下载掌阅APP，畅读海量书库
立即打开
蒙特卡洛模拟方法的基础是概率统计方法及理论，主要思想是建立系统的概率模型，进行假想试验抽样并统计处理，所得结果即为问题的解，目前理论科学及工程的各领域均广泛应用到蒙特卡洛方法，如粒子在输运问题上的数值模拟、结构力学和系统的可靠性评估分析等。蒙特卡洛模拟在系统可靠性分析中模拟的主要是系统的寿命过程。
应用蒙特卡洛模拟的缺陷在于，模拟前必须明确系统的故障和维修的分布函数。通常，产品故障的分布函数存在两种情况：一种是产品受工作环境的限制，无法得到现场失效数据，分布函数无法确定；另一种是通过使用单位现场收集得到，这部分数据由于收集不及时，系统带有潜在故障工作等原因，导致所收集数据的可靠度呈灰色，则故障分布函数可信度降低。
复杂系统可靠性仿真的分析对象是一类典型的离散事件系统。离散事件系统是指系统状态仅在离散时间点上发生变化的系统，引起系统状态变化的行为被称为“事件”，这类系统是由事件驱动的；事件往往发生在随机时间点上，故也称其为随机事件。事件包括故障事件和维修事件，即单元运行过程中发生的故障现象与相对应的维修活动，时间包括单元发生故障的时间及其维修消耗的时间。基于蒙特卡洛模拟法的复杂系统可靠性仿真基本原理是模拟系统运行时产生的故障事件和维修事件，系统组成元件的故障及其维修活动将会直接或间接地影响到系统的正常运行，依据这些事件对系统的影响来统计分析系统可靠性水平。此方法使用随机数发生器对系统进行随机抽样，通过对样本值的统计，求得待研究系统的某些参数。若已知设备单元的寿命分布和维修分布的类型与参数，便可抽样产生相应的随机事件，具体方法如下：
假设系统某一组成单元的可靠性分布类型为指数分布， R （ t ）=exp（-λ t ），其中λ为故障率。采用直接抽样方法，可以得到系统在执行某一任务期间该组成单元发生故障的一组时间序列，即
其中， N 表示总的仿真次数， T i 表示第i次抽样时所得的故障时刻， η i 表示在[0，1]区间上均匀分布的随机数。 η i 是由线性同余发生器产生的，其递推公式为
其中： x i 为产生的伪随机数； x 0 为初值； m 为模数； a 为乘数； c 为增量；且 m ， a 和 c 皆为非负整数。
通过上述方法，可以抽样得到系统的故障事件和维修事件，再经过大量的随机抽样得到仿真所需要的事件集合，称为随机事件表，由此对系统进行可靠性分析，具体步骤如下：
步骤1：选择合适的随机数发生器，基于单元的故障与维修分布，利用随机数抽样得到单元的故障事件和维修事件。在系统任务时间内，按照故障发生时间和优先级排列事件，构成可靠性分析所需要的故障事件表和维修事件表。
步骤2：从初始化的系统时钟开始，扫描处理故障事件表和维修事件表。根据单元与任务的逻辑关系，判断其发生故障和实施维修是否会引起任务失败，在单元执行任务期间，若其累计失效时间超过预设值，则任务失败。
步骤3：记录每一次仿真的结果，进行 N 次仿真时，若任务失败次数为 F ，则系统的任务可靠度近似值为 R =1- F / N ；为保证仿真精度， N 至少取2000次。