Разработка программы определительных испытаний

Министерство образования и науки Российской Федерации

Тольяттинский филиал Московского государственного университета пищевых производств

Кафедра Менеджмента пищевых производств

Курсовая работа

по дисциплине «Методы и средства измерений, испытаний и контроля»

на тему «Разработка программы определительных испытаний»

Студентка группы:

Преподаватель:

Тольятти 2008

Содержание

Введение

1 Разработка программы испытаний

1.1Общие положения

1.2 Объект испытаний

1.3 Цель испытаний

1.4 Место проведения и обеспечения испытаний

1.5 Объем и методика испытаний

1.6 Обработка результатов испытаний

1.6.1 Постановка задачи

1.6.2 Вычисление основных характеристик выборки

1.6.3 Формирование статистического ряда и графическое представление данных

1.6.4 Подбор подходящего закона распределения вероятностей

1.6.5 Определение показателей надежности объекта испытаний

1.6.6 Протокол испытаний

2 Пример обработки результатов испытаний для восстанавливаемого объекта испытаний

2.1 Постановка задачи

2.2 Вычисление основных характеристик выборки

2.3 Формирование статистического ряда и графическое представление данных

2.4 Подбор подходящего закона распределения вероятностей

2.5 Определение показателей надежности объекта испытаний

Заключение

Список использованных источников

Введение

Испытанием – это экспериментальное определение количественных и качественных характеристик свойств объекта как результата воздействия на него при его функционировании или моделировании.

Испытания опытных образцов, установочных и первых промышленных партий, контрольные периодические испытания серийной продукции – это основа построения всей системы разработки и постановки продукции на производство.

Постоянное повышение требований к качеству выпускаемой продукции, рост сложности современной техники, создание новых видов продукции с использованием последних достижений науки и техники определили значительное расширение видов испытаний, увеличение их сложности и трудоемкости.

Испытания являются неотъемлемой частью взаимоотношений заказчика и изготовителя продукции, предприятия-изготовителя конечной продукции и предприятий-смежников, поставщика и потребителя при внутреннем и международном товарообмене.

Все испытания по своему назначению разделяют на четыре группы: исследовательские, контрольные, сравнительные и определительные.

Целью данной курсовой работы является определение реального уровня надежности выбранного объекта испытаний – электродвигатель однофазный коллекторный переменного тока типа ДК 60 – 40, предназначенный для привода различных бытовых приборов.

1. Разработка программы испытаний

Программа испытаний – это обязательный для выполнения организационно-методический эксперимент.

Программа устанавливает цели испытаний, объект испытаний, объем и методику проводимых экспериментов, порядок, условия, место и сроки проведения испытаний, ответственность за обеспечение и проведение испытаний, ответственность за оформление протоколов и отчетов по испытаниям.

Немаловажную роль в программе испытаний играет план проведения испытаний. В плане указываются работы необходимые для проведения испытаний, изготовления образцов, приемка образцов, измерение и определение параметров образцов объекта испытаний, подготовка испытательного оборудования, оформление результатов испытаний, согласование утверждения протокола испытаний и др.

Основной задачей определительных испытаний является определение характеристик изделия или материала. Существенным является правильно сформулировать цели испытания.

Цель испытания раскрывает его назначение, которое должно отображаться в наименовании испытаний.

1.1 Общие положения

Настоящая программа испытаний составлена на основании следующих нормативно-технических документов:

- ГОСТ 27.410-87 «Методы контроля показателей надежности и планы контрольных испытаний на надежность»;

- ГОСТ 11828-86 «Машины электрические вращающиеся. Общие методы испытаний»;

- ГОСТ 10159—79 «Машины электрические вращающиеся коллекторные. Методы испытаний»

1.2 Объект испытаний

Главным признаком объекта испытаний является то, что по результатам его испытаний принимается то или иное решение, а именно его годность или выбраковывание, предъявление на следующие испытания, возможность серийного выпуска и т.д.

Объектом испытаний является электродвигатель однофазный коллекторный переменного тока типа ДК 60 – 40.

Таблица 1 – Габаритные установочные и присоединительные размеры электродвигателей

Электродвигатель однофазный коллекторный переменного тока типа ДК 60 – 40 применяется для привода кофемолок и других бытовых приборов.

1.3 Цель испытаний

Целью испытаний является определение фактических показателей надежности объекта исследования, таких как: среднее время безотказной работы T(средняя наработка до отказа), вероятность безотказной работы объекта в течение времени P(t), вероятность отказа Q(t), плотность распределения времени до отказа f(t), интенсивность отказа λ(t) в момент времениt.

1.4 Место проведения и обеспечение испытаний

Испытательный центр ОАО «ПЭМЗ», аккредитованный Федеральным агентством ​по техническому регулированию и метрологии для проведения испытаний ​с целью сертификации.

1.5 Объем и методика испытаний

Испытания проводятся по плану [NUN], согласно которому испытывают одновременно N=100 объектов, отказавшие во время испытаний объекты не восстанавливают и не заменяют, испытания прекращают, когда число отказавших объектов достигло N=100.

1.6 Обработка результатов испытаний

1.6.1 Постановка задачи

Требуется определить показатели надежности объекта испытаний по опытным данным определительных испытаний.

На испытания поставлено N = 100 объектов. Моменты отказов объекта испытаний представлены в таблице 2. Все объекты работают до своего отказа и после отказа не ремонтируются. Требуется определить статистические и теоретические показатели надежности объекта: T, P(t), Q(t), f(t), λ(t).

Таблица 2 – Моменты отказов объектов, в часах

1.6.2 Вычисление основных характеристик выборки

Основными числовыми характеристиками выборочной совокупности является: выборочное среднее, выборочная дисперсия, выборочное среднее квадратическое (или стандартное) отклонение, наименьшие и наибольшие значения, размах выборки, асимметрия, эксцесс.

Для расчета указанных характеристик в Excel необходимо поставить курсор в ячейку, в которую будет записано значение характеристики, вызвать соответствующую функцию и в качестве ее аргумента указать блок ячеек со статистическими данными.

Для удобства следующих операций значения случайной величины Z (статистические данные) перепишем на другой лист в прямоугольный блок ячеек, например А1:J10.

Значения вычисляемых характеристик будет располагаться в ячейках F12 по F19.

Таблица 3 – Расчет выборочных характеристик

Вычисление выборочных характеристик осуществляется по формулам:

- выборочное среднее F12 = СРЗНАЧ (A1:J10);

- выборочная дисперсия F13 = ДИСП (A1:J10);

- выборочное среднее квадратическое отклонение

F14 = СТАНДОТКЛОН (A1:J10) или F14 = КОРЕНЬ (F13);

- Наименьшее значение: F15 = МИН(A1:J10);

- Наибольшее значение: F16 = МАКС(A1:J10);

- Размах выборки: F17 = F16-F15;

- Асимметрия: F18 = СКОС(A1:J10);

- Эксцесс: F19 = ЭКСЦЕСС(A1:J10).

1.6.3 Формирование статистического ряда и графическое представление данных

Для наглядного представления статистических данных воспользуемся группировкой. Числовая ось при этом разбивается на интервалы, и для каждого интервала подсчитывается число элементов выборки, которые в него попали. Группировка данных производится в следующей последовательности:

наименьшее значение округляется в меньшую сторону, а наибольшее – в большую сторону до «хороших» чисел х_min и х_max;

выбирается количество групп k, удовлетворяющее неравенству; иногда оно определяется по формуле k=[5lgn]. Если объем выборки n=100, то k=10;

находится шаг по формуле:

,

где R = х_max - х_min – длина промежутка, в котором содержатся статистические данные;

определяются границы частичных интервалов:

а₀ = х_min, а₁ = а₀ + h, a₂ = a₁ + h, … , a_k = a_k-1 + h = х_max;

в каждом интервале вычисляются средние значения

;

для каждого интервала [a_i-1,a_i], i = 1,2, …,k находятся:

– частоты n_i, т.е. число выборочных значений, попавших в интервал;

– относительные частоты ;

– накопленные частоты w_i = n₁ + n₂ + … + n_i;

– накопленные относительные частоты .

