数控组合机床机械设计制造论文(编辑修改稿)

数控组合机床机械设计制造论文(编辑修改稿)内容摘要：

合机床时，仅记入关联性故障，但非关联性故障应该记录在案以便于分析和判断。 (3)关联性故障的判断 a 修复后累计工作不足 24小时 ,发生同一关联故障 ,只记入 1次 b 不是同一因素引起却是同时发生的关联性 ,应该如数记入。 如果是同一因素引起的 ,则只计一次 c 必须通过更换元器件、零部件或附属设备才能排除的故障 d 有寿命要求的损耗件在其寿命期内发生的故障 e 设备偶然出现失常或停止运行现象，但再次启动就能恢复正常功能，这种偶然事件如在 72 小时内累计达到三次应记为一次关联性故障，不足三次可以作为非关联性故障处理 f 需要对印刷电路板、电缆、插接件等进行维修，以消除断路、短路和接触不良，方可以排除的故障。 g 由于某一元器件、零部件故障而直接引起另一相关元器件、零部件故障而造成 的故障， (4)非关联故障 由于运行条件已经超出规定的范围而造成的故障，即从属性故障；由于操作人员的过失而造成的故障，即误用性故障；因维修人员的过失而造成的故障，即诱发性故障。 故障模型 由于数控组合机床样本为单样本 ,在定时截尾的可靠性试验时故障只能来源于一台机床 ,其故障数据只能有四种情况 ,即多故障数据、少故障数据、单故障数据和无故障数据。 根据数控组合机床的特点，建立数控组合机床故障模型，这样就可以对不同故障数据分别进行可靠性参数估计和可靠性评价。 第二章 数控组合机床故障模型 10 数控组合机床的故障模型描述如下： 设 0t ≤ t ≤ kt 其中 0t 是开始试验时间 (h ) kt 是试验总时间 (h ) k 是试验时间的组数 (把试验时间分为 k 组 ) 对于单样本的数控组合机床，在可靠性试验过程中 ,如果在时间0t ≤ t ≤ it 内发生 ir (i ≤ k )个故障 ,故障模型为  ii tr,1。 其中“ 1” 表示测试设备的样本数； ir 为试验时 间 0t ～ it ( ki ,2,1,0  )内故障数总数。 综合以上分析，给出数控组合机床的故障模型 : 1 在 0t ≤ t ≤ kt 内，如果 ir =1,即可靠性实验时间内只有一个故障发生，故障模型记为  it,1,1 2 在 0t ≤ t ≤ kt 内，如果 ir =0,即可靠性试验时间内没有故障发生 ,故障模型记为  it,0,1 3 假设故障的概率记为 ip = TP( )it , ip 为 it 时刻有 ir 个故障时的故障概率，当在 0t ≤ t ≤ kt 内发生 ir 个故障时 ,故障模型记为  iitr,1 ,这里有0=1r = 2r =nr (n ≤ k ), npppp  210 这个模型为工程技术人员提供了一个分析单样本产品可靠性的方法。 在可靠性试验数据的统计分析中 ,对于测试样本为多个 ,试验过程中如果产品的故障数 r ≥ 2,则有许多成熟的统计处理方法 [64]。 但随着科学技术进步，产品的可靠性不断提高，在产品可靠 性试验中，即使是加速应力寿命试验，试验截尾时往往会出现无故障发生或只有一个故障发生，这种情况在小样本和单样本问题中表现尤为突出。 对多样本的无故障和单故障的可靠性试验已有不少学者进行过深入的研究 [65～ 66]。 对于单样本的数控组合机床可靠性研究领域，不论是多故障数据、少故障数据、单故障数据，还是无故障数据，到目前为止还没有发现学者深入研究过。 作者结合数控组合机床的故障模型对该产品的可靠性进行分析。 第二章 数控组合机床故障模型 11 多故障数据模型  ii tr,1 的可靠性评价 本节所采用的方 法在多样本，多故障数据情况下已经得到验证 [59]，但在单样本少故障数据时，并没有进行研究过，本节正是对这个问题进行研究，虽然形式上与以往的分析没有差别，但实质已经有了改变。 以往的研究是在同一时间间隔 0t ～ nt 内对样本数控机床同时进行可靠性考察，记录故障数据，然后进行可靠性分析；而数控组合机床的可靠性考察是把时间间隔 0t ～it ( ki ,2,1,0  )分为 k 组，在每组时间内对单样本的同一数控组合机床进行可靠性考察，收集故障数据，然后进行可靠性参数估计和分析。 一般情况下时间分组是连续时间段的，如果在某段时间内机床发生故障，则该时间段内的可靠性考察时间不包括机床维修时间。 由于时间段是连续的，所以故障数据可以认为是在时间间隔 0t ～ it ( ki ,2,1,0  )内连续得到的。 故障间隔时间分布模型的判断 由于单样本的数控组合机床故障数据可以认为是在时间间隔 0t ～it ( ki ,2,1,0  )内连续得到的，故可以依据故障数据，采取拟合实验法确定故障间隔时间分布模型，并验证其正确性进而评价机床的可靠性。 根据拟合曲线的形状可以初步判断出某一随机变量服从何种分布 [6768]。 对于单样本数控组合机床故障间隔时间的理论分布函数可定义为： }{)( tTPtF  (21) 式中 T ― k 组时间间隔内故障间隔时间总体 t ― k 组时间间隔内任意故障间隔时间 设 kttt , 21  为故障间隔时间的观测值，由该组观测值所得到的故障间隔时间的顺序统计量为      kttt , 21  ，则该专用 数控组合机床故障间隔时间的经验分布函数为： kitttttkitttFkiik ,2,1, ,1 ,/ ,0)()()1()()1()(   (22) 根据参考资料可知 [56],由经验分布函数 tFk 可估计理论分布函数 tF和初步判断故障间隔时间的概率密度函数 tf 的形状。 