本发明属于机械系统可靠性分析
技术领域：
，具体涉及一种基于历史运行故障数据的数控机床可靠性预估方法。
背景技术：
：数控机床的设计方法主要是以经验为主的设计规范，可靠性通过这种设计规范的实施予以保证。通过可靠性试验及使用信息反馈，不断改进，达到可靠性增长。随着大量新技术、新材料、新工艺的应用，缺乏实用经验，特别是使用工况和环境严酷、系统复杂的部件与零件，需要应用可靠性技术帮助设计人员对数控机床的可靠性进行预估。然而，数控机床属于多品种、小批量的产品，且由于高额的成本，不可能进行昂贵的全寿命周期试验和破坏性试验，这样就无法获得大量的可靠性试验数据，这就为后续的可靠性预估带来了困难。因此，缺乏足够的可靠性数据成为数控机床可靠性预估的瓶颈。技术实现要素：本发明是为了解决现有数控机床的试验数据有限而导致无法进行可靠性预估的问题而进行的，基于以往数控机床的现场使用数据的收集和反馈以及失效分析，确定数控机床可靠性预估指标及分配方法，对待评数控机床的各部件进行可靠性预估，提出可能采取的预防改进措施，以提高产品质量和可靠性。本发明的目的在于提供一种基于历史运行故障数据的数控机床可靠性预估方法。为解决上述技术问题，本发明采用了如下技术方案：本发明提供一种基于历史运行故障数据的数控机床可靠性预估方法，用于根据多个以往数控机床的历史运行故障数据来对待评数控机床的多个部件的可靠性进行评价，其特征在于，包括以下步骤：步骤一，采集多个以往数控机床的历史运行故障数据，该历史运行故障数据包括系统运行故障数据以及部件运行故障数据；步骤二，对系统运行故障数据进行处理并得到多个以往数控机床的系统故障间隔时间；步骤三，对以往数控机床的系统寿命进行三参数威布尔分布建模并对其参数进行估计，是根据以下过程实现：三参数威布尔分布的失效分布函数f(t)以及概率密度函数f(t)分别为公式(1)和公式(2)中，t为时间变量，t≥0，θ为尺度参数，θ>0，α为位置参数，α≥0，β为形状参数，β>0，通过步骤二得到的系统故障间隔时间并利用公式(1)和公式(2)求出θ、α以及β的估计值；步骤四，将步骤三得到的θ、α以及β的估计值代入公式(3)得到所有的以往数控机床的系统平均故障间隔时间(mtbfs)：公式(3)中，γ为伽马分布，则以往数控机床的系统失效率λs为：步骤五，采用评分分配法并根据部件运行故障数据得出待评数控机床的每个部件的失效率分配系数ki，是根据以下步骤实现：首先，设待评数控机床的部件的数目为n，评分分配法所考虑的因素的数目为m，第i个部件的第j个因素的评分数为eij，按照以下公式(5)和公式(6)分别求出每个部件的部件评分数ωi以及数控机床的系统总评分数ω：公式(5)和公式(6)中，n、m均为大于或等于1的自然数，1≤i≤n，1≤j≤m；然后，将部件评分数ωi以及系统总评分数ω代入公式(7)得到每个部件的失效率分配系数ki：步骤六，将步骤五得到的失效率分配系数ki代入公式(8)得到每个部件的部件失效率λi：λi＝kiλs(8)，并根据部件失效率λi对部件的可靠性进行评价。本发明提供的基于历史运行故障数据的数控机床可靠性预估方法，还可以具有这样的特征：其中，部件为主轴、工作台、x轴进给单元、z轴进给单元、数控单元、冷却液单元以及检测单元中的至少一种。本发明提供的基于历史运行故障数据的数控机床可靠性预估方法，还可以具有这样的特征：其中，系统运行故障数据包括以往数控机床的机床识别信息以及对应的出厂时间、故障时间、维修时间以及日均工作时间。本发明提供的基于历史运行故障数据的数控机床可靠性预估方法，还可以具有这样的特征：其中，部件运行故障数据包括部件的部件识别信息以及对应的故障类型。本发明提供的基于历史运行故障数据的数控机床可靠性预估方法，还可以具有这样的特征：其中，评分分配法所考虑的因素包括技术成熟程度因素、结构复杂度因素、工作时间因素以及环境条件因素中的至少一种。