Для выборочной совокупности (таблица 2) результаты группировки представим в таблице 4. Сначала укажем объем выборки, максимальное и минимальное значение, размах выборки, количество групп и шаг:

А22 = 100, В22 = 120, С22 = 70, D22 = B22 – C22, E22 = 10, F22 = D22/E22.

В ячейках А24:H24 укажем заголовки будущей таблицы. В этой таблице колонки В и С можно заполнить соответствующими формулами, представленными выше, для определения границ интервалов. Колонку D заполним по формуле: D30 = (B25+C25)/2, с последующим копированием в ячейки D26:D34.

Таблица 4 – Группировка статистических данных

Для заполнения колонки Е выделим ячейки Е25:Е34 и воспользуемся функцией ЧАСТОТА, указав массив статистических данных и массив правых границ интервалов: { = ЧАСТОТА (А1:J10; C25:C34)}

Одновременным нажатием клавиш заполним остальные выделенные ячейки.

Колонку F заполним с помощью формулы:

F25 = E25/$A$22, с последующим копированием в ячейки F26:F34

Колонку G заполним с помощью формулы:

G25 = E25, G26 = G25 + E26, с последующим копированием в ячейки G32:G39

Колонку H заполним с помощью формулы:

H25 = G25/$A$22, с последующим копированием в ячейки H26:H34

Данные, собранные в таблице 4 наглядно представим с помощью:

полигон частот – графическая зависимость частот (относительных частот) от середины интервалов (рисунок 1).

Рисунок 1 – Полигон частот

кумуляты частот – графическая зависимость накопленных частот (накопленных относительных частот) от середины интервалов (рисунок 2).

Рисунок 2 – Кумулята частот

1.6.4 Подбор подходящего закона распределения вероятностей

Далее рассмотрим некоторые известные распределения, такие как экспоненциальное, нормальное и гамма-распределение, с целью проверки подчиняется ли наше распределение вероятностей заданному.

Проверка на соответствие данных испытаний распределению производится перебором трех распределений, указанных выше, включая заданное, а именно гамма-распределение.

Чтобы иметь полную информацию о распределении случайной величины, надо знать параметры этого распределения. Таким образом, математическое ожидание случайной величины t равно выборочной средней, а среднее квадратическое отклонение случайной величины t – выборочному среднему квадратическому отклонению. Указанные характеристики находятся в ячейках F12 и F14 соответственно. Поместим эти значения в ячейки А2 и В2 соответственно (таблица 5).

Определим параметры экспоненциального (λ), нормального (m – математическое отклонение и σ – среднее квадратическое отклонение) и гамма-распределения (α и β) в соответствии с формулами:

, ,

B5 = 1/A2;

B8 = A2;

B9 = B2;

B12 = (A2/B2)^2;

B13 = B2^2/A2.

Таблица 5 – Значения плотностей распределения

В ячейках В16:В25 вычислим плотности относительных частот как частное от деления относительных частот (ячейки F25:F34) на шаг (ячейка $F$22) из таблицы 4.

Плотности экспоненциального, нормального и гамма-распределений рассчитываются в соответствии с формулами:

С16 = ЭКСПРАСП (А16;$B$5;ЛОЖЬ);

D16 = НОРМРАСП (А16;$B$8;$B$9;ЛОЖЬ);

E16 = ГАММАРАСП (А16;$B$12;$B$13;ЛОЖЬ).

Затем копируем их в блок ячеек С17:Е25.

После чего строим гистограмму частот, совмещенную с плотностью каждого из указанных ранее распределений. Графическое изображение гистограммы кривых различных распределений приведены на рисунках 3- 5.

Рисунок 3 – Сглаживание гистограммы плотностью экспоненциального распределения

Рисунок 4 – Сглаживание гистограммы плотностью нормального распределения

Рисунок 5 – Сглаживание гистограммы плотностью гамма-распределения

Используя критерий χ², установим, верна ли принятая гипотеза о том, что статистические данные подчиняются нормальному распределению.

Для применения критерия χ² необходимо, чтобы частоты n_i, соответствующие каждому интервалу, были не меньше 5. Для этого при необходимости объединим рядом стоящие интервалы, а их частоты суммируем. Далее вычислим следующую сумму:

,

где p_i – теоретическая вероятность того, что случайная величина Х примет значение из интервала [a_i-1,a_i].

