CN111251077B - 干法磨削无心磨床系统和单元的可靠性预测模型建立方法 - Google Patents

干法磨削无心磨床系统和单元的可靠性预测模型建立方法 Download PDF

Info

Publication number
CN111251077B
CN111251077B CN202010144615.7A CN202010144615A CN111251077B CN 111251077 B CN111251077 B CN 111251077B CN 202010144615 A CN202010144615 A CN 202010144615A CN 111251077 B CN111251077 B CN 111251077B
Authority
CN
China
Prior art keywords
failure
fault
event
grinding
motor
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.)
Active
Application number
CN202010144615.7A
Other languages
English (en)
Other versions
CN111251077A (zh
Inventor
姜潮
赵申坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University
Original Assignee
Hunan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan University filed Critical Hunan University
Priority to CN202010144615.7A priority Critical patent/CN111251077B/zh
Publication of CN111251077A publication Critical patent/CN111251077A/zh
Application granted granted Critical
Publication of CN111251077B publication Critical patent/CN111251077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B5/00—Machines or devices designed for grinding surfaces of revolution on work, including those which also grind adjacent plane surfaces; Accessories therefor
    • B24B5/18—Machines or devices designed for grinding surfaces of revolution on work, including those which also grind adjacent plane surfaces; Accessories therefor involving centreless means for supporting, guiding, floating or rotating work

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明涉及装备可靠性领域，公开了一种干法磨削无心磨床系统和单元的可靠性预测模型建立方法。首先，根据干法磨削无心磨床的功能结构信息对其进行功能结构分解分析，理清其各部件之间的功能逻辑关系；然后，基于相关无心磨床的故障信息来对其进行故障模式及其影响分析；在此基础上，基于故障树分析方法建立干法磨削无心磨床的故障树模型；然后，利用贝叶斯网络理论来建立干法磨削无心磨床的可靠度预计模型。本发明能为实际干法磨削无心磨床的设计、运行、检维护规划等方面提供重要参考与指导。

