實驗室故障數據的可靠性建模與分析|加工中心刀庫
4.3實驗室故障數據的可靠性建模與分析4.3.1實驗室故障數據的來源與統計實驗室故障數據是從圓盤式刀庫自動換刀系統試驗臺搭建完成后，滿刀運轉 一個月以后開始記錄的。選取了從2011年~2013年間的故障數據。通過附錄1 表A-2對實驗室自動換刀系統故障進行記錄，并判斷故障類型，將試驗臺試驗過 程中出現的關聯故障通過附錄1表A-6進行統計。統計結果見表4.2。表4. 2實驗室故障數據統計 序號 故障日期 故障起始時間 故障結束時間 故障維修時間h 故障間隔時間h 1 2011.11.05 9:45 1:35 3.833 315.5 2 2012.04.08 9:05 9:20 0.25 523.6 3 2012.08.12 8:44 10:23 1.65 612.7 4 2013.01.03 9:01 9:50 0.817 778.8 5 2013.04.23 3:21 3:40 0.317 396.5 6 2013.06.05 2:13 3:07 0.9 207.7 從表4.2可知，實驗室試驗臺故障數據很少，采用傳統的可靠性建模方法對其建模和評估時誤差較大，而貝葉斯注重先驗信息的收集、挖掘以及加工，形成 先驗分布[62]。貝葉斯在處理小樣本數據時具有很大的優勢[63]。4.3.3實驗室故障數據的可靠性分析利用 Matlab 可以求出：aBys=2126.4，爲^=0.9576 , M7BF = 2168*。通過貝葉斯方法能夠很好的估計出實驗室換刀系統故障間隔時間的模型參數值以及 該系統的MTBF的點估計值。4.4現場故障數據模型與實驗室故障數據模型的對比分析由4.2節、4.3節得出了現場試驗模型參數與點的點估計值為： ^=2157.89% ^=1.003,= 21551,實驗室試驗模型參數與的點估 計值為：asre=2126.4, ^Bra=0.9576,M：TBF = 2168/z,且兩者都符合兩參數威布爾分布。通過數據對比分析發現，兩者參數以及的點估計值相差很小。如 圖4.9，同樣可以看出，在排除早期故障時間，兩者的概率密度分布曲線與概率 分布曲線走勢相似，相對值相差很小，可以用實驗室試驗近似代替現場試驗。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！