
无失效数据的情形是指在规定的试验时间内没有试样发生失效(因而没有确切的寿命数据),属于可靠性试验中定时截尾试验的一种特殊情况。早前,非失效数据常被作为异常数据剔除,或简单地作保守处理。对于长寿命、高可靠性产品,若要获得其失效数据,要花费相当长的试验时间。随着高可靠性、长寿命产品越来越多,在时间有限的定时截尾试验中,也会越来越多地遇到无失效数据的情况。于是,如何对无失效数据时的试验结果进行统计处理,尤其当样本数量很小时,引起了国内外许多学者的日益重视。
为了节省试验时间,通行的做法是强化试验载荷。然而,载荷强化试验涉及到寿命及其分散性等效等复杂问题,很难满足一些具体工程问题的需求。对于尚处于开发阶段的产品,可用样品数量及允许的试验时间都十分有限,无法得到利用强化试验方法所需要的载荷-寿命关系。对于造价昂贵的材料和复杂的产品,如飞机、船舶、武器装备等,进行大样本量的试验通常也是不现实的。对于这些种类的产品,可靠性评估通常只能依赖数量有限的非失效数据。所以,发展在无失效数据情况下基于小样本的可靠性评估理论的意义与价值都非常显著。
关于产品寿命及可靠性统计,传统统计理论与方法针对的多是大样本情况。根据寿命数据(失效数据),尤其是大样本寿命数据评估产品的可靠性,已有比较成熟的方法。在小样本方面,Hanson和Koopmans等人提出小样本统计的非参数方法[3],Scholz和Stephense[4]提出了连续和离散情况下的分布拟合检验方法,该检验理论可以对样本分布形式进行拟合检验、对样本进行单因素方差检验,对于小样本也有较好的效果。
目前针对小样本提出的统计推断分析评估方法可以分为两大类:一类为综合利用历史信息和当前实验数据的统计方法,另一类是只利用当前实验数据的方法,主要对现有大样本统计计算方法进行改进,使之能够适用于小样本情形,从而使得参数估计的精度得以提高。
目前关于无失效数据可靠性研究的方法主要有无失效可靠性(抽样)检验方法,置信限法,配分布曲线法,修正似然函数法,极小χ2—法,等效失效数法,参数综合估计法,二项分布—非参数方法,退化型失效模型统计分析方法等。
Bayes统计理论在近几十年来迅速发展,在小样本问题中得到了越来越多的认可。该方法能充分利用产品现有的全部有关信息,包括经验信息和样本信息,可以在一定程度上减少因样本量较少带来的统计误差。但由于验前信息的来源各异,先验分布的选择带有很大的主观性,常常引起争议。
Weibull分布在轴承等多种机电产品寿命及可靠性评估方面已经非常成熟,但是主要是基于两参数威布尔分布。然而,对于长寿命产品而言,两参数Weibull分布明显低估了产品的寿命与可靠性。
发明内容
针对现有技术中产品寿命分布评估存在两参数威布尔分布表达精度不高,不能准确表达产品寿命分布真实情况等不足,本发明要解决的问题是提供一种更加可靠的基于无失效数据超小样本的产品寿命分布评估方法。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种基于无失效数据超小样本的产品寿命分布评估方法,包括以下步骤:
1)形状参数确定,待估计的产品寿命服从Weibull分布的形状参数β为1.5~2.5;
2)位置参数估计,若有n个寿命样本,根据寿命样本值由小到大排列,其中第i个样本的寿命为ti,位置参数大于ti估计成功概率的中位秩为:
式中,i为全部n个样本中未失效样本数,F2(n+1-i),2i,0.5为自由度为2(n+1-i)和2i的F分布中位数;
3)尺度参数估计,对于成功/失效型统计分析问题,用二项分布表达可靠度、置信水平、样本量与失效数之间的关系:
式中,n为样本量,r为失效样本数,R为可靠度,C为置信水平,j为失效样本的序号。
步骤3)中,当失效样本数r=0时,有Rn=1-C;对于Weibull分布,得到给定置信水平的尺度参数估计式为:
其中,t为寿命时间,γ为位置参数。
步骤2)中,中位秩公式近似表达为:
步骤2)中,对于置信水平小于0.95时的样本量场合的n’满足等式
其中,t95为置信水平为0.95的位置参数,n95为置信水平为0.95的样本量,t0为指定寿命时间,β为形状参数。
本发明具有以下有益效果及优点:
1.本发明从产品寿命分布的实际角度入手,基于三参数Weibull寿命分布的产品寿命及可靠性统计分析方法,采用中位秩估计公式,反映可靠性估计的置信度要求,由产品截尾寿命数据计算出其三参数Weibull寿命分布位置参数值;根据产品寿命Weibull分布形状参数的经验值以及估计出的位置参数,应用单侧区间估计方法估计置信度为95%的寿命分布(尺度参数)验证了本发明方法的有效性。
2.本发明修正了位置参数估计方法,在给定置信水平下,估计出三参数Weibull分布位置参数的原理,并得到更合理的结果。
附图说明
图1为本发明中的样本数量曲线图;
图2为两参数/三参数Weibull估计的概率密度函数图。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
本发明一种基于无失效数据超小样本的产品寿命分布评估方法,包括以下步骤:
1)形状参数确定,假设待估计的产品寿命服从Weibull分布的形状参数β为1.5~2.5;
2)位置参数估计,若有n个寿命样本,根据寿命样本值由小到大排列,其中第i个样本的寿命为ti,估计成功概率的中位秩公式为
式中,i为全部n个样本中未失效样本数,F2(n+1-i),2i,0.5为自由度为2(n+1-i)和2i F分布的中位数;
3)尺度参数估计,对于成功/失效型统计分析问题,用二项分布表达可靠度、置信水平、样本量与失效数之间的关系:
