數(shù)控加工系統(tǒng)的可靠性分析研究與仿真

蘇冬勝

（廣西生態(tài)工程職業(yè)技術(shù)學(xué)院，柳州 545000）

0 引言

數(shù)控加工技術(shù)在現(xiàn)代工業(yè)中起著不可取代的核心地位，一旦機床的相關(guān)裝置發(fā)生異常，必將影響機床的正常工作，甚至導(dǎo)致嚴重的事故，直接威脅著人們的生命財產(chǎn)安全[1.2]。因此，如何對數(shù)控加工系統(tǒng)的可靠性進行有效的檢測已經(jīng)成為該領(lǐng)域熱點研究的問題之一[3]。現(xiàn)階段，常用的數(shù)控加工系統(tǒng)可靠性檢測方法主要包括基于多尺度成分分析算法的可靠性檢測方法[4]、基于隱馬爾科夫模型的可靠性檢測方法[5]和基于數(shù)據(jù)挖掘算法的數(shù)據(jù)挖掘算法的可靠性檢測方法[7]。由于對數(shù)控加工系統(tǒng)的可靠性分析能夠?qū)崟r預(yù)警數(shù)控加工系統(tǒng)的故障情況，為大型數(shù)控系統(tǒng)的維護、維修提供依據(jù)，從而保證相關(guān)設(shè)備的安全運行，因此，受到相關(guān)專家學(xué)者的重點關(guān)注，擁有十分廣闊的發(fā)展前景[8～10]。

由于數(shù)控加工系統(tǒng)工作環(huán)境的復(fù)雜性，且受到不同運行狀態(tài)的影響，其相關(guān)裝置的退化程度具有較大離散性，采用傳統(tǒng)的方法對其進行可靠性檢測，往往需要耗費巨大的成本，且檢測效果的精確度無法保證。

為了避免上述算法的缺陷，提出基于改進最小二乘法的數(shù)控加工系統(tǒng)的可靠性檢測方法。依據(jù)數(shù)控加工系統(tǒng)可靠性的影響因素，求得不同指標的權(quán)重值，并據(jù)此制定可靠性估計參考標準，根據(jù)改進最小二乘算法原理，求解數(shù)控加工系統(tǒng)的故障率的加權(quán)最小二乘估計值，通過代入公式，得到可靠性估計結(jié)果，實現(xiàn)數(shù)控加工系統(tǒng)的可靠性檢測。實驗結(jié)果表明，采用改進算法進行數(shù)控加工系統(tǒng)的可靠性檢測，能夠有效的提高檢測的準確度，節(jié)約運行成本和時間，具有更強的魯棒性。

1 數(shù)控加工系統(tǒng)的可靠性檢測原理

數(shù)控加工系統(tǒng)的可靠性即在一定條件下，在預(yù)期時間內(nèi)系統(tǒng)保持正常工作狀態(tài)的能力。數(shù)控加工系統(tǒng)的可靠性在很大程度上決定著數(shù)控加工系統(tǒng)的有效度。

設(shè)定E表示數(shù)控加工系統(tǒng)的有效度，F(xiàn)表示動力裝置的工作性能，R表示裝置的可靠性，A表示裝置的利用率，則：

式中，F(xiàn),R,A的取值區(qū)間為[0,1]，當其中任意項的因子偏向0時，則數(shù)控加工系統(tǒng)的有效度就會明顯降低，若其中任意因子為0，則動力裝置的有效度也為0。

機床的相關(guān)裝置的可靠性受多種因素影響，主要可通過動力裝置的零部件、裝置結(jié)構(gòu)及工作環(huán)境對其進行預(yù)測，其表達式可描述為：

式中， 用來描述數(shù)控加工系統(tǒng)的關(guān)鍵零部件或獨立單元的可靠度，若其中任意零部件或獨立單元的可靠度下降，則整個數(shù)控加工系統(tǒng)的可靠度也隨之下降。

