книги из ГПНТБ / Игнатов, В. А. Статистическая оптимизация качества функционирования электронных систем
.pdfОтносительные погрешности оценки |
|
|
|||||
|
т. |
|
(».о* |
|
(«.О* |
|
|
Sm = |
■ = |
1 |
|
|
|
||
|
|
|
|
|
|||
|
|
|
|
|
|
|
(2-79) |
При малых дисперсиях |
(^ m ^ '^ l) и при оценке |
в мо |
|||||
менты времени |
|
можно получить еще более простые |
|||||
выражения для 8т |
и §о2, раскладывая |
экспоненциальные |
|||||
функции в ряд Маклорена: |
|
|
|
||||
|
|
|
|
3 |
|
|
|
|
s |
, КО 2 |
~2~ К О 3 |
|
(2-80) |
||
|
От |
2 ’ |
і + -§■ |
(°.0 3 |
|
||
|
|
|
|
|
|
||
Пусть, например, з, = |
0,2-10 Зч ' 1, |
т , = |
10~3ч |
\ t = |
|||
= 0,1 (1 /т ,)= 1 0 Ч |
тогда |
Sm< 2 -1 0 -4, |
< |
1,2-10~5. |
Пример 2-7. Сравним точную и приближенную интер вальные оценки вероятности безотказной работы. Точный доверительный интервал \р*и р*г] определим с использо ванием логарифмически нормального распределения (2-62) по заданной доверительной вероятности
|
р*> |
(m*if + ln р)2 |
|
2»*?/* |
|
~7=г-----Г е |
d(lnp) = t, |
|
У2пя*^ |
,) |
|
что в конечном итоге приводит к вычислению р*, и р*а из соотношения
(m*\t -f- Іпр) (з*^)-1 = z±rM1, |
(2-81) |
где м определяют по таблице значений функции Лап ласа
|
|
2а |
|
Ф(«т) = |
е |
2 dz, |
|
о |
|
|
|
|
|
|
|
а т* 1 и а*і — оценки моментов к (см. § 7-2). |
определяют |
||
Приближенные доверительные |
границы |
||
из соотношения |
|
|
|
(т*і — Р) 3*Г' = |
— ыт, |
(2-82) |
60
Полагая асимптотически нормальным распределение ве
роятности с параметрами (2-78).
Относительная погрешность оценки длины довери тельного интервала
8 / = 1 |
и^т*xt |
(2-83) |
и^т* |
||
V V - 2 c h VT ^ 2 |
|
|
Формула (2-83) позволяет |
оценить влияние |
числа |
экспериментов г, выбора доверительной вероятности у и времени t на погрешность оценки длины доверительного интервала. При г— >-оо б;— ►(); с ростом у растет и «т
что приводит к увеличению б/; с ростом / погрешность монотонно возрастает.
Пусть, например, r = 8, m*it= 1, у=0,9, тогда бг~ 0,07.
Если г;>50, то 6;<с;0,01. При r = 100 6*^0,006, но если Ѵ=0,99, т о б(=0,013. Следовательно, даже при малом объеме выборки (г = 8) погрешность оценки длины дове рительного интервала при высокой доверительной ве роятности (у=0,99) не превышает 15%.
Однако из-за асимметрии распределения (2-62) при ближенный метод дает погрешность в оценке как левой,
так |
и правой доверительных |
границ. |
Оценим |
порядок |
|||
этих погрешностей. |
|
'<т*і= Ы О -3 |
ч~1, t=2 -\02 ч, |
||||
/' = |
Пусть /п*і = 5-10" 3 ч~1, |
||||||
27, у = 0,9, тогда из (2-81) |
и (2-82) |
получим: |
|
||||
|
І + Іпд |
р * j = |
0,265, |
р * 2 = 0,512; |
|||
|
0,2 |
||||||
|
|
|
|
|
|
|
|
|
0,3679 — р |
р \ |
— 0,245, |
р*2 = |
0,49. |
||
|
0,0738 |
||||||
|
|
|
|
|
|
|
Следовательно, использование приближенных довери тельных границ дает погрешность оценки длины интерва ла 1,22%, левой границы — 7,17% и правой границы — 4,32%- С ростом объема выборки эти погрешности убы вают. При очень малых объемах выборки (5<^ г ^ 10)
приближенные оценки дают погрешности 10—20% ■ Рассмотрим особенности приближенной оценки коэф
фициента готовности. Математическое ожидание и дис персия
|
тг |
|
2_ |
2 2 I 2 2 |
|
|
тк |
|
mIg2+ w2sl |
(2-84) |
|||
т1 + |
т2 ’ |
* |
(//Ц + Иа)4 |
|||
|
|
61
При малых объемах выборок реальное распределение Кг имеет положительную асимметрию, а при увеличении числа экспериментов асимптотически стремится к нор мальному с параметрами (2-84). Поэтому приближенно целесообразно оценивать только нижнюю доверительную границу для Кг, так как ясно, что верхней доверительной границей служит 1.