Description

干法磨削无心磨床系统和单元的可靠性预测模型建立方法
技术领域
本发明涉及装备可靠性领域，具体涉及一种干法磨削无心磨床的系统可靠性预测模型建立方法。
背景技术
无心磨床是一种相对其他机床而言比较新型的机床，是不需要采用工件的轴心定位而进行磨削的一类磨床，主要由磨削砂轮、调整轮和工件支架三个机构构成，其中磨削砂轮实际担任磨削的工作，调整轮控制工件的旋转，并控制工件的进刀速度，至于工件支架乃在磨削时支撑工件。由于磨削加工时产生大量的磨削热会对工件加工质量产生较大影响，一般采用液体冷却液对加工工件进行降温。然而，由于一些加工工件的材料特殊，对这些材料进行外圆加工时，需要采用无心磨床，同时不能采用液体冷却液。对于这类加工，需要开发专用的干法磨削无心磨床，采用冷却气体对加工工件进行冷却降温。对于这类专用设备，其运行可靠性是设备开发和运行人员需要关注的关键问题之一，若其在运行时突然发生故障，则会严重影响企业生产，造成巨大损失。因此，在这类专用设备开发时，设计者不仅要考虑其功能设计问题，而且还要考虑其的可靠性问题，如可靠性评估、如何定期检修等等。然而，现有装备可靠性分析方法很少专门关注该设备的可靠性分析问题。由于干法磨削无心磨床的专用性和复杂性，现有通用的装备可靠性方法并不适用该设备的可靠性分析。对于由多个单元组成的干法磨削无心磨床，由于费用和试验组织等方面的原因，不可能进行大量的系统级可靠性试验，如何充分利用单元和系统的各种试验信息对干法磨削无心磨床系统可靠性进行精确的评估是一个复杂的问题。如果能够提供一种专门针对干法磨削无心磨床的可靠性分析方法，无疑对干法磨削无心磨床的设计及后期服役时的运行维护问题具有重要的工程借鉴意义。
如中国专利公告号CN 103743567B公开了一种数控磨床砂轮主轴的可靠性试验装置，该装置可以模拟数控磨床的各种不同工况，变频器驱动主轴电机以不同的转速运转，周向加载装置施加不同的周向载荷，径向加载装置施加不同的径向载荷，记录运行过程中的故障数据，通过这些数据来计算、评价数控磨床砂轮主轴的可靠性水平，该装置适用于数控磨床砂轮主轴的可靠性试验，在数控磨床的可靠性设计时，用来评价砂轮主轴的可靠性水平。但是，每次分析磨床砂轮主轴可靠性时都需要相应的特定试验装置，而且，为了分析磨床的其他构件，如床头架、进给系统、量仪系统、液压系统等的可靠性时也需要依赖其他特定的试验装置。
发明内容
本发明的目的在于提供一种针对干法磨削无心磨床的特点，基于故障模式分析、故障树分析、贝叶斯网络等理论方法而提出的干法磨削无心磨床系统可靠性预测模型建立方法。
为解决上述问题而采用了一种干法磨削无心磨床系统和单元的可靠性预测模型建立方法，具体包括以下步骤：
步骤1、详细分析干法磨削无心磨床系统，按照无心磨床系统的物理结构及功能结构对其进行逐层分解与分析，进而建立干法磨削无心磨床系统的子系统和各关键组件功能上的逻辑关系；
步骤2、优选同型号或类似型号干法磨削无心磨床系统组件进行研究，根据干法磨削无心磨床系统组件的故障机理及故障信息，进行干法磨削无心磨床系统故障模式、影响及危害分析，可以优选图表分析等方式分析干法磨削无心磨床系统所有可能的故障模式及其影响，并按照每个故障模式影响的严重程度及其发生概率进行定性分析，进而分析干法磨削无心磨床系统的设计缺陷与薄弱环节，为干法磨削无心磨床系统设计的改进提供参考与借鉴；
步骤3、由上至下，按照无心磨床系统的故障因果逻辑划分层次，逐层找出干法磨削无心磨床系统故障事件的必要而充分的直接原因，以形成导致干法磨削无心磨床系统重要故障发生的所有原因组合，进而构建干法磨削无心磨床系统的故障树模型；
步骤4、基于所建立的干法磨削无心磨床系统的故障树模型，利用贝叶斯网络理论来建立干法磨削无心磨床系统和单元的可靠性预测模型。
进一步地，为在无心磨床系统的物理结构及功能结构的逐层分解与分析方面改进，在步骤1中，干法磨削无心磨床系统包括砂轮机构、导轮机构和控制系统，砂轮机构包括金刚滚轮Z轴进给机构、金刚滚轮Y轴进给机构、金刚滚轮驱动机构和砂轮驱动机构，导轮机构包括导轮进给机构、导轮驱动机构和导轮修整机构。
进一步地，为在分析干法磨削无心磨床系统组件的故障机理和故障信息方面改进，在步骤2中、定义所述故障模式的严酷度为I类：轻度故障、II类：严重故障、III类：致命性故障和IV类：灾难性故障，所述I类：轻度故障的评分等级设为1,2,3，分级标准为可能导致系统预定功能下降，但不会造成停机，对环境和人员完全无害；所述II类：严重故障的评分等级设为4,5,6，分级标准为可能导致系统预定功能下降，造成短时间停机，增加非计划性维护和修理，对环境和人员无害；所述III类：致命性故障的评分等级设为7,8，分级标准为可能导致系统预定功能丧失，造成较长时间停机，但几乎不导致人身伤亡；所述IV类：灾难性故障分级标准设为9,10，分级标准为可能导致系统预定功能丧失，造成长时间停机，甚至导致整个系统发生重大事故，导致人身伤亡。
进一步地，为在干法磨削无心磨床系统组件每个故障模式影响的严重程度及其发生概率进行定性分析方面改进，在步骤2中，所述故障模式发生概率等级定义为A类：经常发生、B类：有时发生、C类：偶尔发生、D类：很少发生和E 类：极少发生，所述A类：经常发生的评分等级设为9,10，分级标准为在产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的20％；所述B类：有时发生的评分等级设为7,8，分级标准为产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的10％，但小于20％；所述C 类：极少发生的评分等级设为4,5,6，评分标准为在产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的1％，但小于10％；所述D类：很少发生的评分等级设为2,3，评分标准为在产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的0.1％，但小于1％；所述E类：极少发生的评分等级为1，评分标准为在产品工作期间内某一故障模式的发生概率小于产品在该期间内总的故障概率的0.1％。
进一步地，为在干法磨削无心磨床系统组件每个故障模式影响的严重程度及其发生概率进行定性分析方面细化改进，在步骤2中，所述导轮进给机构的故障模式包括进给过程有噪声、进给精度降低和无法进给，所述进给过程有噪声的故障原因包括电动机噪声、主轴噪声和滚珠丝杠副噪声，所述进给过程有噪声的局部影响为导轮进给不良，最终影响为影响加工精度，严重度为I，故障概率等级为D，所述进给精度降低的故障原因包括电动机过热、电动机工作冲击大、滚珠丝杠副精度降低和导轨面研损，所述进给精度降低的局部影响为导轮进给精度下降，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为C，所述无法进给的故障原因包括所述导轮进给机构的电动机不转，其局部影响为导轮无法进给，最终影响为无法加工，严重度为Ⅲ，故障概率等级为E；所述导轮驱动机构的故障模式包括导轮振动、导轮噪声和导轮无法转动，所述导轮振动的故障原因包括导轮松动、主轴振动和电动机振动，所述导轮振动的局部影响为工件振动，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为D，所述导轮噪声的故障原因包括主轴噪声和电动机噪声，所述导轮噪声的局部影响为导轮功能下降，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为D，所述导轮无法转动的故障原因为该机构的电动机不转，局部影响为导轮无法正常工作，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为C；所述导轮修整机构的故障模式包括导轮修整形状不良和无法修整导轮，所述导轮修整形状不良的故障原因包括电动机振动和噪声、电动机工作冲击大、刀具磨损、刀具振、滚珠丝杠副精度差和锁死装置未锁死，局部影响为导轮精度下降，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为D，所述无法修整导轮的故障原因为所述导轮修整机构的电动机不转，局部影响为工件进给异常，最终影响为影响加工精度，严重度为Ⅰ，故障概率等级为D；所述金刚滚轮Z轴进给机构的故障模式包括进给过程中有噪声、进给精度降低、工作台振动、爬行和Z轴方向不移动，所述进给过程中有噪声的故障原因包括该机构的滚珠丝杠有噪声、电动机振动和噪声，局部影响为 Z轴方向进给不良，最终影响为砂轮成形修整不良，严重度为Ⅲ，故障概率等级为D，所述进给精度降低的故障原因包括滚珠丝杠运动几何精度不稳定、运动反向误差变大、导轨面研损、导轨刮研质量低和床身相对地面地基倾斜，局部影响为Z轴方向进给精度下降，最终影响为砂轮成形修整不良，严重度为Ⅲ，故障概率等级为D，所述工作台振动、爬行的故障原因包括该机构的电机故障、位置控制设定错误，进给与振动频率设定错误，局部影响为Y轴方向进给不良，最终影响为砂轮成形修整不良，严重度为Ⅱ，故障概率等级为D，所述Y轴方向不移动的故障原因包括所述金刚滚轮Y轴进给机构的电机不转，局部影响为金刚滚轮无法在Y轴方向进给，最终影响为无法进行砂轮修整，故障概率等级为Ⅱ，故障原因为D；所述金刚滚轮驱动机构的故障模式包括金刚滚轮转动时有噪声、金刚滚轮不转或转速不正常和金刚滚轮转动不稳定，所述金刚滚轮转动时有噪声的故障原因包括所述金刚滚轮驱动机构的电机振动和噪声、金刚主轴噪声和振动，局部影响为金刚滚轮驱动机构工作不良，最终影响为砂轮成形修整不良，严重度为Ⅱ，故障概率等级为D，所述金刚滚轮不转或转速不正常的故障原因包括皮带轮或传动带损坏、联轴器损坏和负载力矩过大卡住，局部影响为金刚滚轮驱动机构无法工作，最终影响为砂轮成形修整不良，严重度为Ⅲ，故障概率等级为D，所述金刚滚轮转动不稳定的故障原因包括滚轮振动、所述金刚滚轮驱动机构的电机过热和电动机工作冲击大；局部影响为金刚滚轮驱动机构工作不良，最终影响为砂轮成形修整不良，严重度为Ⅱ，故障概率等级为D；所述砂轮驱动机构的故障模式包括砂轮转动时有噪声、砂轮不转或转速不正常，砂轮转动不稳定和工件表面有波纹痕迹，所述砂轮转动时有噪声的故障原因包括所述砂轮驱动机构的电机振动和噪声、主轴噪声和振动，局部影响为砂轮驱动机构工作不良，最终影响为磨削表面精度不良，出现波纹，严重度为Ⅱ，故障概率等级为D，所述砂轮不转或转速不正常的故障原因包括皮带轮或传动带损坏、联轴器损坏和负载力矩过大卡住，局部影响为砂轮驱动机构工作不良，最终影响为无法进行磨削工作，严重度为Ⅱ，故障概率等级为D，所述砂轮转动不稳定的故障原因包括砂轮振动、电机过热和电动机工作冲击大，局部影响为砂轮驱动机构工作不良，最终影响为磨削表面精度不良，严重度为Ⅱ，故障概率等级为D，所述工件表面有波纹痕迹的故障原因包括砂轮脱粒，局部影响为砂轮驱动机构工作不良，最终影响为磨削表面精度不良，严重度为Ⅲ，故障概率等级为D；所述控制系统的故障模式包括控制系统故障，所述控制系统故障的故障原因包括控制系统失灵，局部影响为控制系统无法工作，最终影响为磨床无法工作，严重度为Ⅲ，故障概率等级为C。
