4. 常用寿命分布及其失效概率计算

在可靠性工程中，寿命分布用来描述“产品从开始工作到发生失效的时间”这一随机变量的统计规律。工程上最常用的三类分布是指数分布、威布尔分布和正态/对数正态分布。它们各自对应不同的失效机理：指数分布刻画随机失效，威布尔分布覆盖早期、偶然与耗损全寿命阶段，正态与对数正态分布则常用于磨损、疲劳等累积损伤型失效。本节从可靠度函数与失效概率公式出发，说明它们的推导思路与工程用法。

一、可靠度与失效概率的基本关系

设产品寿命为随机变量 T，其累积分布函数 F(t) = P(T ≤ t) 表示产品在 t 时刻之前失效的概率，即不可靠度（失效概率）。可靠度定义为 R(t) = P(T > t) = 1 − F(t)。若寿命的概率密度函数为 f(t)，则 F(t) = ∫₀ᵗ f(u)du，R(t) = ∫ₜ^∞ f(u)du。三者关系是所有寿命分布推导的共同起点。

另一个核心量是失效率（风险函数）λ(t) = f(t)/R(t)，它表示“工作到 t 时刻仍正常的产品，在下一瞬间发生失效的条件概率密度”。由 f = −dR/dt 可得 λ(t) = −(1/R)dR/dt，积分后得到通用关系式 R(t) = exp[−∫₀ᵗ λ(u)du]。这条式子把“失效率随时间的变化规律”与“可靠度函数”直接联系起来，是理解三种分布差异的关键。

二、指数分布：恒定失效率的随机失效模型

指数分布假设失效率为常数 λ(t) = λ，代入通用关系式得 R(t) = exp(−λt)，失效概率 F(t) = 1 − exp(−λt)，密度函数 f(t) = λexp(−λt)。其平均寿命（MTTF）为 1/λ。指数分布最重要的性质是无记忆性：已正常工作 t 小时的产品，再工作 s 小时的可靠度与新产品相同，即 R(s|t) = R(s)。这正对应“失效由随机外部冲击引起、与已服役时间无关”的机理，适用于电子元器件、复杂系统稳定期的偶然失效建模。

示例：某电源模块在稳定期失效率 λ = 2×10⁻⁵ /h（即 MTBF 约 5 万小时，属合理假设）。求工作 10000 h 的可靠度：R = exp(−2×10⁻⁵×10000) = exp(−0.2) ≈ 0.8187，失效概率约 18.13%。若要求 R ≥ 0.95，则 t ≤ −ln(0.95)/λ ≈ 2565 h，说明在恒定失效率下，可靠度随任务时间呈指数下降，延长任务时间代价很大。

三、威布尔分布：覆盖全寿命阶段的通用模型

威布尔分布的可靠度函数为 R(t) = exp[−(t/η)^β]，失效概率 F(t) = 1 − exp[−(t/η)^β]，其中 η 为尺度参数（特征寿命，t = η 时 R = e⁻¹ ≈ 0.368），β 为形状参数。对其求失效率：λ(t) = (β/η)(t/η)^(β−1)。可见 β < 1 时失效率递减（早期失效），β = 1 时退化为指数分布（偶然失效），β > 1 时失效率递增（耗损失效），β ≈ 3.4 时接近正态分布。这正是威布尔分布被称为“浴盆曲线通用模型”的原因。

示例：某轴承寿命服从 β = 2.5、η = 8000 h 的威布尔分布（合理假设）。求 5000 h 的可靠度：R = exp[−(5000/8000)^2.5] = exp[−(0.625)^2.5] ≈ exp(−0.309) ≈ 0.734，失效概率约 26.6%。若把 β 改为 1.2（接近早期失效），同样 5000 h 的 R = exp[−(0.625)^1.2] ≈ exp(−0.570) ≈ 0.566，说明形状参数对可靠度影响显著，工程上必须先通过寿命数据拟合确定 β 与 η，不能凭经验随意取值。

四、正态与对数正态分布：累积损伤型失效

正态分布用于描述“失效时间集中在均值 μ 附近、两侧对称”的磨损或老化过程，其可靠度 R(t) = 1 − Φ[(t − μ)/σ]，失效概率 F(t) = Φ[(t − μ)/σ]，其中 Φ 为标准正态分布函数。由于正态分布允许 t 取负值，而寿命不可能为负，故当 μ/σ 较大（一般大于 3）时用正态近似才合理。

对数正态分布令 Y = lnT 服从正态分布，则 R(t) = 1 − Φ[(lnt − μ)/σ]，失效概率 F(t) = Φ[(lnt − μ)/σ]。它天然保证寿命为正，且右偏，适合描述疲劳裂纹扩展、维修时间、半导体器件退化等“失效时间跨度大、少数样本寿命很长”的场景。其失效率先增后减，与正态的单调递增不同。

示例：某密封件寿命服从对数正态分布，lnT 的均值 μ = 9.2、标准差 σ = 0.5（T 单位 h，合理假设）。求 8000 h 的失效概率：ln8000 ≈ 8.987，z = (8.987 − 9.2)/0.5 = −0.426，查标准正态表 Φ(−0.426) ≈ 0.335，即约 33.5% 的密封件在 8000 h 前失效，可靠度约 66.5%。若要求失效概率不超过 10%，则需 z = −1.282，对应 lnt = 9.2 − 0.641 = 8.559，t ≈ 5220 h，即应把更换周期控制在约 5200 h 以内。

五、选用与计算要点

实际工作中，选择分布应依据失效机理与数据特征，而非习惯：随机冲击主导、失效率平稳时用指数分布；需要同时刻画早期、偶然、耗损阶段或数据明显偏斜时用威布尔分布；失效由累积磨损、疲劳引起且寿命分布近似对称时用正态分布，寿命跨度大且右偏时用对数正态分布。计算时统一遵循“先定分布与参数 → 写出 R(t) 或 F(t) → 代入任务时间 → 查表或数值计算”的路径，并注意正态类分布需做标准化变换。参数估计应基于足够样本的寿命试验或现场数据，用极大似然法或概率图法拟合，再通过拟合优度检验确认模型适用性，避免把假设参数直接当作结论使用。