數(shù)控磨床可靠性建模及評估研究*

范晉偉　王鴻亮　張?zhí)m清　劉　超

(北京工業(yè)大學機械工程與應用電子技術學院，北京 100124)

?

數(shù)控磨床可靠性建模及評估研究*

范晉偉王鴻亮張?zhí)m清劉超

(北京工業(yè)大學機械工程與應用電子技術學院，北京 100124)

以北京第二機床廠生產(chǎn)的MKS系列數(shù)控磨床為研究對象，使用采集的故障數(shù)據(jù)進行無故障間隔時間分布建模，利用最小二乘法進行了參數(shù)估計，經(jīng)過擬合檢驗和擬合優(yōu)度檢驗確定這些數(shù)據(jù)的無故障間隔時間趨近于威布爾分布。計算了該類數(shù)控磨床的可靠性評價指標：平均故障間隔時間、平均維修時間以及可用度。取得的研究成果得到了廠家的認可和應用，對數(shù)控磨床可靠性的研究和提升具有重大的意義。

無故障間隔時間;建模;參數(shù)估計;擬合檢驗;可靠性評估

我國是數(shù)控機床生產(chǎn)和消費大國，但從近年的數(shù)控機床的進出口情況來看，我國數(shù)控機床的進口量占居首位，而出口量卻不盡人意，在國內(nèi)市場和國際市場的占有率較低，主要原因是我國的數(shù)控機床的可靠性較低，價格也不占優(yōu)勢。在當今市場經(jīng)濟時代，要想獲得較好的市場效益，產(chǎn)品的可靠性必須要高。目前國內(nèi)外對機床可靠性的研究主要有：Kerr等人采用計算機圖像處理技術對機床的刀具磨損進行在線監(jiān)測，評估了刀具剩余壽命[1]。加拿大的Liu等人針對機床加工條件各不相同的情況，建立了刀具加速故障時間模型，用最大似然法對刀具的壽命進行了可靠性評估[2]。意大利學者Ronald利用模糊方法建立復雜系統(tǒng)的可靠性模型[3]。國內(nèi)張英芝等人在機床的可靠性方面做了很多研究，用三參數(shù)威布爾分布模型對數(shù)控機床可靠性進行研究[4]，申桂香通過賦權的方法對數(shù)控機床的可靠性進行評價[5]。在機床可靠性的研究方面，對數(shù)控車床和加工中心研究較多，而數(shù)控磨床由于種類繁多，結(jié)構上與其他機床差異較大，缺乏可靠性基礎數(shù)據(jù)等原因，研究較少。數(shù)控磨床的故障規(guī)律和可靠性水平等均有待研究和分析[6]。

1　無故障間隔時間分布模型的建立

以北京第二機床廠生產(chǎn)的MKS系列數(shù)控磨床為研究對象，利用從現(xiàn)場采集的故障數(shù)據(jù)來統(tǒng)計設備運行的無故障工作時間和維修時間。通過為期一年半的時間來觀察6臺數(shù)控磨床，共收集到165條故障數(shù)據(jù)，以這些故障數(shù)據(jù)進行建模。

1.1無故障間隔時間分布散點圖的繪制

利用經(jīng)驗分布函數(shù)法[7]進行無故障間隔時間分布散點圖的繪制。將無故障間隔時間觀測值由小到大排序為：t1≤t2≤…≤tn,當故障數(shù)量較小時，為了減小誤差，常用中位秩近似計算，分布函數(shù)F(ti)可表示為：

(1)

其中：i為故障數(shù)據(jù)的標號(i=1,2,…,n);n為故障數(shù)據(jù)的總數(shù)。

利用采集到的數(shù)據(jù)，分別計算它們的無故障間隔時間，并利用公式(1)計算出每一個無故障間隔時間對應的值。以ti為橫坐標，F(xiàn)(ti)為縱坐標，繪制無故障間隔時間分布的散點圖如圖1所示。

1.2無故障時間間隔分布密度函數(shù)散點圖的繪制

為了更好地判斷數(shù)據(jù)所屬類型分布，需要進一步繪制無故障間隔時間的概率密度函數(shù)散點圖。

采用等時間間隔頻次法[8]將采集到的數(shù)據(jù)進行分組，分組區(qū)間的經(jīng)驗公式為：

K=1+3.322lognf

(2)

其中：K為分組數(shù)；nf為故障數(shù)據(jù)的總數(shù)。

每組概率密度觀測值的計算公式為：

(3)

其中:ni為每組故障間隔工作實踐中的故障頻數(shù)；n為故障總數(shù)；Δti為組距。

將采集到的故障數(shù)據(jù)分組如表1所示。

表1故障數(shù)據(jù)分組

序號區(qū)間范圍Δti/h分組中值/h頻數(shù)/個頻率積累頻率概率密度觀測值10～5002501050.6360.6360.0012722500～1000750240.1450.7810.0002931000～15001250180.1090.890.00021841500～20001750100.0610.9510.00012252000～2500225040.0240.9750.00004862500～3000275020.0130.9880.00002673000～3500325010.0060.9940.00001283500～4000375010.00610.000012

1.3利用最小二乘法進行參數(shù)估計

通過上述無故障間隔時間分布函數(shù)散點圖和無故障間隔時間分布密度函數(shù)散點圖的繪制，無故障間隔時間趨于服從威布爾分布或指數(shù)分布，并對此進行假設?，F(xiàn)分別以威布爾分布和指數(shù)分布進行參數(shù)估計[9]。

考慮到最小二乘法在參數(shù)估計中應用較廣，而且最小二乘法是一種對分布參數(shù)高效且無偏的估計法。最小二乘法簡便、計算高效并可用于簡單線性、多元線性和非線性模型，而且很多的非線性模型都可以通過簡單的變換轉(zhuǎn)換成為線性模型，這都為最小二乘法的應用提供了方便。

最小二乘法的基本思想是：假設有n個觀測值(xi,yi)(i=1,2,…,n),如果x、y之間存在線性關系，可以用直線來擬合x、y之間的關系為：

y=ax+b

(4)

其中，參數(shù)a、b的值為：

(5)

1.3.1無故障間隔時間的威布爾分布

威布爾分布的函數(shù)表達式為：

(6)

經(jīng)計算得出：m=0.838 6、η=517.241 26。

1.3.2無故障間隔時間的指數(shù)分布

指數(shù)分布的函數(shù)表達式為：

(7)

1.4兩種函數(shù)分布的擬合檢驗

求出假設函數(shù)分布的模型后，為驗證假設是否成立需進行擬合檢驗。使用χ2檢驗法分別對這兩種分布進行擬合。

χ2檢驗的原理是計算出理論頻數(shù)與實際頻數(shù)之間的差異，然后將接受檢驗的統(tǒng)計量χ2觀測值與標準臨界值進行比較，如果滿足公式(8)則假設正確，反之，假設不正確。

(8)

其中：n為樣本數(shù)量；k為分組數(shù)；m為位置參數(shù)的個數(shù)；α為顯著性水平；vi為第i分組的實際頻數(shù)；pi為第i分組理論頻率。

1.4.1威布爾分布的擬合檢驗

對無故障間隔時間的威布爾分布進行擬合圖的繪制，如圖3所示。

1.4.2指數(shù)分布的擬合檢驗

對無故障間隔時間的指數(shù)分布進行擬合圖的繪制，如圖4所示。

通過χ2檢驗，無故障間隔時間的兩種函數(shù)分布假設均合理。

1.5擬合優(yōu)度的檢驗

為確定哪種分布更貼近于實際分布，還需進行擬合優(yōu)度的檢驗。擬合優(yōu)度[10]一般用R表示，其公式為：

(9)

對擬合優(yōu)度值進行比較,可知Rw>Re，所以無故障間隔時間分布更符合威布爾分布。

2　可靠性評估指標的計算

2.1平均故障間隔時間(MTBF)的計算

平均故障間隔時間MTBF(meantimebetweenfailure)是衡量數(shù)控磨床可靠性的一個重要指標。由上述可知，平均無故障間隔時間的分布類型更符合威布爾分布，威布爾分布的概率密度函數(shù)為：

平均故障間隔時間MTBF的計算公式為：

(10)

利用公式(10)可計算出數(shù)控磨床平均故障間隔時間的點估計值MTBF=567.57 h。

考慮到點估計往往是一個確定的數(shù)值,而沒有給出估計精度。區(qū)間估計彌補了點估計的不足,給出一個區(qū)間估計范圍。對MTBF進行區(qū)間估計[11]。

(1)參數(shù)m的區(qū)間估計

其中：q=r/n

c=2.146 28-1.361 119×q

當自由度較大時，查χ2分布表不方便，可用整體分布近似，按公式(11)計算χ2分布的分位點：

(11)

其中：up為標準正態(tài)分布的p分位點。

(2)參數(shù)η的區(qū)間估計

其中：A4=0.49q-0.1343+0.622q-1

A5=0.2445(1.78-q)(2.25+q)

A6=0.029-1.083ln(1.325q)

A3=-A6x2

x=N1-α/2

因此，在置信度為1-α時，MTBF的雙側(cè)置信區(qū)間為：

(12)

利用公式(12)可以計算出MTBF的區(qū)間估計為[370.253 8，597.239 5]h。

2.2平均修復時間(MTTR)的計算

數(shù)控磨床屬于可維修產(chǎn)品，產(chǎn)品的維修性直接影響到產(chǎn)品在使用過程中利用率，平均修復時間是反映數(shù)控磨床維修性的特征值，是指故障排除的難易程度。因此，在做可靠性評估時，維修性也是一個十分重要的指標。平均修復時間指的是故障發(fā)生時所用維修時間的平均值，即MTTR(mean time to repair)。