进一步地，为在干法磨削无心磨床系统组件每个故障模式影响的严重程度及其发生概率进行定性分析方面可视化改进，在步骤2中，在故障模式及影响分析的基础上，采用危害性矩阵法对各关键元器件的故障危害度进行分析并排序，绘制干法磨削无心磨床系统关键元器件故障危害性矩阵图，所述矩阵横坐标为干法磨削无心磨床系统关键元器件故障的严酷度等级，所述纵坐标为干法磨削无心磨床系统关键元器件故障的概率等级，将干法磨削无心磨床系统元器件代码参照其严酷度等级及发生概率标在矩阵的相应位置，从坐标原点开始，干法磨削无心磨床系统元器件故障分布点向对角线投影。
进一步地，为在建立干法磨削无心磨床系统的故障树模型方面细化改进，在步骤3中，选取干法磨削无心磨床系统故障作为故障树的顶事件建树分析，记干法磨削无心磨床系统故障为顶事件S，顶事件S通过或门连接第一级事件A01：导轮进给系统故障、A02：导轮驱动系统故障、A03：导轮修整系统故障、A04：砂轮修整系统故障、A05：砂轮驱动系统故障和A06:控制系统故障；所述第一级事件A01：导轮进给系统故障通过或门连接其内部的第二级事件B01：滚珠丝杠副故障、B02：导轨故障、B03：伺服电机故障、B11：伺服电机驱动器故障和B05：主轴故障；所述第一级事件A01内部的第二级事件B01通过或门连接第一级事件A01内部的第三级事件C01：滚珠丝杠副噪声、C02：滚珠丝杠运动不灵活、C03：几何精度不稳定、C04：运动反向误差大和C05：运动中转矩过大；所述第一级事件A01内部的第二级事件B02：导轨故障连接第一级事件A01内部的第三级事件C14：导轨面研损；所述第一级事件A01内部的第二级事件B03：伺服电机故障通过或门连接第一级事件A01内部的第三级事件C06：电机不转、 C07：电机过热、C08：电机噪声大和C09：电机冲击大；所述第一级事件A01 内部的所述第二级事件B11：伺服电机驱动器故障通过或门连接第一级事件A01 内部的第三级事件C21：电源模块显示不正常和C22：伺服驱动模块报警；所述第一级事件A01内部的第二级事件B05：主轴故障通过或门连接第一级事件A01 内部的第三级事件C11：主轴发热、C12：主轴停转和C13：主轴噪声；所述第一级事件AO2：导轮驱动系统故障通过或门连接其内部的第二级事件B03：伺服电机故障、B05：主轴故障和B12：主轴停转，所述第一级事件AO2：导轮驱动系统故障内部的第二级事件B03：伺服电机故障通过或门连接所述第一级事件 AO2：导轮驱动系统故障内部的第三级事件C06：电机不转、C07：电机过热、 C08：电机噪声大和C09：电机冲击大；所述第一级事件AO2：导轮驱动系统故障内部的第二级事件B05：主轴故障通过或门连接所述第一级事件AO2：导轮驱动系统故障内部的第三级事件C11：主轴发热、C12：主轴停转和C13：主轴噪声；所述第一级事件AO2：导轮驱动系统故障内部的第二级事件B12：主轴停转连接所述第一级事件AO2：导轮驱动系统故障内部的第三级事件C15：导轮振动；所述第一级事件A03：导轮修整系统故障通过或门连接其内部的第二级事件B01：滚珠丝杠副故障、B02：导轨故障、B03：伺服电机故障、B13：修整刀具故障和B14：锁死装置故障；所述第一级事件A03：导轮修整系统故障内部的第二级事件B01：滚珠丝杠副故障通过或门连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C01：滚珠丝杠副噪声、C02：滚珠丝杠运动不灵活、C03：几何精度不稳定、C04：运动反向误差大和C05：运动中转矩过大；所述第一级事件A03：导轮修整系统故障内部的第二级事件B02：导轨故障连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C14：导轨面研损；所述第一级事件A03：导轮修整系统故障内部的第二级事件B03：伺服电机故障通过或门连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大和C09：电机冲击大；所述第一级事件A03：导轮修整系统故障内部的第二级事件B13：修整刀具故障通过或门连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C16：刀具磨损和C17：刀具振动；所述第一级事件A03：导轮修整系统故障内部的第二级事件 B14：锁死装置故障连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C18：修整刀具不稳定；所述第一级事件A04：砂轮修整系统故障通过或门连接其内部的第二级事件B01：滚珠丝杠副故障、B11：伺服电机驱动器故障、 B02：导轨故障、B04：工作台振动、B05：主轴故障、B03：伺服电机故障和B10：传动带故障；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B01：滚珠丝杠副故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C02：滚珠丝杠运动不灵活、C05：运动中转矩过大、C04：运动反向误差大、C01：滚珠丝杠副噪声和C03：几何精度不稳定；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B11：伺服电机驱动器故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C21：电源模块显示不正常和C22：伺服驱动模块报警；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B02：导轨故障连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C14：导轨面研损；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B04：工作台振动连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C20：冲击负荷；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B05：主轴故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C11：主轴发热、C12：主轴停转和C13：主轴噪声；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B03：伺服电机故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大、C09：电机冲击大和C10：电机振动；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B10：传动带故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件 C19：皮带折曲和C20：冲击负荷；所述第一级事件A05：砂轮驱动系统故障通过或门连接其内部的第二级事件B11：伺服电机驱动器故障、B10：传动带故障、 B05：主轴故障、B06：三相异步电机故障；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件B11：伺服电机驱动器故障通过或门连接所述第一级事件A05：砂轮驱动系统故障内部的第三级事件C21：电源模块显示不正常和C22：伺服驱动模块报警；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件 B10：传动带故障通过或门连接所述第一级事件A05：砂轮驱动系统故障内部的第三级事件C19：皮带折曲和C20：冲击负荷；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件B05：主轴故障通过或门连接所述第一级事件A05：砂轮驱动系统故障内部的第三级事件C11：主轴发热、C12：主轴停转和C13：修整刀具故障；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件B06：三相异步电机故障通过或门连接第一级事件A05：砂轮驱动系统故障内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大、C09：电机冲击大和C10：电机振动；所述第一级事件A06:控制系统故障通过或门连接其内部的第二级事件B15：传感器故障、B16：控制主机故障和B17：电源故障；所述第一级事件A06：控制系统故障内部的第二级事件B15：传感器故障通过或门连接所述第一级事件A06：控制系统故障内部的第三级事件C24：传感器内部失效、 C27：线路断路和C28：线路接触不良；所述第一级事件A06：控制系统故障内部的第二级事件B17：电源故障通过或门连接所述第一级事件A06：控制系统故障内部的第三级事件C26：电源接入故障、C27：线路断路和C28：线路接触不良。
进一步地，为在贝叶斯网络理论来建立干法磨削无心磨床系统和单元的可靠性预测模型方面改进，在步骤4中，干法磨削无心磨床系统中各单元寿命处理为服从指数分布的随机变量；
对于干法磨削无心磨床系统的某单元，当其在t＝0时刻开始工作，其实际寿命T的概率密度函数为：
f(t)＝λe-λt,t＞0,λ＞0 (1)
其中，参数λ为单元的故障率，干法磨削无心磨床系统单元的可靠度函数为：
Figure BDA0002400298880000091
干法磨削无心磨床系统单元的平均无故障工作时间MTTF为：
Figure BDA0002400298880000092
根据贝叶斯网络理论，经过筛选关键元器件后，建立干法磨削无心磨床系统的贝叶斯网络模型，所述贝叶斯网络内节点包括子系统节点和单元节点，所述子系统节点为Mi,，i＝1,2,...,n，所述单元节点为Xi，i＝1,2,...,n。
对于干法磨削无心磨床系统贝叶斯网络中的各节点，设置为两种状态：工作和故障，在概率公式中，分别表示为1和0，对于所分析的干法磨削无心磨床系统，各元器件与子系统、子系统与总系统之间都为串联系统，根据建立的贝叶斯网络，干法磨削无心磨床系统发生故障的概率表示如下：
