引言
威布尔分布是可靠性评估常用的模型,一般用于建模具有 单一故障模式的故障数据,但加工中心是复杂的机械系统,其 包含着众多的零部件,每个系统故障可能是在多种故障机制共 同作用下发生的,其故障数据在威布尔概率纸上表现为曲线, 如果用原始的威布尔分布曲线来描述,会出现较大的误差[1]。 利用各种改进的威布尔模型可以较好地解决这类问题,如混合 威布尔分布[2-3]。
混合Weibull分布应用的一个难点是参数估计问题。常用来 进行参数估计的方法有作图法、回归分析法、矩估计法、最小 二乘法、极大似然估计法[4-6] (Maximum Likelihood Estimation,MLE)等。在实际应用中,极大似然估计是最常用的 方法,也是最重要的方法。但应用极大似然估计等传统方法来进行混合Weibull模型参数估计,一般要求解联立的超越方程 组,相当复杂。另外在小子样故障数据的情况下,极大似然估 计的结果可能会产生比较大的偏差[7-8]。文献[9]采用混合威布尔 分布描述了 FIAT汽车零部件可靠性及其故障发生规律,并且用 极大似然方法估计其分布参数,但可以看到,其故障数据为大 样本故障数据。文献[10]采用非线性的最小二乘法求解混合威布 尔模型的各参数,其结果依赖于参数初值,对于两个子分布数 据融合度比较大时,其结果精度不高。
基于贝叶斯(Bayes)理论的可靠性评估方法综合了验前信 息和样本信息,是解决小子样故障数据较好的一种方法[11]。 Bayes理论的基本原理是利用验前分布和样本信息来计算后验 分布,从而估算变量的点估计和置信区间,并进一步推导其他 相关可靠性特征量的估计值。很多文献将Bayes应用到单威布 尔分布的参数求解中,并取得了很好的效果,但由于混合威布尔分布存在两个子分布,用同一组历史故障数据不可能求出两 个先验分布的参数值,这是将Bayes应用到混合威布尔分布中 的第一个难点;混合威布尔分布无共轭先验分布,将Bayes理 论应用到混合威布尔分布参数求解时会产生很大的计算量,这 是将Bayes应用到混合威布尔分布中的第二个难点。文献[12] 将Bayes方法应用于具有共轭先验分布的混合指数分布的参数 求解中,使得其计算量大大降低,而在复杂机械系统中,混合 威布尔分布是比混合指数分布更常用的一种模型;另外,文献
[12] 在确定先验分布各参数时,通过专家经验法直接确定各先 验分布的参数值,先验信息的的可靠性与否很大程度上决定了 参数后验估计值的精确程度[13],因此,经验法确定先验分布失 去了 Bayes估计充分利用、挖掘先验信息的优势,引入了人为 不确定因素。
针对上述问题,本文给出了一种将Bayes理论应用于混合 威布尔分布的方法。该方法首先通过故障特征属性的概念,用 模糊聚类的方法将可靠性试验样本故障数据分为两个子样本, 以作为混合威布尔分布中的两个子故障数据,然后通过各子故 障的大量历史故障数据,确定混合威布尔分布的两个形状参数, 然后将混合威布尔分布转化为具有共轭先验分布的混合指数分 布。再通过各子故障数据的大量历史故障数据求得混合指数分 布的Bayes先验分布,利用Bayes方法得到混合指数分布的后 验分布并求得其混合指数分布的参数值,最后将其还原为混合 威布尔分布的各参数值,求得加工中心的可靠性评估结果。
2基于故障特征属性的故障数据模糊聚类分析
本文以13台某型号卧式加工中心定时截尾试验数据进行 评估,截尾时间^=1000办,截尾时间内共有9台加工中心出 现故障,故障集F={刀库乱刀,刀具外部冷却故障,主轴换刀 故障,主轴振动异响,Y轴换刀不到位,Y轴振动异响,B轴 回转精度降低,托架交换速度过快,托架交换停止},故障时 间为 r={165,207,254,307,366,436,511,591,778}。
为将故障数据划分为两类具有相似故障机制的子故障数 据,本文提出故障特征属性的概念,通过故障树分析(Failure TreeAnalysis,FTA)建立故障的故障特征属性集合,并根据各 故障特征属性与故障应力的关系,得出各故障对故障应力的评 价值,以此作为故障信息序列,进行模糊聚类分析,将故障数 据进行分类,得到具有相似故障机制的两个子故障数据。
2.1故障特征属性和故障信息序列