Пример 2-8. Пусть т і= 1 0 _3 ч-1, аі=0,2-10”3 ч-1, г = 7, пі2 = 0,5 ч“1, а2=0,1 ч-1, у = 0,9, тогда ти=0,998003, о/г =1,78- ІО-3, К г м іш = т .к —l,65oft —0,995063.
Использование второго члена ряда Тейлора для
2 |
9 |
mh = |
^ т у ' Дает незначительную поправку 3,97 X |
Х Ю - 20/о.
Итак, в этом параграфе рассмотрены простейшие рандомизированные модели изменения надежности и по казано, что основной трудностью их использования в точ ных методах анализа является отыскание законов рас пределения нелинейных многомерных функций. Сущест венно упростить анализ и расчетные соотношения позволяет приближенный метод, использующий линеари зацию и асимптотическую нормальность функций от ве личин, имеющих конечные математические ожидания. Так как погрешности приближенного метода асимптоти чески убывают с ростом объема выборок и при числе экспериментов r> 10 не превышают 10—15%, этот метод можно успешно применять для исследования качества изделий с помощью рандомизированных моделей.
2-6. Инженерный метод анализа качества систем
Кроме моделей, рассмотренных в примерах предыду щих параграфов, в инженерном анализе качества функ ционирования обслуживаемых и необслуживаемых устройств может найти широкое применение еще одна простая рандомизированная модель. Эта модель имеет два работоспособных состояния устройства ( п = 2, каче ство функционирования оценивается по уровням прогно за и отказа), учитывает взаимосвязанное появление вне запных, постепенных и перемежающихся отказов и по строена на гипотезе, что АР и ПО состоят из двух (т = ='fe= 2) обобщенных операций с приведенными значе ниями интенсивностей ja и £. С помощью этой модели
62
получим аналитические соотношения для инженерной оценки характеристик качества устройств.
Дифференциальные уравнения, описывающие динами ку изменения качества, имеют вид:
(і)= |
- Оі. + |
А0) |
(0 + |
вд (t) + т (0 + *Рь (<); |
|
||
Р'і (t) = |
loPo (0 - |
(А, + 1], + |
Ѳ+ |
V) Д (0 + Р-Рз (f); |
|
||
P\{t) = |
X0p0t + (А, + |
7і,) р, (/) - |
№ |
(f); |
(2-85) |
||
|
|
|
|
|
|
|
|
P'» (0 = |
№ (0 - |
2р.рз (0 ; Д 4(0 = |
ѵд (0 — 6р4(0 ; |
|
Для определения характеристик отдельных процессов (ухудшения качества, АР, ПО) необходимо рассматри вать переходные режимы. Начнем с определения харак теристик ухудшения качества. В этом случае в системе (2-85) необходимо положить ѵ, |, р, Ѳ= 0, тогда в ней останутся первые три уравнения, решение которых при самых общих начальных условиях позволяет найти ха рактеристики качества необслуживаемого устройства.