平均修復時間的計算公式為：

其中：N為測試的產(chǎn)品總數(shù)；ni為第i個測試產(chǎn)品的維修次數(shù)；τij為第i個產(chǎn)品第j次維修所用的時間。

通過采集的這6臺數(shù)控磨床的故障數(shù)據(jù)可計算出平均修復時間為：

2.3可用度

可用度[12]的計算公式為:

通過計算可得這批數(shù)控磨床的可用度為0.0031 4。

3　結(jié)語

利用現(xiàn)場采集到的故障數(shù)據(jù)，對無故障間隔時間分布進行建模。通過無故障間隔時間分布函數(shù)散點圖和密度函數(shù)散點圖的繪制，可知無故障間隔時間分布與威布爾分布和指數(shù)分布擬合較好，并假設無故障間隔時間分布服從威布爾分布和指數(shù)分布。利用最小二

乘法對兩種分布函數(shù)的參數(shù)進行了估計，通過擬合檢驗驗證了兩種假設均正確，為進一步確定哪種分布更貼近于實際分布，又進行了擬合優(yōu)度的檢驗，最后得出威布爾分布擬合的更好。

最后對這批數(shù)控磨床可靠性指標進行了計算，得到平均故障間隔時間為567.574 h，平均修復時間為1.78 h，固有可用度為0.003 14。通過這些指標較直觀的了解這批數(shù)控磨床的可靠性水平，對數(shù)控磨床可靠性的研究和提升具有重大的意義。

[1]Kerr D,Pengilley J,Garwood R. Assessment and visualization of machine tool wea using computer vision[J].International Journal of Advanced Manufacturing Technology,2006,28(7-8):781-791.

[2]Liu H,Makis V.Cutting-tool reliability assessment in variable machining conditions[J].IEEE Transactions on Reliability,1996,45(4):573-581.

[3]Ronald R Y. A fuzzy measure approach to systems reliability modeling[J].IEEE Transactions on Fuzzy Systems,2014,22(5):1139-1150.

[4]張英芝,申桂香,吳甦,等.隨機截尾數(shù)控機床三參數(shù)威布爾分布模型[J].吉林大學學報：工學版,2009,39(2):378-381.

[5]申桂香,張英芝,薛玉霞,等.基于熵權法的數(shù)控機床可靠性綜合評價[J].吉林大學學報：工學版,2009,39(5):1208-1211.

[6]劉勇軍.基于多學科設計優(yōu)化的數(shù)控磨床可靠性設計技術研究[D].北京：北京工業(yè)大學，2015.

[7]張海波，賈亞洲,周廣文.數(shù)控系統(tǒng)故障間隔時間分布模型的研究[J].哈爾濱工業(yè)大學學報,2005,37(2):198-200.

[8]王桂萍，賈亞洲.MTBF分布模型的案例分析[J].吉林工程技術師范學院學報,2005,21(3):20-24.

[9]于曉紅，張來斌,王朝暉,等.基于新的威布爾分布參數(shù)估計法的設備壽命可靠性分析[J].機械強度,2007,29(6):932-936.

[10]張世強.曲線回歸的擬合優(yōu)度指標的探討[J].中國衛(wèi)生統(tǒng)計,2002,19(1):9-11.

[11]趙宇，楊軍，馬小兵.可靠性數(shù)據(jù)分析教程[M].北京：北京航空航天大學出版社，2009：104-106.

[12]賽義德.可靠性工程[M].2版.北京：電子工業(yè)出版社，2013:137-140.

(編輯李靜)

如果您想發(fā)表對本文的看法，請將文章編號填入讀者意見調(diào)查表中的相應位置。

Research on reliability modeling and evaluation of CNC grinding machine

FAN Jinwei, WANG Hongliang, ZHANG Lanqing，LIU Chao

(College of Mechanical Engineering and Applied Electronics Technology, Beijing University of Technology, Beijing 100124,CHN)

MKS series CNC grinding machine of Beijing the second machine tool plant production as the research object, using the failure data of acquisition for distribution of time between trouble-free to establish model, and using least square method to estimate parameters. Knowing the data of distribution of time between trouble-free is to converge with the Weibull distribution after fitting test and goodness of fit test. Calculate the reliability evaluation index of the CNC grinding machines: MTBF, MTTR and availability. Research results have been recognized and applied by the manufacturers. For research and promotion of CNC grinding machine reliability is of great significance.

mean time between failre; establish model; parameter estimation; fit test; reliability evaluation

TH596

A

10.19287/j.cnki.1005-2402.2016.06.016

范晉偉，男，1965年生，教授，博士生導師，主要研究方向：數(shù)控磨床可靠性與超精密加工，已發(fā)表論文100余篇。

2015-12-22)

160632

* 國家科技重大專項(2013ZX04011013) ; 國家自然科學基金項目(51275014)