發(fā)布時間：2023-03-29 05:14

　　伴隨著人們不斷提升的物質(zhì)文化需求,中國制造需要跟緊步伐,鑒于數(shù)控機床在工業(yè)生產(chǎn)中的特殊地位,對數(shù)控機床可靠性的研究也需要精益求精,尋找到更切實、更科學、更優(yōu)化的可靠性分析方法,以便更好的管理、維護和改良數(shù)控機床。傳統(tǒng)的數(shù)控機床可靠性建模不考慮工況因素,但實際上數(shù)控機床作為一類大型復雜機電設備,其可靠性水平會受到加工條件和運行所承受載荷等工況條件的影響,為了給機床用戶企業(yè)的生產(chǎn)管理和機床制造企業(yè)對產(chǎn)品的改良換代提供更為精準的參考依據(jù),本文建立了考慮工況因素的數(shù)控機床可靠性模型,能夠更真實的反應產(chǎn)品的可靠性水平。本文將模型的建立分為了三個模塊:首先是對工況數(shù)據(jù)的分析和處理,然后是對故障數(shù)據(jù)的分析與計算,最后使用處理后的工況數(shù)據(jù)和故障數(shù)據(jù)建立了數(shù)控機床的可靠性模型。同時,針對建模過程中出現(xiàn)的一些問題和建模細節(jié)分別展開了討論和分析,給出了相應的具體方法和計算實例。具體研究內(nèi)容如下:(1)收集并整理了一批包含工況數(shù)據(jù)和故障數(shù)據(jù)的某型號立式加工中心可靠性數(shù)據(jù);結(jié)合相關(guān)文獻資料及機床工況載荷特性選出切削功率、切削力、換刀頻次和環(huán)境溫度作為建立可靠性模型需要考慮的四種工況因素,給出了相應的計算方法;經(jīng)...

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 可靠性相關(guān)內(nèi)容研究現(xiàn)狀
        1.2.1 數(shù)控機床可靠性研究現(xiàn)狀
        1.2.2 考慮工況的可靠性研究現(xiàn)狀
        1.2.3 小樣本可靠性評價方法研究現(xiàn)狀
    1.3 主要研究內(nèi)容
第2章 數(shù)控機床可靠性數(shù)據(jù)獲取與工況數(shù)據(jù)分析
    2.1 數(shù)控機床可靠性數(shù)據(jù)的獲取
        2.1.1 可靠性試驗類型和數(shù)據(jù)來源
        2.1.2 可靠性數(shù)據(jù)分類
    2.2 可靠性建模工況選擇
    2.3 可靠性建模工況計算
        2.3.1 切削力與切削功率計算
        2.3.2 換刀頻次應力水平計算
        2.3.3 環(huán)境溫度應力水平計算
    2.4 切削力和切削功率的數(shù)據(jù)篩選方法
        2.4.1 數(shù)據(jù)特征分析
        2.4.2 一維數(shù)據(jù)分類方法
        2.4.3 常用聚類方法整理與分析
        2.4.4 聚類方法適用性對比
    2.5 使用k-means算法的聚類篩選
        2.5.1 k-means算法原理與實現(xiàn)
        2.5.2 初始聚類中心優(yōu)化
        2.5.3 合理分類數(shù)目確定
        2.5.4 切削力數(shù)據(jù)聚類
        2.5.5 切削功率數(shù)據(jù)聚類
    2.6 本章小結(jié)
第3章 數(shù)控機床的可靠性評價
    3.1 可靠性評價基礎(chǔ)
        3.1.1 可靠性評價指標
        3.1.2 TBF的概率函數(shù)
        3.1.3 TBF的分布模型
    3.2 威布爾分布模型參數(shù)估計
        3.2.1 模型參數(shù)的點估計
        3.2.2 模型參數(shù)的區(qū)間估計
        3.2.3 MTBF的點估計
    3.3 模型擬合優(yōu)度檢驗
    3.4 小樣本故障數(shù)據(jù)可靠性評價方法
        3.4.1 小樣本問題的引出與解決方案
        3.4.2 Bayes方法的特點
        3.4.3 Bayes公式
    3.5 應用Bayes方法的可靠性評價
        3.5.1 威布爾分布參數(shù)的先驗概率分布
        3.5.2 威布爾分布參數(shù)的后驗概率分布
        3.5.3 高維積分解決方案
        3.5.4 威布爾分布參數(shù)的后驗邊緣概率
        3.5.5 威布爾分布參數(shù)的Bayes點估計
    3.6 數(shù)控機床可靠性評價實例
    3.7 本章小結(jié)
第4章 考慮工況的數(shù)控機床可靠性建模
    4.1 采用SOFM的工況數(shù)據(jù)聚類
        4.1.1 SOFM概述
        4.1.2 SOFM算法
        4.1.3 基于SOFM的工況數(shù)據(jù)聚類分析
    4.2 工況水平與可靠性水平關(guān)系模型建立
        4.2.1 采用LM算法的BP神經(jīng)網(wǎng)絡
        4.2.2 嚴格型徑向基函數(shù)網(wǎng)絡
        4.2.3 支持向量回歸方法
    4.3 模型的對比與選擇
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
作者簡介及科研成果
致謝



本文編號：3774074