式中,n为样本量,r为失效样本数,R为可靠度,C为置信水平,j为失效样本的序号,对于Weibull分布而言,可以得到给定置信水平的尺度参数估计式
本发明中,超小样本是指3~5个样本。
步骤1)中,形状参数确定,根据工程实际和专家经验,大多数产品如轴承寿命概率分布的形状参数β值在1.5~2.5之间。在以下统计分析中,假设待估计的轴承Weibull寿命分布的β值为2.0.
步骤2)中,估计成功概率的中位秩公式可近似表达为
Weibull分布的位置参数的意义是寿命样本的最小值。也就是说,全部样本值都将大于该值。若通过试验获得了n个截尾时间为t的右截尾试验数据,可知寿命分布的位置参数大于t的概率的中位秩估计为
由此,使估计值达到95%置信度所需要的样本量可由下式计算即,n95≈13.6。同理,使估计值达到97.5%置信度所需要的样本量可由下式计算即,n97.5≈27.6。
对于置信水平小于0.95时的样本量场合的n’,满足等式其中,t95为置信水平为0.95的位置参数,n95为置信水平为0.95的样本量,t0为指定寿命时间,β为形状参数。
该表达式根据n’个在t0=2000h截尾的样本估计出的Weibull分布的位置参数t95与n’之间的关系如附图1所示。
步骤3)中,尺度参数估计,对于成功/失效型统计分析问题,可用二项分布表达可靠度、置信水平、样本量与失效数之间的关系:式中,n为样本量,r为失效样本数,R为可靠度,C为置信水平。对于r=0的特殊情形,有Rn=1-C。对于Weibull分布而言,可以得到给定置信水平的尺度参数估计式:
其中,t为寿命时间,γ为位置参数,β为形状参数。
本实施例中,令样本量n=3,假设寿命所服从的Weibull分布的形状参数β等于2,试验载截止时间为2000h,由尺度参数估计式得出位置参数等于939.3h,估计得到尺度参数为1061.5h。由式和得到均值和标准差分别为1880.0和491.7,变异系数为0.262。若采用两参数Weibull分布,依据以上试验数据及相关信息进行估计,则得出尺度参数为2001.4h,其均值、标准差和变异系数分别为1773.3、926.0和0.523。二者的差别如附图2所示。直观判断,三参数Weibull分布的估计结果优于两参数Weibull分布的估计结果。因为两参数Weibull分布得到的寿命变异系数远大于绝大多数工程问题的范围(通常为5%~10%)。
应用Weibull分布拟合寿命分布,若没有失效发生,可以根据已知的形状参数,应用下式估计其尺度参数:式中,为自由度为2r+2的χ2分布的C分位数。应用该式及上述数据信息,尺度参数的估计结果为=2001.5,与两参数Weibull分布估计结果相同。
Claims (4)
1.一种基于无失效数据超小样本的产品寿命分布评估方法,其特征在于包括以下步骤:
1)形状参数确定,待估计的产品寿命服从Weibull分布的形状参数β为1.5~2.5;
2)位置参数估计,若有n个寿命样本,根据寿命样本值由小到大排列,其中第i个样本的寿命为ti,位置参数大于ti估计成功概率的中位秩为:
式中,i为全部n个样本中未失效样本数,F2(n+1-i),2i,0.5为自由度为2(n+1-i)和2i的F分布中位数,再得到规定置信水平1-α下样本量与位置参数的关系式为
3)尺度参数估计,对于成功/失效型统计分析问题,用二项分布表达可靠度、置信水平、样本量与失效数之间的关系:
式中,n为样本量,r为失效样本数,R为可靠度,C为置信水平,j为失效样本的序号,对于Weibull分布而言,得到给定置信水平的尺度参数估计式
2.根据权利要求1所述的基于无失效数据超小样本的产品寿命分布评估方法,其特征在于:步骤3)中,当失效样本数r=0时,有Rn=1-C;对于Weibull分布,得到给定置信水平的尺度参数估计式为:
其中,t为寿命时间,γ为位置参数。
3.根据权利要求1所述的基于无失效数据超小样本的产品寿命分布评估方法,其特征在于:步骤2)中,中位秩公式近似表达为:
。
4.根据权利要求3所述的基于无失效数据超小样本的产品寿命分布评估方法,其特征在于:步骤2)中,对于置信水平小于0.95时的样本量场 合的n’满足等式
其中,t95为置信水平为0.95的位置参数,n95为置信水平为0.95的样本量,t0为指定寿命时间,β为形状参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810252986.XA CN108491637B (zh) | 2018-03-26 | 2018-03-26 | 基于无失效数据超小样本的产品寿命分布评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810252986.XA CN108491637B (zh) | 2018-03-26 | 2018-03-26 | 基于无失效数据超小样本的产品寿命分布评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108491637A true CN108491637A (zh) | 2018-09-04 |
CN108491637B CN108491637B (zh) | 2021-06-11 |
Family
