- •1. Существующие методы оценки надёжности конструкций
- •1. Анализ риска технических систем
- •1.1. Анализ риска технических систем
- •1.1.1 Государственная политика в сфере техногенной безопасности
- •1.1.2. Показатель риска. Классификация рисков
- •1.1.3 Актуальные вопросы при анализе риска технических систем
- •1.1.4. Этапы анализа риска
- •1.1.5 Нормативные ограничения на технический риск
- •1.2. Определение вероятности аварии
- •1.2.1. Уязвимость технических систем
- •1.2.2. Структурные модели теории надёжности
- •1.2.3. Способы оценки вероятности
- •1.3. Определение вероятности отказа технической системы
- •1.3.1. Особенности вычисления вероятности отказа систем элементов, соединенных последовательно и параллельно
- •1.3.2. Трудности при вычислении вероятности отказа систем
- •1.4. Определение вероятности отказа элемента технической системы
- •1.4.1. Подход Ржаницына
- •1.4.2. Способы обработки статистических данных
- •1.5. Детерминированный расчёт на прочность
- •2. Метод получения нормативной вероятности разрушения
- •2.1. Идея метода
- •2.2. Общий алгоритм расчёта на прочность
- •2.3. Понятие коэффициента запаса
- •2.4. Понятие гарантированно минимальных свойств прочности
- •2.5. Понятие максимальной нагрузки
- •2.6. Развитие идеи определения нормативной вероятности разрушения
1.4.1. Подход Ржаницына
Подход Ржанцына [76] к оценке надёжности элемента системы является основой вероятностных расчётов на прочность, «физической» теории надёжности.
В общем случае, нагруженность объекта характеризуется напряжениями, возникающими в результате действия механических, тепловых или электромагнитных нагрузок. Прочность объекта характеризуется величиной напряжений, которые возникают в объекте под действием разрушающих нагрузок. Характеристики нагруженности и прочности случайны.
Рисунок 7. Совмещение кривых распределения нагрузки и прочности
Если законы распределения свойств материала и действующих нагрузок известны (рисунок ), то для определения вероятности разрушения Ржанициным [76] были предложены формулы:
(11)
где – вероятность разрушения;
– плотность распределения нагрузки;
– функция распределения нагрузки;
– плотность распределения свойств материала с учетом деградации;
– функция распределения свойств материала с учетом деградации;
– время.
Отметим, что в функции , , , в этих формулах предполагаются известными (детерминированными). При практической реализации этих формул в работах А.Р. Ржаницина предполагалось, что характеристики нагруженности и прочности распределены по нормальному закону.
Поскольку отказ элемента наступает только при достижении только одного предельного состояния, то общая формула для вероятности отказа имеет вид:
(12)
где – вероятность достижения i-го из k предельных состояний.
На практике, вид функций и не известен. Эмпирические законы аппроксимируются теоретическими. Существуют работы, в которых для и задаётся доверительный интервал, например [83].
1.4.2. Способы обработки статистических данных
Вероятностный расчёт на прочность начинается со статистической обработки экспериментальных данных, характеризующих свойства и нагруженность материала. В данном параграфе будет показана степень влияния способа обработки статистической информации на значение вероятности отказа.
Параметрические и непараметрические методы статистики
Под методами статистики обычно понимают множество критериев согласия, значимости и однородности, которые используются для проверки статистических гипотез о виде закона распределения, о принадлежности нескольких выборок одной генеральной совокупности и пр. Для детальных рассуждений остановимся более подробно на основных определениях.
Непараметрическая гипотеза - статистическая гипотеза, в которой нет предположений о конкретных значениях параметров закона распределения (например, закон распределения нормальный с параметрами, минимизирующими какое-либо критериальное выражение)
Параметрическая гипотеза - статистическая гипотеза, в которой выдвигаются предположения о значениях параметров закона распределения (например, закон распределения нормальный с ).
Для проверки статистических гипотез вычисляют некоторое критериальное выражение (другое название - "статистика"), которое характеризует различие между выдвинутой гипотезой и эмпирическими данными. Если выдвигаемая гипотеза верна и различия между аналитической и эмпирической функцией распределения случайны, то значения статистики случайны и подчиняются некоторому теоретическому закону распределения (заранее известному, определяемому выражением для статистики, объёмом выборки и пр.). Вычислив значение статистики, можно определить вероятность того, что несовпадения эмпирического и теоретического распределений случайны / не случайны.
