現場故障數據的可靠性建模與分析|加工中心
4.2現場故障數據的可靠性建模與分析4.2.1現場試驗的對象與數據的收集現場加工中心的試驗對象是精工機床中的YP系列圓盤式刀庫，數據采集時 間是從加工中心精工機床調試完成后開始的。選取了從2011年~2013年間的加 工中心精工機床。通過附錄1表A-3記錄每臺精工機床現場加工中出現的有關圓 盤式刀庫的故障，并判斷該故障是否是關聯故障，將每臺機床出現的關聯故障通 過附錄1表A-7進行統計。將統計結果整理，具體見附錄2表B-1,從附錄2表 B-1中可以看出YP系列圓盤刀庫在2011~2013年共出現92次故障。4.2.2現場故障數據的可靠性建模4.2.2.1可靠性模型確立故障數據的直方圖是一種根據采集的故障間隔時間和在該故障間隔時間內 的頻數或者頻率所繪制的二維統計表，根據直方圖形狀變化的趨勢能夠大致推斷 加工中心故障數據的分布形式。 表4. 1現場換刀系統故障間隔時間頻率頻數統計表 組號 區間上[ 區間下） 組中值 頻數 頻率 累計頻率 1 49.75 548.97 299.36 34 0.369565 0.369569 2 548.97 1048.19 798.58 25 0.271739 0.641304 通過計算得出〇■ = 756.554 h。11.現場故障頻率以及累計頻率的直方圖(1) .故障頻率直方圖如圖4.1所示。其中橫坐標為故障間隔時間，縱坐標為 各組頻率與組距的比值，即/./心。故障頻率直方圖能夠大致的描繪出故障間隔時間的概率密度函數曲線。(2) .故障累計頻率直方圖如圖4.2所示。其中橫坐標為故障間隔時間，縱坐 標為累計頻率。故障累計頻率直方圖能夠大致的描繪出故障間隔時間的概率分布由圖4.1可知，故障頻率直方圖呈現單調遞減形式，并且在直方圖下降到一 定程度后又有平穩的趨勢。對比圖4.3常用概率密度分布模型中的曲線形狀，可 以發現，該組數據不可能是對數正態分布和正態分布，有可能是指數分布或者威 布爾分布模型。如圖4.2可知，故障累計頻率直方圖呈上凸形式。由于故障累計頻率直方圖 能夠直觀的表示出樣本的概率分布函數曲線走向，而樣本的概率分布函數與概率 密度函數具有一定的關系：假設樣本的概率分布函數為F(t),概率密度函數為 /Xt)[52][53]。兩者的關系為：從圖4.2中只能看出故障累計頻率隨著故障間隔時間單調上升，其斜率的變 化從直觀上也是呈現不斷減小的趨勢，但由于一開始斜率變化比較快，也可能存 在斜率先增加后減小的趨勢，即存在拐點的情況。如者可以推出/⑴>0且有 /’(t)<0,即概率密度函數在f>0的情況下，位于右半正區域，且單調遞減，符合這種狀態的分布模型有指數分布模型、威布爾分布模型以及正態分布模型；后 者可以推出/⑴>0且存在某個時間點使/(〇 = 0,即概率密度函數在r>0的情況下，位于右半正區域，且存在單峰，符合這種狀態的分布模型有威布爾分布模 型以及對數正態分布模型。 綜上所述，結合圖4.1和圖4.2,初步確定威布爾分布模型為該樣本數據的 分布模型。本文采摘自“加工中心盤式刀庫可靠性試驗方法研究”，因為編輯困難導致有些函數、表格、圖片、內容無法顯示，有需要者可以在網絡中查找相關文章！本文由海天精工整理發表文章均來自網絡僅供學習參考，轉載請注明！