数控机床的故障时间分布模型

《数控机床的故障时间分布模型》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、数控机床的故障时间间隔分布1.可靠性数据在产品可靠性设计、可靠性故障分析和使用维修中都离不开可靠性数据。只有以真实可靠的数据为基础，才能准确的进行故障分析进而改进产品的设计，达到提高产品的可靠性的目的。可靠性的数据来源于可靠性试验。可靠性试验是为了保证或提高产品的可靠性。评价或验证产品的可靠性就要进行关于产品失效及其影响的各种试验。提高产品的可靠性除了进行可靠性设计，选用新材料、新工艺、高可靠性元件等，进行可靠性试验也是一种很重要的方法。虽然试验本身并不能够提高产品的可靠性，但是通过产品的可靠性试验可以发现产品的缺陷或薄弱环节，发现产

2、品从设计到研制完成整个过程中存在的问题，然后采取改进措施以提高其可靠性。之后再对改进后的产品进行可靠性评定，再次提高该产品的可靠性。可以说这是一个反复的过程，但是并不是简单的重复。每一次评定和改进后都会使产品的可靠性得到不同程度的提高。可靠性试验既费时间又费金钱。因为可靠性数据的获得需要有一个较长时期的试验。对于数控机床而言主要考虑试验的场所和试验样本两个方面。按试验场所分：可靠性试验又可分为现场试验和实验室试验两种。考虑到数控机床本身的特殊性，即复杂的结构和昂贵的价格以及其它不可预见的因素等等，认为采用现场试验能够比较真实地反映可靠

3、性的实际状况。收集可靠性数据，是可靠性工作的重要组成部分。原则上应按如下步骤收集数控机床的故障数据：1.根据数控机床故障记录表对每台受试机床进行跟踪记录。2.由用户负责记录故障数据。一旦发生故障，立即根据故障判据和故障类型进行记录，恢复正常工作状态后继续观察。3.进行中途检查。每隔一定时间，生产厂家或负责此项工作的有关人员到现场了解情况，并就具体问题进行指导。2.可靠性数据的分析可靠性数据及其分析给可靠性设计和可靠性试验提供了基础，为可靠性管理提供了决策依据。可靠性数据分析的任务是定量评估产品可靠性，由此提供的信息，将作为预防、发现和

4、纠正可靠性设计以及元器件、材料和工艺等方面缺陷的参考，这是可靠性工程的重点。因而，借助有计划、有目的地收集产品寿命周期各阶段的数据，经过分析，发现产品可靠性的薄弱环节，再进行分析、改进设计，可以使产品的质量与可靠性水平不断提高。所以可靠性数据的分析在可靠性工程中具有重要地位。可靠性分析主要是对产品的故障进行分析，故障分析就是要找出故障时的故障模式，分析其故障原因、失效机理，估计该故障对产品及其所属系统可能造成的影响，以及寻求改善的措施。故障的发生是由其微观原因引起的，但我们观察到的只是其外表的现象，所以分析故障可用两类模型来处理:物性

5、论模型和概率论模型。物性论模型是研究故障在产品的什么部位，以什么形式发生，从物理、化学或材料强度等方面对故障产品进行分析，即从失效机理上进行分析，这是一种微观的分析，也是一种寻根求源的作法。概率论模型则研究故障与时间的关系，用数理统计的方法，找出其故障时间的概率分布，这是一种宏观的分析方法。我们这里进行的数据分析是以概率论模型为主。本文所使用的数据来自于国内某机床厂某系列数控车床从2004年1月到2004年5月，大约5个月的故障数据。7由国产某系列数控车床故障间隔时间的观测值来拟合其概率密度函数。首先将故障间隔时间按一定的组距分组。一

6、般使用下式(2-19)确定分组数k。k≥1+3.322lgr(2-19)式中r为总故障数。本试验中r=34,所以分组数k取13组。观测到的最小故障时间是1.24小时，最大故障时间是1127.54小时。将故障间隔时间t∈[1.24，1127.54]分为13组。如表2-2所示。表2-2国产某系列数控车床故障频率组号区间上区间下组中值频数频率累计11.2487.8844.5660.17650.1765287.88174.52131.240.11770.29423174.52261.16217.8430.08820.38244261.1634

7、7.80304.4830.08820.47065347.80434.44391.1240.11770.58836434.44521.08477.7640.11770.70607521.08607.72564.430.08820.79428607.72694.36651.0410.02940.82369694.36781.00737.6820.05880.882410781.00867.64824.3220.05880.941211867.64954.28910.9610.02940.970612954.281040.92997.600

8、0.9706131040.921127.541084.2310.02941.0000故障总频数n为34次，组距i∆t为86.64h。由此拟合出的概率密度函数的曲线如图2-7所示。2.4.2故障间隔时间的经验分布函数数控车