基于matlab的蒙特卡洛方法对可靠度的计算.pdf

发布时间：2022-06-03 发布人：admin 分类：说明书资料大小：0.30M 资料格式：pdf 举报版权申诉

m0_52957036-14085504-16359647412633129277.pdf-第1页.png

第1页 / 共12页

m0_52957036-14085504-16359647412633129277.pdf-第2页.png

第2页 / 共12页

m0_52957036-14085504-16359647412633129277.pdf-第3页.png

第3页 / 共12页

m0_52957036-14085504-16359647412633129277.pdf-第4页.png

第4页 / 共12页

m0_52957036-14085504-16359647412633129277.pdf-第5页.png

第5页 / 共12页

m0_52957036-14085504-16359647412633129277.pdf-第6页.png

第6页 / 共12页

m0_52957036-14085504-16359647412633129277.pdf-第7页.png

第7页 / 共12页

m0_52957036-14085504-16359647412633129277.pdf-第8页.png

第8页 / 共12页

文本预览

基于 MATLAB 的蒙特卡洛方法对可靠度的计算 ——《可靠性工程》大作业

目录 2

摘要对于简单的概率计算，我们可以用离散或者连续的概率分布模型进行求解；但是对于复杂的模型的近似解的求解，蒙特卡洛方法是一种非常方便的方法。蒙特卡洛方法将最复杂的计算部分交给了电机计算机来完成，极大的方便了我们的求解过程。本文主要是用 MATLAB 编写蒙特卡洛的模拟程序，然后分别验证两个正态分布的模型和两个非正态分布的模型。非正态分布的模型中的随机变量序列都是独立同分布的，这样我们可以方便的用列维-林德伯格中心极限定理进行处理。【关键字】：复杂模型、蒙特卡洛、MATLAB、正太分布、独立同分布的非正态模型、列维-林德伯格中心极限定理 3

绪论计算机技术的发展，促进了蒙特卡洛方法的推广、普及以及完善等。蒙特卡洛方法诞生之初是不被重视的，因为当时的计算机技术没有达到与之匹配的程度。蒙特卡洛模拟也称为随机模拟方法，或随机抽样技术。它是一种以概率论和数理统计为基础，通过对随机变量的统计实验、随机模拟来求解问题近似解的数值方法。它的主要思想是：为了求解数学、物理、化学及工程问题，建立一个概率模型或随机过程，使它的参数等于问解；然后通过对模型或过程的观察或抽样来计算所求参数的统计特征（如均值、概率等），作为待解问题的数值解，最后给出所求解的近似值，而解的精度可用估计值的方差来表示。蒙卡洛模拟的步骤是：首先建立简单而又便于实现的概率分布模型，使分布模型的某些特征（如模型的概率分布或数学期望）恰好是所求问题的解；然后根据概率分布模型的特点和计算的需要改进模型，以便减少方差，降低费用，提高计算效率；再对分布模型进行随机模拟，其中包括建立产生伪随机数的方法和建立对所遇到的分布产生随机变量样本的随机抽样方法；最后建立各种统计量的估计，获得所求解的统计估计值及其方差。蒙特卡洛模拟方法可分为直接蒙特卡洛模拟、间接蒙特卡洛模拟和蒙特卡洛积分。（1）直接蒙特卡洛模拟采用随机数来模拟本身具有复杂随机过程的效应。该方法是按照实际问题所遵循的概率统计规律，用计算机进行直接的抽样，然后计算其统计参数。直接蒙卡洛模拟法能充分体现蒙特卡洛方法的特殊性和优越性，因而在物理中得到了广泛的应用，该方法也就是通常所说的“计算机实验”。（2）间接蒙特卡洛模拟是人为地构造出一个合适的概率模型，依照该模型进行大量的统计实验，使它的某些统计参数恰好是待求问题的解。Buffon 投针实验就是运用间接蒙特卡洛模拟来求解π。（3）蒙特卡洛积分是利用随机数系列计算积分的方法，积分维数越高，效率越高。定积分的计算是蒙特卡洛方法被引入计算数学的开端，这里以定积分的计算说明其处理确定性问题的方法。如计算定积分： s 1  k 0 )( dxxf 0  1)( xf  此时，求定积分亦即求边长为 1 的正方形中一个曲边梯形的面积问题，如图 2 所示。可以随机地向正方形内投点，然后统计落在曲线下的点数 M ，当总的投点 N 充分大时， kM / 就近似等于积分值 s。 N 4

一、编写 Monte Carlo 模拟程序 1．模型的建立本章节根据抛掷骰子编制Monte Carlo 模拟程序，验证各点出现的概率均为1/6。 2．模拟流程图绘制初始化 i=i+1 K=？ K=1 K=2 K=3 K=4 K=5 K=6 K1+1 K2+1 K3+1 K4+1 K5+1 K6+1 i<1000000 Y N P1 P2 P3 P4 P5 P6 3．Monte Carlo 程序编写图 1.1 流程图 Monte Carlo 模拟程序(Matlab) clear N=1000000; K_1=0; 5

K_2=0; K_3=0; K_4=0; K_5=0; K_6=0; K=randi(6,N,1); for i=1:N if K(i,1)==1 K_1=K_1+1; end if K(i,1)==2 K_2=K_2+1; end if K(i,1)==3 K_3=K_3+1; end if K(i,1)==4 K_4=K_4+1; end if K(i,1)==5 K_5=K_5+1; end if K(i,1)==6 K_6=K_6+1; end end P_1=K_1/N P_2=K_2/N 6

P_3=K_3/N P_4=K_4/N P_5=K_5/N P_6=K_6/N hist(K,6) 4．模拟结果及结论 Monte Carlo 模拟得到， P_1=16.639%； P_2=16.605%;P_3=16.712%; P_4=16.710%;P_5=16.625%;P_6=16.710%。各项约为总数的 1/6，符合理论情况。通过模拟可以得到分布直方图(图 1.2)。 18 16 14 12 10 8 6 4 2 0 104 1 2 3 4 5 6 图 1.2 分布直方图 7

二、关于两个服从正态分布的可靠性验证机械结构的可靠性设计中的应力-强度干涉理论的理论计算和采用蒙的卡罗方法对其进行验证。MATLAB 自带有产生正态分布的随机数，所以我们用 MATLAB 对 N=100000 实验次数进行验证。计算次数为 3 次。理论计算：首先根据可靠度 R=0.999，可得可靠度系数 Z=     S L 2 L S 2 =3.191，然后我们确定应力 XL（正态分布）的参数，均值 =200，方差 =5776,；然后 L 2 L 再确定强度 XS（正太分布）的参数，均值 =500，方差 =3062.71。 S 2 S 流程图的绘制初始化 i=i+1 Z=S-L Z<0 N n=n+1 i

分享到：

赞收藏

资料库

基于matlab的蒙特卡洛方法对可靠度的计算.pdf

相关推荐

行业

热门标签

最新资料