假設(shè)機床裝置獨立單元數(shù)為n，動力裝置的可靠度上限值可通過下式獲?。?/p>

其中，Ri表 示單元i的可靠度上限值。已知Ri= e?λit，且λi表示單元i的失效率，則：

根據(jù)已知條件，可得到數(shù)控加工系統(tǒng)可靠度的下限值為：

對數(shù)控加工系統(tǒng)可靠性的上限和下限進行綜合分析，可對整個數(shù)控加工系統(tǒng)的可靠性進行綜合預(yù)測，即：

依據(jù)上述原理可實現(xiàn)數(shù)控加工系統(tǒng)的可靠性檢測，為機床相關(guān)裝置的維護及維修提供可靠依據(jù)。

2 數(shù)控加工系統(tǒng)的可靠性檢測優(yōu)化算法

2.1 數(shù)控加工系統(tǒng)的可靠性檢測標準

假設(shè)數(shù)控加工系統(tǒng)的可靠性是由m種因素影響，并據(jù)此將數(shù)控加工系統(tǒng)的可靠性分為k個等級。

式中，al用來描述指標xl與其相應(yīng)的1級標準的統(tǒng)一度，用來描述xl與其相應(yīng)的1級標準的差一級的差異度，cl用來描述xl與其相應(yīng)的1級標準獨立度。

由于數(shù)控加工系統(tǒng)受不同因素的影響程度有差異，因此，上式可轉(zhuǎn)變?yōu)椋?/p>

式中ωl用來描述影響設(shè)備可靠性指標xl的權(quán)重值。通過上述方法可制定數(shù)控加工系統(tǒng)可靠性的評測標準，為可靠性檢測提供數(shù)據(jù)支持。

2.2 基于最小二乘法的數(shù)控加工系統(tǒng)可靠性檢測方法

依據(jù)改進最小二乘法原理，數(shù)控加工系統(tǒng)的可靠性檢測可通過下述步驟實現(xiàn)：

就數(shù)控加工系統(tǒng)某單元或零部件于某時刻發(fā)生異常的概率進行估計，表達式如下：

采用變量轉(zhuǎn)換理論，將目標指數(shù)分布下的變量關(guān)系轉(zhuǎn)換成線性關(guān)系；代入任意ti值到異常概率函數(shù)F(t)= 1?e?λt，即為：

則該數(shù)控加工系統(tǒng)的單元或者零部件的異常概率pi= F (ti),i = 1 ,2,...,m ，即：

給定yi= 1 n ( 1 ? pi),i = 1 ,2,...,m ，則轉(zhuǎn)換后的線性關(guān)系可描述為：

將數(shù)控加工系統(tǒng)的零部件的異常概率pi用其估計值替代，為減小其中的誤差，可加入誤差因子εi，即：

為最大化降低其中的誤差值，需取下式的最小值：

對上式進行求解，得到數(shù)控加工系統(tǒng)零部件的異常概率估計值為：

由相關(guān)公式可獲得該數(shù)控加工系統(tǒng)零部件發(fā)生異常的時間間隔的平均估計值，具體可描述如下：

由上可以得到指數(shù)分布下的數(shù)控加工系統(tǒng)的可靠性參數(shù)估計。使：

引入ni并 使加權(quán)因子ωi=，則數(shù)控加工系統(tǒng)的異常率最小二乘的估計值結(jié)果為：

由此獲得動力裝置可靠性的加權(quán)最小二乘的估計結(jié)果為：

將異常概率的估計值代入上式進行計算，即可求得數(shù)控加工系統(tǒng)的可靠性結(jié)果，從而實現(xiàn)數(shù)控加工系統(tǒng)的可靠性檢測。

3 實驗結(jié)果及分析

為了驗證改進算法的有效性，需要進行實驗。

實驗對象選取某公司的數(shù)控機床，對象示例如下圖1所示，實驗中將數(shù)控加工系統(tǒng)的可靠性等級分為10級，最高可靠度等級為1，最低可靠度等級為0，設(shè)定50個采樣點，實驗過程隨機選取其中的采樣點進行動力裝置可靠性檢測實驗。

