考慮外界影響的元?jiǎng)幼鲉卧收细怕誓Ｐ?/h1>
2021-09-14 23:47:23鞠萍華谷豪東許文林黃廣全
湖南大學(xué)學(xué)報(bào)·自然科學(xué)版 2021年10期 關(guān)鍵詞：可靠性
鞠萍華 谷豪東 許文林 黃廣全
摘? ?要：為描述數(shù)控機(jī)床運(yùn)動(dòng)構(gòu)件的故障率隨時(shí)間變化的情況，本文從元?jiǎng)幼鲉卧霭l(fā)，建立了一個(gè)關(guān)于元?jiǎng)幼鲉卧墓收细怕誓Ｐ? 首先，根據(jù)元?jiǎng)幼鲉卧收习l(fā)生的原因?qū)⒐收戏殖蓛深悾S機(jī)故障和老化故障. 然后，根據(jù)這兩種故障類型故障數(shù)據(jù)的不同特點(diǎn)，選用兩個(gè)不同的概率分布函數(shù)分別進(jìn)行描述，隨機(jī)故障用泊松分布進(jìn)行描述，老化故障用威布爾分布進(jìn)行描述. 接著，給出這兩種故障概率模型中各參數(shù)的物理意義和估計(jì)方法. 更進(jìn)一步，工作負(fù)載和工作環(huán)境會(huì)分別對(duì)元?jiǎng)幼鲉卧睦匣收虾碗S機(jī)故障的故障率造成影響.為比較這兩者對(duì)故障率影響的大小，提出了工作負(fù)載參數(shù)Rl和工作環(huán)境參數(shù)Re，并給出這兩個(gè)參數(shù)的估計(jì)方法. 最后，根據(jù)收集到的運(yùn)動(dòng)構(gòu)件的故障數(shù)據(jù)作出頻率直方圖，同時(shí)，對(duì)故障數(shù)據(jù)進(jìn)行參數(shù)估計(jì)得到概率密度函數(shù)，并將這兩者畫在同一幅圖上，發(fā)現(xiàn)兩者具有較好的擬合效果. 表明提出的元?jiǎng)幼鲉卧收细怕誓Ｐ瓦m合于描述運(yùn)動(dòng)構(gòu)件故障率隨時(shí)間的變化，模型有效.
關(guān)鍵詞：元?jiǎng)幼鲉卧?隨機(jī)故障;老化故障;外界影響;可靠性
中圖分類號(hào)：TH17? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A
Failure Probability Model Of Meta-action
Unit Considering External Influence
JU Pinghua GU Haodong，XU Wenlin，HUANG Guangquan
（School of Mechanical Engineering，Chongqing University，Chongqing，400044，China）
Abstract：In order to describe the change of the failure rate of computerized numerical control（CNC） machine tool motion components with time，this paper starts from the meta-action unit and proposes a new meta-action unit failure probability model. First，according to the cause of the meta-action unit failure，the failure types are divided into two categories：random failure and aging failure. Then，according to the different characteristics of the failure data of these two failure types，two different probability distribution functions are used to describe separately，where random failures are described by Poisson distribution，and aging failures are described by Weibull distribution. Next，the physical meaning and estimation method of each parameter in this failure probability model are given. Furthermore，the working load and working environment respectively affect the failure rate of the aging failure and random failure of the meta-action unit. In order to compare the magnitude of their influence on the failure rate，the working load parameter Rl and the working environment parameter Re are proposed，and the estimation method of the two parameters is also given. Finally，according to the collected failure data of the moving components，a frequency distribution histogram is made. At the same time，the probability density function is obtained by parameter estimation of the failure data，and these two are drawn on the same graph. It is found that both have a better simulation effect. The simulation effect shows that the proposed failure probability model of the meta-action unit is suitable for describing the change of the failure rate of moving components with time，and thus the model is effective.
Key words：meta-action unit;random failure;aging failure;influence of outside;reliability
對(duì)于數(shù)控機(jī)床而言，其功能是通過各個(gè)部件運(yùn)動(dòng)來實(shí)現(xiàn)的，而部件的運(yùn)動(dòng)則是由一個(gè)個(gè)基本動(dòng)作完成的. 元?jiǎng)幼鲉卧Y(jié)構(gòu)化分解就是根據(jù)這一特點(diǎn)，將產(chǎn)品按照“功能（function）-運(yùn)動(dòng)（motion）-動(dòng)作（action），F(xiàn)MA”進(jìn)行分解，其中心思想就是將實(shí)現(xiàn)產(chǎn)品功能的復(fù)雜的綜合運(yùn)動(dòng)拆分為一系列基本的動(dòng)作. 將分解得到的最基本的動(dòng)作稱為元?jiǎng)幼?，將?shí)現(xiàn)元?jiǎng)幼鞯膯卧Q為元?jiǎng)幼鲉卧∕eta-action unit，MAU）. 一直以來，關(guān)于數(shù)控機(jī)床可靠性的研究比較多，但元?jiǎng)幼鲉卧煽啃缘难芯縿t比較缺失. 元?jiǎng)幼鲉卧鳛榻M成數(shù)控機(jī)床的基本構(gòu)件，研究其故障概率模型將對(duì)數(shù)控機(jī)床組成構(gòu)件的可靠性研究有著重要作用.
為得到元?jiǎng)幼鲉卧收细怕誓Ｐ停紫刃枰獙?duì)元?jiǎng)幼鲉卧a(chǎn)生的故障進(jìn)行分類. 在本文研究之前，對(duì)元?jiǎng)幼鲉卧收线M(jìn)行分類的方法有很多，這些方法分別根據(jù)不同的標(biāo)準(zhǔn)進(jìn)行分類. 有根據(jù)元?jiǎng)幼鲉卧收习l(fā)生的位置，將元?jiǎng)幼鲉卧墓收戏譃閮?nèi)部故障、連接型故障和控制系統(tǒng)故障[1];還有按照故障發(fā)生和發(fā)展的進(jìn)程將故障分為突發(fā)性故障和漸發(fā)性故障;除此之外，還有根據(jù)觀察到的故障現(xiàn)象將故障分為動(dòng)態(tài)異常和靜態(tài)異常兩種類型[2]. 這些分類方式可以由故障結(jié)果直接進(jìn)行判定，分類比較方便，但不利于得到元?jiǎng)幼鲉卧墓收细怕誓Ｐ?
除此之外，對(duì)各種機(jī)電設(shè)備進(jìn)行分類并得到故障概率模型的研究也有很多，這些概率模型分別使用了不同的分布. 其中最簡單和常用的是選用泊松分布對(duì)故障數(shù)據(jù)進(jìn)行描述[3-4]，使用泊松分布描述設(shè)備故障是最簡單直接的. 但泊松分布展現(xiàn)的故障率是恒定的，而機(jī)電設(shè)備則會(huì)由于老化導(dǎo)致故障率不斷增加，因此單純使用泊松分布不能對(duì)故障數(shù)據(jù)進(jìn)行描述. Xie等[5]提出用指數(shù)分布函數(shù)對(duì)故障率進(jìn)行描述. 然而，這種方法卻將老化故障當(dāng)作隨機(jī)故障，無法解釋老化故障的故障率隨時(shí)間增加的趨勢(shì). Li[6]提出了使用正態(tài)分布和威布爾分布. 這種方法可以得到故障率分布，但是這種方法卻有一個(gè)缺點(diǎn)，其認(rèn)為隨機(jī)故障的故障率隨時(shí)間改變.