Пусть распределение статистики, , - вероятности того, что различия между теоретическим и эмпирическим законом распределения случайны и не случайны, - вычисленное критериальное выражение.
(13)
Существуют работы [52, 54], в которых описана методика получения численно, применимая к любым видам гипотез, без ограничений на вид функции распределения случайной величины.
При проверке статистических гипотез выдвигают основную Н0 и альтернативную Н1 гипотезы. Нулевыми считаются гипотезы, утверждающие, что различие между сравниваемыми величинами отсутствует, а наблюдаемые отклонения объясняются случайными отклонениями в выборках. Условием принятия Н0 служит выполнение неравенства
(14)
где - критический уровень значимости, определяемый лицом, принимающим решения.
Из (14) следует, что принятие или не принятие гипотезы Н0 зависит от эксперта, поэтому существуют рекомендации о том, что нужно приводить с результатами расчётов не только использованный , но и достигнутый уровень значимости , чтобы другой эксперт, мог судить о степени соответствия принятого теоретического закона эмпирическому.
Поскольку ответ о соответствии эмпирического распределения теоретическому закону носит вероятностный характер, возможны ошибки при принятии / отверждении гипотез, которые характеризуются соответствующими вероятностями.
Вероятность ошибки первого рода - вероятность того, что при принятии гипотезы Н1 верно Н0.
Вероятность ошибки второго рода - вероятность того, что при принятии гипотезы Н0 верна Н1.
Эти понятия удобно свести в таблицу.
Таблица 2 – Распределение вероятностей при испытании нулевой гипотезы Н0 против альтернативной Н1.
Решение |
Вероятность того, что... |
|
верна Н0 |
верна Н1 |
|
Принять Н0 |
|
|
Принять Н1 |
|
|
Гипотеза называется простой, если она утверждает, что параметры закона распределения принимают конкретные значения (например, математическое ожидание равно 0), сложной - если параметры принадлежат некоторому множеству (например, математическое ожидание больше 0).
В случае, если основная и альтернативная гипотезы простые, имеет место равенство:
(15)
Если хотя бы одна из гипотез сложная, то говорят о функции мощности критерия, в которой является функцией "меры разности", принимаемого закона и альтернативы из множества. Более подробно об этом будет сказано ниже.
Существуют некоторые правила и рекомендации, к тому, какую гипотезу называть основной и альтернативной [90]. Пусть имеются две гипотезы НА и НВ, одну из которых нужно принять в качестве основной, другую - в качестве альтернативной. Прежде чем сформулировать гипотезы Н0 и Н1 ЛПР, нужно проанализировать какие ошибки в принятии решений, приведут к более тяжёлым последствиям. Одну из гипотез (НА или НВ), ошибочное отклонение которой приведет к большему ущербу (и поэтому не желательно), эксперт назовет Н0, а другую - Н1. Такая формулировка затем позволяет выбрать нужный критический уровень значимости : чем выше уровень ответственности за вывод и тяжелее ущерб от ошибочного отклонения проверяемой гипотезы, тем меньшее значение приходится принимать. (Например, согласно этому подходу, следует определять в качестве Н0 гипотезу о том, что закон распределения имеет более "тяжёлые хвосты", которые увеличивают вероятность разрушения). Существует следующая таблица, связывающая и уровень ответственности эксперта за вывод.
Таблица 3 – Ориентировочные нормы для задания критического значения уровня значимости [90].
Уровень ответственности за вывод |
Уровень значимости , если предпочтительна гипотеза: |
|||
Название уровня |
Экспертная оценка уровня в баллах |
Н1 |
Н0 |
|
Нижний предел |
0 |
1 |
0 |
|
малый |
1 |
0,6 |
0,00005 |
|
2 |
0,4 |
0,001 |
||
3 |
0,2 |
0,006 |
||
обычный |
4 |
0,1 |
0,02 |
|
5 |
0,05 |
0,05 |
||
6 |
0,02 |
0,1 |
||
большой |
7 |
0,006 |
0,2 |
|
8 |
0,001 |
0,4 |
||
9 |
0,00005 |
0,6 |
||
10 |
0 |
1 |
Стоит отметить, что на практике не существует гипотезы о том, что распределение подчиняется нормальному закону (с какими-либо параметрами), формулируя гипотезу, прежде всего указывается либо конкретные значения параметров (простая гипотеза), либо область нахождения этих параметров [27], или способ их нахождения по эмпирическому распределению (сложная гипотеза). То есть основная и альтернативная гипотезы формулируются относительно параметров предполагаемого распределения. (Однако, возможно формулирование основной и альтернативной гипотез относительно разных законов, например, Н0 - нормальный закон с параметрами, минимизирующими статистику, Н1 - закон Вейбула, минимизирующими статистику).
Мощность статистических критериев
Функция мощности строится только, когда гипотезы формулируются относительно параметров закона распределения, причем вид закона для Н0 и Н1 одинаковый, в остальных случаях говорят об ошибке второго рода. Приводимое ниже описание процедуры [90] было найдено именно для такого случая: обобщения на случай, когда вид законов Н0 и Н1 различный не найдено, и по-видимому, понятие функции мощности для этого случая не существует.
Пусть - вектор параметров теоретического закона распределения. Примем, что основная гипотеза заключается, в том, что , а альтернативная - . Для построения функции мощности нужно задаться параметром нецентральности . Пусть - значит Н0 не верна. Критическая область параметра статистики u строится на основе плотности вероятности центрального распределения , группирующегося вокруг точки в предположении, что гипотеза Н0 справедлива. На самом деле, случайная величина u будет иметь нецентральную плотность распределения , группирующуюся вокруг точки (рисунок 8). Вероятность ошибки второго рода при попадании статистики в допустимую область характеризуется функцией и при выбранном зависит от статистики . Если , то и , при , . Зависимость также зависит от объёма выборки: если , то .
Ошибка второго рода - это значение функции мощности при простой альтернативной гипотезе: .
Рисунок 9 – Мощность критерия.
Важно отметить, что в работах, посвященных вопросам применения статистических критериев подчёркивается, что достоверно различить "близкие" гипотезы на малой выборке не возможно [51, 53]. Далее, приведён методический пример, иллюстрирующий эту особенность.
В связи с рассматриваемой темой, отметим, что доверительная вероятность, с которой аппроксимируется эмпирический закон распределения, не используется в выражении вероятности отказа (11).
Более подробно о методах непараметрической статистики [70].
Методический пример
Цель данного примера - наглядно показать, что близкие законы не различимы при малом объёме выборки, а вероятность отказа существенно зависит от применяемой аппроксимации эмпирических данных.
Постановка задачи: пусть имеются выборки случайных величин, характеризующих нагруженность L и прочность S одинакового объёма n=20. Эти выборки получены генератором случайных чисел по заданным теоретическим законам распределения. Теоретические законы L и S нормальные с параметрами и . Нужно аппроксимировать эмпирические функции распределения теоретическими законами: нормальным и Рэлея, определить доверительную вероятность аппроксимации, определить вероятность разрушения по (11), используя различные сочетания законов, сравнить результаты.
В таблице приведены величины L и S, которые были получены в результате генерации данных.
Таблица 4. Исходные данные
L |
94.89 |
96.32 |
97.35 |
98.29 |
98.38 |
98.82 |
98.97 |
99.18 |
100.3 |
102.11 |
103.01 |
104.28 |
104.81 |
104.91 |
105.85 |
106.39 |
108.56 |
108.59 |
108.76 |
110.15 |
|
S |
129.76 |
130.37 |
131.71 |
134.44 |
134.61 |
136.2 |
136.73 |
136.86 |
137.71 |
138.94 |
139.87 |
141.3 |
141.44 |
142.23 |
143.43 |
144.11 |
145.92 |
146.08 |
148.15 |
164.39 |
В качестве величины, характеризующей расхождение эмпирической и теоретической функции распределения, примем выражение вида:
(16)
где m и σ - параметры теоретических законов, V - отсортированный вектор случайной величины, F - функция распределения теоретического закона.
