Гнеденко—Вейбулла

Для случая распределения отказов по закону Вейбулла-.Гнеденко после небольших преобразований можно получить [c.142]

Распределение Вейбулла—Гнеденко. Трехпараметрическое распределение Вей-булла—Гнеденко имеет функцию [c.12]

Распределение Вейбулла—Гнеденко используют для аппроксимации результатов кратковременных статических и динамических испытаний в случае хруп, кого разрушения образцов, а также результатов испытаний на многоцикловую усталость. [c.14]

Рис. 1.10. Вероятностная сетка для трехпараметрического распределения Вейбулла—Гнеденко

При построении вероятностной сетки для трехпараметрического распределения Вейбулла—Гнеденко (1.46) вдоль оси абсцисс в равномерном масштабе располагают шкалу значений величины lg (х — Хн) или в логарифмическом масштабе — шкалу значений х — Хц. Вдоль оси ординат в равномерном масштабе строят шкалу величины у и шкалу соответствующих значений функции распределения Р (1.46), связанных с величиной у формулой [c.16]

Оценка параметров распределения Вейбулла—Гнеденко. Правила определения оценок для параметров распределения Вейбулла—Гнеденко регламентирует ГОСТ 11.007—75. [c.25]

На рис. 2.5 эти же данные нанесены на вероятностной сетке, соответствующей распределению Вейбулла—Гнеденко (1.46) и (1.53). Параметры распределений б1,1ли оценены в примерах 2.6 и 2.7. [c.37]

Рис. 2.5. Графики эмпирических функций распределения числа циклов до разрушения образцов на вероятностной сетке распределения Вейбулла—Гнеденко

Квантиль случайной величины, распределенной по закону Вейбулла—Гнеденко (1.46), оценивается по формуле [c.39]

Проверка гипотезы о соответствии распределения числа циклов до разрушения трехпараметрическому распределению Вейбулла—Гнеденко [c.83]

IV. ЗНАЧЕНИЯ СТАТИСТИК ДЛЯ ОЦЕНКИ ПАРАМЕТРОВ РАСПРЕДЕЛЕНИЯ ВЕЙБУЛЛА—ГНЕДЕНКО [c.207]

Вейбулла — Гнеденко распределение — Оценка параметров 25, 28, 29 Величина детерминированная независимая — Схема анализа 131—136 Величина случайная дискретная — Понятие 5 [c.225]

Размах варьирования — Формула 20 Распределение Вейбулла—Гнеденко 12—14 [c.228]

Закон распределения Вейбулла — Гнеденко. Данный закон проявляется в модели так называемого слабого звена . Если система состоит из группы независимых элементов, от- [c.39]

Примером использования распределения Вейбулла—Гнеденко является распределение ресурса подшипника качения, который ограничивается одним из элементов шарик или ролик, конкретный участок сепаратора и т, д. По аналогичной схеме наступает предельное состояние тепловых зазоров клапанного механизма. Некоторые изделия при анализе модели отказа могут быть рассмотрены как состоящие из нескольких элементов (участков). Это прокладки, уплотнения, шланги, трубопроводы, приводные ремни и т. д. Разрушение указанных изделий происходит в разных местах и при разной [c.39]

Уравнение (6,5) определяет семейство функций распределения пределов выносливости в форме, близкой к распределению Вейбулла—Гнеденко для элементов с различными значениями [c.262]

Вейбулла — Гнеденко распределение 262 [c.481]

Примером использования распределения Вейбулла-Гнеденко является распределение ресурса или интенсивности изменения параметра технического состояния изделий, механизмов, деталей, которые состоят из нескольких элементов, составляющих цепь. [c.29]

Распределение отказов большинства основных деталей хорошо согласуется с законом Вейбулла—Гнеденко с коэффициентом вариации 0,44—0,95. На основании по- [c.47]

Наиболее простым методом оценки параметров распределения Вейбулла—Гнеденко является использование вероятностной бумаги, на которой функция распределения Вейбулла линеаризуется в результате применения логарифмической шкалы аргумента и двойной логарифмической шкалы функции. Решение с применением вероятностной бумаги приведено ниже. [c.242]

Построенная на основе формулы (94) двойная логарифмическая сетка в обычных декартовых координатах позволяет располагать экспериментальные точки на прямых линиях и отрезках (на ломаных кривых). Параметры закона определяются графическим методом. Двойная логарифмическая сетка строится в десятичных логарифмах, в то время как сетка на вероятностной бумаге Вейбулла—Гнеденко—в натуральных логарифмах. Исходное уравнение представим в следующем виде [c.255]

Пример 2.5. Поданным примера 2.4 оценить параметры двухпараметрической функции рпгпределения Вейбулла—Гнеденко (1.53). [c.29]

Сопоставляя рис. 2.4 и 2.5, можно заключить, что распределение числа цик-лш1 до разрушения удовлетворительно аппроксимируется логарифмически иормаль-III,1М распределением и менее удовлетворительно распределениями Вейбулла—Гнеденко (1-46) и (1.53). В последнем случае экспериментальные точки имеют сущест-ьн Иныс отклонения от аппроксимирующих прямых линий. [c.37]

Пример 3.19. Проверить с помощью критерия Пирсона нулевую гипотезу о распределении числа циклов до раарушення при усталостных испытаниях по закону Вейбулла—Гнеденко (1.46) для уровня значимости а = 0,05 по данным табл. 2.3 и 2.8. [c.83]

Кроме перечисленных, встречаются и другие законы распределения гамма-распределения, Релея и прочие, сведения о которых можно получить из специальной литературы. Важно при этом подчеркнуть, что понимание процессов изменения технического состояния, знание соответствующих законов распределения случайных величин серьезно облегчает и делает более точными инженерные расчеты, а также позволяет предвидеть вероятность наступления тех или иных событий. Например, если известно, что закон распределения нормальный, расчеты надежностных характеристик сводятся к использованию нормированной функции. Для экспоненциального и закона распределения Вейбулла—Гнеденко также построены таблицы или простые линейные номограммы — вероятностная бумага . [c.41]

Закон распределения Вейбулла-Гнеденко проявляется в модели так называемого слабого звена . Если система состоит из группы независимых элементов, отказ или неисправность каждого из которых приводит к отказу всей системы, то вероятность ее безотказной работы определяется предельным распределением для крайних членов последовательности взаимонезависимых величин. [c.28]

В результате исследования статистических материалов было установлено, что эмпирические распределения износа кулачков являются полимодельными. Причина заключается в том, что в период первого, второго и третьего технических обслуживаний обнаруживается наибольшее число дефектов и в гистограммах распределения наблюдаются максимумы. Поэтому эти распределения не описываются стандартными законами (нормальным, Эрланга, Вейбулла — Гнеденко) и возникает вопрос об аппроксимации их другими функциями. [c.363]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...