上述故障概率模型在描述元?jiǎng)幼鲉卧收蠑?shù)據(jù)時(shí)存在各種各樣的缺陷，本文針對(duì)元?jiǎng)幼鲉卧奶攸c(diǎn)，建立元?jiǎng)幼鲉卧墓收细怕誓Ｐ?
1? ?元?jiǎng)幼鲉卧?/p>
元?jiǎng)幼魇菙?shù)控機(jī)床進(jìn)行FMA結(jié)構(gòu)化分解中得到的最基本的動(dòng)作，其具體的分解步驟如圖1所示. 根據(jù)元?jiǎng)幼鞯奶攸c(diǎn)，在此將元?jiǎng)幼鞯母拍疃x為：元?jiǎng)幼鳛闄C(jī)電產(chǎn)品中傳遞運(yùn)動(dòng)和動(dòng)力的最基本形式，它是機(jī)械產(chǎn)品中最小的運(yùn)動(dòng)[7].
單個(gè)零件是無法完成一個(gè)規(guī)定的元?jiǎng)幼鳎枰粋€(gè)完整的單元才能實(shí)現(xiàn). 元?jiǎng)幼鲉卧獮槟軌虮ＷC機(jī)械產(chǎn)品的元?jiǎng)幼鞯靡哉＿\(yùn)行的所有零件按照裝配關(guān)系組成的統(tǒng)一整體，且元?jiǎng)幼鲉卧诮Y(jié)構(gòu)上不可再分也無需再分[7].
復(fù)雜的機(jī)電產(chǎn)品的功能是由部件的運(yùn)動(dòng)來實(shí)現(xiàn)，部件的運(yùn)動(dòng)是由一系列元?jiǎng)幼鱽韺?shí)現(xiàn)，而完成一個(gè)元?jiǎng)幼鲃t需要一個(gè)元?jiǎng)幼鲉卧? 因此當(dāng)產(chǎn)品發(fā)生故障時(shí)，最終體現(xiàn)在元?jiǎng)幼鲉卧? 而元?jiǎng)幼鲉卧墓收鲜侵覆糠謩?dòng)作單元功能失效，造成不能順利完成規(guī)定動(dòng)作要求的狀態(tài)[1]. 當(dāng)元?jiǎng)幼鲉卧霈F(xiàn)故障時(shí)，會(huì)導(dǎo)致部件的運(yùn)動(dòng)出現(xiàn)障礙，最終體現(xiàn)在機(jī)電產(chǎn)品出現(xiàn)故障. 以數(shù)控機(jī)床為例，數(shù)控機(jī)床的運(yùn)動(dòng)由機(jī)床的進(jìn)給、工作臺(tái)的回轉(zhuǎn)、刀架的回轉(zhuǎn)、從刀庫抓取刀具、主軸的回轉(zhuǎn)等功能實(shí)現(xiàn). 而刀架的回轉(zhuǎn)分為刀架的移動(dòng)和轉(zhuǎn)動(dòng)，而對(duì)于這兩個(gè)運(yùn)動(dòng)來說，需要兩個(gè)元?jiǎng)幼鲉卧獊矸謩e實(shí)現(xiàn). 當(dāng)其中一個(gè)元?jiǎng)幼鲉卧l(fā)生故障時(shí)，刀具回轉(zhuǎn)將無法實(shí)現(xiàn)，進(jìn)而數(shù)控機(jī)床無法工作[8]. 因此研究單個(gè)元?jiǎng)幼鲉卧墓收细怕誓Ｐ蛯?duì)于研究數(shù)控機(jī)床的可靠性來說，十分重要. 其故障概率模型的建立過程如圖2所示.
2? ?元?jiǎng)幼鲉卧墓收?/p>
對(duì)于數(shù)控機(jī)床而言，從安裝完成、投入運(yùn)營到報(bào)廢的整個(gè)過程的故障率曲線應(yīng)該如圖3所示，呈現(xiàn)出浴盆曲線的形狀[9]. 早期故障的發(fā)生原因在于設(shè)計(jì)和制造階段的缺陷，并且故障率隨著時(shí)間慢慢下降;一段時(shí)間后，進(jìn)入偶然故障期，數(shù)控機(jī)床工作的大部分時(shí)間處于偶然故障期，故障率逐漸穩(wěn)定，在此期間，由于疲勞和磨損的原因，故障率隨時(shí)間略微增加，并不為常數(shù);隨著時(shí)間的增加，由于老化等原因，故障率不斷增加，數(shù)控機(jī)床進(jìn)入耗損故障期[10]. 數(shù)控機(jī)床在交付時(shí)會(huì)經(jīng)歷充分的試驗(yàn)安裝，早期故障期較短，其故障率主要集中在浴盆曲線的偶然故障期和耗損故障期. 元?jiǎng)幼鲉卧墙M成數(shù)控機(jī)床的最基本單元，其故障率曲線也應(yīng)該集中在偶然故障期和耗損故障期.
為了確定元?jiǎng)幼鲉卧墓收细怕誓Ｐ停枰獙?duì)其發(fā)生的故障進(jìn)行分類. 本文根據(jù)元?jiǎng)幼鲉卧收习l(fā)生的原因?qū)⒐收戏譃槔匣收虾碗S機(jī)故障. 元?jiǎng)幼鲉卧谶\(yùn)行過程中由于老化失效而造成的故障稱為老化故障;由于一些偶然因素而造成的故障則稱為隨機(jī)故障.
元?jiǎng)幼鲉卧且粋€(gè)關(guān)于結(jié)構(gòu)的概念，包含的結(jié)構(gòu)種類非常多，發(fā)生的不同類型故障也很多，除此之外，引發(fā)同一種故障背后的原因也可能有多種，因此根據(jù)故障發(fā)生的原因?qū)⒐收线M(jìn)行分類在操作上會(huì)有一些復(fù)雜. 例如，田致富在論文中對(duì)刀架轉(zhuǎn)動(dòng)異響故障樹分析，其結(jié)構(gòu)如圖4所示，引起異響的原因有緊固件松動(dòng)、嚙合區(qū)有異物和潤滑不充分[11]. 其中嚙合區(qū)有異物和潤滑不充分為偶然因素造成的故障，緊固件松動(dòng)有可能是因?yàn)槔匣蛩卦斐傻墓收希灿锌赡苡捎诓僮鬟^程中偶然因素造成的故障.
在對(duì)元?jiǎng)幼鲉卧收蠈?shí)際進(jìn)行分類中，可參考以下方法，老化故障是元?jiǎng)幼鲉卧诠ぷ鬟^程中組成零件的技術(shù)指標(biāo)逐漸下降，最終超出允許的范圍而發(fā)生故障，可以在事先發(fā)現(xiàn)征兆，具有可預(yù)測(cè)性;隨機(jī)故障是元?jiǎng)幼鲉卧捎谂既灰蛩赝话l(fā)的故障，一般沒有任何征兆，具有不可預(yù)測(cè)性.
為對(duì)元?jiǎng)幼鲉卧l(fā)生的故障進(jìn)行準(zhǔn)確分類，從而確定元?jiǎng)幼鲉卧收细怕誓Ｐ停收蠑?shù)據(jù)的收集不僅要記錄故障發(fā)生的時(shí)間，還要記錄發(fā)生的部位和發(fā)生的具體情形，以便于確定引起故障原因，從而對(duì)元?jiǎng)幼鲉卧l(fā)生的故障進(jìn)行分類.
3? ?建立元?jiǎng)幼鲉卧墓收细怕誓Ｐ?/p>
由于兩種故障不同的數(shù)據(jù)分布特點(diǎn)，所以應(yīng)選擇兩個(gè)不同的概率分布函數(shù)來分別對(duì)其進(jìn)行描述. 除此之外，兩種故障類型分屬于兩個(gè)獨(dú)立的部分，所以最后得到的用來擬合元?jiǎng)幼鲉卧收细怕誓Ｐ蛻?yīng)為兩個(gè)不同故障概率分布直接相加.
當(dāng)故障數(shù)據(jù)具有三個(gè)特點(diǎn)時(shí)，可以選用泊松分布來進(jìn)行描述[12]：
①物體在某段時(shí)間內(nèi)發(fā)生n次故障的概率與時(shí)間起點(diǎn)無關(guān)，僅與該段時(shí)間的長短有關(guān).
②在兩段相互不重疊的時(shí)間內(nèi)，物體發(fā)生故障的次數(shù)n1和n2是相互獨(dú)立的.
③在較短的時(shí)間內(nèi)，物體發(fā)生兩次或更多故障的概率很小.
元?jiǎng)幼鲉卧碾S機(jī)故障是由元?jiǎng)幼鲉卧獌?nèi)外的偶然因素導(dǎo)致的，例如，帶傳動(dòng)的帶突然斷裂，異物進(jìn)入元?jiǎng)幼鲉卧獌?nèi)等. 這些因素隨機(jī)發(fā)生，導(dǎo)致元?jiǎng)幼鲉卧l(fā)生故障，相互之間沒有關(guān)聯(lián). 因此發(fā)生n次故障的概率與時(shí)間起點(diǎn)無關(guān)，僅與時(shí)間長度有關(guān);且互不重疊的時(shí)間內(nèi)，發(fā)生故障的次數(shù)相互獨(dú)立;另外，元?jiǎng)幼鲉卧轻槍?duì)機(jī)械產(chǎn)品的概念，除特殊情況外，機(jī)械產(chǎn)品的壽命較長，可靠性也較高，發(fā)生故障的概率較低. 綜上所述，元?jiǎng)幼鲉卧S機(jī)故障數(shù)據(jù)的特點(diǎn)符合泊松分布的要求，故隨機(jī)故障選用泊松分布進(jìn)行描述. 泊松分布的故障率的計(jì)算如式（1）所示：
老化故障是由于元?jiǎng)幼鲉卧\(yùn)行過程中老化失效而發(fā)生的故障，例如：齒輪磨損，緊固件老化松動(dòng)等. 老化故障的故障率隨時(shí)間的增長而逐漸增加，因此應(yīng)采用當(dāng)參數(shù)變化時(shí)，概率分布函數(shù)形狀隨之改變的威布爾分布函數(shù).
當(dāng)威布爾分布形狀參數(shù)改變時(shí)故障率隨時(shí)間變化的情況如圖5所示. 當(dāng)m = 1，則威布爾分布為指數(shù)分布，故障率為常數(shù);當(dāng)m < 1，則故障概率隨時(shí)間減小;當(dāng)m > 1，則故障率隨時(shí)間增加[13]. 故當(dāng)m > 1時(shí)，威布爾分布適合描述老化過程.
4? ?元?jiǎng)幼鲉卧收夏Ｐ蛥?shù)估計(jì)
元?jiǎng)幼鲉卧收细怕誓Ｐ陀瑟?dú)立的兩個(gè)分布組成，泊松分布和威布爾分布，兩種分布屬于不同的類型，進(jìn)行參數(shù)估計(jì)時(shí)應(yīng)將兩個(gè)分布分別進(jìn)行估計(jì). 由泊松分布的性質(zhì)可知，其故障率可以由式（6）計(jì)算：
常用的威布爾分布參數(shù)估計(jì)方法有三種，極大似然估計(jì)、最小二乘法、矩估計(jì)法[14]. 三種參數(shù)估計(jì)方法中，矩估計(jì)法和極大似然估計(jì)法精度高于最小二乘法[15]，本文選用矩估計(jì)法進(jìn)行參數(shù)估計(jì).
5? ?元?jiǎng)幼鲉卧ぷ髫?fù)載參數(shù)和工作環(huán)境參數(shù)的估計(jì)
元?jiǎng)幼鲉卧诠ぷ鬟^程中，其故障率勢(shì)必會(huì)受到外界因素的影響. 本文中，故障類型被分為兩類，老化故障和隨機(jī)故障. 在外界影響因素中，工作負(fù)載和工作環(huán)境會(huì)對(duì)兩種故障類型的故障率分別造成影響. 為比較各個(gè)工作地區(qū)的工作負(fù)載和工作環(huán)境對(duì)元?jiǎng)幼鲉卧收下实挠绊?，本文分別采用工作負(fù)載參數(shù)和工作環(huán)境參數(shù).
元?jiǎng)幼鲉卧ぷ鬟^程中，工作負(fù)載越大，則老化速度就越快，所以應(yīng)在威布爾分布中添加工作負(fù)載參數(shù). 而工作環(huán)境會(huì)對(duì)隨機(jī)故障的故障率造成影響，應(yīng)對(duì)泊松分布添加工作環(huán)境參數(shù)[17].
當(dāng)平均負(fù)載不斷增大時(shí)，設(shè)備老化的速度不斷加快，比例參數(shù)η往往與工作負(fù)載的大小有關(guān)，負(fù)載越大，比例參數(shù)越小[12]，因此工作負(fù)載參數(shù)Rl應(yīng)表現(xiàn)在威布爾分布的比例參數(shù)上;由于工作環(huán)境會(huì)直接影響隨機(jī)故障的故障率，且泊松分布只有故障率λ一個(gè)參數(shù)，所以工作環(huán)境參數(shù)Re應(yīng)直接表現(xiàn)在泊松分布的故障率上.
工作負(fù)載參數(shù)Rl和工作環(huán)境參數(shù)Re的估計(jì)方法和步驟如圖6所示. 當(dāng)工作負(fù)載參數(shù)Rl大于1，則說明對(duì)該元?jiǎng)幼鲉卧獊碚f工作負(fù)載小于平均水平，如果小于1則說明工作負(fù)載大于平均水平;且工作負(fù)載參數(shù)越大，則說明工作負(fù)載越小;反之，參數(shù)越小，則說明工作負(fù)載越大.
工作環(huán)境參數(shù)Re則相反，如果大于1，則說明工作環(huán)境比平均水平更惡劣，如果小于1，則說明工作環(huán)境比平均水平更優(yōu);除此之外，工作環(huán)境參數(shù)越大，則說明工作環(huán)境更差，反之，則說明工作環(huán)境更好.
6? ?算例分析
某批次數(shù)控機(jī)床CJK1630共計(jì)116臺(tái)平均分成四組，交付用戶使用便開始進(jìn)行現(xiàn)場(chǎng)試驗(yàn)，選取其中重要的轉(zhuǎn)動(dòng)元?jiǎng)幼鲉卧ㄖ鬏S軸系結(jié)構(gòu)），待所有機(jī)床的該元?jiǎng)幼鲉卧汲霈F(xiàn)故障，則數(shù)據(jù)收集結(jié)束，主軸的故障類型如圖7所示.
7? ?結(jié)? ?論
1）本文提出了一種由威布爾分布和泊松分布組成的元?jiǎng)幼鲉卧收细怕誓Ｐ停⒖紤]了工作負(fù)載和工作環(huán)境對(duì)元?jiǎng)幼鲉卧收下实挠绊?，最終發(fā)現(xiàn)元?jiǎng)幼鲉卧墓收下孰S時(shí)間變化的形式類似于失去早期階段的浴盆曲線.
2）元?jiǎng)幼鲉卧菙?shù)控機(jī)床完成一個(gè)動(dòng)作的最基本單元，其故障概率模型不僅可以對(duì)復(fù)雜機(jī)電設(shè)備的重要運(yùn)動(dòng)構(gòu)件的可靠性分析提供幫助，還可以為運(yùn)動(dòng)構(gòu)件維修保養(yǎng)計(jì)劃的制定提供依據(jù).
3）本文提出的元?jiǎng)幼鲉卧收下誓Ｐ蛯?duì)故障數(shù)據(jù)的處理簡單，經(jīng)算例分析驗(yàn)證有效，并且上述的模型不僅局限于元?jiǎng)幼鲉卧诳煽啃灶I(lǐng)域中，故障來源可以分為老化故障和隨機(jī)故障的結(jié)構(gòu)或系統(tǒng)均可以使用.
參考文獻(xiàn)
[1]? ? 姚夢(mèng)生.數(shù)控機(jī)床典型元?jiǎng)幼鲉卧煽啃苑治黾夹g(shù)研究[D] .重慶：重慶大學(xué)，2018：17—21.
YAO M S. Research on reliability analysis technology of typical meta-action units of CNC machine tools[D]. Chongqing：Chongqing University，2018：17—21. （In Chinese）
[2]? ? 曹沛龍.基于信息傳遞的數(shù)控車床機(jī)械故障根源追蹤[D]. 長春：吉林大學(xué)，2020：9—18.
CAO P L. Mechanical fault root cause tracing of CNC lathe based on information transmission [D]. Changchun：Jilin University，2020：9—18. （In Chinese）
[3]? ? 高鵬.輸電系統(tǒng)中的一個(gè)泊松點(diǎn)過程模型及其可靠性研究[D]. 北京：華北電力大學(xué)，2016：1—15.
GAO P. Research on the poisson point process model of transmission system and its reliability[D]. Beijing：North China Electric Power University，2016：1—15. （In Chinese）
[4]? ? 王樂，楊帥，朱時(shí)陽，等. 基于泊松分布的輸電線路跳閘概率預(yù)測(cè)方法[J]. 高電壓技術(shù)，2017，43（11 ）：3777—3783.
WANG L，YANG S，ZHU S Y，et al. Prediction method of transmission line trip probability based on poisson distribution[J]. High Voltage Engineering，2017，43（11）：3777—3783. （In Chinese）
[5]? ? XIE M，GOH T N，TANG Y. On changing points of mean residual life and failure rate function for some generalized Weibull distributions[J]. Reliability Engineering & System Safety，2004，84（3）：293—299.
[6]? ? LI W Y. Evaluating mean life of power system equipment with limited end-of-life failure data[J]. IEEE Transactions on Power Systems，2004，19（1）：236—242.
[7]? ? 李宇龍，張根保，王勇勤，等. 數(shù)控機(jī)床基于元?jiǎng)幼鞯腇MEA分析技術(shù)研究[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，46（10）：64—75.
LI Y L，ZHANG G B，WANG Y Q，et al. Research on FMEA analysis technology based on meta-action for numerical control machine tool[J]. Journal of Hunan University（Natural Sciences），2019，46（10）：64—75. （In Chinese）
[8]? ? 張根保，王新，冉琰，等. 復(fù)雜機(jī)電產(chǎn)品基于元?jiǎng)幼鞣纸獾目煽啃越＜肮收显\斷[J]. 重慶大學(xué)學(xué)報(bào)，2017，40（8）：9—18.
ZHANG G B，WANG X，RAN Y，et al. Reliability modeling and fault diagnosing method of complex electromechanical products based on meta-action decomposition[J]. Journal of Chongqing University，2017，40（8）：9—18. （In Chinese）
[9]? ? PULCINI G. Modeling the failure data of a repairable equipment with bathtub type failure intensity[J]. Reliability Engineering & System Safety，2001，71（2）：209—218.
[10]? JUN L，BINQUAN L G，CHENG L，et al. Calculation methods for the gas pipeline failure rate[J]. Journal of Petroleum Science and Engineering，2019，174：229—234.
[11]? 田致富. 基于貝葉斯網(wǎng)絡(luò)的刀架系統(tǒng)故障預(yù)測(cè)[D]. 長春：吉林大學(xué)，2020：15—17.
TIAN Z F. Turret system fault prediction based on bayesian network [D] Changchun：Jilin University，2020：15—17. （In Chinese）
[12]? 趙宇，楊軍，馬小兵. 可靠性數(shù)據(jù)分析教程[M]. 北京：北京航空航天大學(xué)出版社，2009：35—40.
ZHAO Y，YANG J，MA X B. Reliability data analysis tutorial[M]. Beijing：Beijing University of Aeronautics & Astronautics? Press，2009：35—40.
[13]? 賽義德. 可靠性工程[M]. 北京：電子工業(yè)出版社，2013：43—48.
ELSAYED A. Relibity engineering[M]. Beijing：Publishing House of Electronics Industry，2013：43—48.
[14]? 曾國桓.兩參數(shù)威布爾分布下定時(shí)截尾試驗(yàn)的參數(shù)評(píng)估方法研究[D]. 成都：電子科技大學(xué)，2018：12—15.
ZENG G H. Methods of parameter estimation of two-parameter Weibull distribution for type-I censoring test[D].Chengdu：University of Electronic Science and Technology of China，2018：12—15. （In Chinese）
[15]? DATSIOU K C，OVEREND M. Weibull parameter estimation and goodness-of-fit for glass strength data[J]. Structural Safety，2018，73：29—41.
[16]? YANG Z J，HE J L，WANG J，et al. Bayesian method to solve the early failure period of numerical control machine tool[J]. Proceedings of the Institution of Mechanical Engineers，Part B：Journal of Engineering Manufacture，2016，32（9）：1677—1686.
[17]? 李新立，姜水清，劉賓. 熱刀式壓緊釋放裝置釋放可靠性驗(yàn)證試驗(yàn)及評(píng)估方法[J]. 航天器工程，2012，21（2）：123—126.
LI X L，JIANG S Q，LIU B. Release reliability validation tests and evaluation methods for the hold-down and release mechanism using thermal knife[J]. Spacecraft Engineering，2012，21（2）：123—126.（In Chinese）
[18]? 任麗娜，芮執(zhí)元，李建華. 故障強(qiáng)度為邊界浴盆形狀的數(shù)控機(jī)床可靠性分析[J]. 機(jī)械工程學(xué)報(bào)，2014，50（16）：13—20.
REN L N，RUI Z Y，LI J H. Reliability analysis of numerical control machine tools with? bounded and bathtub shaped failure intensity[J]. Journal of Mechanical Engineering，2014，50（16）：13—20. （In Chinese）
猜你喜歡
可靠性管理體系創(chuàng)建與實(shí)踐上海質(zhì)量(2019年8期)2019-11-16 08:47:46 合理使用及正確測(cè)試以提升DC/DC變換器可靠性電子制作(2018年23期)2018-12-26 01:01:20 GO-FLOW法在飛機(jī)EHA可靠性分析中的應(yīng)用北京航空航天大學(xué)學(xué)報(bào)(2017年6期)2017-11-23 05:57:49 電子制作(2017年2期)2017-05-17 03:55:06 論如何提高電子自動(dòng)化控制設(shè)備的可靠性電子制作(2017年2期)2017-05-17 03:54:51 既有結(jié)構(gòu)可靠性評(píng)定的設(shè)計(jì)值法西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版)(2016年1期)2016-11-08 12:15:10 高可靠控制系統(tǒng)中直流電源的可靠性分析鐵道通信信號(hào)(2016年10期)2016-06-01 12:10:56 UPS供電系統(tǒng)可靠性問題的分析通信電源技術(shù)(2016年5期)2016-03-22 01:10:12 基于可靠性跟蹤的薄弱環(huán)節(jié)辨識(shí)方法在省級(jí)電網(wǎng)可靠性改善中的應(yīng)用研究電測(cè)與儀表(2015年6期)2015-04-09 12:01:18 “數(shù)控機(jī)床可靠性技術(shù)”專題(十六) 可靠性管理體系制造技術(shù)與機(jī)床(2015年10期)2015-04-09 07:05:32
鞠萍華 谷豪東 許文林 黃廣全
摘? ?要：為描述數(shù)控機(jī)床運(yùn)動(dòng)構(gòu)件的故障率隨時(shí)間變化的情況，本文從元?jiǎng)幼鲉卧霭l(fā)，建立了一個(gè)關(guān)于元?jiǎng)幼鲉卧墓收细怕誓Ｐ? 首先，根據(jù)元?jiǎng)幼鲉卧收习l(fā)生的原因?qū)⒐收戏殖蓛深悾S機(jī)故障和老化故障. 然后，根據(jù)這兩種故障類型故障數(shù)據(jù)的不同特點(diǎn)，選用兩個(gè)不同的概率分布函數(shù)分別進(jìn)行描述，隨機(jī)故障用泊松分布進(jìn)行描述，老化故障用威布爾分布進(jìn)行描述. 接著，給出這兩種故障概率模型中各參數(shù)的物理意義和估計(jì)方法. 更進(jìn)一步，工作負(fù)載和工作環(huán)境會(huì)分別對(duì)元?jiǎng)幼鲉卧睦匣收虾碗S機(jī)故障的故障率造成影響.為比較這兩者對(duì)故障率影響的大小，提出了工作負(fù)載參數(shù)Rl和工作環(huán)境參數(shù)Re，并給出這兩個(gè)參數(shù)的估計(jì)方法. 最后，根據(jù)收集到的運(yùn)動(dòng)構(gòu)件的故障數(shù)據(jù)作出頻率直方圖，同時(shí)，對(duì)故障數(shù)據(jù)進(jìn)行參數(shù)估計(jì)得到概率密度函數(shù)，并將這兩者畫在同一幅圖上，發(fā)現(xiàn)兩者具有較好的擬合效果. 表明提出的元?jiǎng)幼鲉卧收细怕誓Ｐ瓦m合于描述運(yùn)動(dòng)構(gòu)件故障率隨時(shí)間的變化，模型有效.
關(guān)鍵詞：元?jiǎng)幼鲉卧?隨機(jī)故障;老化故障;外界影響;可靠性
中圖分類號(hào)：TH17? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A
Failure Probability Model Of Meta-action
Unit Considering External Influence
JU Pinghua GU Haodong，XU Wenlin，HUANG Guangquan
（School of Mechanical Engineering，Chongqing University，Chongqing，400044，China）
Abstract：In order to describe the change of the failure rate of computerized numerical control（CNC） machine tool motion components with time，this paper starts from the meta-action unit and proposes a new meta-action unit failure probability model. First，according to the cause of the meta-action unit failure，the failure types are divided into two categories：random failure and aging failure. Then，according to the different characteristics of the failure data of these two failure types，two different probability distribution functions are used to describe separately，where random failures are described by Poisson distribution，and aging failures are described by Weibull distribution. Next，the physical meaning and estimation method of each parameter in this failure probability model are given. Furthermore，the working load and working environment respectively affect the failure rate of the aging failure and random failure of the meta-action unit. In order to compare the magnitude of their influence on the failure rate，the working load parameter Rl and the working environment parameter Re are proposed，and the estimation method of the two parameters is also given. Finally，according to the collected failure data of the moving components，a frequency distribution histogram is made. At the same time，the probability density function is obtained by parameter estimation of the failure data，and these two are drawn on the same graph. It is found that both have a better simulation effect. The simulation effect shows that the proposed failure probability model of the meta-action unit is suitable for describing the change of the failure rate of moving components with time，and thus the model is effective.
Key words：meta-action unit;random failure;aging failure;influence of outside;reliability
對(duì)于數(shù)控機(jī)床而言，其功能是通過各個(gè)部件運(yùn)動(dòng)來實(shí)現(xiàn)的，而部件的運(yùn)動(dòng)則是由一個(gè)個(gè)基本動(dòng)作完成的. 元?jiǎng)幼鲉卧Y(jié)構(gòu)化分解就是根據(jù)這一特點(diǎn)，將產(chǎn)品按照“功能（function）-運(yùn)動(dòng)（motion）-動(dòng)作（action），F(xiàn)MA”進(jìn)行分解，其中心思想就是將實(shí)現(xiàn)產(chǎn)品功能的復(fù)雜的綜合運(yùn)動(dòng)拆分為一系列基本的動(dòng)作. 將分解得到的最基本的動(dòng)作稱為元?jiǎng)幼?，將?shí)現(xiàn)元?jiǎng)幼鞯膯卧Q為元?jiǎng)幼鲉卧∕eta-action unit，MAU）. 一直以來，關(guān)于數(shù)控機(jī)床可靠性的研究比較多，但元?jiǎng)幼鲉卧煽啃缘难芯縿t比較缺失. 元?jiǎng)幼鲉卧鳛榻M成數(shù)控機(jī)床的基本構(gòu)件，研究其故障概率模型將對(duì)數(shù)控機(jī)床組成構(gòu)件的可靠性研究有著重要作用.
為得到元?jiǎng)幼鲉卧收细怕誓Ｐ停紫刃枰獙?duì)元?jiǎng)幼鲉卧a(chǎn)生的故障進(jìn)行分類. 在本文研究之前，對(duì)元?jiǎng)幼鲉卧收线M(jìn)行分類的方法有很多，這些方法分別根據(jù)不同的標(biāo)準(zhǔn)進(jìn)行分類. 有根據(jù)元?jiǎng)幼鲉卧收习l(fā)生的位置，將元?jiǎng)幼鲉卧墓收戏譃閮?nèi)部故障、連接型故障和控制系統(tǒng)故障[1];還有按照故障發(fā)生和發(fā)展的進(jìn)程將故障分為突發(fā)性故障和漸發(fā)性故障;除此之外，還有根據(jù)觀察到的故障現(xiàn)象將故障分為動(dòng)態(tài)異常和靜態(tài)異常兩種類型[2]. 這些分類方式可以由故障結(jié)果直接進(jìn)行判定，分類比較方便，但不利于得到元?jiǎng)幼鲉卧墓收细怕誓Ｐ?
除此之外，對(duì)各種機(jī)電設(shè)備進(jìn)行分類并得到故障概率模型的研究也有很多，這些概率模型分別使用了不同的分布. 其中最簡單和常用的是選用泊松分布對(duì)故障數(shù)據(jù)進(jìn)行描述[3-4]，使用泊松分布描述設(shè)備故障是最簡單直接的. 但泊松分布展現(xiàn)的故障率是恒定的，而機(jī)電設(shè)備則會(huì)由于老化導(dǎo)致故障率不斷增加，因此單純使用泊松分布不能對(duì)故障數(shù)據(jù)進(jìn)行描述. Xie等[5]提出用指數(shù)分布函數(shù)對(duì)故障率進(jìn)行描述. 然而，這種方法卻將老化故障當(dāng)作隨機(jī)故障，無法解釋老化故障的故障率隨時(shí)間增加的趨勢(shì). Li[6]提出了使用正態(tài)分布和威布爾分布. 這種方法可以得到故障率分布，但是這種方法卻有一個(gè)缺點(diǎn)，其認(rèn)為隨機(jī)故障的故障率隨時(shí)間改變.
上述故障概率模型在描述元?jiǎng)幼鲉卧收蠑?shù)據(jù)時(shí)存在各種各樣的缺陷，本文針對(duì)元?jiǎng)幼鲉卧奶攸c(diǎn)，建立元?jiǎng)幼鲉卧墓收细怕誓Ｐ?
1? ?元?jiǎng)幼鲉卧?/p>
元?jiǎng)幼魇菙?shù)控機(jī)床進(jìn)行FMA結(jié)構(gòu)化分解中得到的最基本的動(dòng)作，其具體的分解步驟如圖1所示. 根據(jù)元?jiǎng)幼鞯奶攸c(diǎn)，在此將元?jiǎng)幼鞯母拍疃x為：元?jiǎng)幼鳛闄C(jī)電產(chǎn)品中傳遞運(yùn)動(dòng)和動(dòng)力的最基本形式，它是機(jī)械產(chǎn)品中最小的運(yùn)動(dòng)[7].
單個(gè)零件是無法完成一個(gè)規(guī)定的元?jiǎng)幼鳎枰粋€(gè)完整的單元才能實(shí)現(xiàn). 元?jiǎng)幼鲉卧獮槟軌虮ＷC機(jī)械產(chǎn)品的元?jiǎng)幼鞯靡哉＿\(yùn)行的所有零件按照裝配關(guān)系組成的統(tǒng)一整體，且元?jiǎng)幼鲉卧诮Y(jié)構(gòu)上不可再分也無需再分[7].
復(fù)雜的機(jī)電產(chǎn)品的功能是由部件的運(yùn)動(dòng)來實(shí)現(xiàn)，部件的運(yùn)動(dòng)是由一系列元?jiǎng)幼鱽韺?shí)現(xiàn)，而完成一個(gè)元?jiǎng)幼鲃t需要一個(gè)元?jiǎng)幼鲉卧? 因此當(dāng)產(chǎn)品發(fā)生故障時(shí)，最終體現(xiàn)在元?jiǎng)幼鲉卧? 而元?jiǎng)幼鲉卧墓收鲜侵覆糠謩?dòng)作單元功能失效，造成不能順利完成規(guī)定動(dòng)作要求的狀態(tài)[1]. 當(dāng)元?jiǎng)幼鲉卧霈F(xiàn)故障時(shí)，會(huì)導(dǎo)致部件的運(yùn)動(dòng)出現(xiàn)障礙，最終體現(xiàn)在機(jī)電產(chǎn)品出現(xiàn)故障. 以數(shù)控機(jī)床為例，數(shù)控機(jī)床的運(yùn)動(dòng)由機(jī)床的進(jìn)給、工作臺(tái)的回轉(zhuǎn)、刀架的回轉(zhuǎn)、從刀庫抓取刀具、主軸的回轉(zhuǎn)等功能實(shí)現(xiàn). 而刀架的回轉(zhuǎn)分為刀架的移動(dòng)和轉(zhuǎn)動(dòng)，而對(duì)于這兩個(gè)運(yùn)動(dòng)來說，需要兩個(gè)元?jiǎng)幼鲉卧獊矸謩e實(shí)現(xiàn). 當(dāng)其中一個(gè)元?jiǎng)幼鲉卧l(fā)生故障時(shí)，刀具回轉(zhuǎn)將無法實(shí)現(xiàn)，進(jìn)而數(shù)控機(jī)床無法工作[8]. 因此研究單個(gè)元?jiǎng)幼鲉卧墓收细怕誓Ｐ蛯?duì)于研究數(shù)控機(jī)床的可靠性來說，十分重要. 其故障概率模型的建立過程如圖2所示.
2? ?元?jiǎng)幼鲉卧墓收?/p>
對(duì)于數(shù)控機(jī)床而言，從安裝完成、投入運(yùn)營到報(bào)廢的整個(gè)過程的故障率曲線應(yīng)該如圖3所示，呈現(xiàn)出浴盆曲線的形狀[9]. 早期故障的發(fā)生原因在于設(shè)計(jì)和制造階段的缺陷，并且故障率隨著時(shí)間慢慢下降;一段時(shí)間后，進(jìn)入偶然故障期，數(shù)控機(jī)床工作的大部分時(shí)間處于偶然故障期，故障率逐漸穩(wěn)定，在此期間，由于疲勞和磨損的原因，故障率隨時(shí)間略微增加，并不為常數(shù);隨著時(shí)間的增加，由于老化等原因，故障率不斷增加，數(shù)控機(jī)床進(jìn)入耗損故障期[10]. 數(shù)控機(jī)床在交付時(shí)會(huì)經(jīng)歷充分的試驗(yàn)安裝，早期故障期較短，其故障率主要集中在浴盆曲線的偶然故障期和耗損故障期. 元?jiǎng)幼鲉卧墙M成數(shù)控機(jī)床的最基本單元，其故障率曲線也應(yīng)該集中在偶然故障期和耗損故障期.
為了確定元?jiǎng)幼鲉卧墓收细怕誓Ｐ停枰獙?duì)其發(fā)生的故障進(jìn)行分類. 本文根據(jù)元?jiǎng)幼鲉卧收习l(fā)生的原因?qū)⒐收戏譃槔匣收虾碗S機(jī)故障. 元?jiǎng)幼鲉卧谶\(yùn)行過程中由于老化失效而造成的故障稱為老化故障;由于一些偶然因素而造成的故障則稱為隨機(jī)故障.
元?jiǎng)幼鲉卧且粋€(gè)關(guān)于結(jié)構(gòu)的概念，包含的結(jié)構(gòu)種類非常多，發(fā)生的不同類型故障也很多，除此之外，引發(fā)同一種故障背后的原因也可能有多種，因此根據(jù)故障發(fā)生的原因?qū)⒐收线M(jìn)行分類在操作上會(huì)有一些復(fù)雜. 例如，田致富在論文中對(duì)刀架轉(zhuǎn)動(dòng)異響故障樹分析，其結(jié)構(gòu)如圖4所示，引起異響的原因有緊固件松動(dòng)、嚙合區(qū)有異物和潤滑不充分[11]. 其中嚙合區(qū)有異物和潤滑不充分為偶然因素造成的故障，緊固件松動(dòng)有可能是因?yàn)槔匣蛩卦斐傻墓收希灿锌赡苡捎诓僮鬟^程中偶然因素造成的故障.
在對(duì)元?jiǎng)幼鲉卧收蠈?shí)際進(jìn)行分類中，可參考以下方法，老化故障是元?jiǎng)幼鲉卧诠ぷ鬟^程中組成零件的技術(shù)指標(biāo)逐漸下降，最終超出允許的范圍而發(fā)生故障，可以在事先發(fā)現(xiàn)征兆，具有可預(yù)測(cè)性;隨機(jī)故障是元?jiǎng)幼鲉卧捎谂既灰蛩赝话l(fā)的故障，一般沒有任何征兆，具有不可預(yù)測(cè)性.
為對(duì)元?jiǎng)幼鲉卧l(fā)生的故障進(jìn)行準(zhǔn)確分類，從而確定元?jiǎng)幼鲉卧收细怕誓Ｐ停收蠑?shù)據(jù)的收集不僅要記錄故障發(fā)生的時(shí)間，還要記錄發(fā)生的部位和發(fā)生的具體情形，以便于確定引起故障原因，從而對(duì)元?jiǎng)幼鲉卧l(fā)生的故障進(jìn)行分類.
