為實現少量故障數據樣本下五軸聯動數控機床精確的可靠性評估,通過對貝葉斯估計方法進行研究,設計實現數控機床可靠性建模。該方法首先設定威布爾模型參數服從伽瑪分布,為解決無先驗信息問題,引入兩層貝葉斯方法。為解決積分求解后驗分布計算困難問題,使用MCMC方法計算模型參數估計值,最終建立起威布爾模型。引用某機床一年的歷史故障數據,使用所設計方法與最小二乘法實現建模,用擬合優(yōu)度檢驗將兩個方法結果進行比較判斷出所設計方法具有可行性。最后依據建立的可靠性模型對機床進行可靠性評估。 

【文章來源】：組合機床與自動化加工技術. 2020,(04)北大核心

【文章頁數】：5 頁

【部分圖文】：

貝葉斯估計原理

得到分組間隔為263.514h,對每組數據進行統計,計算出每組的中值、每組的故障頻率及累積故障頻率,繪制出故障頻率柱狀圖,如圖2所示。結合組中值與累計故障頻率數據,繪制出累計故障頻率柱狀圖如圖3所示。

結合組中值與累計故障頻率數據,繪制出累計故障頻率柱狀圖如圖3所示。由柱狀圖可看出,隨著故障間隔時間的增加,故障頻率為遞減趨勢,且遞減速率變緩;累計故障頻率逐漸增加,且增長速率變緩,其不符合正態(tài)分布特性,比較符合威布爾分布與指數分布特性。又因為當威布爾分布形狀參數等于1時,即可表示為指數分布,因此可以使用威布爾分布進行模型擬合。

【參考文獻】：
期刊論文
[1]基于貝葉斯推斷的復雜系統可靠性分析[J]. 蘇續(xù)軍,呂學志.  計算機應用與軟件. 2019(03)
[2]基于自助擴充法的數控機床可靠性建模研究[J]. 聶萌,張海波.  制造技術與機床. 2019(03)
[3]Ⅱ型雙截尾下逆威布爾分布尺度參數的估計[J]. 龍沁怡,唐俊,羅寧.  高師理科學刊. 2019(02)
[4]基于元動作單元的數控機床故障分級決策方法[J]. 李松濤,劉英,冉琰,柯磊,陳輝.  工程設計學報. 2018(06)
[5]基于MCMC方法的機床無故障數據可靠性分析[J]. 張朋,李慧敏,鄧銘,杜正春,楊建國.  機械設計與研究. 2018(05)
[6]定時截尾樣本下某型數控機床可靠性的Bayes分析[J]. 宮雷,許世蒙.  信息系統工程. 2018(07)
[7]基于改進FMECA的機床運行可靠性評價與提升[J]. 鄒安南,王紅軍,高楊杰.  北京信息科技大學學報(自然科學版). 2018(03)
[8]基于復雜系統退化機理的備件訂購策略模型[J]. 王成,許建新,王紅軍,張振明.  西北工業(yè)大學學報. 2018(03)
[9]國外高檔數控車床的可靠性綜合評價[J]. 倪文凱,樸成道.  機床與液壓. 2016(01)
[10]少樣本故障數據數控機床的貝葉斯可靠性分析[J]. 王智明,楊建國.  中南大學學報(自然科學版). 2014(12)



本文編號：3264073