Вероятность безотказной работы
|
|
|
, |
(2-86) |
где <Хі=Аг+ |
|
|
|
|
плотность этой вероятности |
|
|
|
|
/ (0 — *«Pe |
е |
+ а. (Pi + ЪРо |
е ~ ^ \ |
(2-87) |
интенсивность |
отказов |
|
|
|
|
Л (t) = f(t) [p{t)]~l; |
|
(2- 88) |
|
среднее время безотказной |
работы |
|
|
|
|
|
|
|
(2-89) |
дисперсия времени |
|
|
|
|
2 |
|
|
|
|
t |
|
|
|
|
вариация времени |
|
|
(2-90) |
|
|
|
( 2- 91) |
||
|
Vt = otT0- 1. |
|
63
Чтобы найти закон распределения и числовые харак теристики определяющего параметра, методом наимень ших квадратов вычислим оптимальные квантовые значе ния х*і из условия
д |
|
— л:в |
2+\m x(t = |
T0) - x l]^ = |
|||
дх*і |
|
||||||
где |
|
= 0, |
t = ÖT2, |
|
|
(2-92) |
|
|
х*0ра(t) + |
х*,р, (t) + |
х*грг(f); |
|
|||
тх {t) = |
|
||||||
Po (О = P o ^ ; Рг (О = ^ |
ао |
+ |
|
||||
|
|
|
|
а1 |
|
|
|
+ ( Р, + |
|
е"“*'. |
Р-2 ( 0 = 1 - |
Po (0 - |
Л (О- |
||
Математическое ожидание и дисперсия выходного |
|||||||
параметра |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
тх (0 = Ц |
0П1 р,-(0, |
з* (0 = |
|
||||
|
|
і—0 |
|
|
|
|
|
' |
= s |
(-^*1 out)2 Рі (0 |
- л £ ( 0 - |
(2-93) |
|||
|
i=0 |
|
|
|
|
|
|
Вычислим коэффициенты асимметрии и эксцесса вспо |
|||||||
могательного |
распределения |
|
|
|
|
||
|
л = =>п,(0 ; ң __^ |
(В |
з |
|
(2-94) |
||
|
|
"г (О |
|
°г4 (0 |
|
|
|
где |
|
|
|
|
|
|
|
л ,( о = 5 ] [ — |
-тх (О |
|
/МО; |
|
|||
|
|
|
|
||||
|
|
і=0 |
|
|
|
|
|
,W = ] і] |
|
|
|
|
(2-95) |
||
|
|
1=0 |
|
|
|
|
|
|
|
2 |
■ тх (0 |
|
|
|
|
|
|
|
|
|
|
||
|
|
(=0 |
(О |
]*/М 0 |
|
||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
’ |
(2'96) |
|
S [ |
|
|
|
|||
|
і=а |
|
|
|
' |
|
64
и найдем плотность распределения выходного параметра
ю Iх W1 = |
[ ф' (z) “ Ж фі & + # |
Ф5 (Z) - ..." • |
|
|
(2-97) |
Таким образом, по известному диапазону допустимо- ) |
||
го изменения |
определяющего параметра |
и статистиче-1 |
ским путем найденным интенсивностям пересечения слу- | чайной функцией выбранных уровней квантования с по- 1 мощью соотношений (2-86) — (2-97) можно определить » все основные характеристики качества функционирова ния элементов и необслуживаемых устройств.
Перейдем к определению характеристик АР и ПО. Положим в системе (2-85) ло, ль ta, Хь ѵ, I, 0 равными нулю, тогда, учитывая, что вероятность восстановления работоспособности устройства
V(t) = l —p2(t)—p3(t), |
|
||
из оставшихся уравнений получим: |
|
||
V (^) = |
1 — (1 -j- |
(2-98) |
|
плотность вероятности |
восстановления |
|
|
|
V (t) = |
(2-99) |
|
интенсивность проведения АР |
|
||
jx±(f ) |
= 1 X ^ ( 1 — p i ) - 1. |
( 2 - 1 0 0 ) |
|
Аналогично, полагая в системе (2-85) т]о, Ль ^о» ^ь Ць |
|||
V, Ѳ равными нулю, |
для вероятности завершения ПО по |
||
лучим: |
|
|
|
Я(*) = І - - ( 1 + 8 ) < Г 6*, |
(2-101) |
||
плотность этой вероятности |
|
||
интенсивность ПО |
v{t) = \ 4 e ^ , |
(2-102) |
|
|
|
|
|
|
|
+ |
(2-103) |
Как следовало ожидать, время АР и время ПО име |
|||
ют гамма-распределения с параметрами |
|
||
Tpf= 2 p ._1, |
ар — 2р-~2, |
= |
|
= |
|
Ѵр = V. = 0,5 У ~ 2 . |
(2-104) |
5—385 |
65 |
Чтобы получить характеристики качества функциони рования обслуживаемого устройства в установившемся режиме эксплуатации и в дежурном режиме, рассмотрим состояние статистического равновесия. Полагая в систе ме (2-85) p 'i(t)— 0 и учитывая условие нормировки, най дем:
