数控机床可靠性模型参数的免疫克隆极大似然估计摘要：极大似然法是数控机床可靠性模型参数估计的常用方法之一，通常利用迭代法以求解方程组的形式获得参数估计值，但当模型参数超过两个时，迭代法求解困难。为实现多参数可靠性模型的参数估计，提出了模型参数的免疫克隆极大似然估计法。将参数估计问题转化为带有约束的优化问题，以负对数似然函数最小为目标函数进行优化，获得了模型参数和可靠性指标的最优极大似然点估计和区间估计。以改进的非齐次泊松过程模型为例进行验证，结果表明免疫克隆算法收敛速度快，计算准确度高，为可靠性模型的参数估计提供了一个有效的新方法。 针对迭代法难于求解三参数幂律过程模型参数的极大似然估计问题，提出了基于免疫克隆算法的可靠性模型参数估计法。推导了计算模型参数和可靠性指标最优极大似然点估计的数学公式，给出了模型参数优化求解的数学模型。实例验证表明，该算法可获得模型参数的全局最优解，收敛速度快，为可靠性模型的参数估计提供了一个有效的新方法。 关键词：数控机床; 非齐次泊松过程; 可靠性模型; 免疫克隆算法; 极大似然估计 数控机床是复杂的可修机电系统，受机床工作环境、操作人员的熟练程度及维修策略等诸多因素的影响，系统故障间隔时间一般非独立同分布[1]。因此，最小维修情况下，将机床故障过程视为随机点过程，利用非齐次泊松过程(NHPP)理论建立可靠性模型成为分析机床等可修系统可靠性的一种有效方法。文献[2,3]利用NHPP理论分别分析了水泵的故障强度和发动机的寿命可靠性，验证了模型的有效性。王智明等[4]基于NHPP的幂律过程建立数控机床最小维修的可靠性评估模型，得出当故障间隔时间呈现出明显的上升或下降趋势时，NHPP模型更适合描述数控机床的故障过程。崔毅勇等[5]利用NHPP理论分析了航空机载可修产品的使用可靠性，并得出了该机载产品的一般故障统计规律。为使模型更符合工程实际，杨绍奎等[6]在幂律过程模型的基础上，提出改进的非齐次泊松过程模型，分析了坦克装甲车辆某分系统的故障，准确地得到了系统初始时刻的故障强度。但该模型参数的求解成为工程应用中的另一难点，传统的利用迭代法以求解方程组的方式获得模型参数的极大似然估计不再适用。鉴于此，本文提出了可靠性模型参数的免疫克隆极大似然估计法。将参数估计问题转化为函数优化问题，通过模拟生物免疫系统的克隆选择过程对目标函数进行优化，进而得到模型参数和可靠性指标的最优极大似然点估计和区间估计。该算法优化目标函数无需连续、可微等苛刻的条件，具有较高的计算效率和准确度。通过以改进的非齐次泊松过程模型为例，说明了方法的可行性。 1. 改进的非齐次泊松过程模型 幂律过程(Power Law Process, PLP)是比较常用的非齐次泊松过程(NHPP)之一，适合描述可修复机械系统的故障过程。但该模型在形状参数不为1时，初始时刻故障强度或为零或为无穷大，这与实际情况不符，因此，杨绍奎[6]等提出改进的非齐次泊松过程模型，其故障强度函数定义为
泊松过程与泊松分布的基本知识泊松过程是随机过程的一个经典模型，是一种累积随机事件的发生次数的独立增量过程。也就是说，每次事件的发生是相互独立的。那么泊松分布和泊松过程又什么关系呢？可以说泊松分布是描述稀有事件的统计规律，即可以描述一段时间内发生某个次数的概率。而泊松过程呢，就适合刻画“稀有事件流”的概率特性。 比较：泊松分布 泊松过程的主要公式： 其实没多少不一样对不对？不一样的是泊松过程是一个可以查看在时间t内发生次数的概率，这个t是可变的。泊松分布则是给定了时间。 泊松过程的关键在于，它的到达间隔序列Tn，即每两次发生的时间是服从的独立同指数分布的。如果每次发生的间隔时间不服从指数分布，那么这个随机过程就会更一般化，我们成为是更新过程，这也是随机过程的推广。 泊松过程分为齐次泊松过程和非齐次泊松过程，齐次的意思很简单，就是说过程并不依赖于初始时刻，强度函数是一个常数，从上面的公式也看得出来。而非齐次则是变成了,这意味着什么呢？这以为着随着与时间的改变，强度是会改变的，改变服从强度函数，说了这
么久，强度究竟是个什么概念？强度的意思就是泊松过程的该事件发生的频率，或者说快慢，泊松分布中我们知道期望就是,实际含义就是，在一段时间内，发生的次数平均水平是次。 复合泊松过程：泊松过程我们已经知道，用描述一段时间累积发生的次数，但是如果每次发生带来的后果都是不一样的，我们怎么描述这个过程呢？比如，火车站到达的乘客是服从泊松过程的，但是每个乘客携带有不同重量的行李，我们如何刻画在[0,t]时间内行李总重量呢，这个过程就是复合泊松过程。复合泊松过程的均值函数和方差函数一般可以用全期望和全方差公式进行计算，因为简单泊松过程的期望很容易求。 更新过程： 上文已经说到，更新过程作为泊松过程的推广，更具有一般性，那么在讨论更新过程时，我们更多地讨来更新函数，更新函数是更新过程的均值函数m(t)=E[N(t)]，怎么理解呢，就是说需要用t时刻的累积计数的期望特性来表达更新过程。有一条定理： 这个定理是可以证明的，Fn（t）是分布函数，就是说：在t时刻，更新函数值就是在这个时刻，n取遍所有值的分布之和。 那么是否可以这样理解，更新过程和泊松过程的区别就是更新间隔序列不同，那么如果已知了更新间隔序列的概率密度函数，就可以求解该过程的更新函数了，详细的推导就不写了。扔结论出来：对间隔序列概率密度函数做拉氏变换得到Lf(s),然后求 Lm(s)=Lf(s)/s(1-Lf(s)),再对Lm(s)进行逆变换，就得到了m(t),这就是更新函数。
泊松过程 一种累计随机事件发生次数的最基本的独立增量过程。例如随着时间增长累计某电话交换台收到的呼唤次数，就构成一个泊松过程。 泊松过程是由法国著名数学家泊松（Poisson, Simeon-Denis）（1781—1840）证明的。 1943年C.帕尔姆在电话业务问题的研究中运用了这一过程，后来Α.Я.辛钦于50年代在服务系统的研究中又进一步发展了它。 Poisson过程（Poisson process，大陆译泊松过程、普阿松过程等，台译卜瓦松过程、 布瓦松过程、布阿松过程、波以松过程、卜氏过程等），是以法国数学家泊松（1781 - 1840） 的名字命名的。泊松过程是随机过程的一种，是以事件的发生时间来定义的。我们说一个 随机过程N(t) 是一个时间齐次的一维泊松过程，如果它满足以下条件： 在两个互斥（不重叠）的区间内所发生的事件的数目是互相独立的随机变量。 在区间内发生的事件的数目的概率分布为： 其中λ是一个正数，是固定的参数，通常称为抵达率（arrival rate）或强度（intensity）。 所以，如果给定在时间区间之中事件发生的数目，则随机变数呈现泊松分布，其参数为。 更一般地来说，一个泊松过程是在每个有界的时间区间或在某个空间（例如：一个欧几里得平面或三维的欧几里得空间）中的每一个有界的区域，赋予一个随机的事件数，使得?在一个时间区间或空间区域内的事件数，和另一个互斥（不重叠）的时间区间或空间区域内的事件数，这两个随机变数是独立的。 ?在每一个时间区间或空间区域内的事件数是一个随机变数，遵循泊松分布。（技术上而言，更精确地来说，每一个具有有限测度的集合，都被赋予一个泊松分布的随机变数。）
泊松过程 泊松过程是随机过程的一个经典模型，是一种累积随机事件的发生次数的独立增量过程。也就是说，每次事件的发生是相互独立的。那么泊松分布和泊松过程又什么关系呢？可以说泊松分布是描述稀有事件的统计规律，即可以描述一段时间内发生某个次数的概率。而泊松过程呢，就适合刻画“稀有事件流”的概率特性。 比较：泊松分布 泊松过程的主要公式： 其实没多少不一样对不对？不一样的是泊松过程是一个可以查看在时间t内发生次数的概率，这个t是可变的。泊松分布则是给定了时间。 泊松过程的关键在于，它的到达间隔序列Tn，即每两次发生的时间是服从的独立同指数分布的。如果每次发生的间隔时间不服从指数分布，那么这个随机过程就会更一般化，我们成为是更新过程，这也是随机过程的推广。