ID=63337870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810252986.XA Expired - Fee Related CN108491637B (zh) | 2018-03-26 | 2018-03-26 | 基于无失效数据超小样本的产品寿命分布评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491637B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583590A (zh) * | 2018-11-29 | 2019-04-05 | 深圳和而泰数据资源与云技术有限公司 | 数据处理方法及数据处理装置 |
CN110110476A (zh) * | 2019-05-20 | 2019-08-09 | 东北大学 | 基于威布尔分布及右截尾数据估计可靠度的样本取舍方法 |
CN110458436A (zh) * | 2019-08-02 | 2019-11-15 | 北京理工大学 | 一种火工品可靠性指标的小样本验证方法 |
CN113705112A (zh) * | 2021-09-23 | 2021-11-26 | 郑州航空工业管理学院 | 一种产品寿命doe重要因子的识别方法 |
CN116595812A (zh) * | 2023-07-18 | 2023-08-15 | 南京航空航天大学 | 一种对滚动轴承无失效寿命数据的可靠性评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012005955A1 (de) * | 2012-03-23 | 2013-09-26 | Robert Bosch Gmbh | Verfahren zur Bestimmung von Ausfallwahrscheinlichkeiten eines Bauteils |
CN104239694A (zh) * | 2014-08-28 | 2014-12-24 | 北京交通大学 | 一种城轨列车转向架的故障预测与视情维修方法 |
CN106053984A (zh) * | 2016-05-31 | 2016-10-26 | 西安航空制动科技有限公司 | 确定防滑刹车控制装置高温故障分布的方法 |
CN106054105A (zh) * | 2016-05-20 | 2016-10-26 | 国网新疆电力公司电力科学研究院 | 一种智能电表的可靠性预计修正模型建立方法 |
CN107273688A (zh) * | 2017-06-16 | 2017-10-20 | 山东万腾电子科技有限公司 | 基于原始故障数据的设备寿命与健康度监控方法及系统 |
-
2018
- 2018-03-26 CN CN201810252986.XA patent/CN108491637B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012005955A1 (de) * | 2012-03-23 | 2013-09-26 | Robert Bosch Gmbh | Verfahren zur Bestimmung von Ausfallwahrscheinlichkeiten eines Bauteils |
CN104239694A (zh) * | 2014-08-28 | 2014-12-24 | 北京交通大学 | 一种城轨列车转向架的故障预测与视情维修方法 |
CN106054105A (zh) * | 2016-05-20 | 2016-10-26 | 国网新疆电力公司电力科学研究院 | 一种智能电表的可靠性预计修正模型建立方法 |
CN106053984A (zh) * | 2016-05-31 | 2016-10-26 | 西安航空制动科技有限公司 | 确定防滑刹车控制装置高温故障分布的方法 |
CN107273688A (zh) * | 2017-06-16 | 2017-10-20 | 山东万腾电子科技有限公司 | 基于原始故障数据的设备寿命与健康度监控方法及系统 |
Non-Patent Citations (3)
Title |
---|
WANG ZHENG 等: "Dynamic Reliability Model of Components Under Random Load", 《IEEE TRANSACTIONS ON RELIABILITY》 * |
闰皙: "极值分布下无失效数据的可靠性参数估计", 《万方数据库》 * |
马小兵 等: "含位置参数的广义 Weibull 分布及其置信限估计", 《系统工程与电子科技》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583590A (zh) * | 2018-11-29 | 2019-04-05 | 深圳和而泰数据资源与云技术有限公司 | 数据处理方法及数据处理装置 |
CN109583590B (zh) * | 2018-11-29 | 2020-11-13 | 深圳和而泰数据资源与云技术有限公司 | 数据处理方法及数据处理装置 |
CN110110476A (zh) * | 2019-05-20 | 2019-08-09 | 东北大学 | 基于威布尔分布及右截尾数据估计可靠度的样本取舍方法 |
CN110110476B (zh) * | 2019-05-20 | 2023-01-31 | 东北大学 | 基于威布尔分布及右截尾数据估计可靠度的样本取舍方法 |
CN110458436A (zh) * | 2019-08-02 | 2019-11-15 | 北京理工大学 | 一种火工品可靠性指标的小样本验证方法 |
CN110458436B (zh) * | 2019-08-02 | 2022-02-01 | 北京理工大学 | 一种火工品可靠性指标的小样本验证方法 |