圖1 仿真對象示例

分別采用傳統(tǒng)算法和改進算法進行實驗，各隨機選取采樣點9個，得到的檢測值和實際值的對比結(jié)果如圖2、圖3所示。

圖2 傳統(tǒng)算法檢測結(jié)果

圖3 改進算法檢測結(jié)果

從圖2、圖3可以看出，利用傳統(tǒng)算法的檢測結(jié)果，可靠度值偏離實際值較大，檢測結(jié)果的誤差較大，利用改進算法的檢測結(jié)果，則與實際值偏差較小，能夠保證檢測結(jié)果的準確度。

為評價不同算法的運行效率，就不同算法的收斂速度進行比較，得到的結(jié)果如圖4、圖5所示。

圖4 傳統(tǒng)算法的收斂速度

圖5 改進算法的收斂速度

由圖4、圖5可以看出，采用傳統(tǒng)算法進行數(shù)控加工系統(tǒng)的可靠性檢測，在迭代次數(shù)為800次時，誤差達到最小的狀態(tài)，采用改進算法在迭代次數(shù)達到400次時即達到誤差最小的狀態(tài)，收斂速度明顯優(yōu)于傳統(tǒng)算法，具有顯著的優(yōu)越性。

4 結(jié)論

數(shù)控加工系統(tǒng)工作環(huán)境具有復(fù)雜性，且易受到不同運行狀態(tài)的影響，其動力裝置的退化程度具有較大離散性，利用傳統(tǒng)方法對其進行可靠性檢測，檢測準確度低，為此，提出基于改進最小二乘法的數(shù)控加工系統(tǒng)的可靠性檢測方法。根據(jù)數(shù)控加工系統(tǒng)可靠性的影響因素，制定可靠性檢測參考標準，依據(jù)最小二乘算法原理，獲取數(shù)控加工系統(tǒng)可靠性的加權(quán)最小二乘估計值，得到可靠性估計結(jié)果，實現(xiàn)數(shù)控加工系統(tǒng)的可靠性檢測。實驗結(jié)果表明，采用改進算法進行數(shù)控加工系統(tǒng)的可靠性檢測，可以有效的提高檢測的準確性及魯棒性，滿足實際的應(yīng)用需求。

[1]魏海濤.淺析電氣自動化控制設(shè)備可靠性檢測方法[J].商品與質(zhì)量:房地產(chǎn)研究,2014(5):22-22.

[2]武堅,王積武,張峽輝,孫紹河,王革勝,李相全.山區(qū)村落單基站RTK測量的可靠性檢測和成果精度評估[J].測繪與空間地理信息,2014,37(5):101-102.

[3]于春洪.DX-600水冷式中波發(fā)射機漏水故障檢測電路原理及維護[J].電子世界,2014(19):70-71.

[4]董愛華,余瓊芳.煤礦高壓輸電線路短路故障高可靠性檢測方法[J].計算機仿真,2014,31(4):154-157.

[5]Nassim Laouti,Sami Othman,Mazen Alamir;Nida Sheibat-Othman.Combination of Model-based Observer and Support Vector Machines for Fault Detection of Wind Turbines[J].International Journal of Automation and computing,2014(3):274-287.

[6]秦凱凱.頻譜分析在建筑設(shè)備電機故障檢測與診斷中的應(yīng)用[J].城市建筑,2014(8):205-206.

[7]張沖.電氣自動化控制設(shè)備的可靠性檢測基本原則和實踐應(yīng)用[J].電子技術(shù)與軟件工程,2013(23):261-261.

[8]WEN Hao,LIN Chuang,REN FengYuan,ZHOU Jia,YUE Yao,HUANG XiaoMeng.Retransmission or redundancy:Transmission reliability study in wireless sensor networks[J].SCIENCE CHINA Information Sciences, 2012,55(4):737-746.

[9]韓靜,岳江,張毅,柏連發(fā),陳錢.光譜角匹配加權(quán)核特征空間分離變換高光譜異常檢測算法[J].紅外與毫米波學(xué)報,2013(4):2-8.

[10]劉輝,項昌樂,鄭慕僑.模塊化建模方法及其在車輛傳動系中的應(yīng)用[J].計算機仿真,2002,19(3):61-66.