4.2现场故障数据的可靠性建模与分析
4.2.1现场试验的对象与数据的收集
现场加工中心的试验对象是数控机床中的yp系列圆盘式刀库，数据采集时 间是从加工中心数控机床调试完成后开始的。选取了从2011年~2013年间的加 工中心数控机床。通过附录1表a-3记录每台数控机床现场加工中出现的有关圆 盘式刀库的故障，并判断该故障是否是关联故障，将每台机床出现的关联故障通 过附录1表a-7进行统计。将统计结果整理，具体见附录2表b-1,从附录2表 b-1中可以看出yp系列圆盘刀库在2011~2013年共出现92次故障。
4.2.2现场故障数据的可靠性建模
4.2.2.1可靠性模型确立
故障数据的直方图是一种根据采集的故障间隔时间和在该故障间隔时间内 的频数或者频率所绘制的二维统计表，根据直方图形状变化的趋势能够大致推断 加工中心故障数据的分布形式。
表4. 1现场换刀系统故障间隔时间频率频数统计表
组号
区间上[
区间下）
组中值
频数
频率
累计频率
1
49.75
548.97
299.36
34
0.369565
0.369569
2
548.97
1048.19
798.58
25
0.271739
0.641304
通过计算得出〇■ = 756.554 h。
11.现场故障频率以及累计频率的直方图
(1) .故障频率直方图如图4.1所示。其中横坐标为故障间隔时间，纵坐标为 各组频率与组距的比值，即/./心。故障频率直方图能够大致的描绘出故障间隔
时间的概率密度函数曲线。
(2) .故障累计频率直方图如图4.2所示。其中横坐标为故障间隔时间，纵坐 标为累计频率。故障累计频率直方图能够大致的描绘出故障间隔时间的概率分布
由图4.1可知，故障频率直方图呈现单调递减形式，并且在直方图下降到一 定程度后又有平稳的趋势。对比图4.3常用概率密度分布模型中的曲线形状，可 以发现，该组数据不可能是对数正态分布和正态分布，有可能是指数分布或者威 布尔分布模型。
如图4.2可知，故障累计频率直方图呈上凸形式。由于故障累计频率直方图 能够直观的表示出样本的概率分布函数曲线走向，而样本的概率分布函数与概率 密度函数具有一定的关系：假设样本的概率分布函数为f(t),概率密度函数为 /xt)[52][53]。两者的关系为：
从图4.2中只能看出故障累计频率随着故障间隔时间单调上升，其斜率的变 化从直观上也是呈现不断减小的趋势，但由于一开始斜率变化比较快，也可能存 在斜*增加后减小的趋势，即存在拐点的情况。如者可以推出/⑴>0且有 /’(t)<0,即概率密度函数在f>0的情况下，位于右半正区域，且单调递减，符
合这种状态的分布模型有指数分布模型、威布尔分布模型以及正态分布模型；后 者可以推出/⑴>0且存在某个时间点使/(〇 = 0,即概率密度函数在r>0的情
况下，位于右半正区域，且存在单峰，符合这种状态的分布模型有威布尔分布模 型以及对数正态分布模型。
综上所述，结合图4.1和图4.2,初步确定威布尔分布模型为该样本数据的 分布模型。
本文采摘自“加工中心盘式刀库可靠性试验方法研究”，因为编辑困难导致有些函数、表格、图片、内容无法显示，有需要者可以在网络中查找相关文章！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！