Предположим, что случайная величина t имеет функцию распределения F(t), поэтому p_i = F(a_i) – F(a_i-1).

Образец расчетов по предыдущей формуле для трех распределений представлен в таблице 6.

В колонке А содержатся левые, а в колонке В – праве границы интервалов. В колонке С находятся соответствующие частоты. В колонке D рассчитываются теоретические вероятности в зависимости от вида распределения.

Для экспоненциального распределения:

D31 = ЭКСПРАСП (B31; $B$5; ИСТИНА) – ЭКСПРАСП (А31; $B$5; ИСТИНА);

Для нормального распределения:

D40 = НОРМРАСП (В40; $B$8; $B$9; ИСТИНА) – НОРМРАСП (А40; $B$8; $B$9; ИСТИНА);

Для гамма-распределения:

D49 = ГАММАРАСП (В49; $B$12; $B$13; ИСТИНА) – ГАММАРАСП (А49; $B$12; $B$13$ ИСТИНА).

В колонке Е рассчитываются слагаемые соотношения по формуле:

Е31 = (С31-100*В31)^2/(100*D31), которая копируется в другие ячейки колонки Е.

После чего для каждого рассмотренного распределения определим итоговые суммы:

Е38 = СУММ(E34:E39);

Е47 = СУММ(E42:E47);

Е56 = СУММ(Е50:Е55).

Которые равны соответственно 659,6862; 5,2199 и 3,8740.

Гипотеза о виде закона распределения должна быть принята, если вычисленное значение χ²_выч достаточно мало, а именно не превосходит критического значения χ²_кр, которое определяется по распределению χ² в зависимости от заданного уровня значимости α и числа степеней свободы r=k^’ – s – 1. где k^’ – количество интервалов после объединения; s – число неизвестных параметров распределения, которые были определены по выборке.

В данном примере r = 7 – 2 – 1 = 2

Критическое значение рассчитывается по формуле:

Е57 = ХИ2ОБР(0,05;4), из таблицы 6 видно, оно равно 9,4877.

Поскольку 5,2199<9,4877, то принимается гипотеза о том, что статистические данные имеют нормальное распределение с параметрами α = = 98,68и σ = 8,7673 соответственно.

Таблица 6 – Подбор распределения на основе критерия χ²

1.6.5 Определение характеристик надежности системы

После подтверждения гипотезы о виде закона распределения, определим характеристики надежности системы. Ббыло установлено, что случайная величина имеет плотность распределения вероятностей:

Основными характеристиками надежности невосстанавливаемой системы являются вероятность безотказной работы, и вероятность отказа в течение времени t.

Данные характеристики вычисляются по формулам:

В64 = 1 - НОРМРАСП (А64; $B$8; $B$9; ИСТИНА);

С64 = 1 - В64;

Плотность распределения и интенсивность отказа рассчитаем по следующим формулам:

D64 = НОРМРАСП (А64; $B$8; $B$9; ЛОЖЬ);

E64 = D64/B64.

Далее скопируем формулы в ячейки В64:В74, С64:С74, D64:D74, E64:E74 соответственно.

В результате будет получена таблица вычисленных ранее значений (таблица 7) и построены их графики (рисунки 6,7,8).

Таблица 7 – Значения показателей надежности объекта испытаний

Рисунок 6 – График вероятности безотказной работы и вероятности отказа

Рисунок 7 – График плотности распределения вероятности

Рисунок 8 – График интенсивности отказа

1.6.6 Протокол испытаний

ИСПЫТАТЕЛЬНЫЙ ЦЕНТР «ПЭМЗ-электро»

аттестат № РОСС RU.0004.13ЛРН02

ПРОТОКОЛ ИСПЫТАНИЙ № 13

ЗАКАЗЧИК:

ОАО «Старт», 445028, г. Тольятти, ул. Революционная 72а.

ПРОИЗВОДИТЕЛЬ ПРОДУКЦИИ:

ООО «Электротех», г. Самара, ул. Новосадовая 3.