(17)
Параметры законов распределения были определены из условия минимизации (16) и представлены в таблице , эмпирическая и теоретические функции распределения приведены на рисунке :
Таблица 5. параметры теоретических законов
Величина |
Теоретический закон (нормальный) |
Нормальный закон |
Распределение Рэлея |
L |
|
|
|
S |
|
|
|
|
|
Рисунок 10. Аппроксимация эмпирических функций распределения L и S.
|
Аппроксимируя эмпирическую функцию распределения теоретическим законом, были выдвинуты гипотезы о виде функции распределения. Для определения вероятностей, с которыми гипотеза о распределении случайной величины по нормальному закону или закону Рэлею, может быть отвергнута, воспользуемся методом, изложенным в [53]. График зависимости F(U) был получен численно для рассматриваемых законов распределения и представлен на рисунке .
Рисунок 11. Функция распределения параметра U в зависимости от закона распределения.
Для функции распределения нагрузки L, вероятность того, что распределение не подчиняется нормальному закону 30% ( ), закону Рэлея - 15% ( ). Для функции распределения прочности S, вероятность того, что распределение не подчиняется нормальному закону 1% ( ), закону Рэлея - 3% ( ).
В таблице приведены значения вероятности разрушения в зависимости от сочетания законов, аппроксимирующих распределения нагрузки и прочности.
Таблица 6. Вероятности отказа в зависимости от сочетаний законов
Параметры законов распределения |
Вероятность разрушения |
|
Нагрузка (L) |
Прочность (S) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Анализируя полученные результаты, можно отметить, что статистические критерии не позволяют различить различные законы распределения на небольшой выборке. В зависимости от принятых гипотез о видах закона распределения характеристик прочности и нагруженности, можно получить вероятности разрушения, отличающиеся на порядки. Это обстоятельство ставит под сомнение частотную интерпретацию вероятности отказа, полученную в условиях небольшого числа экспериментальных данных.
Коэффициент надежности
В [89, 58, 94, 107] встречается понятие коэффициента надёжности, как некоторого аналога коэффициента запаса, обеспечивающего некоторый уровень надёжности (рисунок ). В [89] дана математическая формулировка:
(18)
где и - математическое ожидание и среднеквадратическое отклонение функции плотности распределения прочности (strength), а и - нагрузки (load).
И в [89], и в [58] приводится зависимость, изображённая на рисунке , но не говорится о допущениях, при которых она была получена. Автором численно была получена зависимость вероятности отказа (11) от индекса надежности (18) (рисунок ) в предположении, что закон распределения функции прочности и нагруженности нормальный. Точки, соответствующие кривым из [89 и 58] находятся на полученной прямой. Таким, образом, можно заключить, что в качестве основной гипотезы, использующейся в [1, 14, 15, 16, 17] является гипотеза о нормальном распределении прочности и нагрузки, однако явно об этом не говорится.
Индекс надёжности позволяет получить оценку максимальной вероятности разрушения из предположения, что закон распределения в (11) для характеристик нагрузки и прочности - нормальный.
Рисунок 12. Сравнение полученной численно зависимости вероятности отказа от индекса надёжности с данными [58] и [89].
Вывод:
Одной из трудностей является получение оценки достоверности результата. Практика расчётов показывает, что достаточной статистической информации для эмпирических оценок частоты маловероятных событий нет [83]. Всегда применяется метод экстраполяции: замена эмпирического закона распределения случайной величины теоретическим. При аппроксимации эмпирического закона распределения, нужно использовать распределение с более "тяжёлыми хвостами" [100]. Аналогичным образом поступают при детерминированном расчёте на прочность, когда в расчёте компенсируют отсутствие данных повышенным коэффициентом запаса [99, 73, 68].
Экстраполяция в область малых вероятностей в случае использования различных законов распределения приводит к существенным различиям в результатах. Нормативных документов, связывающих метод расчёта на прочность и метод статистической обработки информации на сегодняшний день нет. Однако, удалось установить, что в зарубежных стандартах, оперирующих понятием индекса надёжности, подразумевают нормальный закон распределения и характеристики нагрузки, и характеристики прочности.