р |
___ ____________ __________ і ц . |
( 8 - f |
v + |
0 , 5 c t i ) ________________________ |
||||||||
|
|
I [I* ( Ѳ + ѵ |
+ а 0 + |
0 . 5 * ! |
- |
0 , 5 Х 0) |
+ |
1 . 5 А 0 (Ѳ + |
ѵ ) + ~ " * |
|||
|
|
|
+jl .5*0*,] + |
2v(fc ( а о- 0 |
, 5 А о) ; |
|
(2-105) |
|||||
n |
|
6 ІР (Ѳ + |
|
( а о |
|
0 . 5 Х 0) |
|
|
|
|
||
|
1 “ |
V + а0 + |
0,5а1 - |
|
0 ,5 \0)]+ 1 ,5 [Х0 (8+ ѵ )+ ^ |
|||||||
|
|
|
+ “ оа і] + 2ѵ (х ( а 0 — 0 , 5 Л 0) |
! |
|
( 2 - 1 0 6 ) |
||||||
р |
I |
|
Х0| К “і + |
Хо (ѵ + |
8)1 |
|
|
|
||||
2 ~ |
[ * о « 1 + Х . ( Ѵ + Ѳ ) ] ( 1 , 5 \ 0 + | І . ) + | * (Ѵ)0+ 0 , 5 Х 0) |
[ 6 |
( Х 0- |
* , ) + 2 ѵ Х 0] ' |
||||||||
Коэффициент готовности устройства |
|
|
(2-107) |
|||||||||
|
|
|
||||||||||
|
__ I* { h o + |
0.5Хо) (Х„ — *,) + |
К « 1 |
+ |
Х„ (у + |
9)]} Р |
||||||
Л г~ |
X, [*,*, + X, (ѵ + |
0)] |
|
|
(2-108) |
|||||||
коэффициент простоя на АР |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|||||
|
|
|
|
/Ср=1,5 Р 2, |
|
|
|
|
(2-109) |
|||
коэффициент простоя на ПО |
|
|
|
|
|
|
|
|
||||
|
|
|
2ѵ[Д (-По+ 0 . 5 Х о) |
|
|
|
(2- 110) |
|||||
|
|
|
і;[«о“і+ х0'.(ѵ + |
8)1 |
|
|
||||||
|
|
|
|
|
|
Характеристики тх, ах, (о(х) определяют по форму лам (2-93) — (2-97). Особенностью является то, что они не зависят от времени. Коэффициент надежности обслу живаемого устройства, используемого в дежурном режи ме, рассчитывается, как обычно:
А(0 = КХ7 7 ‘ JP W dx, |
(2-111) |
t |
|
где характеристики Р(т), Т0 и Кг определяют соответст венно по формулам (2-86), (2-89), (2-108).
Полученные в этом параграфе соотношения позволя ют по относительно простой исходной статистике оценить наиболее часто применяемые в инженерном анализе ха-
66
рактеристики качества функционирования устройств в любых режимах их использования: при однократном применении, при непрерывном использовании и при ра боте в дежурном режиме. При больших вариациях оце нок интенсивностей необходимо прибегать к методу ли неаризации для определения начальных и центральных моментов характеристик качества (§ 2-5).
2-7. Особенности применяемого метода
При построении вероятностно-статистических моделей изменения качества функционирования электронных си стем по предлагаемому методу используют квантование по уровню случайных функций и марковскую аппрокси мацию реальных процессов. Квантование не вносит по грешностей в оценку надежности устройств, а влияет лишь на точность определения законов распределения выходных параметров. Марковская аппроксимация влия ет как на точность определения законов распределения, так и на точность оценки характеристик надежности устройств. Последовательно рассмотрим особенности квантования и марковской аппроксимации.
Сущность квантования по уровню случайного процес са, как известно, заключается в том, что все значения процесса, попадающие в заданный интервал, называемый интервалом квантования или просто квантом, представ ляют одним определенным значением, которое называют квантованным. Процесс квантования определен, если за дана характеристика квантования, т. е. если указан ин тервал ДХі значений процесса, который соответствует і-му квантованному значению. Иногда для простоты кванты выбирают одинаковыми и говорят, что квантова ние производится с постоянным шагом.