ВИД ИСПЫТАНИЯ:

Определение фактических показателей надежности электродвигателя однофазного коллекторного переменного тока типа ДК 60 – 40.

ПРОДОЛЖИТЕЛЬНОСТЬ ИСПЫТАНИЙ:

10.09.2008 г. – 25. 12. 2008 г.

ДОГОВОР №:

По заявке от 01.09.2008 г.

ТЕКСТ: 2 стр.

ЦЕЛЬ ИСПЫТАНИЯ:

Определение реального уровня надежности у предъявляемых объектов по опытным данным определительных испытаний.

ОТБОР ОБРАЗЦОВ:

Дата отбора: 15.09.2008 г.

Место отбора: склад

Другие сведения: отбор образцов и их подготовка к испытаниям по ГОСТ Р 11828-86.

ХАРАКТЕРИСТИКА ОБРАЗЦОВ:

Вид продукции: электродвигатель однофазный коллекторный переменного тока типа ДК 60 – 40.

Другие сведения: средняя наработка до отказа не менее 90 ч.

МЕТОДИКА ИСПЫТАНИЙ:

Испытания проводились по плану [NUN], согласно которому испытывались одновременно 100 объектов, отказавшие во время испытаний объекты не подлежали восстановлению и не заменялись, испытания прекращались, когда число отказавших объектов достигло также 100.

РЕЗУЛЬТАТЫ ИСПЫТАНИЙ:

Значения показателей надежности объекта испытаний приведены в таблице.

Заключение:Результаты испытаний: электродвигатели соответствуют требованиям по средней продолжительности горения.

Руководитель ИЦ «ПЭМЗ-электро» Д.В. Айдаров

Руководитель группы испытаний ИЦ «ПЭМЗ-электро» А. А. Телепова

2. Пример обработки результатов испытаний для невосстанавливаемого объекта испытаний

Постановка задачи

На испытаниях находится N = 56 объектов с восстановлением. В течение периода Т = 600 часов регистрируются моменты времени отказов элементов (таблица 8). Предполагается, что отказавшие элементы заменяют идентичными по надежности элементами. Требуется определить показатели надежности элемента, характеризующие время его работы между соседними отказами: Т, P(t), Q(t), f(t), λ(t).

Испытания проводятся по плану [NRT], согласно которому одновременно начинают испытания N=56 объектов, отказавшие во время испытаний объекты заменяют новыми, испытания прекращают при истечении времени испытаний или наработки T.

Обработка статистических данных предусматривает их группировку в 10 частичных интервалах (классах). Уровень значимости принять равным 0,05.

Таблица 8 – Время между отказами элементов

2.2 Вычисление основных характеристик выборки

Основными числовыми характеристиками выборочной совокупности являются: выборочное среднее, выборочная дисперсия, выборочное среднее квадратическое (или стандартное) отклонение, наименьшее и наибольшее значения, размах выборки, асимметрия, эксцесс.

Значения вычисляемых характеристик расположим в ячейках с F12 по F19, как показано в таблице 9.

Таблица 9 – Расчет выборочных характеристик

Вычислим числовые характеристики выборочной совокупности по формулам:

Выборочное среднее: F12 = CРЗНАЧ(A1:F10);

Выборочная дисперсия: F13 = ДИСП(A1:F10);

Выборочное среднее квадратическое отклонение:

F14 = СТАНДОТКЛОН(A1:F10);

Наименьшее значение: F15 = МИН(A1:F10);

Наибольшее значение: F16 = МАКС(A1:F10);

Размах выборки: F17 = F16-F15;

Асимметрия: F18 = СКОС(A1:F10);

Эксцесс: F19 = ЭКСЦЕСС(A1:F10).

2.3 Формирование статистического ряда и графическое представление данных

Для наглядного представления статистических данных воспользуемся группировкой. Группировка данных производится в той же последовательности, что и в пункте 1.6.2 данной работы.

Для выборочной совокупности (таблица 8) результаты группировки представим в таблице 10. Сначала укажем объем выборки, максимальное и минимальное значение, размах выборки, количество групп и шаг:

А22 = 56, В22 =120, С22 = 80, D22 = B22 – C22, E22 =10, F22 = D22/E22

В этой таблице колонки В и С заполним левыми и правыми границами соответственно. Колонку D заполним по формуле:

D25 = (B25+C25)/2, с последующим копированием в ячейки D26:D34.

