4.3實驗室故障數據的可靠性建模與分析
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]。
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]