4. Duane模型参数估计：最小二乘法拟合Duane模型、斜率与截距的物理意义

4.1 从累积MTBF到线性化变换

Duane模型的核心假设是累积MTBF与累积试验时间在双对数坐标下呈线性关系。其原始表达式为：

θ_c(T) = K · T^α

其中：

• θ_c(T) — 累积MTBF（Mean Time Between Failures）
• T — 累积试验时间
• K — 尺度参数（与初始可靠性水平相关）
• α — 增长斜率（0 < α < 1 表示可靠性增长）

为使用最小二乘法进行参数估计，需对等式两边取自然对数，将其转化为线性形式：

ln[θ_c(T)] = ln(K) + α · ln(T)

令：

• y = ln[θ_c(T)] — 因变量
• x = ln(T) — 自变量
• b = ln(K) — 截距
• m = α — 斜率

则线性模型为：y = m · x + b。

4.2 最小二乘法拟合步骤

给定一组观测数据点 (T_i, θ_c,i)，i = 1, 2, …, n，拟合过程分为以下步骤：

1. 数据准备：计算每个数据点的累积试验时间 T_i 和累积MTBF θ_c,i。
2. 对数变换：计算 x_i = ln(T_i)，y_i = ln(θ_c,i)。
3. 计算统计量：求 x̄、ȳ、S_xx、S_xy。
4. 估计斜率与截距：使用标准最小二乘公式。
5. 反变换：由 b = ln(K) 得 K = e^b，斜率 m 即为 α。

最小二乘估计公式如下：

斜率 m = S_xy / S_xx
截距 b = ȳ - m · x̄

其中：
S_xx = Σ(x_i - x̄)² = Σx_i² - (Σx_i)² / n
S_xy = Σ(x_i - x̄)(y_i - ȳ) = Σx_i·y_i - (Σx_i)(Σy_i) / n

4.3 斜率与截距的物理意义

Duane模型线性化后的两个参数具有明确的工程解释：

4.4 拟合优度与残差分析

完成参数估计后，需评估拟合质量。常用指标包括：

• 决定系数 R²：衡量线性关系的强度。R² 越接近 1，拟合效果越好。工程实践中，R² > 0.85 通常认为可接受。
• 残差图：绘制残差 e_i = y_i - (m·x_i + b) 与拟合值或 x_i 的散点图。残差应随机分布在零线附近，无明显趋势或异方差性。
• 均方根误差 RMSE：反映预测值与观测值的平均偏差，单位与 ln(θ_c) 相同。

R² = 1 - (SS_res / SS_tot)
其中：
SS_res = Σ(y_i - ŷ_i)²  （残差平方和）
SS_tot = Σ(y_i - ȳ)²    （总平方和）

4.5 Duane模型拟合流程图

4.6 参数估计的工程注意事项