Figure BDA0002400298880000093
Pr(S＝0)记为λ′，则干法磨削无心磨床系统的可靠度函数为：
R(t)＝e-λ′t (5)
进一步地，为在系统可靠度分配分析进行改进，在步骤4中，根据同型号或类似关键零部件的可靠性数据，对干法磨削无心磨床系统的平均无故障工作时间进行估算，为干法磨削无心磨床系统的设计提供一种安全性评估指标，如果所设计的干法磨削无心磨床系统的平均无故障工作时间达不到所要求的设计指标，则需要进行系统可靠度分配分析，即为各关键零部件规定相应的可靠度指标来重新指导关键零部件的设计与选型，进而使得干法磨削无心磨床系统满足规定的可靠性要求。
为优化上述干法磨削无心磨床系统的可靠性预测模型建立方法，本发明还使用了一种可靠性分配分析方法，具体步骤为，基于系统的状态，贝叶斯网络反向推理出子系统或元器件的状态及其发生故障的概率，基于干法磨削无心磨床系统故障时各元器件故障概率推理结果，可以确定各元器件对系统的重要性权重，各元器件的重要性权重为：
Figure BDA0002400298880000101
其中，vi代表元器件i对系统的重要程度，vi越大，表示元器件i对系统越重要，Pr(Xi＝0|S＝0)表示系统故障时元器件i发生故障的概率，基于所求的元器件重要性权重，元器件i的可靠度分配系数ki为：
Figure BDA0002400298880000102
若干法磨削无心磨床系统的故障率指标为λs，可靠度指标为Rs，平均无故障工作指标为Ts，则元器件i所分配的故障率λi为：
λi＝λs·ki (8)
元器件i所分配的可靠度Ri为：
Ri＝Rs ki (9)
元器件i所分配的平均无故障工作时间Ti为：
Figure BDA0002400298880000103
对各元器件提出相应的可靠性指标，并根据指标来重新选配元器件，使干法磨削无心磨床系统的可靠性达到设计指标，基于上述分析，对干法磨削无心磨床系统各关键零部件的重要性权重及可靠性指标分配；
本发明基于上述的干法磨削无心磨床系统和单元的可靠性预测模型建立方法还提出了干法磨削无心磨床系统的维修策略分析方法，可以解决制定定期维修策略方面的技术问题，基于所建立的干法磨削无心磨床系统可靠性预测模型，来制定干法磨削无心磨床系统的定期维修策略。在磨床服役中，其关键元器件会出现功能逐渐退化现象，如砂轮磨损、导轨磨损等。因而，干法磨削无心磨床系统的可靠性随着服役时间增加会越来越小。根据所建立的可靠性分析模型来估算干法磨削无心磨床系统在t时刻的可靠度，当t时刻系统的可靠度达到了预设的阈值，则在t时刻对系统进行人为维修作业。对单元可靠度较小的n个关键元器件进行维护或更换。在整个服役时间段进行上述分析，即可得到整个服役期间的干法磨削无心磨床系统维修节点，来指导其服役期间的定期维护策略的制定。
具体步骤为，考虑维修因素，基于干法磨削无心磨床系统和单元的可靠性预测模型，对其进行维修策略分析，干法磨削无心磨床系统可靠度函数可表示为：
Figure BDA0002400298880000111
干法磨削无心磨床系统故障率在其服役期间不随时间发生变化，则干法磨削无心磨床系统的故障率和平均无故障工作时间MTTF之间的关系可表示为：
Figure BDA0002400298880000112
由于已经得到各个元器件的平均无故障工作时间Ti，可以得到元器件可靠度函数与平均无故障工作时间的关系为：
Figure BDA0002400298880000113
进而可以得到干法磨削无心磨床系统的可靠度函数和各元器件可靠度函数之间的关系：
Figure BDA0002400298880000114
选取干法磨削无心磨床系统中故障率较大的易损件作为干法磨削无心磨床系统维修可靠性的研究对象，则干法磨削无心磨床系统可简化；
为了保证维修后系统的可靠性较高的水平，在每次维修时维修可靠度较低的部分元器件，在对干法磨削无心磨床系统的维修可靠性研究中，采取维修可靠度较低的关键元器件；
选取系统可靠度临界值，记为D，则首次维修时间t1可由式(14)求解：
Figure BDA0002400298880000115
进一步地，为在干法磨削无心磨床系统简化方便改进，干法磨削无心磨床系统可简化为，干法磨削无心磨床系统包括砂轮机构、导轮驱动机构、导轮进给机构和控制系统，砂轮机构包括第一驱动电机和传送带，导轮驱动机构包括第二驱动电机，导轮进给机构包括第三驱动电机，控制系统包括传感器和控制主机。
进一步地，作为计算维修后干法磨削无心磨床系统和单元可靠度方面的改进，进行i(i＝1,2,…,n)次维修后，各个元器件以及干法磨削无心磨床系统的可靠度函数可表示为：
Figure BDA0002400298880000121
Figure BDA0002400298880000122
......
Figure BDA0002400298880000123
Figure BDA0002400298880000124
式中：
Figure BDA0002400298880000125
表示对某一元器件进行维修后该元器件的可靠度函数，j表示干法磨削无心磨床系统中元器件的个数，ti表示维修的时间，根据上述分析，可以得到干法磨削无心磨床系统在服役期间内进行维修的次数、每次维修的时间、具体更换的元器件以及维修后系统的可靠度。
由于干法磨削无心磨床的专用性和复杂性，现有通用的装备可靠性方法并不适用该设备的可靠性分析。对于由多个单元组成的干法磨削无心磨床，由于费用和试验组织等方面的原因，不可能进行大量的系统级可靠性试验，如何充分利用单元和系统的各种试验信息对干法磨削无心磨床系统可靠性进行精确的评估是一个复杂的问题。针对干法磨削无心磨床的特点，来对干法磨削无心磨床系统进行功能结构分解分析，故障模式分析、故障树分析、系统可靠度预计与分配、应用贝叶斯网络等理论方法，进一步在维修策略分析等方面进行分析，对今后干法磨削无心磨床的设计及后期服役时的运行、检维护问题、规划等方面提供重要参考与指导，具有工程借鉴意义。
附图说明
图1为本发明干法磨削无心磨床系统可靠性分析方法的流程图。
图2为本发明具体实施方式的干法磨削无心磨床系统结构功能分解图。
图3为本发明具体实施方式的干法磨削无心磨床系统关键元器件故障危害性矩阵图。
图4为本发明具体实施方式的干法磨削无心磨床系统故障树分析符号。
图5为本发明具体实施方式的干法磨削无心磨床系统故障树。
图6为本发明具体实施方式的干法磨削无心磨床系统子故障树(导轮进给系统)。
图7为本发明具体实施方式的干法磨削无心磨床系统子故障树(导轮驱动系统)。
图8为本发明具体实施方式的干法磨削无心磨床系统子故障树(导轮修整系统)。
图9为本发明具体实施方式的干法磨削无心磨床系统子故障树(砂轮修整系统)。
图10为本发明具体实施方式的干法磨削无心磨床系统子故障树(砂轮驱动系统)。
图11为本发明具体实施方式的干法磨削无心磨床系统子故障树(控制系统)。
图12为本发明具体实施方式的干法磨削无心磨床系统可靠性框图。
图13为本发明具体实施方式的干法磨削无心磨床系统贝叶斯网络结构图。
图14为本发明具体实施方式的干法磨削无心磨床系统贝叶斯网络推理结果示意图。
图15为本发明具体实施方式的干法磨削无心磨床系统维修分析简化图。
图16为本发明具体实施方式的干法磨削无心磨床系统可靠度随时间变化图。
图17本发明具体实施方式的维修对干法磨削无心磨床系统可靠度的影响。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以某型干法磨削无心磨床系统的可靠性分析为例，详细说明本发明方法的实施过程，该干法磨削无心磨床系统的可靠性分析方法，如图1所示，包括以下步骤：
步骤1、干法磨削无心磨床系统功能结构分解与分析；干法磨削无心磨床系统采用砂轮架固定、导轮架移动布局。砂轮为悬臂式结构，砂轮主轴采用高精轴承。无心磨导轮为悬臂式结构，导轮主轴采用高精轴承。导轮架进给导轨采用燕尾形导轨，进给用高精丝杠。导轮速度可调从而提高效率。砂轮、导轮修整器采用燕尾形导轨。无心磨床配备切入结构。导轮的轴线垂直角度和轴线水平内角度均可大幅调整。干法磨削无心磨床系统主要部分可分成砂轮机构和导轮机构，其中砂轮机构由组成；导轮机构由导轮进给机构，导轮驱动机构，导轮修整机构组成，其功能结构分解示意图如图2所示。
步骤2、干法磨削无心磨床系统的故障模式、影响及危害度分析；根据相关可靠性分析资料，定义故障模式严酷度和故障概率等级，如表1和表2所示。基于相关型号的关键零部件的故障机理及故障信息，制定干法磨削无心磨床系统故障模式分析表，对干法磨削无心磨床系统进行故障模式及影响分析，如表3所示。在故障模式及影响分析的基础上，采用危害性矩阵法对各关键元器件的故障危害度进行分析并排序。干法磨削无心磨床系统关键元器件故障危害性矩阵图如图3 所示。矩阵横坐标为干法磨削无心磨床系统关键元器件故障的严酷度等级，纵坐标为干法磨削无心磨床系统关键元器件故障的概率等级。将干法磨削无心磨床系统元器件代码参照其严酷度等级及发生概率标在矩阵的相应位置，可以表明干法磨削无心磨床系统各元器件故障危害性的分布情况，从而能分辨出何种元器件故障的危害程度最严重，为干法磨削无心磨床系统的设计及检修措施的先后顺序提供依据。从坐标原点开始，干法磨削无心磨床系统元器件故障分布点向对角线投影，距离原点越远，其危害性就越大，越需要加以重视。最后，干法磨削无心磨床系统关键元器件故障危害度分析和排序结果如表4和表5所示。
表1故障模式严酷度定义
Figure BDA0002400298880000141
Figure BDA0002400298880000151
表2故障概率等级定义
Figure BDA0002400298880000152
表3干法磨削无心磨床系统的故障模式、影响及危害度分析表
Figure BDA0002400298880000153
Figure BDA0002400298880000161
Figure BDA0002400298880000171
表4干法磨削无心磨床系统关键元器件故障危害度分析表
Figure BDA0002400298880000172
表5干法磨削无心磨床系统关键元器件故障危害度排序表
Figure BDA0002400298880000173
Figure BDA0002400298880000181
步骤3、在故障模式分析的基础上，对干法磨削无心磨床系统进行故障树分析。在干法磨削无心磨床系统的故障树分析中，与门符号表示当所有输入事件发生时，输出事件才发生，如图4(a)所示；或门表示至少一个输入事件发生时，输出事件就发生，如图4(b)所示；结果事件是故障树分析中由其他事件或组合所导致的事件，它位于某个逻辑门的输出端，结果事件分顶事件与中间事件，如图4(c)所示；基本事件是在特定的故障树分析中无需探明其发生原因的底事件，如图4(d)所示；相同转移符号是为了避免画图时重复和使图形简明而设置的符号，一般成对出现，用以指明子树的位置，如图4(e)所示。选取干法磨削无心磨床系统故障作为故障树的顶事件(代码为S)建树分析，其故障树如图5所示，其中故障树事件及其代码如表6、表6和表7所示。
