稳健性和可靠性研究的采样方法

在稳健性和可靠性研究中,所有输入参数都是连续的。为每个参数指定分布值,采样方法根据指定的分布选择值。

在输入参数属性中,指定每个参数的分布值。有关更多详细信息,请参考:分布值(稳健性和可靠性研究)

设置分布值时,关联的概率密度函数 (PDF) f(x) 和累积分布函数 (CDF) F(x) 已为此输入参数完全确定。

样本点(此输入参数的值)通过在 CDF 的反转函数 F1(x) 上映射 0 与 1 之间的随机样本点 u(i) 来选择:

1. EQUATION_DISPLAY
x(i)=F1(u(i))
(5142)

其中, u(i)[0,1] 为 0 到 1 的随机样本,由计算机生成。

x(i) 为与所需分布匹配的输入参数值。

从统计数据的角度来看,这些值更有可能来自 CDF 较陡峭的范围部分。

对于稳健性和可靠性研究,以下采样方法可用:

拉丁超立方采样

对于 m运行设计(样本大小),拉丁超立方体采样将分布函数 f(x) 划分为面积相等的 m 段,并为每段选取一个值。下面显示了一个具有正态分布的输入参数和 5 个运行设计的示例:



使用 CDF F(x) u(i)[0,1] x(i) 的映射步骤如下所示:



ith 采样点 u(i) 的选择介于 i1m im 之间。

通常,对于拉丁超立方体采样, u(1)[0,1m],u(2)(1m,  2m],  ,u(m)(m1m,  1]  

在以上示例中, m=5 ,第四段的采样点 x(4) 由值 u(4)(0.6,0.8] 生成。

以下绘图演示了不同样本大小在每个段内的设计所占百分比:



Monte Carlo 采样

Monte Carlo 采样方法从分布函数中生成独立的随机采样点,而不考虑先前生成的点。

Monte Carlo 采样方法的映射步骤如下所示:



每个值 u(i)[0,1] 均为从 0 到 1 的独立随机样本。

由于 Monte Carlo 采样方法的特性,需要较大的样本大小。

以下绘图演示了不同样本大小在每个段内的设计所占百分比: