4.2現場故障數據的可靠性建模與分析
現場加工中心的試驗對象是數控機床中的YP系列圓盤式刀庫,數據采集時 間是從加工中心數控機床調試完成后開始的。選取了從2011年~2013年間的加 工中心數控機床。通過附錄1表A-3記錄每臺數控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。
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
|
|
|
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!本文由伯特利數控整理發表文章均來自網絡僅供學習參考,轉載請注明!
2024-11
本文以組合式六角亭模型為實例,分析工藝難點與加工可行性,指出該模型的加工難點是模型形狀不規則和整體剛性差,并通過設計新的工藝方案解決加工難點,完成了模型整體的加工。新的加工工藝有助于提高加工效率和精度,為五軸數控加工提供了一個典型案例,對于五軸加工中心數控加工也具有指導作用和重要… [了解更多]
2024-11
宇匠數控 備注:為保證文章的完整度,本文核心內容由PDF格式顯示,如未有顯示請刷新或轉換瀏覽器嘗試,手機瀏覽可能無法正常使用!本文摘要:通過對混聯五軸加工中心自適應深度學習控制方法的 研 究,可 知 此 方 法 的 創 新 之 處 在 于:1)建 立 了 機 床 的 運 動 學 … [了解更多]
2024-11
在機測量技術由于其成本低、檢測效率高、無需二次裝夾等優勢被廣泛用于零件加工測量當中,使得五軸加工中心和五軸鉆攻中心,同時又兼具測量功能。在機測量系統的構成如圖1所示,硬件部分主要是由高精度探頭、信號接收器、機床整個本體,軟件部分由機床控制系統、測量軟件等組成[8]。待零件加工完成… [了解更多]
2024-11
?加工精度是影響機床性能和產品質量的主要難題,也是制約國家精密制造能力的重要因素。本文以五軸加工中心為對象,針對提升機床精度進行了研究。并且隨著科技的發展,精密的儀器和零件在生產實踐中占據的分量逐漸增加,在數控機床這種精密機器精度不斷提高的同時,必須控制內外界環境的隨機影響因素在… [了解更多]