表6干法磨削无心磨床系统第一级事件及代码
代码 事件 代码 事件
A01 导轮进给系统故障 A04 砂轮修整系统故障
A02 导轮驱动系统故障 A05 砂轮驱动系统故障
A03 导轮修整系统故障 A06 控制系统故障
表7干法磨削无心磨床系统第二级事件及代码
代码 事件 代码 事件
B01 滚珠丝杠副故障 B10 传动带故障
B02 导轨故障 B11 伺服电机驱动器故障
B03 伺服电机故障 B12 导轮故障
B04 工作台振动 B13 修整刀具故障
B05 主轴故障 B14 锁死装置故障
B06 三相异步电机故障 B15 传感器故障
B07 磨削表面精度不良 B16 控制主机故障
B08 锁死装置故障 B17 电源故障
B09 修整刀具故障
表8干法磨削无心磨床系统第三级事件及代码
代码 事件 代码 事件
C01 滚珠丝杠副噪声 C15 导轮振动
C02 滚珠丝杠运动不灵活 C16 刀具磨损
C03 几何精度不稳定 C17 刀具振动
C04 运动反向误差大 C18 修整刀具不稳定
C05 运动中转矩过大 C19 皮带折曲
C06 电机不转 C20 冲击负荷
C07 电机过热 C21 电源模块显示不正常
C08 电机噪声大 C22 伺服驱动模块报警
C09 电机冲击大 C23 导轮振动
C10 电机振动 C24 传感器内部失效
C11 主轴发热 C25 控制主机内部失效
C12 主轴停转 C26 电源接入故障
C13 主轴噪声 C27 线路断路
C14 导轨面研损 C28 线路接触不良
步骤4、基于以上分析结果的基础上，利用贝叶斯网络理论，对干法磨削无心磨床系统建立其贝叶斯网络模型并进行系统可靠性分析。由于材料、制造以及服役工况的不确定性，干法磨削无心磨床系统或单元(元器件)的寿命呈现随机性，因此，一般把系统或单元的实际寿命处理为随机变量，而且在系统可靠性分析中最常用的寿命分布为指数分布。在本发明中，干法磨削无心磨床系统中各单元寿命处理为服从指数分布的随机变量。
对于干法磨削无心磨床系统的某单元，当其在t＝0时刻开始工作，其实际寿命T的概率密度函数为：
f(t)＝λe-λt,t＞0,λ＞0 (1)
其中，参数λ为单元的故障率。干法磨削无心磨床系统单元的可靠度函数为：
Figure BDA0002400298880000191
干法磨削无心磨床系统单元的平均无故障工作时间(mean time to failure，MTTF)为：
Figure BDA0002400298880000192
干法磨削无心磨床系统为串联结构，其可靠性框图如图13所示。
基于故障模式分析和故障树分析结果，根据贝叶斯网络理论，经过筛选关键元器件后，建立干法磨削无心磨床系统的贝叶斯网络模型，其结构如图13所示。该贝叶斯网络内节点及其故障概率，如表9所示。
表9干法磨削无心磨床系统贝叶斯网络内节点及其故障概率
Figure BDA0002400298880000201
对于干法磨削无心磨床系统贝叶斯网络中的个节点，设置为两种状态：工作(work)和故障(fault)，在概率公式中，分别表示为1和0。对于所分析的干法磨削无心磨床系统，各元器件与子系统、子系统与总系统之间都为串联系统，即任何一个元器件故障就会导致子系统故障，任何子系统故障就会导致总系统故障。根据建立的贝叶斯网络，干法磨削无心磨床系统发生故障的概率表示如下：
Figure BDA0002400298880000202
根据建立的干法磨削无心磨床系统贝叶斯网络及表9中的故障概率，计算得出干法磨削无心磨床系统的故障概率为0.001277。在本发明中，系统寿命处理为服从指数分布的随机变量，则干法磨削无心磨床系统的可靠度函数为：
R(t)＝e-0.001277t (5)
由干法磨削无心磨床系统的可靠度函数可得系统的平均无故障工作时间为 783小时。由于采用了贝叶斯网络建立干法磨削无心磨床系统可靠性分析模型，因此，可以利用贝叶斯网络进行推理。基于系统的状态，贝叶斯网络反向推理出子系统或元器件的状态及其发生概率，进而为可靠度分配、确定系统的薄弱环节及维修排查等工作提供重要参考。当干法磨削无心磨床系统故障时，贝叶斯网络推理结果如图14所示。当系统发生故障时，各元器件发生故障的概率推理结果如表10所示。
表10系统故障时各元器件故障概率推理结果
Figure BDA0002400298880000211
基于干法磨削无心磨床系统故障时各元器件故障概率推理结果，可以确定各元器件对系统的重要性权重。元器件i的故障推理结果越大，表示该元器件对系统越重要。各元器件的重要性权重为：
Figure BDA0002400298880000212
其中，vi代表元器件i对系统的重要程度，vi越大，表示元器件i对系统越重要。 Pr(Xi＝0|S＝0)表示系统故障时元器件i发生故障的概率。基于所求的元器件重要性权重，元器件i的可靠度分配系数ki为：
Figure BDA0002400298880000213
若干法磨削无心磨床系统的故障率指标为λs，可靠度指标为Rs，平均无故障工作指标为Ts，则元器件i所分配的故障率λi为：
λi＝λs·ki (8)
元器件i所分配的可靠度Ri为：
Figure BDA0002400298880000214
元器件i所分配的平均无故障工作时间Ti为：
Figure BDA0002400298880000221
对于干法磨削无心磨床系统，若其平均无故障时间要求为1000小时(h)，而基于现有的元器件无法满足该要求，因此，需要对各元器件提出相应的可靠性指标，并根据指标来重新选配元器件，使干法磨削无心磨床系统的可靠性达到设计指标。基于上述分析，对干法磨削无心磨床系统各关键零部件的重要性权重及可靠性指标分配，如表11所示。
表11干法磨削无心磨床系统重要性权重及可靠性指标分配
Figure BDA0002400298880000222
基于上述干法磨削无心磨床系统和单元的可靠性分析方法而使用的干法磨削无心磨床系统的定期维修方法，考虑维修因素，基于干法磨削无心磨床系统可靠性模型，对其进行维修策略分析。干法磨削无心磨床系统可靠度函数可表示为：
Figure BDA0002400298880000223
干法磨削无心磨床系统故障率在其服役期间不随时间发生变化，则干法磨削无心磨床系统的故障率和平均无故障工作时间MTTF之间的关系可表示为：
Figure BDA0002400298880000224
由于已经得到各个元器件的平均无故障工作时间Ti，可以得到元器件可靠度函数与平均无故障工作时间的关系为：
Figure BDA0002400298880000231
进而可以得到干法磨削无心磨床系统的可靠度函数和各元器件可靠度函数之间的关系：
Figure BDA0002400298880000232
选取干法磨削无心磨床系统中故障率较大的易损件作为干法磨削无心磨床系统维修可靠性的研究对象，则干法磨削无心磨床系统可简化如图15所示。
选取时间单位为小时(h)，可以计算出各个元器件及干法磨削无心磨床系统的可靠度函数：
Figure BDA0002400298880000233
Figure BDA0002400298880000234
Figure BDA0002400298880000235
Figure BDA0002400298880000236
Figure BDA0002400298880000237
Figure BDA0002400298880000238
Figure BDA0002400298880000239
根据式(21)，干法磨削无心磨床系统的可靠度随时间变化，如图16所示。
根据图16，可以看出干法磨削无心磨床系统可靠度衰减较快，为了保证干法磨削无心磨床系统在服役期间内有较高的可靠性，必须在合适的时间对其进行维护，尽量避免由于系统突然故障造成巨大的损失。
对于维修策略的研究，所采用的维修策略就是当系统的可靠度达到某一临界值时，对部分元器件进行维修，维修后元器件的可靠度认为恢复至正常水平，干法磨削无心磨床系统的可靠度也有相应的提高。为了保证维修后系统的可靠性较高的水平，在每次维修时维修可靠度较低的部分元器件，在对干法磨削无心磨床系统的维修可靠性研究中，本发明采取维修可靠度较低的3个关键元器件。
选取系统可靠度临界值为0.5，则首次维修时间t1可由式(21)求解：
Figure BDA0002400298880000241
由上式可得，首次维修时间t1＝1247.7小时(h)。进行i(i＝1,2,…,n)次维修后，各个元器件以及干法磨削无心磨床系统的可靠度函数可表示为：
Figure BDA0002400298880000242
Figure BDA0002400298880000243
Figure BDA0002400298880000244
Figure BDA0002400298880000245
Figure BDA0002400298880000246
Figure BDA0002400298880000247
Figure BDA0002400298880000248
式中：
Figure BDA0002400298880000249
表示各元器件进行维修后该元器件的可靠度函数，ti表示维修的时间。根据上述分析，可以得到干法磨削无心磨床系统在服役期间内进行维修的次数、每次维修的时间、具体更换的元器件以及维修后系统的可靠度，如表12所示。
表12干法磨削无心磨床系统维修时间表
维修时间(h) 维修次数 维修元器件 维修后系统可靠度
1247.7 1 ④⑤⑥ 0.732
1933.9 2 ①②③ 0.8108
2804.1 3 ④⑤⑥ 0.7973
3660.2 4 ①②③ 0.7698
4522.6 5 ④⑤⑥ 0.8060
5382.2 6 ①②③ 0.7690
6243 7 ④⑤⑥ 0.8064
7103.3 8 ①②③ 0.7688
7963.9 9 ④⑤⑥ 0.8064
8824.3 10 ①②③ 0.7688
9684.8 11 ④⑤⑥ 0.8064
10545.2 12 ①②③ 0.7688
11405.7 13 ④⑤⑥ 0.8064
12266.0 14 ①②③ 0.7688
根据表12所示，目标可靠度为0.5时，在每次维修时更换3个可靠度最低的元器件，则干法磨削无心磨床系统在服役期间内的平均维修时间间隔为857.1 小时，且能够保证其服役期间内的可靠度在0.5以上，该修复方法下的干法磨削无心磨床系统的可靠度如图17所示。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围之内。

