下载文档原格式
小样本多技术状态性能可靠性的仿真评估方法
张志华;李庆民;田艳梅
【期刊名称】《系统仿真学报》
【年(卷),期】2007(19)2
【摘要】针对大型产品性能试验的多技术状态、小样本特点,提出了基于环境因子仿真的性能可靠性评估方法。
运用仿真技术获得了环境因子的仿真结果;利用环境因子将多技术状态下的试验数据折算为产品设计状态下的性能试验数据,基于折算后的性能试验数据得到了产品性能可靠性估计。
最后,通过一个仿真实例说明了折算模型具有稳健性。
【总页数】4页(P417-420)
【关键词】可靠性仿真;性能可靠性评估;环境因子;小样本
【作者】张志华;李庆民;田艳梅
【作者单位】海军工程大学
【正文语种】中文
【中图分类】TB302
【相关文献】
1.基于电路仿真和正态假设的小样本多试验环境下产品性能可靠性评估 [J], 贾占强;蔡金燕;梁玉英;韩春辉
2.随机性能退化下极小样本高速列车轴承的可靠性评估 [J], 朱德馨;刘宏昭
3.多技术状态产品性能可靠性仿真评估方法研究 [J], 董理;蒋培;胡俊波
4.基于Bayesian Bootstrap小样本产品性能可靠性评估 [J], 万让鑫;吴西良
5.考虑时间相关故障的多状态系统可靠性与任务成功性仿真评估方法 [J], 杨皓洁;吕建伟;徐一帆
因版权原因，仅展示原文概要，查看原文内容请购买。
模型验证⽅法注：本⽂是的学习笔记模型验证⽅法⼀览名称模块通过交叉验证计算得分model_selection.cross_val_score(estimator, X)对每个输⼊点产⽣交叉验证估计model_selection.cross_val_predict(estimator, X)计算并绘制模型的学习率曲线model_selection.learning_curve(estimator, X, y)计算并绘制模型的验证曲线model_selection.validation_curve(estimator, ...)通过排序评估交叉验证defender重要性model_selection.permutation_test_score(...)通过交叉验证计算得分cross_val_score(estimator, X, y=None, groups=None, scoring=None, cv=None, n_jobs=1, verbose=0, fit_params=None, pre_dispatch='2*n_jobs')参数：estimator: 实现了'fit'函数的学习器X: array-like,需要学习的数据，可以是列表或者2d数组y: 可选的，默认是None，监督学习中样本特征向量的真实⽬标值scroing: srting,callable or None,可选的，默认是None，⼀个字符串或者⼀个scorer可调⽤对象或者函数，必须实现scorer(estimator, X, y)cv: int，交叉验证⽣成器或者⼀个迭代器，可选的，默认是None，决定交叉验证划分策略cv的可选项有以下的⼏种1. None：使⽤默认的3-fold交叉验证2. Interger：指定在（Stratified）kfold中使⽤的‘折’的数量3. 可以⽤作交叉验证⽣成器的⼀个对象4. ⼀个能够产⽣train/test划分的迭代器对象对于integer/None类型的输⼊，如果estimator是⼀个分类器并且y是对应的类标签，则默认使⽤StratifiedKFold,其他的情况默认使⽤kfold 返回值：scores：浮点数组， shape=(len(list(cv)),)每⼀次交叉验证得分弄成⼀个数组，默认是三次，三个得分。
模型验证的方法一、数据拆分验证法。
嘿呀，这数据拆分验证法就像是把一大袋糖果分成小份来检查呢。
咱们可以把收集到的数据按照一定的比例，比如说八二分呀，分成训练集和测试集。
训练集就像是给模型上课的课本，让模型从里面学习规律。
测试集呢，就是考试卷啦，用来看看模型学得咋样。
比如说预测天气的模型，用历史天气数据拆分后，看看模型预测的准不准。
这种方法简单直接，就像数一二三那么容易理解。
二、交叉验证法。
交叉验证法呀，就有点像小朋友们玩的换座位游戏。
咱们把数据分成好几份，然后轮流让不同的部分当测试集，其他的当训练集。
比如说五折交叉验证，就把数据分成五份。
这样做的好处呢，就是能更全面地测试模型。
因为每次测试的数据组合都不一样，就好像从不同的角度去看模型是不是真的靠谱。
就好比看一个玩具，从前面看了，再从侧面、后面看，这样才能确定这个玩具是不是真的完美。
三、留一验证法。
留一验证法可就有点特别啦。
想象一下，你有一群小伙伴，每次只留下一个小伙伴来做特殊的测试，其他小伙伴一起去做训练的事情。
在数据里呢，就是每次只留下一个数据点当测试集，其余的都当训练集。
这种方法对于数据量比较小的时候还挺有用的呢。
不过它也有点小麻烦，就是计算量可能会比较大，就像一个人要做很多很多的小任务一样。
但是呢，在某些特定的情况下，它能给模型验证带来很准确的结果哦。
四、可视化验证法。
这个可视化验证法超有趣的呢。
就像是给模型的表现画画一样。
如果是预测数值的模型，咱们可以把预测值和真实值画成散点图呀。
如果都在一条直线上或者很接近一条直线，那就说明模型很不错啦。
要是预测分类的模型，就可以画个混淆矩阵的图，看看哪些类别被模型分错了，哪些分对了。
就像看一幅画一样，一眼就能看出来模型有没有问题。
这就好比看小朋友画画，画得规规矩矩、颜色搭配得好，那就很棒啦。
五、对比验证法。
对比验证法呢，就是找个小伙伴来和咱们的模型比较。
这个小伙伴可以是一个简单的基准模型，比如说线性回归模型。
2024年招聘仿真应用工程师笔试题及解答(某大型国企)(答案在后面)一、单项选择题（本大题有10小题，每小题2分，共20分）1、以下关于仿真软件的特点描述，正确的是：A、仿真软件只能用于模拟物理实验，不能用于模拟经济、社会现象B、仿真软件的运行速度非常快，可以实时响应C、仿真软件的结果只能提供定性分析，无法进行定量分析D、仿真软件可以高度模拟真实世界，提供直观的视觉效果和数据分析2、以下关于仿真模型的建立，以下说法错误的是：A、仿真模型的建立应尽可能简单，以减少计算量B、仿真模型的建立应尽可能地接近实际系统，以获得更准确的结果C、仿真模型的建立过程中，应尽量减少参数的假设，以避免误差D、仿真模型的建立过程中，可以不考虑模型的实时性和交互性3、在进行系统仿真时，如果模型中存在大量的随机因素，我们通常会采用哪种方法来评估系统的性能？A. 确定性仿真B. 静态仿真C. 蒙特卡洛仿真D. 连续系统仿真4、以下哪个选项不是MATLAB/Simulink仿真环境中常用的模块库？A. 信号与系统（Signal & Systems）B. 电力系统（Power System）C. 控制系统（Control System）D. 液压系统（Hydraulic System）5、以下关于仿真应用工程师的工作描述，哪个选项不属于仿真应用工程师的职责范围？A. 设计和开发仿真模型B. 分析仿真结果，提出改进方案C. 维护和更新仿真软件D. 负责公司日常行政事务6、在进行仿真分析时，以下哪个因素对仿真结果的影响最小？A. 模型参数的准确性B. 仿真软件的版本C. 模型结构的设计D. 仿真时间长度7、在进行结构力学仿真时，如果要模拟一个非线性材料的行为，以下哪种本构模型是不适用的？A. 弹性模型B. 塑性模型C. 超弹性模型D. 粘弹性模型8、在有限元分析中，为了提高计算效率同时保持解的精度，下面哪一项技术不是直接用于减少计算量的方法？A. 自适应网格细化B. 子结构方法C. 几何简化D. 模型降阶9、仿真软件在以下哪种情况下通常被使用？A. 设计阶段，用于验证系统设计是否满足性能要求B. 生产阶段，用于优化产品制造流程C. 维护阶段，用于诊断和修复系统故障D. 调试阶段，用于解决软件代码中的问题 10、以下哪个术语与仿真模型中的输入输出关系最密切相关？A. 模态分析B. 参数化C. 仿真平台D. 输入输出映射二、多项选择题（本大题有10小题，每小题4分，共40分）1、在计算机仿真技术中，下列哪些选项属于仿真建模的基本步骤？A. 确定模型目标B. 数据收集与分析C. 模型构建与校验D. 结果解释与决策支持E. 进行硬件升级2、在离散事件系统仿真中，下面哪些方法可以用来处理随机变量的生成？A. 均匀分布法B. 反变换法C. 接受-拒绝法D. 直接使用历史数据E. 随机数表3、以下哪些工具或软件通常用于仿真应用工程师的日常工作中？（）A. ANSYSB. MATLABC. SolidWorksD. AutoCADE. Python4、以下关于仿真应用工程师在项目中的角色描述，正确的是？（）A. 负责仿真模型的建立和验证B. 与项目团队成员沟通，确保仿真需求得到满足C. 分析仿真结果，提供技术支持和建议D. 负责仿真软件的维护和升级E. 直接参与产品设计和制造过程5、在进行系统仿真时，以下哪些是常见的仿真软件或工具？A. MATLAB/SimulinkB. ANSYSC. SolidWorksD. Microsoft WordE. AutoCAD6、关于仿真模型验证与确认过程中的说法，正确的有：A. 模型验证是指检查模型是否准确反映了系统行为。
装备环境工程第20卷第5期·12·EQUIPMENT ENVIRONMENTAL ENGINEERING2023年5月加速寿命试验三参数威布尔分布的极小变异-极大似然估计马小兵，刘宇杰，王晗（北京航空航天大学 可靠性与系统工程学院，北京 100191）摘要：目的在加速试验中，对寿命服从三参数威布尔分布的产品进行可靠性评估与寿命预测，解决形状参数小于1时传统方法难以计算的问题。
方法利用三参数威布尔分布与指数分布之间的转换关系，以变异系数误差最小为优化目标，在确定最优位置参数估计值的基础上，应用拟极大似然方法估计分布模型中的其余参数，建立极小变异–极大似然估计（MV-MLE）。
根据加速寿命试验中失效机理不变的原则，在失效机理等同条件下，将该方法推广至多应力水平下的可靠寿命评估。
结果在单一应力与多应力水平下，通过仿真模拟验证了所提方法的有效性。
与传统方法相比，在小样本条件下，所提方法可提高形状参数（机理等同性参数）估计精度40%以上。
结论所提方法对于三参数威布尔分布的参数估计和寿命评估具有较高精度，能够有效克服传统方法的不足，在加速寿命试验评估中具有良好的应用效果。
关键词：三参数威布尔分布；变异系数；加速寿命试验；机理等同性；可靠性评估；寿命预测中图分类号：TB114 文献标识码：A 文章编号：1672-9242(2023)05-0012-07DOI：10.7643/ issn.1672-9242.2023.05.003Minimum Variation-Maximum Likelihood Estimation of Three-parameterWeibull Distribution under Accelerated Life TestMA Xiao-bing, LIU Yu-jie, WANG Han(School of Reliability and Systems Engineering, Beihang University, Beijing 100191, China)ABSTRACT: The work aims to estimate the reliability and predict the lifetime of the products subject to three-parameter Weibull distribution under accelerated life test, so as to solve the problem that the traditional methods are difficult to complete the calculation when the shape parameter is less than 1. Through the conversion relationship between three-parameter Weibull distribution and exponential distribution, the best estimated value of the location parameter was determined with the error of co-efficient of variation as the optimization objective. Then, the analogue maximum likelihood method was used to estimate the remaining parameters of the Weibull distribution, based on which the minimum variation-maximum likelihood estimation收稿日期：2023–04–13；修订日期：2023–05–04Received：2023-04-13；Revised：2023-05-04基金项目：国家自然科学基金（72201019，52075020）；可靠性与环境工程技术重点实验室项目（6142004210105）；国防技术基础项目（JSZL2018601B004）Fund：The National Natural Science Foundation of China (72201019, 52075020); Reliability and Environmental Engineering Science & Tech-nology Laboratory (6142004210105); Basic Technical Research Project of China (JSZL2018601B004).作者简介：马小兵（1978—），男，博士。
模型的验证方法
1. 直观观察法呀！就像你看一幅画，一眼就能看出好坏来。
比如看看模型的外观是不是符合你的预期，有没有明显的瑕疵。
2. 数据对比法嘛！这就好比比赛看谁跑的快，把模型预测的数据和实际数据放一起比一比，不就知道准不准啦！比如说预测天气和实际天气情况作对比。
3. 交叉验证法哟！就像给模型来一场考试，从不同角度去测试它。
例如用不同的数据集来验证模型的表现。
4. 案例分析法呀！相当于用具体的例子来检验模型，看它能不能应对实际情况。
像分析一个商业案例，看模型给出的策略好不好。
5. 专家评估法呢！找专业的人来把关，就像找个老中医给模型把把脉。
比如请行业专家来评判模型在专业领域的表现。
6. 模拟实验法嘛！如同做实验一样，给模型创造各种场景来验证。
就好比模拟一次地震，看模型的应对能力。
7. 反馈分析法哇！根据得到的反馈来判断模型的好坏，这就好像根据别人的评价来了解自己一样。
比如根据用户的反馈来改进模型。
8. 历史数据验证法呀！看看模型在以往的数据上表现如何，是不是很靠谱。
例如用过去的销售数据来验证销售预测模型。
9. 压力测试法哟！给模型加点压力，看看它能不能扛得住。
就像给运动员加大训练强度看他的耐力。
10. 实际应用验证法呢！直接把模型用到实际中去，好不好用一试便知。
比如把一个导航模型用到实际出行中看看效果。
我的观点结论就是：这些验证方法都各有特点和用处，我们要根据具体情况灵活选择和运用，才能真正检验出模型的优劣呀！。
仿真模型的创建与验证技巧及常见问题解答仿真模型是指利用计算机模拟现实世界系统的行为和性能的一种方法。
创建和验证仿真模型是进行仿真研究的关键环节，它直接影响到得到准确、可靠的仿真结果。
本文将介绍一些创建与验证仿真模型的技巧，并解答一些常见的问题，帮助读者更好地理解和应用仿真模型。
一、创建仿真模型的技巧1.明确研究目的：在创建仿真模型之前，需要明确研究的目的和问题。
明确目的可以帮助确定所需数据、模型的复杂度以及所使用的仿真工具。
2.收集数据：创建仿真模型需要使用真实系统的数据作为输入。
根据研究目的，收集合适的数据，包括系统动力学、输入变量、参数值等。
数据采集的准确性和完整性对于模型的有效性至关重要。
3.选择合适的仿真工具：根据需要选择合适的仿真工具，常见的仿真工具有MATLAB、Simulink、Arena等。
选择工具时要考虑其功能、易用性、计算效率等因素。
4.建立系统结构：根据研究目的和数据，建立系统结构。
系统结构包括系统的组成部分、相互关系和交互方式。
可以采用流程图、状态转换图等方法表示系统结构。
5.确定模型假设：模型中的假设对于仿真的准确性和可靠性具有重要影响。
根据实际情况，确定模型的假设条件和限制，并进行合理的假设简化。
6.确定模型参数：根据实际数据和假设条件，确定模型的参数值。
参数值的确定要考虑系统的变化范围、不确定性和敏感性。
7.编写仿真代码：根据系统结构、模型假设和参数值，编写仿真代码。
仿真代码可以使用编程语言（如MATLAB、Python等）或者仿真工具自带的建模语言（如Simulink）来实现。
8.初始化与验证：在进行仿真之前，需要对模型进行初始化，并进行验证。
验证方法包括与实际数据对比、与已有模型对比等。
如果验证结果不符合预期，需要检查模型的假设、参数和代码是否存在问题。
二、常见问题解答1.如何确定模型的复杂度？模型的复杂度需要根据研究目的和数据的可获得性来确定。
过于简单的模型可能无法准确地反映系统行为，而过于复杂的模型可能会导致计算效率低下和信息量过大。