泊松过程分为齐次泊松过程和非齐次泊松过程，齐次的意思很简单，就是说过程并不依赖于初始时刻，强度函数是一个常数，从上面的公式也看得出来。而非齐次则是变成了,这意味着什么呢？这以为着随着与时间的改变，强度是会改变的，改变服从强度函数，说了这么久，强度究竟是个什么概念？强度的意思就是泊松过程的该事件发生的 频率，或者说快慢，泊松分布中我们知道期望就是,实际含义就是，在一段时间内，发生的次数平均水平是次。 复合泊松过程：泊松过程我们已经知道，用描述一段时间累积发生的次数，但是如果每次发生带来的后果都是不一样的，我们怎么描述这个过程呢？比如，火车站到达的乘客是服从泊松过程的，但是每个乘客携带有不同重量的行李，我们如何刻画在[0,t]时间内行李总重量呢，这个过程就是复合泊松过程。复合泊松过程的均值函数和方差函数一般可以用全期望和全方差公式进行计算，因为简单泊松过程的期望很容易求。 更新过程： 上文已经说到，更新过程作为泊松过程的推广，更具有一般性，那么在讨论更新过程时，我们更多地讨来更新函数，更新函数是更新过程的均值函数m(t)=E[N(t)]，怎么理解呢，就是说需要用t时刻的累积计数的期望特性来表达更新过程。有一条定理：
作者：BUG生成器 来源：知乎 ·从一个生活的例子中引出泊松过程 愉快的暑假结束了，同学们陆陆续续来到学校。在开学当天的上午，学校教导主任开始站在学校门口计数到达学校的同学的个数，每分钟计数一次（单位时间），可能是开学第一天比较清闲，顺便观察一下同学们的精神面貌。 通常在一个短暂的时间段内，单位时间到达学校的人数的数学期望应该是一致的。这是很容易理解的，毕竟这是一个学生人数众多的学校，在教导主任站在门口的这几个小时内到达学校的人数，相比较学校的总人数是微不足道的，也就是说，这一分钟到达学校人数的期望和下一分钟到达学校的人数的期望是相同的。 同时，对于某一分钟（单位时间），某一个学生在这一分钟到达学校的概率也是相同的，两个同学互不相关，在满足学校到校时间要求的前提下，他们到达学校的时间是自由的。并且假设每个学生在一分钟内到达学校的概率为P。 这个时候就可以定义随机变量了，假设有n个随机变量，它表示
也就是每个学生都有一个独立的状态，可以是1或者是0，这些所有随机变量加起来就是自观察记录以来到达学校的总人数。 可以看出对于一个确定的时刻t，所有随机变量的和——假设是X，它的概率模型就是比较常见的二项分布。 为什么会是二项分布呢，可能用这种所有学生相互独立的描述方法不易直观理解，那么我们可以这样想，在这样一个确定的时刻，依次询问这个学校所有的学生（不管他有没有到校）有没有到校，那么获得“这个学生已经到校”这个信息的概率是p，“这个学生还
没有到校”的概率是1-p。拿出来一个学生询问就好比做了一次实验，这个实验的结果（这个结果是从开始到时刻t的整个过程决定的，注意理解）为1就计数+1，为0就不计数。 那么现在就可以根据二项分布的概率模型写出随机变量X的分布函数
课程名称：《随机过程》课程设计（论文） 题目: 非齐次泊松过程 在数控机床可靠 性建模中的应用 学院：理学院 专业：数学与应用数学 班级：数学12-1班 学生姓名：王玲玲 学生学号： 2012027149 指导教师：蔡吉花 2015 年 1月 3 日
随机过程课程设计 目录 任务书 (1) 摘要 (1) 前言 (2) １非齐次泊松过程理论 (2) 1.1 非齐次泊松过程的基本理论简介 (2) 1.2 基于试验总时间法的趋势检验 (2) 2 数控机床的非齐次泊松过程可靠性建模 (3) 2.1强度函数的建立................................................. . (3) 2.2 Ｋ台数控机床强度函数的参数估计......................... (4) 2.3 非齐次泊松过程下的可靠性指标............................... ....... (5) 3实例分析 (5) 4结束语 (7) 5程序及结果 (8) 6参考文献 (9) 附录……………………………………………………………………………… 评阅书……………………………………………………………………………
摘要 基于试验总时间法对多样本随机截尾的数控机床现场数据进行趋势检验，在故障过程为浴盆曲线的趋势条件下构建了数控机床的非齐次泊松过程的可靠性模型。本文使用极大似然估计法对非齐次泊松过程的强度函数进行参数估计得到了该模型的可靠性指标，以6台加工中心的现场数据为例建立了非齐次泊松过程的可靠性模型。再通过matlab曲线拟合，绘制出故障时间的曲线，通过曲线的拟合程度，可以确定非齐次泊松过程能够更恰当地表现故障的趋势。 关键词：数控机床可靠性非齐次泊松过程浴盆曲线
第二讲 泊松过程 1．随机过程和有限维分布族 现实世界中的随机过程例子： 液体中，花粉的不规则运动：布朗运动；股市的股票价格； 到某个时刻的电话呼叫次数； 到某个时刻服务器到达的数据流数量，等。 特征：都涉及无限多个随机变量，且依赖于时间。 定义（随机过程） 设有指标集T ，对T t ∈都有随机变量)(t X 与之对应，则称随机变量族 }),({T t t X ∈为随机过程。 注 一个随机过程是就是一个二元函数E T t X →?Ωω:),(。固定ω，即考虑某个事件相 应的随机变量的值，得到函数R T t X →:),(ω称为样本函数或轨道或一个实现。映射的值域空间E 称为状态空间。 例 随机游动(离散时间，离散状态) 质点在直线上每隔单位时间位置就发生变化，分别以概率p 或概率p -1向正或负向移动一个单位。如果以n S 记时刻n 质点所处的位置，那么就得到随机过程{,0}n S n ≥。这里指标集},1,0{ =T ，状态空间},1,0,1,{ -=E 。 如果记n X 为时刻n ，质点的移动，那么{,1}n X n ≥也是随机过程。 两个过程的区别：{}n S 不独立；{}n X 独立； 两个过程的关系：01 n n k k S S X ==+ ∑ 习题 计算n ES 和n DS （设00S =）。 提示 利用∑== n k k n X S 1 ，其中k X 是时刻k 的移动方式。 习题 设从原点出发，则()/2()/2()/2 ,2()0, 21n k n k n k n n C q p n k i P S k n k i +-+?+===?+=-?。 例 服务器到达的数据流(连续时间，离散状态) 在],0[t 内，到达服务器的数据包个数记为)(t N ，那么}0),({≥t t N 也是个随机过程， 其指标集}{+ ∈=R t T ，状态空间},1,0{ =E 。
应用随机过程课程论文 题目: 浅谈泊松过程及其应用 姓名: 学院: 理学院 学号: 2013年7月1 日
浅谈泊松过程及其应用 摘要： 本文论述了泊松过程的有关定义，并对其进行相应的推广，阐述了时齐泊松过程、非时齐泊松过程、复合泊松过程以及条件泊松过程，从中很容易看出它们之间的联系。同时，本文也在排队论、数控机床可靠性、保险、航空备件需求上简单描述了泊松过程的应用。另外，泊松过程在物理学、地质学、生物学、金融和可靠性理论等领域中也有着广泛的应用。 关键词：泊松过程；复合泊松过程；排队论 一、泊松过程 1．时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,()()s t k N s t N s ?≥∈+- 是参数为t λ的泊松分布，即 {}()()().! k t t P N t s N t k e k λλ-+-== 则称此随机过程为时齐泊松过程。 2．非时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,s t k ?≥∈ 满足{}()()[()()]()().! k m s m s t m s t m s P N t s N t k e k -++-+-==其中 0()()t m t s ds λ=?，则称此随机过程为具有强度函数为{}(t)>0λ的非时齐泊松过程。 3．复合泊松过程 定义：设{},1i Y i ≥是独立同分布的随机变量序列，{}(),0N t t ≥为泊松过程，且{}(),0N t t ≥与{},1i Y i ≥独立，记() 1()N t i i X t Y ==∑，则称{}(),0X t t ≥为复合泊松过程。 4．条件泊松过程 定义：设Λ为一正的随机变量，分布函数为(),0G x x ≥，当给定λΛ=的条件下，{}(),0N t t ≥是一个为泊松过程，即0,0,,0s t k λ?≥∈≥ ， 有{}()()().! k t t P N t s N t k e k λλλ-+-=Λ== 则称{}(),0N t t ≥是条件泊松过程。 注：这里{}(),0N t t ≥不再是增量独立的过程，由全概率公式，可得 {}0()()()().! k t t P N t s N t k e dG k λλλ∞ -+-==? 二、泊松过程的部分应用 泊松过程是一类较为简单的时间连续状态离散的随机过程。泊松过程在物理学、地质学、生物学、金融和可靠性理论等领域中都有广泛的应用。下面就谈谈部分的应用。
一个基本的独立增量过程，用于累积随机事件的发生时间。例如，随着时间的推移累积电话交换机接收的呼叫数量就构成了泊松过程。 法国著名数学家泊松（1781-1840）证明了泊松过程。1943年，C。Pahlm将这一过程应用到电话服务的研究中，后来又应用于α。я。1950年代，辛勤在服务系统研究中进一步发展了它。法国数学家Poisson于1781年6月21日出生于法国卢瓦尔河，于1840年4月25日去世，死于法国苏富比镇。 1798年，他进入巴黎综合科学与工程学院深造。毕业后，他以出色的研究论文被任命为讲师。由p.-s赞赏。拉普拉斯和j.l.拉格朗日。1800年毕业后，他留校任教，1802年成为副教授，并接替了J.-B.-J.傅里叶于1806年担任教授。1808年，他是法国经度局的天文学家，1809年，他是巴黎科学研究所的力学教授。1812年，他当选为巴黎科学院院士。 泊松的科学生涯始于对微分方程的研究及其在摆运动和声学理论中的应用。他的工作特征是运用数学方法研究各种机械和物理问题，并获得数学发现。他为积分理论，行星运动理论，热物理学，弹性理论，电磁理论，势能理论和概率论做出了重要贡献。 对于泊松过程，通常认为每个样本函数都是一个左跳（或右跳）连续
阶跃函数，其跳跃为1。可以证明具有此属性的样本函数的随机连续独立增量过程必须是泊松过程，因此，泊松过程是描述随机事件累积发生时间的基本数学模型之一。凭直觉，只要随机事件在不相交的时间间隔内独立发生并且在足够小的间隔内仅发生一次，则它们的累积时间就是一个泊松过程。这些条件在许多应用中都可以满足。例如，某个系统在时间段[0，t]中的故障数和在真空管加热t秒钟后阴极发射的电子总数可以被认为是泊松过程。 描述随机事件的累积发生时间的过程通常称为计数过程（请参阅点过程）。还可以通过依次跳转的时间{Tn，n≥1}定义简单的局部计数过程{X（t），t≥0}，即T0 = 0，Tn = inf {t：X（t）≥n}，n≥1，并且当TN 应用随机过程课程论文 题目:浅谈泊松过程及其应用 姓名: 学院:理学院 学号: 2013年7月1 日 浅谈泊松过程及其应用 摘要： 本文论述了泊松过程的有关定义，并对其进行相应的推广，阐述了时齐泊松过程、非时齐泊松过程、复合泊松过程以及条件泊松过程，从中很容易看出它们之间的联系。同时，本文也在排队论、数控机床可靠性、保险、航空备件需求上简单描述了泊松过程的应用。另外，泊松过程在物理学、地质学、生物学、金融和可靠性理论等领域中也有着广泛的应用。 关键词：泊松过程；复合泊松过程；排队论 一、泊松过程 1．时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,()()s t k N s t N s ?≥∈+-是参数为t λ的泊松分布，即 {}()()().! k t t P N t s N t k e k λλ-+-== 则称此随机过程为时齐泊松过程。 2．非时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,s t k ?≥∈满足{}()()[()()]()().! k m s m s t m s t m s P N t s N t k e k -++-+-==其中 0()()t m t s ds λ=?，则称此随机过程为具有强度函数为{}(t)>0λ的非时齐泊松过程。 3．复合泊松过程 定义：设{},1i Y i ≥是独立同分布的随机变量序列，{}(),0N t t ≥为泊松过程， 且{}(),0N t t ≥与{},1i Y i ≥独立，记() 1()N t i i X t Y ==∑，则称{}(),0X t t ≥为复合泊松过程。 4．条件泊松过程 定义：设Λ为一正的随机变量，分布函数为(),0G x x ≥，当给定λΛ=的条件下，{}(),0N t t ≥是一个为泊松过程，即0,0,,0s t k λ?≥∈≥， 有{}()()().! k t t P N t s N t k e k λλλ-+-=Λ== 则称{}(),0N t t ≥是条件泊松过程。 注：这里{}(),0N t t ≥不再是增量独立的过程，由全概率公式，可得 {}0()()()().! k t t P N t s N t k e dG k λλλ∞ -+-==? 第三章 泊松过程 3.1 泊松过程 定义3.1 计数过程：随机过程{}(),0N t t ≥称为一个计数过程，若()N t 表示从0到时 刻t 为止某一事件A 发生的总数，它是一个状态取非负整数、时间连续的随机过程。计数过程满足以下条件： （1）()0N t ≥，且取值非负整数； （2）若s t <，则()()N s N t <； （3）对于s t <，()()N t N s -表示时间区间(,]s t 内事件A 发生的次数。 如果在不相交的时间区间中发生的事件个数是独立的，则称计数过程有独立增量过程。如时刻t 已发生的事件A 的次数即()N t ，必须独立于时刻t 和t s +之间所发生的事件数即 (()())N t s N t +-。 如果在任一时间区间内发生的事件A 的次数的分布只依赖于时间区间的长度，则称计数过程为平稳增量过程。即对一切12t t <及0s >，在区间12(,]t s t s ++中事件A 的发生次数即21(()())N t s N t s +-+与区间12(,]t t 中事件A 的发生次数即21(()())N t N t -具有相同的分布，则过程有平稳增量。 泊松过程是计数过程的最重要类型之一，其定义如下。 定义3.2 泊松过程：计数过程{}(),0N t t ≥称为参数为λ(0λ>)的泊松过程，如果满 足： （1）()0N t =； （2）过程有独立增量； （3）在任一长度为t 的区间中事件的个数服从均值为t λ的泊松分布。即对一切s ，0t ≥， {}()(),0,1,2,! n t t P N t s N s n e n n λλ-+-=== 从条件（3）可知泊松过程有平稳增量且[()]E N t t λ=，于是可认为λ是单位时间内发生事件A 的平均次数，一般称λ是泊松过程的强度或速率。 为确定一个任意的计数过程是泊松过程，必须证明它满足上述三个条件。其中，条件泊松过程的应用
随机过程第三章 泊松过程
相关主题
文本预览