Claims (1)

1.一种干法磨削无心磨床系统和单元的可靠性预测模型建立方法，其特征在于，具体包括以下步骤：
步骤1、按照无心磨床系统的物理结构及功能结构对其进行逐层分解与分析，进而建立干法磨削无心磨床系统的子系统和各关键组件功能上的逻辑关系；
步骤2、根据干法磨削无心磨床系统组件的故障机理及故障信息，进行干法磨削无心磨床系统故障模式、影响及危害分析，分析干法磨削无心磨床系统所有可能的故障模式及其影响，并按照每个故障模式影响的严重程度及其发生概率进行定性分析；
步骤3、按照无心磨床系统的故障因果逻辑划分层次，逐层找出干法磨削无心磨床系统故障事件的必要而充分的直接原因，以形成导致干法磨削无心磨床系统重要故障发生的所有原因组合，进而构建干法磨削无心磨床系统的故障树模型；
步骤4、基于所建立的干法磨削无心磨床系统的故障树模型，利用贝叶斯网络理论来建立干法磨削无心磨床系统和单元的可靠性预测模型；
在步骤1中，所述干法磨削无心磨床系统包括砂轮机构、导轮机构和控制系统，所述砂轮机构包括金刚滚轮Z轴进给机构、金刚滚轮Y轴进给机构、金刚滚轮驱动机构和砂轮驱动机构，所述导轮机构包括导轮进给机构、导轮驱动机构和导轮修整机构；
在步骤2中，定义所述故障模式的严酷度为I类：轻度故障、II类：严重故障、III类：致命性故障和IV类：灾难性故障，所述I类：轻度故障的评分等级设为1,2,3，分级标准为可能导致系统预定功能下降，但不会造成停机，对环境和人员完全无害；所述II类：严重故障的评分等级设为4,5,6，分级标准为可能导致系统预定功能下降，造成短时间停机，增加非计划性维护和修理，对环境和人员无害；所述III类：致命性故障的评分等级设为7,8，分级标准为可能导致系统预定功能丧失，造成较长时间停机，但几乎不导致人身伤亡；所述IV类：灾难性故障分级标准设为9,10，分级标准为可能导致系统预定功能丧失，造成长时间停机，甚至导致整个系统发生重大事故，导致人身伤亡；
在步骤2中，所述故障模式发生概率等级定义为A类：经常发生、B类：有时发生、C类：偶尔发生、D类：很少发生和E类：极少发生，所述A类：经常发生的评分等级设为9,10，分级标准为在产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的20%；所述B类：有时发生的评分等级设为7,8，分级标准为产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的10%，但小于20%；所述C类：极少发生的评分等级设为4,5,6，评分标准为在产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的1%，但小于10%；所述D类：很少发生的评分等级设为2,3，评分标准为在产品工作期间内某一故障模式的发生概率大于产品在该期间内总的故障概率的0.1%，但小于1%；所述E类：极少发生的评分等级为1，评分标准为在产品工作期间内某一故障模式的发生概率小于产品在该期间内总的故障概率的0.1%；
在步骤2中，所述导轮进给机构的故障模式包括进给过程有噪声、进给精度降低和无法进给，所述进给过程有噪声的故障原因包括电动机噪声、主轴噪声和滚珠丝杠副噪声，所述进给过程有噪声的局部影响为导轮进给不良，最终影响为影响加工精度，严重度为I，故障概率等级为D，所述进给精度降低的故障原因包括电动机过热、电动机工作冲击大、滚珠丝杠副精度降低和导轨面研损，所述进给精度降低的局部影响为导轮进给精度下降，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为C，所述无法进给的故障原因包括所述导轮进给机构的电动机不转，其局部影响为导轮无法进给，最终影响为无法加工，严重度为Ⅲ，故障概率等级为E；所述导轮驱动机构的故障模式包括导轮振动、导轮噪声和导轮无法转动，所述导轮振动的故障原因包括导轮松动、主轴振动和电动机振动，所述导轮振动的局部影响为工件振动，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为D，所述导轮噪声的故障原因包括主轴噪声和电动机噪声，所述导轮噪声的局部影响为导轮功能下降，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为D，所述导轮无法转动的故障原因为该机构的电动机不转，局部影响为导轮无法正常工作，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为C；所述导轮修整机构的故障模式包括导轮修整形状不良和无法修整导轮，所述导轮修整形状不良的故障原因包括电动机振动和噪声、电动机工作冲击大、刀具磨损、刀具振、滚珠丝杠副精度差和锁死装置未锁死，局部影响为导轮精度下降，最终影响为影响加工精度，严重度为Ⅱ，故障概率等级为D，所述无法修整导轮的故障原因为所述导轮修整机构的电动机不转，局部影响为工件进给异常，最终影响为影响加工精度，严重度为Ⅰ，故障概率等级为D；所述金刚滚轮Z轴进给机构的故障模式包括进给过程中有噪声、进给精度降低、工作台振动、爬行和Z轴方向不移动，所述进给过程中有噪声的故障原因包括该机构的滚珠丝杠有噪声、电动机振动和噪声，局部影响为Z轴方向进给不良，最终影响为砂轮成形修整不良，严重度为Ⅲ，故障概率等级为D，所述进给精度降低的故障原因包括滚珠丝杠运动几何精度不稳定、运动反向误差变大、导轨面研损、导轨刮研质量低和床身相对地面地基倾斜，局部影响为Z轴方向进给精度下降，最终影响为砂轮成形修整不良，严重度为Ⅲ，故障概率等级为D，所述工作台振动、爬行的故障原因包括该机构的电机故障、位置控制设定错误，进给与振动频率设定错误，局部影响为Y轴方向进给不良，最终影响为砂轮成形修整不良，严重度为Ⅱ，故障概率等级为D，所述Y轴方向不移动的故障原因包括所述金刚滚轮Y轴进给机构的电机不转，局部影响为金刚滚轮无法在Y轴方向进给，最终影响为无法进行砂轮修整，故障概率等级为Ⅱ，故障原因为D；所述金刚滚轮驱动机构的故障模式包括金刚滚轮转动时有噪声、金刚滚轮不转或转速不正常和金刚滚轮转动不稳定，所述金刚滚轮转动时有噪声的故障原因包括所述金刚滚轮驱动机构的电机振动和噪声、金刚主轴噪声和振动，局部影响为金刚滚轮驱动机构工作不良，最终影响为砂轮成形修整不良，严重度为Ⅱ，故障概率等级为D，所述金刚滚轮不转或转速不正常的故障原因包括皮带轮或传动带损坏、联轴器损坏和负载力矩过大卡住，局部影响为金刚滚轮驱动机构无法工作，最终影响为砂轮成形修整不良，严重度为Ⅲ，故障概率等级为D，所述金刚滚轮转动不稳定的故障原因包括滚轮振动、所述金刚滚轮驱动机构的电机过热和电动机工作冲击大；局部影响为金刚滚轮驱动机构工作不良，最终影响为砂轮成形修整不良，严重度为Ⅱ，故障概率等级为D；所述砂轮驱动机构的故障模式包括砂轮转动时有噪声、砂轮不转或转速不正常，砂轮转动不稳定和工件表面有波纹痕迹，所述砂轮转动时有噪声的故障原因包括所述砂轮驱动机构的电机振动和噪声、主轴噪声和振动，局部影响为砂轮驱动机构工作不良，最终影响为磨削表面精度不良，出现波纹，严重度为Ⅱ，故障概率等级为D，所述砂轮不转或转速不正常的故障原因包括皮带轮或传动带损坏、联轴器损坏和负载力矩过大卡住，局部影响为砂轮驱动机构工作不良，最终影响为无法进行磨削工作，严重度为Ⅱ，故障概率等级为D，所述砂轮转动不稳定的故障原因包括砂轮振动、电机过热和电动机工作冲击大，局部影响为砂轮驱动机构工作不良，最终影响为磨削表面精度不良，严重度为Ⅱ，故障概率等级为D，所述工件表面有波纹痕迹的故障原因包括砂轮脱粒，局部影响为砂轮驱动机构工作不良，最终影响为磨削表面精度不良，严重度为Ⅲ，故障概率等级为D；所述控制系统的故障模式包括控制系统故障，所述控制系统故障的故障原因包括控制系统失灵，局部影响为控制系统无法工作，最终影响为磨床无法工作，严重度为Ⅲ，故障概率等级为C；
在步骤2中，在故障模式及影响分析的基础上，采用危害性矩阵法对各关键元器件的故障危害度进行分析并排序，绘制干法磨削无心磨床系统关键元器件故障危害性矩阵图，所述故障危害性矩阵图的矩阵横坐标为干法磨削无心磨床系统关键元器件故障的严酷度等级，所述故障危害性矩阵图的矩阵纵坐标为干法磨削无心磨床系统关键元器件故障的概率等级，将干法磨削无心磨床系统元器件代码参照其严酷度等级及发生概率标在矩阵的相应位置，从坐标原点开始，干法磨削无心磨床系统元器件故障分布点向对角线投影；
在步骤3中，选取干法磨削无心磨床系统故障作为故障树的顶事件建树分析，记干法磨削无心磨床系统故障为顶事件S，顶事件S通过或门连接第一级事件A01：导轮进给系统故障、A02：导轮驱动系统故障、A03：导轮修整系统故障、A04：砂轮修整系统故障、A05：砂轮驱动系统故障和A06：控制系统故障；所述第一级事件A01：导轮进给系统故障通过或门连接其内部的第二级事件B01：滚珠丝杠副故障、B02：导轨故障、B03：伺服电机故障、B11：伺服电机驱动器故障和B05：主轴故障；所述第一级事件A01内部的第二级事件B01通过或门连接第一级事件A01内部的第三级事件C01：滚珠丝杠副噪声、C02：滚珠丝杠运动不灵活、C03：几何精度不稳定、C04：运动反向误差大和C05：运动中转矩过大；所述第一级事件A01内部的第二级事件B02：导轨故障连接第一级事件A01内部的第三级事件C14：导轨面研损；所述第一级事件A01内部的第二级事件B03：伺服电机故障通过或门连接第一级事件A01内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大和C09：电机冲击大；所述第一级事件A01内部的所述第二级事件B11：伺服电机驱动器故障通过或门连接第一级事件A01内部的第三级事件C21：电源模块显示不正常和C22：伺服驱动模块报警；所述第一级事件A01内部的第二级事件B05：主轴故障通过或门连接第一级事件A01内部的第三级事件C11：主轴发热、C12：主轴停转和C13：主轴噪声；所述第一级事件AO2：导轮驱动系统故障通过或门连接其内部的第二级事件B03：伺服电机故障、B05：主轴故障和B12：主轴停转，所述第一级事件AO2：导轮驱动系统故障内部的第二级事件B03：伺服电机故障通过或门连接所述第一级事件AO2：导轮驱动系统故障内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大和C09：电机冲击大；所述第一级事件AO2：导轮驱动系统故障内部的第二级事件B05：主轴故障通过或门连接所述第一级事件AO2：导轮驱动系统故障内部的第三级事件C11：主轴发热、C12：主轴停转和C13：主轴噪声；所述第一级事件AO2：导轮驱动系统故障内部的第二级事件B12：主轴停转连接所述第一级事件AO2：导轮驱动系统故障内部的第三级事件C15：导轮振动；所述第一级事件A03：导轮修整系统故障通过或门连接其内部的第二级事件B01：滚珠丝杠副故障、B02：导轨故障、B03：伺服电机故障、B13：修整刀具故障和B14：锁死装置故障；所述第一级事件A03：导轮修整系统故障内部的第二级事件B01：滚珠丝杠副故障通过或门连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C01：滚珠丝杠副噪声、C02：滚珠丝杠运动不灵活、C03：几何精度不稳定、C04：运动反向误差大和C05：运动中转矩过大；所述第一级事件A03：导轮修整系统故障内部的第二级事件B02：导轨故障连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C14：导轨面研损；所述第一级事件A03：导轮修整系统故障内部的第二级事件B03：伺服电机故障通过或门连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大和C09：电机冲击大；所述第一级事件A03：导轮修整系统故障内部的第二级事件B13：修整刀具故障通过或门连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C16：刀具磨损和C17：刀具振动；所述第一级事件A03：导轮