130 likes | 245 Views
实验六. 零件参数设计 随机模拟. 产品性能的评价取决于产品包含零件的某个参数。由 标定值 和 容差 两个控制指标。 标定值 :一批零件该参数的平均值(期望值) 容差 :参数偏离标定值的容许范围(一般为均方差的3倍). 引例(零件参数设计). 粒子分离器某个参数(用 y 表示)由7个零件的参数(用 x 1 , x 2 , … , x 7 表示)决定,经验公式为. 评价标准: (1)设定 y 的目标值(记为 y 0 ) 为1.50; (2)当 y 偏离目标值 0.1 时,产品为次品,质量损失1000元
E N D
实验六 零件参数设计 随机模拟
产品性能的评价取决于产品包含零件的某个参数。由标定值和容差两个控制指标。产品性能的评价取决于产品包含零件的某个参数。由标定值和容差两个控制指标。 标定值:一批零件该参数的平均值(期望值) 容差:参数偏离标定值的容许范围(一般为均方差的3倍) 引例(零件参数设计)
粒子分离器某个参数(用y表示)由7个零件的参数(用x1,x2,…,x7表示)决定,经验公式为粒子分离器某个参数(用y表示)由7个零件的参数(用x1,x2,…,x7表示)决定,经验公式为
评价标准: (1)设定y的目标值(记为y0)为1.50; (2)当y偏离目标值0.1时,产品为次品,质量损失1000元 (3)当y偏离目标值0.3时,产品为废品,质量损失9000元 要求: 对于给定的零件参数标定值和容差,计算产品的损失,同时进行零件参数最优化设计。
事件A发生的可能性称为事件A的概率。 随机现象中,取值不确定的变量称为随机变量,描述随机变量取各种值的概率函数称为概率分布。 数学期望(均值):描述随机变量的平均值 方差,标准差(均方差):描述随机变量分布的差异程度。 概率论知识复习
概率分布 0-1分布 二项分布 均匀分布 正态分布(标准正态分布)
大数定理表明,当k时,样本平均值趋向于总体平均值,它是数理统计参数估计的理论基础,也是数字特征随机模拟的理论根据。大数定理表明,当k时,样本平均值趋向于总体平均值,它是数理统计参数估计的理论基础,也是数字特征随机模拟的理论根据。 设是一个分布已知的随机变量,为了求取 = f()的概率分布或数字特征,生成N个(N足够大)服从的分布的随机数x1, x2, …, xN,令yi = f(xi), i=1,2,…,N, 那么 随机模拟原理
数据分析(注意对向量和矩阵的不同运算方式)数据分析(注意对向量和矩阵的不同运算方式) a=min(X)(max(X)): 返回向量X的最小(大)向量 X=min(A)(max(A)): 返回矩阵A每列最小(大)元素构成的行向量 mean(X),mean(A): 返回向量X的平均值(矩阵A的列向量的均值构成的向量) median: 返回中值; std: 返回标准差 cov: 返回协方差矩阵; corrcoef: 返回相关系数矩阵 sum: 各元素的和; cumsum: 元素累计和 prod: 各元素的积; cumprod: 元素累积积 数据分析与随机数生成的MATLAB命令
直方图 Bar(Y): 作向量Y的直方图 Bar(X, Y): 作向量Y相对于X的直方图 Hist(X, k): 将向量X中数据等矩分为k组,并作出直方图,缺省k=10 [N, X]=hist(Y, k): 不作图,N返回各组数据个数,X返回各组的中心位置 • 随机数的生成 • R=rand(m,n): 生成(0,1)上均匀分布的m行n列随机矩阵 • R=randn(m,n):生成标准正态分布的m行n列随机矩阵
R=randperm(N): 生成1,2,…,N的一个随机排列 R=unidrnd(N,m,n):生成1,2,…,N的等概率m行n列随机矩阵 R=unifrnd(a,b,m,n): 生成[a,b]区间上的均匀分布的m行n列矩阵 R=normrnd(mu,sigma,m,n): 生成均值为mu,均方差为sigma的m行n列随机矩阵 R=binornd(k,p,m,n): 生成参数为k,p的m×n列二项分布随机矩阵 R=mvnrnd(mu,sigma,m): 生成n维正态分布数据,其中mu为均值向量,sigma为n阶协方差矩阵(必须正定),R为m行n列矩阵,每行代表一个随机数
零件参数设计 计算下述情况的零件每件产品的平均损失 实验例题
Monte Carlo法计算积分 使用随机模拟法可以求解一些复杂的非随机问题。 使用随机模拟计算二重积分的原理: 假设C被包含在几何体D内,D的体积已知,若在D内生成1个均匀分布的随机数,则该随机数落在C中的概率应当是C的体积除以D的体积。若一共生成N个随机数,其中有NC个在C的内部,则C的体积约为D的体积乘以NC/N
最优化计算Monte Carlo法 求下列函数的最大值: