CN103631201B - 一种数控机床子系统可靠性影响度分析方法 - Google Patents
一种数控机床子系统可靠性影响度分析方法 Download PDFInfo
- Publication number
- CN103631201B CN103631201B CN201310694580.4A CN201310694580A CN103631201B CN 103631201 B CN103631201 B CN 103631201B CN 201310694580 A CN201310694580 A CN 201310694580A CN 103631201 B CN103631201 B CN 103631201B
- Authority
- CN
- China
- Prior art keywords
- numerically
- controlled machine
- subsystem
- fault
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- General Factory Administration (AREA)
Abstract
本发明涉及一种数控机床子系统可靠性影响度分析方法,属于数控机床技术领域,旨在弥补现有技术未考虑数控机床其余子系统的故障时间的扰动和试验截尾时间影响的不足,其步骤如下:1)读取数控机床运行记录表;2)读取子系统故障时间数据;3)建立数控机床系统可靠性功能框图,确定子系统可靠性关系;4)将数控机床其余子系统的故障时间的扰动及试验截尾时间影响按截尾数据处理;5)建立数控机床子系统可靠度模型;6)确定数控机床系统可靠度模型;7)计算数控机床子系统动态可靠性影响度;8)计算数控机床子系统核心可靠性影响度;本发明据此建立的数控机床系统可靠度模型与经验分布函数模型拟和相比,精度在5%以内,可以满足实际分析要求。
Description
技术领域
本发明属于数控机床技术领域,涉及一种数控机床子系统可靠性影响度分析方法,具体涉及一种考虑数控机床其余子系统故障时间扰动和试验截尾时间影响的数控机床子系统可靠性影响度分析方法。
背景技术
随着复合功能的增多和密集型技术的引入,数控机床的各子系统故障潜在隐患增多。在数控机床正常使用过程中,每一数控机床子系统出现故障都会引起数控机床整机故障,且当数控机床系统故障时,一个组件会产生一个自身的故障时间并使得所有其他组件的时间截尾,而现有对数控机床子系统建模与评价技术是通过直接挑选数控机床子系统故障时间,最终确定的模型在时间上是独立的,忽略了数控机床子系统故障的时间相关性。
可靠性影响度是识别子系统相对整机重要性程度的一种有效的度量指标,通过这个指标可以确定哪些子系统对系统可靠性改进更重要,或对引起系统故障更关键。为了确定不同单元对系统可靠性的不同影响,影响度的界定亦不同。当前数控机床可靠性影响度的评价指标仅涉及重要度的评价,主要有概率重要度,FV-重要度,结构重要度等,主要针对故障树分析得出的割集进行计算,而没有关于系统可靠性试验中子系统影响度的分析与评价方法。
在数控机床使用过程中,数控机床每一组件出现故障都会引起整机故障,且当系统故障时,一个组件会产生一个自身的故障时间并使得所有其他组件的时间截尾,若不考虑这些影响,将会影响组件可靠性建模的精度和准确性。如果一个组件的可靠性本身已经很高,要将其可靠度再提高一个等级是很困难的。相反,要提高一个可靠度较低的组件的可靠性对整机可靠性的提高贡献会更加显著。即“改善一个不太可靠的部件比改善一个已经非常可靠的部件更容易”。而当前子系统对数控机床可靠性影响度的评价仅涉及重要度的计算,主要由故障树分析得到,并未提出有效的确定子系统改进潜力大小和考虑时变性的子系统影响度评价技术方法。即使考虑时变性,但因子系统可靠性建模中未考虑时间相关性,致使其结果与实际相距甚远。
发明内容
本发明所要解决的技术问题是克服了现有技术存在的子系统可靠性建模中未考虑时间相关性的问题,提供了一种同时考虑数控机床其余子系统的故障时间扰动和试验截尾时间影响的数控机床子系统可靠性影响度分析方法。
为解决上述技术问题,本发明是采用如下技术方案实现的,结合附图说明如下:
本发明可以实现数控机床系统运行过程中组成数控机床子系统的故障时间扰动和试验截尾时间影响下的数控机床子系统可靠性影响度的快速分析,为可靠性分配和可靠性增长提供理论基础,本发明的方法将分析数控机床子系统在考虑时间相关性时数控机床子系统可靠性模型建模与影响度分析方法。
一种数控机床子系统可靠性影响度分析方法,包括以下步骤:
步骤1:读取数控机床运行记录表,参见表1,获取数控机床故障时间和数控机床可靠性试验时间,结合数控机床结构与功能将数控机床划分成数控机床各子系统;
表1
步骤2:读取需要分析的数控机床各子系统的故障时间,同时考虑数控机床其余子系统的故障时间的扰动和各试验截尾时间影响;
步骤3:根据数控机床结构和工作原理建立数控机床系统可靠性功能框图,确定数控机床各子系统可靠性关系;
步骤4:对每一个数控机床子系统,将数控机床其余子系统的故障时间的扰动及试验截尾时间影响按截尾数据处理;
步骤5:对每一个数控机床子系统,修正截尾数据对故障次序的影响,应用经验分布算法得到数控机床子系统可靠度模型;
步骤6:根据数控机床系统可靠性功能框图和数控机床子系统可靠度模型,确定数控机床系统可靠度模型;
步骤7:数控机床子系统动态可靠性影响度的计算:将数控机床系统可靠度模型对数控机床某子系统的导数定义为数控机床子系统动态可靠性影响度,数控机床子系统动态可靠性影响度根据数控机床系统可靠度模型和数控机床子系统可靠度模型计算,数控机床子系统动态可靠性影响度表达式为:
式中,Ik—数控机床子系统动态可靠性影响度;
k—数控机床子系统序号,k=1,2,…,N;
Rk—数控机床子系统可靠度函数;
Rsys—数控机床系统可靠度函数;
Ik是一个时间t的函数,其值介于0,1之间。其值越大,说明该数控机床子系统的可靠性大小对数控机床系统可靠性的影响越大。
公式的物理意义为:对于数控机床系统中某一时刻任意两个数控机床子系统动态可靠性影响度Ik与Ij,若Ik>Ij,则说明要较大幅度地提高数控机床整机可靠性水平需要从提高数控机床子系统k的可靠性水平出发,从而间接表明此时数控机床子系统k比数控机床子系统j更关键。即Ik越大,数控机床子系统k可靠度的变化引起数控机床整机可靠度的变化越显著。因此,改进可靠性影响度较大的数控机床子系统并降低其故障率,可使数控机床整机的可靠度有较大的改善。
步骤8:数控机床子系统核心可靠性影响度的计算:将数控机床子系统动态可靠性影响度Ik与数控机床子系统可靠度函数Rk之比定义为数控机床子系统核心可靠性影响度,数控机床子系统核心可靠性影响度表达式为:
式中,Ck—数控机床子系统核心可靠性影响度。
技术方案中所述数控机床子系统可靠性模型建模步骤如下:
(1)读取故障时间数据,第一个数控机床起始停机时间减去数控机床可靠性试验起始时间即为第一个故障时间数据,其余的故障时间数据可用后一数控机床起始停机时间减去前一数控机床终止停机时间得到;
(2)读取数控机床各子系统故障时间数据,将各故障时间数据划分到数控机床各子系统,不包括最后一段试验截尾时间,数控机床可靠性试验截止时间减去最后一个故障终止停机时间为试验截尾时间;
(3)修正数控机床某子系统故障时间数据次序;
(4)利用数控机床某子系统故障时间数据,引入近似中位秩法计算数控机床子系统可靠度估计值,结合实际情况的故障时间数据进行相近分布的假设,然后进行参数估计和拟和性检验,得出数控机床子系统可靠度模型。
技术方案中修正数控机床某子系统故障时间数据次序步骤如下:
(1)将数控机床各子系统故障时间数据和试验截尾时间数据按增序排列,得到数控机床某子系统故障时间数据的次序;
(2)引入平均秩次法修正偏移量,根据数控机床某子系统故障时间数据的次序,将试验过程分成若干个区间,考虑数控机床其余子系统故障时间和试验截尾时间的影响并假设它们在这些区间段内出现的可能性是等概率的,将各种次序及其出现的可能相乘,并将各结果累加,得到修正后数控机床某子系统故障时间数据的次序。
技术方案中引入平均秩次法,得到修正后数控机床某子系统故障时间数据的次序为:
式中,——故障时间数据为ti的次序编号;
——故障时间数据为t(i-1)的次序编号;
——故障时间数据为ti次序偏移量;
n——为故障时间数据和试验截尾时间所有数据的总数,
i——为故障时间数据的大小排序;
j——为故障时间和试验截尾时间所有数据的大小排序,1≤j≤n。
技术方案中引入近似中位秩法计算数控机床子系统可靠度估计值近似中位秩法公式表示为
技术方案中数控机床系统可靠度函数Rsys与数控机床子系统可靠度函数Rk的关系为:
对于一个具体的数控机床的两个子系统i,j来说,如果Ri>Rj,则Ci可能会远小于Cj。这说明提高数控机床子系统j比提高数控机床子系统i对数控机床整机可靠性的提高贡献更大,在工程实际、制造技术上更容易得到满足,成本更低。
所以,数控机床子系统核心可靠性影响度能够更准确地量化各数控机床子系统对数控机床整机可靠性影响度贡献的差异性。
与现有技术相比本发明的有益效果是:
1.本发明提出的数控机床子系统可靠性影响度分析方法首次提出同时考虑数控机床其余子系统的故障时间的扰动和试验截尾时间影响,弥补了同领域工作的不足,据此建立的数控机床系统可靠度模型与经验分布函数模型拟和相比,精度在5%以内,可以满足实际分析要求。
2.本发明提出使用平均秩次法、近似中位秩法的数控机床子系统可靠度建模方法,可以修正数控机床其余子系统故障时间扰动和试验截尾时间等引起数控机床子系统故障时间数据次序的偏移,并应用统计分析法确定数控机床子系统可靠度模型。
3.为确定各数控机床子系统可靠性对数控机床系统可靠性影响的差异和数控机床各子系统的可靠性改进空间,本发明还在数控机床子系统可靠度模型基础上计算数控机床子系统动态可靠性影响度和数控机床子系统核心可靠性影响度,据此建立的数控机床子系统可靠度模型弥补了同领域工作的不足。
附图说明
下面结合附图对本发明作进一步的说明:
图1是本发明所述的数控机床子系统可靠性影响度分析方法的流程图;
图2是本发明所述的数控机床子系统可靠性影响度分析方法中的数控机床子系统可靠度模型建模流程图;
图3是本发明所述的数控机床子系统可靠性影响度分析方法中的数控机床系统可靠度模型与经验分布拟和建模对比图;
图4a是本发明所述的数控机床子系统可靠性影响度分析方法中观测起点不同的数控机床随机截尾样本数据曲线图;
图4b是本发明所述的数控机床子系统可靠性影响度分析方法中观测起点相同的数控机床随机截尾样本数据曲线图;
图5数控机床故障数据特点曲线图;
图中:×——故障;tjs(j=1,2,…,n)——试验截尾时间。
具体实施方式
下面结合附图对本发明数控机床子系统可靠性影响度分析方法作进一步说明:
步骤1:读取数控机床运行记录表,参见表1,获取数控机床故障时间和数控机床可靠性试验时间,结合数控机床结构与功能将数控机床划分成数控机床各子系统。
步骤2:读取需要分析的数控机床各子系统的故障时间数据,同时考虑数控机床其余子系统的故障时间的扰动和各试验截尾时间影响;
数控机床可靠性试验截止时间减去最后一个故障终止停机时间为试验截尾时间。
数控机床可靠性试验多采用现场抽样定时截尾试验方式进行,但由于各试验样本投入使用时间不一定相同,虽然试验截止时间相同,也导致数据出现随机截尾的特性,这种随机截尾称为随机逐次截尾。忽略维修时间影响,数控机床随机截尾样本数据、可靠性试验数据的特点参阅图4a及图4b。
举例说明,参阅图5,四个试验品共出现5个故障数据t1,t2,t3,t4,t5,4个截尾数据t6,t7,t8,t9,为与故障数据相区别,截尾数据后面加上“+”,且将这9个数据按照增序排列得:t1<t2<t8+<t5<t9+<t4<t6+<t7+<t3。因为t8是一个截尾数据,这将会影响数据t5的故障次序,所以t5的故障次序不能只按故障数据排序定位3,也不能按总体排序定为4,而是一个介于3与4之间的数值。
步骤3:根据数控机床结构和工作原理建立数控机床系统可靠性功能框图,确定数控机床各子系统可靠性关系。
步骤4:对每一个数控机床子系统,将数控机床其余子系统的故障时间的扰动及试验截尾时间影响按截尾数据处理;
步骤5:对每一个数控机床子系统,修正截尾数据对故障次序的影响,应用经验分布算法得到数控机床子系统可靠度模型;
在进行数控机床子系统可靠性影响度分析前,首先需要建立数控机床子系统可靠度模型。其过程参阅图2;
读取数控机床系统故障时间数据ti,第一个数控机床起始停机时间减去数控机床可靠性试验起始时间即为第一个故障时间数据,其余的故障时间数据可用后一数控机床起始停机时间减去前一数控机床终止停机时间得到;忽略维修时间的影响,ti可按下式计算
ti=Ti-Ti-1(i≥1),规定T0=0 (1)
读取试验截尾时间,数控机床可靠性试验截止时间减去最后一个故障终止停机时间为试验截尾时间;
数控机床子系统故障时间数据读取:根据故障分析结果,将各故障时间数据划分到数控机床各子系统;不包括最后一段试验截尾时间;
修正数控机床某子系统故障时间数据次序;
将数控机床各子系统故障时间数据和试验截尾时间数据按增序排列,得到数控机床某子系统故障时间数据的次序;
引入平均秩次法修正偏移量,根据数控机床某子系统故障时间数据的次序,将试验过程分成若干个区间,考虑数控机床其余子系统故障时间和试验截尾时间的影响并假设它们在这些区间段内出现的可能性是等概率的,将各种次序及其出现的可能相乘,并将各结果累加,得到修正后数控机床某子系统故障时间数据的次序;
引入平均秩次法,得到修正后数控机床某子系统故障时间数据的次序为:
式中,——故障时间数据为ti的次序编号;
——故障时间数据为t(i-1)的次序编号;
——故障时间数据为ti次序偏移量;
n——为故障时间数据和试验截尾时间所有数据的总数,
i——为故障时间数据的大小排序;
j——为故障时间数据和试验截尾时间所有数据的大小排序,1≤j≤n;
利用数控机床某子系统故障时间数据,引入近似中位秩法计算数控机床子系统可靠度估计值,结合实际情况的故障时间数据进行相近分布的假设,然后进行参数估计和拟和性检验,得出数控机床子系统可靠度模型;
引入近似中位秩法计算数控机床子系统可靠度估计值近似中位秩法公式表示为
——数控机床子系统可靠度估计值;
——故障时间数据为ti的次序编号;
n——为故障时间数据和试验截尾时间所有数据的总数。
步骤6:根据数控机床系统可靠性功能框图和数控机床子系统可靠度模型,确定数控机床系统可靠度模型。
步骤7:数控机床子系统动态可靠性影响度的计算:将数控机床系统可靠度模型对数控机床某子系统的导数定义为数控机床子系统动态可靠性影响度,数控机床子系统动态可靠性影响度根据数控机床系统可靠度模型和数控机床子系统可靠度模型计算,数控机床子系统动态可靠性影响度表达式为:
式中,Ik—数控机床子系统动态可靠性影响度;
k—数控机床子系统序号,k=1,2,…,N;
Rk—数控机床子系统可靠度函数;
Rsys—数控机床系统可靠度函数;
Ik是一个时间t的函数,其值介于0,1之间。其值越大,说明该数控机床子系统的可靠性大小对数控机床系统可靠性的影响越大;
公式的物理意义为:对于数控机床系统中某一时刻任意两个数控机床子系统动态可靠性影响度Ik与Ij,若Ik>Ij,则说明要较大幅度地提高数控机床整机可靠性水平需要从提高数控机床子系统k的可靠性水平出发,从而间接表明此时数控机床子系统k比数控机床子系统j更关键。即Ik越大,数控机床子系统k可靠度的变化引起数控机床整机可靠度的变化越显著。因此,改进可靠性影响度较大的数控机床子系统并降低其故障率,可使数控机床整机的可靠度有较大的改善。
步骤8:数控机床子系统核心可靠性影响度的计算:将数控机床子系统动态可靠性影响度Ik与数控机床子系统可靠度函数Rk之比定义为数控机床子系统核心可靠性影响度,数控机床子系统核心可靠性影响度表达式为:
式中,Ck—数控机床子系统核心可靠性影响度;
数控机床系统可靠度函数Rsys与数控机床子系统可靠度函数Rk的关系为:
Rsys—数控机床系统可靠度函数;
Rk—数控机床子系统可靠度函数;
k—数控机床子系统序号,k=1,2,…,N。
对于一个具体的数控机床的两个子系统i,j来说,如果Ri>Rj,则Ci可能会远小于Cj。这说明提高数控机床子系统j比提高数控机床子系统i对数控机床整机可靠性的提高贡献更大,在工程实际、制造技术上更容易得到满足,成本更低。
所以,数控机床子系统核心可靠性影响度能够更准确地量化各数控机床子系统对数控机床整机可靠性影响度贡献的差异性。
实施例
基于时间相关性的数控机床子系统影响度分析首要任务在于寻找确切反映子系统故障对于系统整机故障的动态影响,这种影响是随着时间的变化在不断变化的,并非独立不变的。而影响度确定的首要前提是建立切实反映系统故障时,各子系统间的故障过程及在时间上的相关关系的截尾时间相符合的寿命分布模型。为了确定数控机床整机故障时,各子系统的在时间上的相关关系的截尾时间,并能正确反映出系统与子系统,子系统与子系统间的可靠性影响。如果用传统的子系统可靠性分析方法,单纯直接挑选各子系统的故障时间数据用于可靠度建模,忽略了机床在现场使用过程中,当系统故障时,一个组件会产生一个自身的故障时间并使得所有其他组件的时间截尾情况的发生,从而导致子系统间在故障过程中产生时间相关关系,在这点上,传统方法具有很大局限性。本发明提供一种考虑各子系统故障在时间上的内在相依关系进行故障时间的选取与截尾时间的处理,并定量确定各子系统故障对系统故障产生的影响程度,以及有效地找出可靠度改进潜力大的子系统方法技术,为可靠性评估及可靠性增长提供依据。
数控机床子系统可靠性影响度分析方法,包括以下步骤:
步骤1:进行数控机床故障信息挖掘及记录,并将数控机床进行子系统划分。产品可靠性关注的是在现场运转中的功能维持与战备完好性。由于数控机床结构复杂且在使用条件下的不确定因素多,故障多在用户使用中才能暴露和反映出来,同时为节约时间和成本,可靠性试验多为定时截尾试验,因此通过现场实际运行考核,并以定时作为试验截止点进行故障信息挖掘,既能反映其在实际使用中发生故障的真实情况,同时节约了时间与成本。
(1)故障的定义、分类及计数原则
1)故障定义
产品在规定的条件下,规定的时间内,发生下列情况均称为故障:
①不能完成规定的功能(功能性故障),如不能换刀等。
②状态故障,如振动加剧、噪声大、发热大等。
③一个或几个性能参数超出允许的变化范围(参数性故障),如刀架定位精度不准确
2)故障分类与计数
故障可分为关联性故障和非关联性故障。关联性故障是指产品本身条件引起的故障,非关联性故障是指不是产品本身条件引起的故障。考核可靠性指标时,仅计入关联性故障,它是在解释试验结果或计算可靠性特征量的数值时必须计入的故障,但非关联性故障也应记录以便分析和判断。
关联性故障判据:
①必须经更换元器件、零部件或附属设备才能排除的故障,如编码器损坏;
②有寿命期要求的损耗件在其寿命期以内发生的故障,如液压系统密封圈在寿命期内的损坏;
③需要对电缆、接插件、电路板等进行修整,以消除断路、短路和接触不良,方可排除的故障,如线断;
④数控机床偶然出现失常或停运现象,但再次起动就能恢复正常工作,这种偶然事件如在72小时内累计达三次应计为一次关联性故障,不足三次则可作为非关联性故障处理;
⑤不是同一因素引起而同时发生的关联性故障,则应如数计入,如果是同一因素引起的,则只计一次;
⑥修复后累计工作不足24小时的,发生同一关联性故障,只计入一次。
对于试验中出现的关联故障,如果采取了有效的针对性纠正措施,试验证明确实已消除了这种故障,则可不算关联性故障。除此类由于数控机床自身条件引起的故障外都记为非关联故障。
非关联性故障对于改进可靠性试验工作是有积极意义的,因此,所有出现的非关联性故障均应记录、报告、分析,采取必要的改进措施,提高试验质量。
根据上述故障判据,故障计数原则如下:
①数控机床的每一个故障都按关联故障或非关联故障分类。若为关联故障,则每一个故障均按一次故障计数,非关联故障不应计数。
②如果数控机床有若干项功能丧失或性能指标超过了规定界限,而且不能证明它们是由于同一原因引起的,则每一项均判为数控机床的一个故障;若是由同一个原因引起的,则判为数控机床只产生了一个故障。
③如果数控机床有一项功能丧失或性能指标超过了规定界线,而且它是由两个或更多独立的故障原因引起,则以独立的故障原因数判为数控机床的故障数。
④修复后累计工作不足24小时的,发生同一关联性故障,只计入一次。
⑤到达寿命规定期限的配套件、耗损件的更换及超期使用的损坏不按故障计数。
⑥停机检测发现的故障,应计入故障数中。
(2)故障采集与规范
故障数据的采集是进行可靠性研究的基础,在确定数据可靠有用的前提下,首先制定好规范的故障记录表,用于跟踪试验故障数据的采集,参阅表2的《数控机床故障记录表》。故障记录表对发生每一次故障都要进行详细记录,其中包括数控机床编号、起始停机时间、终止停机时间、故障现象、处理方法等信息。
表2数控机床故障记录表
维修人员:
(3)子系统的划分
数控机床是复杂的机电系统,是通过电气系统经电力传输动力与信号指示机械系统运动,结合各种功能结构与分系统共同完成数控机床钻、削功能。因此,数控机床的故障主要体现在电气、机械、及其他功能辅助系统上。根据其功能结构,将数控机床划分为三个子系统:电气系统、机械系统、辅助系统。其系统和代码参阅表3所示。
表3数控机床子系统分类及代码表
步骤2:根据《数控机床故障记录表》将数据对故障数据进行整理和分类,读取需要分析的数控机床各子系统的故障时间,同时考虑数控机床其余子系统的故障时间的扰动和各试验截尾时间影响;
(1)数控机床故障数据整理与分类
数控机床定时截尾试验结束后,将《数控机床故障记录表》中记录得到的故障时间进行整理与分类。故障记录表中记录了每个故障的起始停机时间,令考核起始时间t=0,记为t0,再根据所记录的故障起始停机时间ti(i=1,…,n),计算出每个故障对于考核起始时间t0的时间差,在t0与ti间的时间差即为故障时间数据,同时将每台数控机床每个故障按所划分的子系统分类,得到故障时间数据汇总表,参阅表4所示。
表4数控机床故障汇总记录表
(2)数控机床子系统故障时间数据提取
首先针对每台数控机床故障数据进行分类,提取每台数控机床的故障信息,使故障信息清晰化,较清楚的看出每台数控机床在截尾试验过程中的故障状态,故障时间等。参阅表5所示。
表5数控机床故障发生时间数据表
根据表5整理得到,令考核起始时间t=0,即每台数控机床第一个故障时间数据为第一个故障的起始停机时间,后面的故障时间数据为该故障的起始停机时间减去前一个故障终止停机时间。根据各故障时间得到数控机床故障时间数据,具体参阅表6,最后一列为截尾数据,为了区别,加上“+”。
表6数控机床故障时间数据表
数控机床每一个子系统故障均会引起整机故障,进而导致其他子系统时间截尾。故机械系统、电气系统和辅助装置三个子系统的故障时间数据提取应该考虑其他的子系统的故障时间数据影响。结合数控机床故障发生时间数据表5中的每个故障所属类型和故障时间与数控机床故障时间数据表6中故障时间数据,分别提取每个子系统的故障时间数据。具体结果参阅表7所示。
按照本发明方法可得到六台数控机床三个子系统故障时间数据,参阅表7,以及六个试验截尾数据,1108+,709+,524+,903+,782.5+,1242.5+。
表7数控机床子系统故障时间数据表
步骤3:根据数控机床结构和工作原理建立数控机床系统可靠性功能框图,确定数控机床各子系统可靠性关系;
步骤4:对每一个数控机床子系统,将数控机床其余子系统的故障时间的扰动及试验截尾时间影响按截尾数据处理;
步骤5:对每一个数控机床子系统,修正截尾数据对故障次序的影响,应用经验分布算法得到数控机床子系统可靠度模型;
针对处理后的故障时间数据进行子系统可靠度建模。
本发明由于考虑了子系统对其他子系统在故障时间上的影响,而导致其他子系统时间截尾,这样使得故障时间数据的次序出现了变化。
修正子系统故障时间数据次序:通过引入平均秩次法计算因其他子系统故障时间和试验截尾时间引起的排列次序偏移量。
(1)将所有数据按增序排列j,1≤j≤n,其中n是故障时间数据和试验截尾时间数据总个数;将某一子系统故障时间数据增序排列i,1≤i≤m分别,其中m是该子系统故障时间数据个数;这样得到该子系统故障时间数据的两个次序。
(2)引入平均秩次法修正偏移量:其他子系统故障时间数据和试验截尾数据均按截尾数据处理,按照下面公式计算其他子系统故障时间数据和试验截尾数据的影响而引起的次序偏移量
这里,表示故障时间数据t(i-1)的次序编号。
按照下面公式计算该子系统故障时间数据ti的秩次
引入近似中位秩法计算可靠度估计值近似中位秩法公式可表示为
以电气系统为例介绍该过程。电气系统共有7个故障时间数据,其余11个为因其他子系统故障引起的截尾数据,另有6个因试验引起的截尾数据,基于平均秩次法得到各故障时间数据的秩次,参见表8。
表8电气系统可靠度估计
根据公式(1)计算出各子系统故障时间数据,根据公式(2)、(3)得到的各子系统可靠度估计值,然后进行参数估计和拟和性检验,最后确定各子系统可靠度模型
步骤6:
数控机床作为典型的复杂串联系统,其系统可靠度可由各子系统可靠度连乘得到,由下式所示:
式中:R1…Rn分别是子系统1…n的可靠度函数,Rsys为数控机床系统可靠度函数。
因此,数控机床系统可靠度为:
根据公式(1)计算出各子系统故障时间数据,根据公式(2)、(3)得到的各子系统可靠度估计值,然后进行参数估计和拟和性检验,最后确定各子系统可靠度模型 和系统可靠度模型
根据数控机床可靠性框图得到数控机床系统可靠度函数应用相关指数法计算经验分布估计系统可靠度模型Rsys和由子系统可靠度模型按照可靠性框图关系拟和得到的系统可靠度模型之间的偏差。相关指数k可用下面公式表示
其中,R表示真值,是按照近似中位秩公式计算得到的;表示由试验数据求得的可靠度分布函数的对应拟和值;表示真值的平均值。
按照该方法可得到ksys=0.988,由此可见,应用本发明方法计算子系统可靠度模型,据此得到的系统可靠度模型与按照经验分布拟和得到的模型相比,精度在5%以内,满足实际应用要求。
步骤7:
计算子系统i对整机可靠性影响程度的大小,即数控机床子系统动态可靠性影响度Ii,可按下面公式计算
其中Ii是一个时间t的函数,其值介于0与1之间。其值越大,说明该子系统的可靠性大小对系统可靠性的影响越大。
按照本发明方法可得到I机、I电和I辅,其对比值参见表9
表9数控机床子系统动态可靠性影响度对比
步骤8:
计算子系统i对整机核心可靠性影响度的大小,即数控机床子系统核心可靠性影响度Ci,可按下面公式计算
其中核心影响度Ci是衡量子系统的可靠性改进潜力,核心影响度大的子系统,可靠性改进的潜力也大。按照本发明方法计算出C机、C电和C辅,其对比值见表10。
表10数控机床子系统核心可靠性影响度对比
由表10可知,电气系统可靠性改进潜力最大,提高电气系统可靠性对于可靠性提高系统作用明显。两种方法计算得到结论一致,再次验证本发明提出方法的有效性和合理性。
Claims (1)
1.一种数控机床子系统可靠性影响度分析方法,其特征在于,包括以下步骤:
步骤1:读取数控机床运行记录表,获取数控机床故障时间和数控机床可靠性试验时间,结合数控机床结构与功能将数控机床划分成数控机床各子系统;
步骤2:读取需要分析的数控机床各子系统的故障时间,同时考虑数控机床其余子系统的故障时间的扰动和各试验截尾时间影响;
步骤3:根据数控机床结构和工作原理建立数控机床系统可靠性功能框图,确定数控机床各子系统可靠性关系;
步骤4:对每一个数控机床子系统,将数控机床其余子系统的故障时间的扰动及试验截尾时间影响按截尾数据处理;
步骤5: 对每一个数控机床子系统修正截尾数据对故障次序的影响,应用经验分布算法得到数控机床子系统可靠度模型;
步骤6:根据数控机床系统可靠性功能框图和数控机床子系统可靠度模型,确定数控机床系统可靠度模型;
步骤7:数控机床子系统动态可靠性影响度的计算:将数控机床系统可靠度模型对数控机床某子系统的导数定义为数控机床子系统动态可靠性影响度,数控机床子系统动态可靠性影响度根据数控机床系统可靠度模型和数控机床子系统可靠度模型计算,数控机床子系统动态可靠性影响度表达式为:
式中,—数控机床子系统动态可靠性影响度;
—数控机床子系统序号,;
—数控机床子系统可靠度函数;
—数控机床系统可靠度函数;
步骤8:数控机床子系统核心可靠性影响度的计算:
将数控机床子系统动态可靠性影响度与数控机床子系统可靠度函数之比定义为数控机床子系统核心可靠性影响度,数控机床子系统核心可靠性影响度表达式为:
式中,—数控机床子系统核心可靠性影响度;
所述的对每一个数控机床子系统修正截尾数据对故障次序的影响,应用经验分布算法得到数控机床子系统可靠性模型建模的步骤如下:
步骤1:读取数控机床系统故障时间数据,第一个数控机床起始停机时间减去数控机床可靠性试验起始时间即为第一个故障时间数据,其余的故障时间数据可用后一数控机床起始停机时间减去前一数控机床终止停机时间得到;
步骤2:读取数控机床各子系统故障时间数据,将各故障时间数据划分到数控机床各子系统,不包括最后一段试验截尾时间,数控机床可靠性试验截止时间减去最后一个故障终止停机时间为试验截尾时间;
步骤3:修正数控机床某子系统故障时间数据次序;
步骤4:利用数控机床某子系统故障时间数据,引入近似中位秩法计算数控机床子系统可靠度估计值,结合实际情况的故障时间数据进行相近分布的假设,然后进行参数估计和拟和性检验,得出数控机床子系统可靠度模型;
所述的修正数控机床某子系统故障时间数据次序步骤如下:
步骤1:将数控机床各子系统故障时间数据和试验截尾时间数据按增序排列,得到数控机床某子系统故障时间数据的次序;
步骤2:引入平均秩次法修正偏移量,根据数控机床某子系统故障时间数据的次序,将试验过程分成若干个区间,考虑数控机床其余子系统故障时间和试验截尾时间的影响并假设它们在这些区间段内出现的可能性是等概率的,将各种次序及其出现的可能相乘,并将各结果累加,得到修正后数控机床某子系统故障时间数据的次序;
引入平均秩次法,得到修正后数控机床某子系统故障时间数据的次序为:
式中,——故障时间数据为的次序编号;
——故障时间数据为的次序编号;
——故障时间数据为次序偏移量;
——为故障时间数据和试验截尾时间所有数据的总数;
——为故障时间数据的大小排序;
——为故障时间数据和试验截尾时间所有数据的大小排序,;
引入近似中位秩法计算数控机床子系统可靠度估计值,近似中位秩法公式表示为
——数控机床子系统可靠度估计值;
——故障时间数据为的次序编号;
——为故障时间数据和试验截尾时间所有数据的总数;
数控机床系统可靠度函数与数控机床子系统可靠度函数的关系为:
—数控机床系统可靠度函数;
—数控机床子系统可靠度函数;
—数控机床子系统序号,。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310694580.4A CN103631201B (zh) | 2013-12-17 | 2013-12-17 | 一种数控机床子系统可靠性影响度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310694580.4A CN103631201B (zh) | 2013-12-17 | 2013-12-17 | 一种数控机床子系统可靠性影响度分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103631201A CN103631201A (zh) | 2014-03-12 |
CN103631201B true CN103631201B (zh) | 2015-08-19 |
Family
ID=50212393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310694580.4A Expired - Fee Related CN103631201B (zh) | 2013-12-17 | 2013-12-17 | 一种数控机床子系统可靠性影响度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103631201B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971025B (zh) * | 2014-05-28 | 2015-07-29 | 吉林大学 | 一种数控机床故障相关关系动态变化分析方法 |
CN104991515B (zh) * | 2015-05-25 | 2017-06-16 | 长春工业大学 | 数控机床全生命周期重要性测度分析方法 |
CN104933258A (zh) * | 2015-06-25 | 2015-09-23 | 大连理工大学 | 一种提高卧式加工中心可靠性的设计方法 |
CN105278460B (zh) * | 2015-08-03 | 2018-02-09 | 吉林大学 | 基于级联故障分析的数控机床系统组件可靠性评价方法 |
CN105033719B (zh) * | 2015-08-17 | 2017-04-26 | 东北大学 | 一种基于动态可靠度确定换刀时间的方法 |
CN106202812A (zh) * | 2016-07-26 | 2016-12-07 | 东北大学 | 一种基于子系统相关性模型的数控车床可靠性分配方法 |
CN107818235A (zh) * | 2016-09-07 | 2018-03-20 | 无锡市工业设备安装有限公司 | 一种用于机电设备运行可靠度的分析方法 |
CN106444711B (zh) * | 2016-10-18 | 2019-03-01 | 上海发电设备成套设计研究院 | 一种控制系统的分级可靠性评定方法 |
CN106597992B (zh) * | 2017-01-19 | 2019-10-08 | 吉林大学 | 一种数控机床组件重要度分析方法 |
CN107179765A (zh) * | 2017-06-08 | 2017-09-19 | 电子科技大学 | 一种重型数控机床电气控制与驱动系统可靠性分析方法 |
CN107479494B (zh) * | 2017-07-28 | 2019-05-28 | 东北大学 | 一种基于数控机床子系统相关性的可靠性分配方法 |
CN109063345A (zh) * | 2018-08-09 | 2018-12-21 | 吉林工程技术师范学院 | 基于竞争失效的数控机床可靠性评估方法 |
CN111291486B (zh) * | 2020-02-09 | 2022-04-08 | 吉林大学 | 一种数控机床系统组件可靠性评估方法 |
CN112947305B (zh) * | 2021-02-05 | 2023-10-20 | 吉林大学 | 考虑故障相关的数控机床可靠性评估方法 |
CN117555287B (zh) * | 2024-01-12 | 2024-04-09 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064340B (zh) * | 2011-10-21 | 2014-12-03 | 沈阳高精数控技术有限公司 | 一种面向数控机床的故障预测方法 |
CN102981452B (zh) * | 2012-12-28 | 2015-04-01 | 吉林大学 | 数控机床三类功能部件的可靠性建模与可靠性评估方法 |
-
2013
- 2013-12-17 CN CN201310694580.4A patent/CN103631201B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103631201A (zh) | 2014-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103631201B (zh) | 一种数控机床子系统可靠性影响度分析方法 | |
CN109766334B (zh) | 用于电力设备在线监测异常数据的处理方法及系统 | |
CN102981452A (zh) | 数控机床三类功能部件的可靠性建模与可靠性评估方法 | |
CN109713685B (zh) | 一种适用于vsc接入引发次同步振荡的在线定位方法 | |
CN109186813A (zh) | 一种温度传感器自检装置及方法 | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN103646167A (zh) | 一种基于遥测数据的卫星异常状态检测系统 | |
CN103776654A (zh) | 多传感器信息融合的故障诊断方法 | |
CN104677997B (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
CN105759201A (zh) | 基于异常样本识别的高压断路器自诊断方法 | |
CN103631681A (zh) | 一种在线修复风电场异常数据的方法 | |
CN109598353A (zh) | 一种批次电能表近期寿命预测方法 | |
CN104820892A (zh) | 一种基于数据传递的航空发电系统定量危害性分析方法 | |
CN102621388A (zh) | 基于同步时域信号的输电线路集中参数在线确定方法 | |
CN113240333A (zh) | 一种重点用能单位节能量评估方法、装置和计算机设备 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
Gu et al. | An importance measure of a CNC lathe considering failure correlations | |
CN105572503A (zh) | 一种基于多尺度采样的抽油机电参数数据预处理方法 | |
CN116014760B (zh) | 随机响应下电力系统超低频振荡辨识及振荡源定位方法 | |
Zhang et al. | A fault sample simulation approach for virtual testability demonstration test | |
Wu et al. | Research on a location method for complex voltage sag sources based on random matrix theory | |
Dong et al. | Equipment reliability assessment based on a two-parameter Weibull distribution | |
CN105137776A (zh) | 计量自动化终端控制辅助系统 | |
Chiodo et al. | Battery design based upon life cycle statistics | |
CN104714205A (zh) | 电表错置侦测系统及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150819 Termination date: 20151217 |
|
EXPY | Termination of patent right or utility model |