修整系统故障内部的第二级事件B14：锁死装置故障连接所述第一级事件A03：导轮修整系统故障内部的第三级事件C18：修整刀具不稳定；所述第一级事件A04：砂轮修整系统故障通过或门连接其内部的第二级事件B01：滚珠丝杠副故障、B11：伺服电机驱动器故障、B02：导轨故障、B04：工作台振动、B05：主轴故障、B03：伺服电机故障和B10：传动带故障；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B01：滚珠丝杠副故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C02：滚珠丝杠运动不灵活、C05：运动中转矩过大、C04：运动反向误差大、C01：滚珠丝杠副噪声和C03：几何精度不稳定；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B11：伺服电机驱动器故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C21：电源模块显示不正常和C22：伺服驱动模块报警；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B02：导轨故障连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C14：导轨面研损；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B04：工作台振动连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C20：冲击负荷；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B05：主轴故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C11：主轴发热、C12：主轴停转和C13：主轴噪声；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B03：伺服电机故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大、C09：电机冲击大和C10：电机振动；所述第一级事件A04：砂轮修整系统故障内部的第二级事件B10：传动带故障通过或门连接所述第一级事件A04：砂轮修整系统故障内部的第三级事件C19：皮带折曲和C20：冲击负荷；所述第一级事件A05：砂轮驱动系统故障通过或门连接其内部的第二级事件B11：伺服电机驱动器故障、B10：传动带故障、B05：主轴故障、B06：三相异步电机故障；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件B11：伺服电机驱动器故障通过或门连接所述第一级事件A05：砂轮驱动系统故障内部的第三级事件C21：电源模块显示不正常和C22：伺服驱动模块报警；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件B10：传动带故障通过或门连接所述第一级事件A05：砂轮驱动系统故障内部的第三级事件C19：皮带折曲和C20：冲击负荷；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件B05：主轴故障通过或门连接所述第一级事件A05：砂轮驱动系统故障内部的第三级事件C11：主轴发热、C12：主轴停转和C13：修整刀具故障；所述第一级事件A05：砂轮驱动系统故障内部的第二级事件B06：三相异步电机故障通过或门连接第一级事件A05：砂轮驱动系统故障内部的第三级事件C06：电机不转、C07：电机过热、C08：电机噪声大、C09：电机冲击大和C10：电机振动；所述第一级事件A06:控制系统故障通过或门连接其内部的第二级事件B15：传感器故障、B16：控制主机故障和B17：电源故障；所述第一级事件A06：控制系统故障内部的第二级事件B15：传感器故障通过或门连接所述第一级事件A06：控制系统故障内部的第三级事件C24：传感器内部失效、C27：线路断路和C28：线路接触不良；所述第一级事件A06：控制系统故障内部的第二级事件B17：电源故障通过或门连接所述第一级事件A06：控制系统故障内部的第三级事件C26：电源接入故障、C27：线路断路和C28：线路接触不良；
在步骤4中，干法磨削无心磨床系统中各单元寿命处理为服从指数分布的随机变量；
对于干法磨削无心磨床系统的某单元，当其在
Figure DEST_PATH_IMAGE001
时刻开始工作，其实际寿命T的概率密度函数为：
Figure 118187DEST_PATH_IMAGE002
(1)
其中，参数
Figure DEST_PATH_IMAGE003
为单元的故障率，干法磨削无心磨床系统单元的可靠度函数为：
Figure 101186DEST_PATH_IMAGE004
(2)
干法磨削无心磨床系统单元的平均无故障工作时间MTTF为：
Figure DEST_PATH_IMAGE005
(3)
根据贝叶斯网络理论，经过筛选关键元器件后，建立干法磨削无心磨床系统的贝叶斯网络模型，所述贝叶斯网络内节点包括子系统节点和单元节点，所述子系统节点为M i，i=1,2,...,n，所述单元节点为X i，i=1,2,...,n；
对于干法磨削无心磨床系统贝叶斯网络中的各节点，设置为两种状态：工作和故障，在概率公式中，分别表示为1和0，对于所分析的干法磨削无心磨床系统，各元器件与子系统、子系统与总系统之间都为串联系统，根据建立的贝叶斯网络，干法磨削无心磨床系统发生故障的概率表示如下：
Figure 948925DEST_PATH_IMAGE006
(4)
Pr(S=0)记为
Figure DEST_PATH_IMAGE007
，则干法磨削无心磨床系统的可靠度函数为：
Figure 232139DEST_PATH_IMAGE008
(5)；
在步骤4中，根据同型号或类似关键零部件的可靠性数据，对干法磨削无心磨床系统的平均无故障工作时间进行估算，为干法磨削无心磨床系统的设计提供一种安全性评估指标，如果所设计的干法磨削无心磨床系统的平均无故障工作时间达不到所要求的设计指标，则需要进行系统可靠度分配分析，即为各关键零部件规定相应的可靠度指标来重新指导关键零部件的设计与选型，进而使得干法磨削无心磨床系统满足规定的可靠性要求；
基于所述的干法磨削无心磨床系统的可靠性预测模型建立方法而使用一种可靠性分配分析方法：
基于系统的状态，贝叶斯网络反向推理出子系统或元器件的状态及其发生故障的概率，基于干法磨削无心磨床系统故障时各元器件故障概率推理结果，可以确定各元器件对系统的重要性权重，各元器件的重要性权重为：
Figure DEST_PATH_IMAGE009
(6)
其中，v i 代表元器件i对系统的重要程度，v i 越大，表示元器件i对系统越重要，Pr(X i =0|S=0)表示系统故障时元器件i发生故障的概率，基于所求的元器件重要性权重，元器件i的可靠度分配系数k i 为：
Figure 257864DEST_PATH_IMAGE010
(7)
若干法磨削无心磨床系统的故障率指标为
Figure DEST_PATH_IMAGE011
，可靠度指标为
Figure 993739DEST_PATH_IMAGE012
，平均无故障工作指标为
Figure DEST_PATH_IMAGE013
，则元器件i所分配的故障率
Figure 645169DEST_PATH_IMAGE014
为：
Figure DEST_PATH_IMAGE015
(8)
元器件i所分配的可靠度
Figure 517310DEST_PATH_IMAGE016
为：
Figure DEST_PATH_IMAGE017
(9)
元器件i所分配的平均无故障工作时间
Figure 979515DEST_PATH_IMAGE018
为：
Figure DEST_PATH_IMAGE019
(10)
对各元器件提出相应的可靠性指标，并根据指标来重新选配元器件，使干法磨削无心磨床系统的可靠性达到设计指标，基于上述分析，对干法磨削无心磨床系统各关键零部件的重要性权重及可靠性指标分配；
基于干法磨削无心磨床系统和单元的可靠性预测模型建立方法而使用干法磨削无心磨床系统的维修策略分析方法：
根据所建立的可靠性分析模型来估算干法磨削无心磨床系统在t时刻的可靠度，当t时刻系统的可靠度达到了预设的阈值，则在t时刻对系统进行人为维修作业；
考虑维修因素，基于干法磨削无心磨床系统可靠性模型，对其进行维修策略分析，干法磨削无心磨床系统可靠度函数可表示为：
Figure 186374DEST_PATH_IMAGE020
(11)
干法磨削无心磨床系统故障率在其服役期间不随时间发生变化，则干法磨削无心磨床系统的故障率和平均无故障工作时间MTTF之间的关系可表示为：
Figure DEST_PATH_IMAGE021
(12)
由于已经得到各个元器件的平均无故障工作时间
Figure 392228DEST_PATH_IMAGE018
，可以得到元器件可靠度函数与平均无故障工作时间的关系为：
Figure 384455DEST_PATH_IMAGE022
(13)
进而可以得到干法磨削无心磨床系统的可靠度函数和各元器件可靠度函数之间的关系：
Figure DEST_PATH_IMAGE023
(14)
选取干法磨削无心磨床系统中故障率较大的易损件作为干法磨削无心磨床系统维修可靠性的研究对象，则干法磨削无心磨床系统可简化；
为了保证维修后系统的可靠性较高的水平，在每次维修时维修可靠度较低的部分元器件，在对干法磨削无心磨床系统的维修可靠性研究中，采取维修可靠度较低的关键元器件；
选取系统可靠度临界值，记为
Figure 532408DEST_PATH_IMAGE024
，则首次维修时间
Figure DEST_PATH_IMAGE025
可由式（14）求解：
Figure 977296DEST_PATH_IMAGE026
(15)；
所述干法磨削无心磨床系统可简化为，所述干法磨削无心磨床系统包括砂轮机构、导轮驱动机构、导轮进给机构和控制系统，所述砂轮机构包括第一驱动电机和传送带，所述导轮驱动机构包括第二驱动电机，所述导轮进给机构包括第三驱动电机，所述控制系统包括传感器和控制主机；
进行i（i=1,2,…,n）次维修后，各个元器件以及干法磨削无心磨床系统的可靠度函数可表示为：
Figure DEST_PATH_IMAGE027
(16)
Figure 721261DEST_PATH_IMAGE028
(17)
......
Figure DEST_PATH_IMAGE029
(18)
Figure 817262DEST_PATH_IMAGE030
(19)
式中：
Figure DEST_PATH_IMAGE031
表示对某一元器件进行维修后该元器件的可靠度函数，j表示干法磨削无心磨床系统中元器件的个数，
Figure 621270DEST_PATH_IMAGE032
表示维修的时间，根据上述分析，可以得到干法磨削无心磨床系统在服役期间内进行维修的次数、每次维修的时间、具体更换的元器件以及维修后系统的可靠度。
CN202010144615.7A 2020-03-04 2020-03-04 干法磨削无心磨床系统和单元的可靠性预测模型建立方法 Active CN111251077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010144615.7A CN111251077B (zh) 2020-03-04 2020-03-04 干法磨削无心磨床系统和单元的可靠性预测模型建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010144615.7A CN111251077B (zh) 2020-03-04 2020-03-04 干法磨削无心磨床系统和单元的可靠性预测模型建立方法

Publications (2)

Publication Number Publication Date
CN111251077A CN111251077A (zh) 2020-06-09
CN111251077B true CN111251077B (zh) 2022-02-22

Family

ID=70947533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010144615.7A Active CN111251077B (zh) 2020-03-04 2020-03-04 干法磨削无心磨床系统和单元的可靠性预测模型建立方法

Country Status (1)

Country Link
CN (1) CN111251077B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113868599A (zh) * 2021-09-29 2021-12-31 中车大同电力机车有限公司 机车故障分析方法、装置、电子设备及存储介质
CN114492178A (zh) * 2022-01-12 2022-05-13 中国海洋石油集团有限公司 一种水下采油树生产主阀控制系统可靠性分配方法及系统
CN117407993B (zh) * 2023-12-14 2024-02-27 中国石油大学(华东) 超深水打桩锤系统可靠性优化方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101559578B (zh) * 2009-06-02 2013-01-30 河南科技大学 一种无心磨削加工测控系统及相应的无心磨削加工方法
CN102495923B (zh) * 2011-11-23 2013-04-10 湖南大学 一种汽车碰撞安全的混合可靠性评估方法
CN104951588A (zh) * 2015-03-16 2015-09-30 中国矿业大学 一种矿井通风系统辅助设计方法
CN105150037A (zh) * 2015-08-20 2015-12-16 天津市华天世纪机械有限公司 一种无心磨床装置
CN109559048A (zh) * 2018-12-02 2019-04-02 湖南大学 一种核电装备的系统可靠性评估方法

Also Published As

Publication number Publication date
CN111251077A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN111251077B (zh) 干法磨削无心磨床系统和单元的可靠性预测模型建立方法
CN109909804B (zh) 基于主轴驱动电流和工步的刀具磨损破损在线监测方法
Gupta et al. A failure mode effect and criticality analysis of conventional milling machine using fuzzy logic: case study of RCM
Patil et al. Reliability analysis of CNC turning center based on the assessment of trends in maintenance data: a case study
US20180181087A1 (en) Analysis device and analysis system
Dehayem Nodem et al. Production planning and repair/replacement switching policy for deteriorating manufacturing systems
Yang et al. A new failure mode and effects analysis model of CNC machine tool using fuzzy theory
JP7147131B2 (ja) 解析システム
Du et al. Failure mode, effects and criticality analysis of remanufactured machine tools in service
Patil et al. Failure modes and effects analysis (FMEA) of computerized numerical control (CNC) turning center
JP2018120347A (ja) データ分析装置およびデータ分析方法
EP3762186A1 (de) Vorausschauende beurteilung von robotern
Du et al. Reliability allocation method for remanufactured machine tools based on fuzzy evaluation importance and failure influence
Du et al. In-service machine tool remanufacturing: a sustainable resource-saving and high-valued recovery approach
JP2021077205A (ja) 品質予測システム
Papadakis The Deming inspection criterion for choosing zero or 100 percent inspection
Westkämper et al. Zero-defect manufacturing by means of a learning supervision of process chains
CN108729963B (zh) 一种汽轮机组轴系故障预测方法及系统
Jiang et al. Condition-based switching and replacement policies for a two-unit warm standby redundant system subject to non-instantaneous switchover
CN115685879A (zh) 机床状态调整方法、装置、设备、机床、介质及程序产品
Fan et al. Reliability analysis of spindle system of CNC grinder based on fault data
Masalimov A machine learning based approach to autogenerate diagnostic models for CNC machines
Morgan et al. Design and implementation of an intelligent grinding assistant system
Paoprasert et al. Assessing risk priority numbers of failures in the screw tightening machine of a hard disk drive production system
Al‐Najjar A concept for detecting quality deviation earlier than when using traditional diagram in automotive: a case study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant