可靠性与维修性工程概论（十三）-拟合度检验

拟合度检验是可靠性工程领域里用于定量评估观测数据和预设理论分布一致性的关键分析方法。它通过统计检验判断数据能否被特定分布模型有效拟合，是可靠性建模、寿命预测及工程决策的重要前提。该方法主要分一般拟合度检验和专门拟合度检验，不同检验方法在适用场景、数据类型、计算逻辑上有显著差异，要结合实际工程问题合理选择。合理运用拟合度检验能避免模型误选带来的可靠性分析偏差，为设备设计优化、维护策略制定提供科学依据。一、主要检验方法及核心应用1）卡方拟合优度检验：核心公式是χ²=Σ[(Oᵢ-Eᵢ)²/Eᵢ] ，适用于分类数据，比如不同时间段的故障次数，检验观测频数与理论频数差异是否显著。像某设备100小时内故障次数观测值为[5,10,15,20]，理论期望为[8,12,18,12]，计算χ²值后与临界值比较判断原假设。关键是每组期望频数要≥5，不然要合并相邻分组。2）指数分布的Bartlett检验：能检验多个样本是否来自同一指数分布，或单个样本是否符合指数分布。适用于设备寿命的指数衰减模型评估，基于方差齐性检验，比较样本方差与指数分布理论方差的差异。3）威布尔分布的Mann检验：针对威布尔分布的形状参数检验，判断数据是否符合威布尔分布。适用于疲劳寿命、老化过程的可靠性分析，利用秩统计量检验数据与理论分布的偏离程度，无需假设分布具体参数值。4）正态/对数正态分布的K-S检验：通过比较经验分布函数与理论分布函数的最大差异判断数据是否服从正态或对数正态分布。适用于连续数据的分布拟合检验，要将连续数据离散化分组，分组方式会影响检验结果，需合理选择分组区间。5）幂律过程模型检验：检验数据是否符合幂律过程，模型假设故障率与时间呈幂函数关系。拟合幂律方程后，通过t检验或F检验判断参数的统计显著性，若参数显著则认为数据符合幂律过程。二、检验方法选择建议1）分类数据场景：优先选卡方拟合优度检验，比如故障次数按时间段分组、故障模式分类。2）寿命数据场景：根据分布类型选，指数分布选Bartlett检验，威布尔分布选Mann检验，正态/对数正态分布选K-S检验。3）复杂过程数据场景：如软件故障发现、故障增长过程，考虑幂律过程模型检验。三、关键注意事项1）样本量要求：卡方检验每组期望频数需≥5，不足时合并相邻分组；K-S检验一般建议样本量n≥50，不然检验效能低。2）连续数据离散化误差：K-S检验需分组，分组过粗或过细都可能导致检验偏差，要结合数据特性合理调整。3）多检验修正：同时进行多个拟合度检验时，需采用Bonferroni校正或FDR校正，避免I类错误概率升高。