Таблица 10 – Группировка статистических данных

Для заполнения колонки Е выделим ячейки Е25:Е34 и воспользуемся функцией ЧАСТОТА, указав массив статистических данных и массив правых границ интервалов: { = ЧАСТОТА (А1:F10; C25:C34)}

Одновременным нажатием клавиш заполним остальные выделенные ячейки.

Колонку F заполним с помощью формулы:

F25 = E25/$A$22, с последующим копированием в ячейки F26:F34

Колонку G заполним с помощью формулы:

G25 = E25, G26 = G25 + E26 с последующим копированием в ячейки G27:G34

Колонку H заполним с помощью формулы:

H25 = G25/$A$22, с последующим копированием в ячейки H26:H34

Данные, собранные в таблице 10 наглядно представим с помощью:

полигон частот – графическая зависимость частот (относительных частот) от середины интервалов (рисунок 9).

Рисунок 9 – Полигон частот

кумуляты частот – графическая зависимость накопленных частот (накопленных относительных частот) от середины интервалов (рисунок 10).

Рисунок 10 – Кумуляты частот

2.4 Подбор подходящего закона распределения вероятностей

Далее рассмотрим некоторые известные распределения, такие как равномерное, нормальное и гамма-распределение, с целью проверки подчиняется ли наше распределение вероятностей заданному.

Проверка на соответствие данных испытаний распределению производится перебором трех распределений, указанных выше, включая заданное, а именно равномерное.

Чтобы иметь полную информацию о распределении случайной величины, надо знать параметры этого распределения. Таким образом, математическое ожидание случайной величины t равно выборочной средней, а среднее квадратическое отклонение случайной величины t – выборочному среднему квадратическому отклонению. Указанные характеристики находятся в ячейках F12 и F14 соответственно. Поместим эти значения в ячейки А2 и В2 соответственно (таблица 11).

Определим параметры равномерного (a и b), нормального (m – математическое отклонение и σ – среднее квадратическое отклонение), экспоненциального и гамма-распределения (α и β) в соответствии с формулами:

, , , ,

B5 = 1/A2;

B8 = A2-В2*КОРЕНЬ(3);

B9 = А2+В2*КОРЕНЬ(3);

B12 = (A2/B2)^2;

B13 = B2^2/A2;

B16 = (A2/B2)^2;

B17 = B2^2/A2.

Таблица 11 – Значения плотностей распределения

В ячейках В20:В29 вычислим плотности относительных частот как частное от деления относительных частот (ячейки F25:F34) на шаг (ячейка $F$22) из таблицы 10.

Плотности равномерного, нормального, экспоненциального и гамма-распределений рассчитываются в соответствии с формулами:

С20 = ЭКСПРАСП (А20;$B$5;ЛОЖЬ);

D20 = НОРМРАСП (А20; $B$12; $B$13; ЛОЖЬ);

E20 = ГАММАРАСП (А20; $B$16; $B$17; ЛОЖЬ).

F20 = ЕСЛИ(А20<$B$8; 0; ЕСЛИ(A20>=$B$9; 1/($B$9-$B$8); 0));

Затем копируем их в блок ячеек С21:F21.

После чего строим гистограмму частот, совмещенную с плотностью каждого из указанных ранее распределений. Графическое изображение гистограммы кривых различных распределений приведены на рисунках 11- 13.

Рисунок 11 – Сглаживание гистограммы плотностью равномерного распределения

Рисунок 12 – Сглаживание гистограммы плотностью нормального распределения

Рисунок 13 – Сглаживание гистограммы плотностью гамма-распределения

Рисунок 14 – Сглаживание гистограммы плотностью экспоненциального распределения

Используя критерий χ², установим, верна ли принятая гипотеза о том, что статистические данные подчиняются равномерному распределению, так, чтобы ошибка не превышала заданного уровня значимости α (вероятность того, что будет отвергнута правильная гипотеза).

Для применения критерия χ² необходимо, чтобы частоты n_i, соответствующие каждому интервалу, были не меньше 5. Для этого при необходимости объединим рядом стоящие интервалы, а их частоты суммируем. Далее вычислим следующую сумму:

,

где p_i – теоретическая вероятность того, что случайная величина Х примет значение из интервала [a_i-1,a_i].

Предположим, что случайная величина t имеет функцию распределения F(t), поэтому p_i = F(a_i) – F(a_i-1).

Образец расчетов по предыдущей формуле для трех распределений представлен в таблице 6.

В колонке А содержатся левые, а в колонке В – праве границы интервалов. В колонке С находятся соответствующие частоты. В колонке D рассчитываются теоретические вероятности в зависимости от вида распределения.

Для экспоненциального распределения:

D35 = ЭКСПРАСП (B35; $B$5; ИСТИНА) – ЭКСПРАСП (А35; $B$5; ИСТИНА);

Для равномерного распределения:

D65 = ЕСЛИ (B65<$B$8; 0; ЕСЛИ (B65<=$B$9; (B24-$B$8) / ($B$6-$B$9); 1)) – ЕСЛИ (A24<$B$8; 0; ЕСЛИ (A24<=$B$9; (A24-$B$8) / ($B$6-$B$9); 1));

Для нормального распределения:

D45 = НОРМРАСП (В45; $B$12; $B$13; ИСТИНА) – НОРМРАСП (А45; $B$12; $B$13; ИСТИНА);

Для гамма-распределения:

D55 = ГАММАРАСП (В55; $B$16; $B$17; ИСТИНА) – ГАММАРАСП (А55; $B$16; $B$17; ИСТИНА).

В колонке Е рассчитываются слагаемые соотношения по формуле:

Е35 = (С35-56*D35)^2/(56*D35), которая копируется в другие ячейки колонки Е.

После чего для каждого рассмотренного распределения определим итоговые суммы:

Е43 = СУММ(E35:E42);

Е53 = СУММ(E45:E52);

Е63 = СУММ(Е55:Е62);

Е73 = СУММ(Е65:Е72).

Которые равны соответственно 349,8344; 14,8995; 15,1459; 16,7324.

Гипотеза о виде закона распределения должна быть принята, если вычисленное значение χ²_выч достаточно мало, а именно не превосходит критического значения χ²_кр, которое определяется по распределению χ² в зависимости от заданного уровня значимости α и числа степеней свободы r=k^’ – s – 1.

где k^’ – количество интервалов после объединения;

s – число неизвестных параметров распределения, которые были определены по выборке.

В данном примере r = 7 – 2 – 1 = 5

Критическое значение рассчитывается по формуле:

Е74 = ХИ2ОБР(0,05;5), из таблицы 12 видно, оно равно 16,7496.

Поскольку 16,7324<16,7496, то принимается гипотеза о том, что статистические данные имеют равномерное распределение с параметрами a = 82,7050 и b = 117,4735 соответственно.

Таблица 12 – Подбор распределения на основе критерия χ²

2.5 Определение показателей надежности объекта испытаний

После подтверждения гипотезы о виде закона распределения, определим показатели надежности объекта.

Таким образом, было установлено, что случайная величина принадлежит множеству с плотностью распределения вероятностей:

Найдем основными показатели надежности. Они вычисляются по формулам:

В78 = ($B$6-А50)/($B$6-$B$5);

С78 = 1 – В78;

Плотность распределения и интенсивность отказа рассчитаем по следующим формулам:

D78 = 1/($B$9-$B$8);

E78 = D78/B78.

Далее скопируем формулы в ячейки В79:В84, С79:С84, D79:D84, E79:E84 соответственно.

В результате будет получена таблица вычисленных ранее значений (таблица 13) и построены их графики (рисунки 14,15,16).

Таблица 13 – Значения показателей надежности объекта испытаний

Рисунок 14 – График вероятности безотказной работы и вероятности отказа

Рисунок 15 – График плотности распределения вероятности

Рисунок 16 – График интенсивности отказа

Заключение

Поставленные перед нами цели курсовой работы по определению фактических показателей надежности невосстанавливаемого объекта испытания – электродвигателя однофазного коллекторного переменного тока типа ДК 60 – 40 – выполнены.