而 tFk 的图形是阶梯形折线图，为拟合出 tFk 的连续图形，将式（ 22）简 化为： tFk = ki/ ki ,2,1 (23) 第二章 数控组合机床故障模型 12 然后依据 d 检验法进行拟合检验，检验公式为：   ,0 m a x)()(s u p kikxk DdxFxFD   (24) 式中： xF0 ：原假设分布函数； xFk ：经验 分布函数； ,kD ：临界值   )(,1)(m a x 00 iii xFkikixFd (25) 检验后，我们可以确定故障间隔时间的概率密度函数 tf 和分布函数tF。 进而确定机床的可靠性参数。 现以某型专用数控组合机床的可靠性改进后搜集的故障数据为例，讨论该型数控组合机床的故障间隔时间分布模型及其可靠性。 其原始数据见表 20。 表 20 数控组合机床故障数据 起始时间 终止时 间 维修台时 维修时间 故障现象 故障原因 处理方法 配电箱安装位置不当经常进水短路 配电箱位置设计不合理 对配电箱加防护措施改进设计方法 出现烧点现象 电网电压过高或功放隔离不好 更改为另外的输出点增加光电隔离装置 主轴夹紧部位漏油严重 夹 紧机构结构设计不合理部件磨损严重 改进夹具结构更换密封圈采用耐磨组件 空调装置不好使配电箱中过热 空调功效差散热不好 更换空调改进结构设计 气隙开关不好使 气隙检测开关调节不当 调节气隙开关 配电箱安装位置不当经常进水短路 配电箱位置设计不合 理 对配电箱加防护措施改进设计方法 出现烧点现象 电网电压过高或功放隔离不好 更改为另外的输出点增加光电隔离装置 气隙开关不好使 气隙检测开关调节不当 调节气隙开关 主轴夹紧部位漏油严重 夹紧机构结构设计不合 改进夹具结构更换密封圈采 第二章 数控组合机床故障模型 13 理 用耐磨 组件 主轴夹紧和松开时漏油严重 主轴夹紧和松开装置中密封圈损坏 更换主轴夹紧和松开装置中的密封圈 主轴电机与前端联轴节部位松开 联轴节部位顶丝松开 更换联轴节部位顶丝改进连接联接结构 出现烧点现象 电网电压过高或功放隔离不好 更改为另外 的输出点增加光电隔离装置 气隙开关不好使 气隙检测开关调节不当 调节气隙开关 配电箱过热 空调风扇散热功能不好 更换空调 将 故障间隔时间的观测值 t∈ [, ]分为 5 组， 故障频率及累积频率如表 21 所示： 表 21故障频率及累积频率 组号 区间上 区间下 组中值 频数 频率 累计 1 5 2 3 3 3 4 2 5 1 以每组时间的中值为横坐标，每组概率密度的观测值 )(ˆtf 为纵坐标的概率密度函数散点图如图。 )(ˆtf 的计算如下： iitkktf ˆ (26) 式中 ik — 每组故障间隔时间中的故障频数； k — 故障总频数，为 14次； it — 组距，为。  ittf ˆ 第二章 数控组合机床故障模型 14 组中值 组中值 图 故障间隔时间经验分布函数 00 . 0 50 . 10 . 1 50 . 20 . 2 50 . 30 . 3 50 . 40 200 400 600 800 以每组时间的中值为横坐标，每组的累积频率为纵坐标，由此做出的tFk = ki/ 的散点图如。 由图 和图 可知，该型专用数控组合机床的故障间隔时间所服从的分布不会是正态分布或对数正态分布，而可能是指数分布或威布尔分布。 故障间隔时间分布模型的拟合检验 由上述讨论可知，该型号数控组合机床故障间隔时间可能服从威布尔分布或指数分布。 威布 尔分布的形状参数 1 时，便简化为指数分布，即威布尔分布包含了指数分布。 假设该型号数控组合机床故障间隔时间服从两参数威布尔分布，采用一元线性回归分析和最小二乘法，依据故障数据进行参数估计，并运用相关系数法来检验威布尔分布，可以确定该数控组合机床故障间隔时间的分布规律。 两参数的威布尔分布公式为： 0 ],)(e x p [1)(  tttF  (27)  ：形状参数，  0；  ：尺度参数，  0 设一元线性回归方程为： tFk 图 00 . 20 . 40 . 60 . 810 200 400 600 800 第二章 数控组合机床故障模型 15 BxAy  对于两参数威布尔分布，对式 (27)进行线性变换得： )(1 1lnln tFy  tx ln lnA B (28) 所以采用最小二乘法可以求得 A 和 B 的估计值。 进而求得威布尔分布的两参数  , 的估计值。 根据最小二乘法公式，依据数控组合机床故障试验数据整理表 22 中的数据得： xxxyllBˆ   ki iki iki ii yxkyx 1111 / 21112  ki iki i xkx     77074691414374480777469141385116 2.../...   xByA ˆˆ   ki iyk 11 ( ki ixk 11 )     74691417704 8 0 77141 ...  Bˆˆ = )ˆ/ˆex。