📚 课程目录第1章可靠性数学基础

1. 可靠性数学基础：定义与核心函数

可靠性工程的核心是使用概率语言描述产品在时间维度上的生存能力。本节建立四个基本函数及其数学关系，这是后续所有可靠性模型（包括威布尔分布）的基石。

可靠性（Reliability）定义为：产品在规定的条件下、规定的时间内，完成规定功能的概率。数学上，若随机变量 \(T\) 表示产品失效时间（寿命），则可靠度函数 \(R(t)\) 为：

\[ R(t) = P(T > t), \quad t \geq 0 \]

即产品在时间 \(t\) 之前未失效的概率。与之互补的是累积失效分布函数 \(F(t)\)：

\[ F(t) = P(T \leq t) = 1 - R(t) \]

表示产品在时间 \(t\) 之前已失效的概率。

关键理解： \(R(t)\) 是“生存”概率，\(F(t)\) 是“死亡”概率。两者之和恒为 1，且均为时间 \(t\) 的单调函数——\(R(t)\) 单调递减，\(F(t)\) 单调递增。

失效概率密度函数 \(f(t)\) 是 \(F(t)\) 对时间的导数，描述失效事件在时间轴上的瞬时发生速率：

\[ f(t) = \frac{dF(t)}{dt} = -\frac{dR(t)}{dt} \]

其物理意义：在 \(t\) 时刻附近单位时间内发生失效的概率密度。\(f(t)\) 满足概率密度函数的基本性质：

核心关系链： 已知任意一个函数，可通过积分或微分推导出其余三个。例如：

R(t) = 1 - F(t)
F(t) = ∫₀ᵗ f(τ) dτ
f(t) = -dR(t)/dt
λ(t) = f(t) / R(t)

下图展示四个可靠性基本函数之间的数学转换关系，箭头方向表示推导方向：

假设某产品的寿命 \(T\) 服从指数分布，其失效概率密度函数为：

\[ f(t) = \lambda e^{-\lambda t}, \quad t \geq 0, \lambda > 0 \]

则可通过积分和代数运算依次推导出其余三个函数：

累积失效分布函数： \(F(t) = \int_0^t \lambda e^{-\lambda \tau} d\tau = 1 - e^{-\lambda t}\)
可靠度函数： \(R(t) = 1 - F(t) = e^{-\lambda t}\)
失效率函数： \(\lambda(t) = \frac{f(t)}{R(t)} = \frac{\lambda e^{-\lambda t}}{e^{-\lambda t}} = \lambda\)（常数）

注意： 指数分布的失效率为常数，这是其独特性质。威布尔分布则能通过形状参数 \(\beta\) 灵活描述失效率递增（\(\beta > 1\)）、递减（\(\beta < 1\)）或恒定（\(\beta = 1\)）三种情况，这正是威布尔分布成为可靠性工程核心工具的原因。

下表对比四个函数在典型失效模式下的图形特征：

函数	纵轴含义	初始值 \(t=0\)	终值 \(t \to \infty\)	典型形状
\(R(t)\)	生存概率	1	0	单调下降曲线
\(F(t)\)	失效概率	0	1	单调上升曲线
\(f(t)\)	失效密度	视分布而定	0	单峰/递减/浴盆
\(\lambda(t)\)	瞬时失效率	视分布而定	视分布而定	递增/递减/常数/浴盆

  工程应用提示： 实际可靠性分析中，通常先通过试验数据估计 \(F(t)\) 或 \(R(t)\)，再推导出 \(f(t)\) 和 \(\lambda(t)\)。失效率函数 \(\lambda(t)\) 是判断产品处于早期失效期、偶然失效期还是耗损失效期的关键指标。