3? ?建立元?jiǎng)幼鲉卧墓收细怕誓Ｐ?/p>
由于兩種故障不同的數(shù)據(jù)分布特點(diǎn)，所以應(yīng)選擇兩個(gè)不同的概率分布函數(shù)來分別對(duì)其進(jìn)行描述. 除此之外，兩種故障類型分屬于兩個(gè)獨(dú)立的部分，所以最后得到的用來擬合元?jiǎng)幼鲉卧收细怕誓Ｐ蛻?yīng)為兩個(gè)不同故障概率分布直接相加.
當(dāng)故障數(shù)據(jù)具有三個(gè)特點(diǎn)時(shí)，可以選用泊松分布來進(jìn)行描述[12]：
①物體在某段時(shí)間內(nèi)發(fā)生n次故障的概率與時(shí)間起點(diǎn)無關(guān)，僅與該段時(shí)間的長短有關(guān).
②在兩段相互不重疊的時(shí)間內(nèi)，物體發(fā)生故障的次數(shù)n1和n2是相互獨(dú)立的.
③在較短的時(shí)間內(nèi)，物體發(fā)生兩次或更多故障的概率很小.
元?jiǎng)幼鲉卧碾S機(jī)故障是由元?jiǎng)幼鲉卧獌?nèi)外的偶然因素導(dǎo)致的，例如，帶傳動(dòng)的帶突然斷裂，異物進(jìn)入元?jiǎng)幼鲉卧獌?nèi)等. 這些因素隨機(jī)發(fā)生，導(dǎo)致元?jiǎng)幼鲉卧l(fā)生故障，相互之間沒有關(guān)聯(lián). 因此發(fā)生n次故障的概率與時(shí)間起點(diǎn)無關(guān)，僅與時(shí)間長度有關(guān);且互不重疊的時(shí)間內(nèi)，發(fā)生故障的次數(shù)相互獨(dú)立;另外，元?jiǎng)幼鲉卧轻槍?duì)機(jī)械產(chǎn)品的概念，除特殊情況外，機(jī)械產(chǎn)品的壽命較長，可靠性也較高，發(fā)生故障的概率較低. 綜上所述，元?jiǎng)幼鲉卧S機(jī)故障數(shù)據(jù)的特點(diǎn)符合泊松分布的要求，故隨機(jī)故障選用泊松分布進(jìn)行描述. 泊松分布的故障率的計(jì)算如式（1）所示：
老化故障是由于元?jiǎng)幼鲉卧\(yùn)行過程中老化失效而發(fā)生的故障，例如：齒輪磨損，緊固件老化松動(dòng)等. 老化故障的故障率隨時(shí)間的增長而逐漸增加，因此應(yīng)采用當(dāng)參數(shù)變化時(shí)，概率分布函數(shù)形狀隨之改變的威布爾分布函數(shù).
當(dāng)威布爾分布形狀參數(shù)改變時(shí)故障率隨時(shí)間變化的情況如圖5所示. 當(dāng)m = 1，則威布爾分布為指數(shù)分布，故障率為常數(shù);當(dāng)m < 1，則故障概率隨時(shí)間減小;當(dāng)m > 1，則故障率隨時(shí)間增加[13]. 故當(dāng)m > 1時(shí)，威布爾分布適合描述老化過程.
4? ?元?jiǎng)幼鲉卧收夏Ｐ蛥?shù)估計(jì)
元?jiǎng)幼鲉卧收细怕誓Ｐ陀瑟?dú)立的兩個(gè)分布組成，泊松分布和威布爾分布，兩種分布屬于不同的類型，進(jìn)行參數(shù)估計(jì)時(shí)應(yīng)將兩個(gè)分布分別進(jìn)行估計(jì). 由泊松分布的性質(zhì)可知，其故障率可以由式（6）計(jì)算：
常用的威布爾分布參數(shù)估計(jì)方法有三種，極大似然估計(jì)、最小二乘法、矩估計(jì)法[14]. 三種參數(shù)估計(jì)方法中，矩估計(jì)法和極大似然估計(jì)法精度高于最小二乘法[15]，本文選用矩估計(jì)法進(jìn)行參數(shù)估計(jì).
5? ?元?jiǎng)幼鲉卧ぷ髫?fù)載參數(shù)和工作環(huán)境參數(shù)的估計(jì)
元?jiǎng)幼鲉卧诠ぷ鬟^程中，其故障率勢(shì)必會(huì)受到外界因素的影響. 本文中，故障類型被分為兩類，老化故障和隨機(jī)故障. 在外界影響因素中，工作負(fù)載和工作環(huán)境會(huì)對(duì)兩種故障類型的故障率分別造成影響. 為比較各個(gè)工作地區(qū)的工作負(fù)載和工作環(huán)境對(duì)元?jiǎng)幼鲉卧收下实挠绊?，本文分別采用工作負(fù)載參數(shù)和工作環(huán)境參數(shù).
元?jiǎng)幼鲉卧ぷ鬟^程中，工作負(fù)載越大，則老化速度就越快，所以應(yīng)在威布爾分布中添加工作負(fù)載參數(shù). 而工作環(huán)境會(huì)對(duì)隨機(jī)故障的故障率造成影響，應(yīng)對(duì)泊松分布添加工作環(huán)境參數(shù)[17].
當(dāng)平均負(fù)載不斷增大時(shí)，設(shè)備老化的速度不斷加快，比例參數(shù)η往往與工作負(fù)載的大小有關(guān)，負(fù)載越大，比例參數(shù)越小[12]，因此工作負(fù)載參數(shù)Rl應(yīng)表現(xiàn)在威布爾分布的比例參數(shù)上;由于工作環(huán)境會(huì)直接影響隨機(jī)故障的故障率，且泊松分布只有故障率λ一個(gè)參數(shù)，所以工作環(huán)境參數(shù)Re應(yīng)直接表現(xiàn)在泊松分布的故障率上.
工作負(fù)載參數(shù)Rl和工作環(huán)境參數(shù)Re的估計(jì)方法和步驟如圖6所示. 當(dāng)工作負(fù)載參數(shù)Rl大于1，則說明對(duì)該元?jiǎng)幼鲉卧獊碚f工作負(fù)載小于平均水平，如果小于1則說明工作負(fù)載大于平均水平;且工作負(fù)載參數(shù)越大，則說明工作負(fù)載越小;反之，參數(shù)越小，則說明工作負(fù)載越大.
工作環(huán)境參數(shù)Re則相反，如果大于1，則說明工作環(huán)境比平均水平更惡劣，如果小于1，則說明工作環(huán)境比平均水平更優(yōu);除此之外，工作環(huán)境參數(shù)越大，則說明工作環(huán)境更差，反之，則說明工作環(huán)境更好.
6? ?算例分析
某批次數(shù)控機(jī)床CJK1630共計(jì)116臺(tái)平均分成四組，交付用戶使用便開始進(jìn)行現(xiàn)場(chǎng)試驗(yàn)，選取其中重要的轉(zhuǎn)動(dòng)元?jiǎng)幼鲉卧ㄖ鬏S軸系結(jié)構(gòu)），待所有機(jī)床的該元?jiǎng)幼鲉卧汲霈F(xiàn)故障，則數(shù)據(jù)收集結(jié)束，主軸的故障類型如圖7所示.
7? ?結(jié)? ?論
1）本文提出了一種由威布爾分布和泊松分布組成的元?jiǎng)幼鲉卧收细怕誓Ｐ停⒖紤]了工作負(fù)載和工作環(huán)境對(duì)元?jiǎng)幼鲉卧收下实挠绊?，最終發(fā)現(xiàn)元?jiǎng)幼鲉卧墓收下孰S時(shí)間變化的形式類似于失去早期階段的浴盆曲線.
2）元?jiǎng)幼鲉卧菙?shù)控機(jī)床完成一個(gè)動(dòng)作的最基本單元，其故障概率模型不僅可以對(duì)復(fù)雜機(jī)電設(shè)備的重要運(yùn)動(dòng)構(gòu)件的可靠性分析提供幫助，還可以為運(yùn)動(dòng)構(gòu)件維修保養(yǎng)計(jì)劃的制定提供依據(jù).
3）本文提出的元?jiǎng)幼鲉卧收下誓Ｐ蛯?duì)故障數(shù)據(jù)的處理簡單，經(jīng)算例分析驗(yàn)證有效，并且上述的模型不僅局限于元?jiǎng)幼鲉卧诳煽啃灶I(lǐng)域中，故障來源可以分為老化故障和隨機(jī)故障的結(jié)構(gòu)或系統(tǒng)均可以使用.
參考文獻(xiàn)
[1]? ? 姚夢(mèng)生.數(shù)控機(jī)床典型元?jiǎng)幼鲉卧煽啃苑治黾夹g(shù)研究[D] .重慶：重慶大學(xué)，2018：17—21.
YAO M S. Research on reliability analysis technology of typical meta-action units of CNC machine tools[D]. Chongqing：Chongqing University，2018：17—21. （In Chinese）
[2]? ? 曹沛龍.基于信息傳遞的數(shù)控車床機(jī)械故障根源追蹤[D]. 長春：吉林大學(xué)，2020：9—18.
CAO P L. Mechanical fault root cause tracing of CNC lathe based on information transmission [D]. Changchun：Jilin University，2020：9—18. （In Chinese）
[3]? ? 高鵬.輸電系統(tǒng)中的一個(gè)泊松點(diǎn)過程模型及其可靠性研究[D]. 北京：華北電力大學(xué)，2016：1—15.
GAO P. Research on the poisson point process model of transmission system and its reliability[D]. Beijing：North China Electric Power University，2016：1—15. （In Chinese）
[4]? ? 王樂，楊帥，朱時(shí)陽，等. 基于泊松分布的輸電線路跳閘概率預(yù)測(cè)方法[J]. 高電壓技術(shù)，2017，43（11 ）：3777—3783.
WANG L，YANG S，ZHU S Y，et al. Prediction method of transmission line trip probability based on poisson distribution[J]. High Voltage Engineering，2017，43（11）：3777—3783. （In Chinese）
[5]? ? XIE M，GOH T N，TANG Y. On changing points of mean residual life and failure rate function for some generalized Weibull distributions[J]. Reliability Engineering & System Safety，2004，84（3）：293—299.
[6]? ? LI W Y. Evaluating mean life of power system equipment with limited end-of-life failure data[J]. IEEE Transactions on Power Systems，2004，19（1）：236—242.
[7]? ? 李宇龍，張根保，王勇勤，等. 數(shù)控機(jī)床基于元?jiǎng)幼鞯腇MEA分析技術(shù)研究[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，46（10）：64—75.
LI Y L，ZHANG G B，WANG Y Q，et al. Research on FMEA analysis technology based on meta-action for numerical control machine tool[J]. Journal of Hunan University（Natural Sciences），2019，46（10）：64—75. （In Chinese）
[8]? ? 張根保，王新，冉琰，等. 復(fù)雜機(jī)電產(chǎn)品基于元?jiǎng)幼鞣纸獾目煽啃越＜肮收显\斷[J]. 重慶大學(xué)學(xué)報(bào)，2017，40（8）：9—18.
ZHANG G B，WANG X，RAN Y，et al. Reliability modeling and fault diagnosing method of complex electromechanical products based on meta-action decomposition[J]. Journal of Chongqing University，2017，40（8）：9—18. （In Chinese）
[9]? ? PULCINI G. Modeling the failure data of a repairable equipment with bathtub type failure intensity[J]. Reliability Engineering & System Safety，2001，71（2）：209—218.
[10]? JUN L，BINQUAN L G，CHENG L，et al. Calculation methods for the gas pipeline failure rate[J]. Journal of Petroleum Science and Engineering，2019，174：229—234.
[11]? 田致富. 基于貝葉斯網(wǎng)絡(luò)的刀架系統(tǒng)故障預(yù)測(cè)[D]. 長春：吉林大學(xué)，2020：15—17.
TIAN Z F. Turret system fault prediction based on bayesian network [D] Changchun：Jilin University，2020：15—17. （In Chinese）
[12]? 趙宇，楊軍，馬小兵. 可靠性數(shù)據(jù)分析教程[M]. 北京：北京航空航天大學(xué)出版社，2009：35—40.
ZHAO Y，YANG J，MA X B. Reliability data analysis tutorial[M]. Beijing：Beijing University of Aeronautics & Astronautics? Press，2009：35—40.
[13]? 賽義德. 可靠性工程[M]. 北京：電子工業(yè)出版社，2013：43—48.
ELSAYED A. Relibity engineering[M]. Beijing：Publishing House of Electronics Industry，2013：43—48.
[14]? 曾國桓.兩參數(shù)威布爾分布下定時(shí)截尾試驗(yàn)的參數(shù)評(píng)估方法研究[D]. 成都：電子科技大學(xué)，2018：12—15.
ZENG G H. Methods of parameter estimation of two-parameter Weibull distribution for type-I censoring test[D].Chengdu：University of Electronic Science and Technology of China，2018：12—15. （In Chinese）
[15]? DATSIOU K C，OVEREND M. Weibull parameter estimation and goodness-of-fit for glass strength data[J]. Structural Safety，2018，73：29—41.
[16]? YANG Z J，HE J L，WANG J，et al. Bayesian method to solve the early failure period of numerical control machine tool[J]. Proceedings of the Institution of Mechanical Engineers，Part B：Journal of Engineering Manufacture，2016，32（9）：1677—1686.
[17]? 李新立，姜水清，劉賓. 熱刀式壓緊釋放裝置釋放可靠性驗(yàn)證試驗(yàn)及評(píng)估方法[J]. 航天器工程，2012，21（2）：123—126.
LI X L，JIANG S Q，LIU B. Release reliability validation tests and evaluation methods for the hold-down and release mechanism using thermal knife[J]. Spacecraft Engineering，2012，21（2）：123—126.（In Chinese）
[18]? 任麗娜，芮執(zhí)元，李建華. 故障強(qiáng)度為邊界浴盆形狀的數(shù)控機(jī)床可靠性分析[J]. 機(jī)械工程學(xué)報(bào)，2014，50（16）：13—20.
REN L N，RUI Z Y，LI J H. Reliability analysis of numerical control machine tools with? bounded and bathtub shaped failure intensity[J]. Journal of Mechanical Engineering，2014，50（16）：13—20. （In Chinese）
猜你喜歡
上海質(zhì)量(2019年8期)2019-11-16 08:47:46
電子制作(2018年23期)2018-12-26 01:01:20
北京航空航天大學(xué)學(xué)報(bào)(2017年6期)2017-11-23 05:57:49
電子制作(2017年2期)2017-05-17 03:54:51
西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版)(2016年1期)2016-11-08 12:15:10
鐵道通信信號(hào)(2016年10期)2016-06-01 12:10:56
通信電源技術(shù)(2016年5期)2016-03-22 01:10:12
電測(cè)與儀表(2015年6期)2015-04-09 12:01:18
制造技術(shù)與機(jī)床(2015年10期)2015-04-09 07:05:32