При квантовании, как правило, возникают две основ ные задачи — задача оценки искажения структуры кван туемого процесса (задача анализа погрешностей кванто вания) и задача оптимизации квантования (задача ми нимизации погрешностей квантования по определенным целевым функциям).
Погрешности квантования определяют ошибками квантования. Ошибкой квантования г*(/) в момент вре мени і для г'-го интервала квантования называют раз ность между исходным значением случайного процесса
5* 67
X (t) и 1-м квантованным значением я*,
Zi(t)—X ( t ) — x*i, 1 = О, N— 1,
где N — число квантов. В целом погрешности квантова ния характеризуют определенными функциями g[zj(£)]. В прикладных задачах широко применяют
(f)] = s ’1 [X (0 — л^*]* |
(211 2) |
г=о
и для простоты анализа используют математическое ожидание этой характеристики
mg (t)— j12 [x{t) — x*iY f[x(t)\dx, |
(2-113) |
b i=0 |
|
где f[x(t)]— одномерная плотность вероятностей |
кван |
туемого процесса в момент времени 1. |
|
Обычно функция (2-113) в задачах анализа погреш ностей квантования является искомой, а в задачах опти мизации квантования выступает в качестве целевой функции.
Обозначим х*і =Хі+і—уіАхі (хі+і—1 + 1 уровень кван тования) . Очевидно, что погрешности квантования опре деляются как самой природой квантуемого процесса, так и тем, как выбраны параметры х*і, Хі+і, А.ѵ,-, уг. В зада чах оптимизации квантования эти параметры играют роль управляемых.
Очевидно, что в зависимости от выбора целевых функций и управляемых параметров может быть боль шое число различных задач анализа и оптимизации кван тования случайных процессов. В дальнейшем нам потре буются результаты решения следующей важной задачи оптимизации квантования. Известен одномерный закон распределения квантуемого процесса, уровни квантова ния выбраны, требуется найти оптимальные квантован ные значения,, которые доставляют минимум функции (2-113). Рассмотрим ее решение.
Более простые решения получаются, если отыскивать
оптимальные значения параметров у,-, 1 = 0, N —1. Под ставим значение х *і в формулу (2-113), продифференци руем полученную функцию по параметрам у , и, прирав няв производные нулю при условии, что вторые произ-
68
водные этой функции больше нуля, получим систему уравнений для отыскания у
Л'—1 |
хг +і |
|
|
S |
f [х (/) — зу-+ |
Ъ^Хі] bXif \x{t)\ dx = |
|
i —0 |
x",X |
i = Q ,N — i. |
(2-114) |
|
= 0, |
Для иллюстрации особенностей решения задачи опре делим квантованные значения и минимальные математи ческие ожидания суммы квадратов ошибок детермини рованного и случайного нормального процессов. При квантовании нестационарных случайных процессов опти мальные квантованные значения также зависят от вре мени, т. е. уі= уі(і). В дальнейшем для сокращения за писи эту зависимость мы не будем подчеркивать. Выбе
рем для упрощения анализа уі = у , і = 0, N—1.
Пример 2-9. Рассмотрим детерминированный процесс ^ c . Одномерной плотностью такого процесса
является дельта-функция, поэтому
|
N - \ |
j ( х — х * і ) 2 8(л' — х і+1) dx + |
|
||||
m*(Y)= S |
|
||||||
|
і = 0 |
|
|
|
|
|
|
+ J (x — x*if S (x — Xi) dx |
=s ' |
[ te +1-■**,)’ + |
|||||
|
|
+ {Xi - X*if]. |
|
|
|
||
Используя (2-114), получим: |
|
|
|
|
|||
(4у — 2) |
£ |
Лх* = 0, |
Топт = |
0,5. |
(2-115) |
||
|
|
i=э |
|
|
|
|
|
Минимальное |
значение mg (y) |
N- 1 |
|
||||
|
|
|
|
|
|
||
^ймин == tTLg(Хопт) |
0,5 |
2 |
Ах\ |
(2-116) |
|||
|
|
|
|
|
i=а |
|
|
Минимальная |
среднеквадратичная погрешность |
кван |
|||||
тования |
|
|
/ |
Л/—1 |
|
|
|
|
|
|
|
|
|
||
|
айшш |
0,5 |
2 дх 2, |
|
|||
|
|
|
|
(=0 |
1 |
|
|
69