故障通常采用故障应力、故障机制和故障模式来表征。故 障应力是引起故障的物理条件,一般来说数控机床所有的零件 都是处在多种应力存在的复杂的物理环境中的,因此故障的发 生也是多应力共同作用的结果;故障机制是故障应力发生作用, 直至引起故障的动态或静态过程;故障模式是作为故障机制的 结果而产生的故障状态及现象,也是加工中心使用现场所记录 的主要故障信息。由于机械系统的复杂性,这三要素间往往存 在多种组合关系,即如图1所示。对故障机制影响最大的因素 是故障应力,相同的故障应力作用过程相似。
本文采用故障应力的相似性表征故障机制的相似性,用各 个故障对加工中心工作时存在的所有故障应力的模糊评判结果 作为故障信息序列,进而通过模糊聚类的方法,实现故障数据 的聚类。建立故障信息序列的过程也就是分析不同的故障与所 有故障应力之间关系的过程,为表征故障的特性,以便于深入 分析故障与故障应力的关系,本文定义故障特征属性的概念如 下:
故障特征属性:导致故障发生的随机故障事件或最小随机 故障事件的集合。
随机故障事件是在故障应力作用下发生的,具有一定随机 性的事件,其发生不依赖于其它故障事件,但会导致其它故障 事件的发生,因此随机故障事件也就是故障树分析(Failure Tree Analysis,FTA)中的底事件,而故障特征属性就是故障树的最 小割集。每个最小割集中表示一个随机故障事件,随机故障事 件的发生导致系统故障的发生,因此随机故障事件是故障应力 作用的直接对象,是故障机制的发生载体,故以随机故障事件 表征系统故障能更容易得到系统故障与故障应力之间的关系。
4结论
本文针对复杂机械系统具有多故障模式以及小子样可靠性 试验故障数据的特点,用混合威布尔分布模型和Bayes理论进 行可靠性评估。为解决混合威布尔模型无共轭先验分布问题,提出故障特征属性的概念,用模糊聚类的方法实现故障数据的 分类,得到混合威布尔模型的形状参数,将混合威布尔分布转 化为具有共轭先验分布的混合指数分布。利用故障分类后相应 的历史故障数据求解混合模型的先验分布也是本文的创新点, 这提高了求解混合模型先验分布的准确性。 ?每个最小割集中表示一个随机故障事件,随机故障事 件的发生导致系统故障的发生,因此随机故障事件是故障应力 作用的直接对象,是故障机制的发生载体,故以随机故障事件 表征系统故障能更容易得到系统故障与故障应力之间的关系。
本文由伯特利数控整理发表文章均来自网络仅供学习参考,转载请注明!
2024-11
机床整机性能测试与评估主要包括以下几个方面: (1)精度测试:包括直线轴、旋转轴的定位精度、重复定位精度、主轴端面跳动、径向跳动等指标测试,用激光干涉仪来检验机床精度是否达到设计要求。 (2)刚度测试:分为机床结构刚度和加工刚度两种,前者测试机床的整体刚度,后者测试机床在加工… [了解更多]
2024-11
数控机床的动力学特性是影响机床加工精度和效率的重要因素,结合面刚度变化及机床加工空间位置变化等因素会导致机床的动力学参数发生改变,影响机床的加工性能。为了探究五轴加工中心和五轴钻攻中心的动态特性及其影响因素,本文围绕转台轴承结合面刚度和加工空间位姿对双转台五轴机床的工作台回转系统… [了解更多]
2024-11
本文提出一种基于差分演化算法且无需简化机床旋转轴几何误差模型的旋转轴PIGEs辨 识方 法。首 先 基 于 经 典 的 球 杆 仪 轴 向、径 向 测 量 模式 辨 识 旋 转 轴 的PIGEs,获 得PIGEs初 始 解,然后利用差分演化算法整体优化求解旋转轴PIG-Es,获 … [了解更多]
2024-11
本文综合考虑铣削载荷、加工位置、机床姿态和结合部接触特性,建立了一种具有低自由度的双转台五轴加工中心动力学模型。并设计实际铣削工况时双转台五轴加工中心动力学特性实验,将实验得到的数据进行处理并与模型计算的结果进行对比,验证多体动力学模型的准确性。在此基础上,设计均匀设计试验分析不… [了解更多]
2024-11
影响木工五轴加工中心实木家具加工质量的因素很多,要提高加工质量和生产效率,可以从操作人员、五轴加工中心、器具、加工现场、工艺等五个方面入手,建立落实完善各种标准制度。另外,企业还要重视人员的培训和数据库的建立,才能提高加工质量,逐步实现实木家具生产数字化转型升级。… [了解更多]