- •Лекция 5 Законы распределения непрерывных св Расстояние между точками пуассоновского поля
- •Пространственное поле: распределение Максвелла
- •Показательный закон распределения в теории надежности
- •Особенность показательного закона
- •Нестационарный пуассоновский поток
- •Надежность сложной системы
- •Статистическое моделирование надежности
- •Универсальная процедура моделирования надежности
- •Распределение Вейбулла
- •Класс характеристик надежности
- •Системный анализ надежности
- •Показательный закон в теории массового обслуживания
- •Параметры одноканальной системы массового обслуживания
- •Вероятности свободного состояния одноканальной системы
- •Пропускная способность одноканальной системы
- •Особенности многоканальных смо
- •Смо с ожиданиями
- •Статистическое моделирование многоканальной смо
- •Моделирование динамики состояний многоканальной смо
- •Информационный подход к выбору закона распределения
- •Наименее информативный закон распределения в интервале
- •Показательный закон – самый непредсказуемый закон наступления отказов
- •Оптимальный выбор закона распределения по оценкам мо и дисперсии
- •Равномерное распределение
- •Числовые характеристики
- •Условия применимости равномерного закона
- •Нормальный закон распределения
- •Числовые характеристики
- •Вероятность попадания в заданный интервал
- •Стандартное нормальное распределение
- •Выражение вероятности попадания в интервал через табулированные функции
- •Вероятность не более заданного отклонения от среднего значения
- •Срединное отклонение нормального распределения
- •Правила «3-х сигм» и «4-х e»
- •Электронные формулы для нормально распределенных св
- •Применение файл-функций
- •Использование структурных переменных
- •Класс нормально распределенных случайных величин
- •БэсПиБп.5. Законы распределения непрерывных св 17
Универсальная процедура моделирования надежности
>> S='sum(U(1:4))*sum(U(5:8))*(U(9)+U(10))';
>> b=[];for i=1:N U=RabLog(B(i,:)); b(i)=Value(eval(S)); end, P=sort(b);
>> [F,f,H]=SmartHist(P,[],20); bar(H.x,cumsum(H.p))
Распределение Вейбулла
|
(5.13) (5.14) |
Используя функцию сглаживания Approx, найдем параметры и :
>> [Fun,Par]=Approx('1-exp(-(x*L(1)).^L(2))',F.x, F.F ,[1 1])
Fun(x,L) = 1-exp(-(x*L(1)).^L(2)) Par = 0.9088 1.9087
График функции Вейбулла с параметрами = 0,9 и = 1,9 хорошо аппроксимирует эмпирическую функцию распределения (огибающая кривая на рис. 5.2 в):
>> hold on,plot(x, Fun(F.x, [0.91, 1.91]),'b', x, (1-exp(-L.*x)).^n,'y', x,1-exp(-L*n.*x),'r')
Класс характеристик надежности
Рис. 5.4. Показательное распределение последовательной схемы и распределение Вейбулла резервированной схемы |
>> S=Rab(1,1,1,'1*2*3');x=0:0.01:3;f=dens(S,x);plot(x,f,'r')
Схема эквивалентна одному элементу с параметром показательного закона отказов = 1+1+1=3, значит функция dens, построившая экспоненту с f(0) = 0, работает правильно. Теперь построим графики f(x) и F(x) резервированной схемы:
>> R=Reserve(S,[4,4,2]);[f, F]=dens(R,x);hold on;plot(x,f, x,F)
Замену схемы эквивалентным элементом с параметрами закона Вейбулла можно выполнить с помощью функции Rab/Eq. Для сравнения построим графики (пунктир) с помощью функций f_Weibull для плотности и p_Weibull для функции распределения Вейбулла:
>> [L,a]=Eq(R), plot(x,f_Weibull(x,L,a),'k-.', x, p_Weibull(x,L,a),'k-.')
L = 1.9046 a = 1.9046
Полное совпадение графиков подтверждает корректность электронных формул.
Системный анализ надежности
>> s='1*(2+3)*(4+5*6+7*(8+9)+10)'; L={1.1, 1.2, [1.3 2], 1.4, 1.5, 1.6, 1.7,.1.8, 1.9, 2.0};
>> S=Rab(L, s); Nom=[1,4,5,10]; X=[2 4 3 2]; S=Reserve(S,X,Nom);
Строка s задает схему соединения десяти элементов, массив ячеек L – их параметры в показательном законе надежности или законе Вейбулла (как [1.3 2]), вектор Nom – номера резервируемых звеньев, X – число элементов в этих звеньях.