CN113705112A (zh) * | 2021-09-23 | 2021-11-26 | 郑州航空工业管理学院 | 一种产品寿命doe重要因子的识别方法 |
CN116595812A (zh) * | 2023-07-18 | 2023-08-15 | 南京航空航天大学 | 一种对滚动轴承无失效寿命数据的可靠性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108491637B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491637A (zh) | 基于无失效数据超小样本的产品寿命分布评估方法 | |
Reichenberg et al. | Policy implications of downscaling the time dimension in power system planning models to represent variability in renewable output | |
CN105243438B (zh) | 一种考虑径流不确定性的多年调节水库优化调度方法 | |
Hilbers et al. | Importance subsampling: improving power system planning under climate-based uncertainty | |
Du et al. | Marginal abatement costs of carbon dioxide emissions in China: a parametric analysis | |
Oraiopoulos et al. | On the accuracy of urban building energy modelling | |
CN102622473B (zh) | 基于贝叶斯理论的步进应力加速退化试验优化设计方法 | |
CN106779157A (zh) | 区域能源消费需求的预测方法 | |
CN102955902A (zh) | 雷达模拟设备可信度的评估方法及评估系统 | |
CN107358542A (zh) | 一种励磁系统性能评估模型的参数确定方法 | |
CA3005184A1 (en) | System and method for measuring and evaluating building energy performance | |
CN107862130B (zh) | 一种导致继电器贮存退化的内部关键因素的分析方法 | |
Zarnani et al. | Clustering numerical weather forecasts to obtain statistical prediction intervals | |
CN112070307A (zh) | 一种区域内能源负荷量的预测方法及装置 | |
CN108599147A (zh) | 基于正态指数平滑法与核密度估计的组合区间预测方法 | |
Bao et al. | Demand estimation of consumer durables in Southeast Asia in 2030: a business-as-usual scenario | |
CN114492809A (zh) | 海洋环境设计参数推算模型的不确定性分析方法 | |
CN104866929A (zh) | 一种国际投资指数数据处理分析方法和系统 | |
Zhang et al. | Prediction Research on Key Influencing Factors of Regional E-commerce Industry Development Based on Grey Data Analysis Model | |
Galal-Edeen et al. | Lessons Learned from Building an Effort Estimation Model for Software Projects | |
Wadström et al. | The influence of global and domestic uncertainty on electricity supply: A study of Swedish power sources | |
Wang et al. | Application of partial least squares modeling to aero-engine value engineering | |
WO2023053236A1 (ja) | 需要予測装置及び需要予測方法 | |
KARADŽIĆ | A regression model of inflation in Montenegro | |
Hongzhou et al. | Design of testing period for reliability assessment of numerical control machine tools considering working conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210611 |
|
CF01 | Termination of patent right due to non-payment of annual fee |