发明作用与效果根据本发明所涉及的基于历史运行故障数据的数控机床可靠性预估方法，基于以往数控机床的历史运行故障数据的采集与管理以及产品的失效分析，历史运行故障数据包括系统运行故障数据以及部件运行故障数据，通过威布尔分布对数控机床的系统寿命进行三参数威布尔分布建模并对其参数进行估计，进而得出以往数控机床的系统故障间隔时间和系统失效率；再采用评分分配法并根据部件运行故障数据得出待评数控机床的每个部件的失效率分配系数ki，进而得出待评数控机床的每个部件的部件失效率，并根据部件失效率对部件的可靠性进行评价，提出可能采取的预防改进措施，以提高产品质量和可靠性。而且，本发明是企业提高产品核心竞争力的重要途径，对生产厂家提高数控机床可靠性具有重要意义。附图说明图1是本发明的实施例中数控机床可修复系统的使用过程示意图；以及图2是本发明的实施例中基于威布尔分布的失效率曲线。具体实施方式以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。在本实施例中，数控机床主要由主轴、工作台、x轴进给单元、z轴进给单元、数控单元、冷却液单元以及检测单元等部件组成。本实施例中的基于历史运行故障数据的数控机床可靠性预估方法，用于根据多个以往数控机床的历史运行故障数据来对待评数控机床的多个部件的可靠性进行预估，包括以下步骤：步骤一，采集多个以往数控机床的历史运行故障数据，该历史运行故障数据包括系统运行故障数据以及部件运行故障数据。历史运行故障数据的采集，按照表1进行。表1数控机床运行故障数据的采集系统运行故障数据包括以往数控机床的机床识别信息以及对应的出厂时间、故障时间、维修时间以及日均工作时间，各项的统计方法如下：(1)机床识别信息为了便于对数据的统计与处理，机床识别信息可采用编码的方式识别不同类型的数控机床。机床编码为：××××，前两位表示数控机床的类型，如00、01、02等；后两位表示同一类型的数控机床的序号。(2)出厂时间为了计算机床及部件的寿命特征量，需要确定机床开始投入加工的时间。在本实施例中，以机床的出厂时间作为机床开始投入加工的时间，其格式为：××(年)-××(月)-××(日)。(3)故障时间同样，为了计算机床的寿命特征量，需要记录机床故障发生的时间，其格式为：××(年)-××(月)-××(日)。(4)维修时间考虑到数控机床的故障一般均为可修复的故障，维修时间可以作为修复部件重新计算产品寿命的起始时间，其格式为：××(年)-××(月)-××(日)。(5)日均工作时间每台数控机床每天工作的时间不同，该时间与机床寿命特征量的统计相关。因此，需要统计每台机床的日均工作时间，统计单位为小时(h)。部件运行故障数据至少包括部件的部件识别信息以及对应的部件故障类型，各项的统计方法如下：(1)部件识别信息机床在设计过程中，往往存在着不同机床采用相同部件的情况，例如不同的机床所选用的主轴相同，因此有必要将不同类型的机床上的相同部件采用同一编码来表示其部件。部件识别信息的格式为：××(部件名称编码)-××(部件类别序号)-××(零件编码)，其中，部件名称编码可定义为：00-主轴，01-工作台，02-x轴进给单元，03-z轴进给单元，04-数控单元，05-冷却液单元，06-检测单元，07-其它。这样，可以将以上每一种部件进行分类，不同的机床采用不同或相同的部件，每一台机床所采用的部件通过部件类别序号区别。(2)部件故障类型将每个部件的故障级别设计为三级：fc1表示完全丧失功能，fc2表示降低运行速度，fc3表示降低精度。相应地，fc1、fc2、fc3的故障类型编码分别为：fc1-00、fc2-01、fc3-02。步骤二，对系统运行故障数据进行处理并得到多个以往数控机床的系统故障间隔时间。图1是本发明的实施例中数控机床可修复系统的使用过程示意图。如图1所示，对于数控机床可修复系统，研究的对象是单个系统随时间运行的性能变化。在不考虑维修时间的情况下，以往数控机床的故障过程用随机点过程表示为：t1<t2<ti<tn-1<tn其中，ti为系统故障发生时间，则以往数控机床的系统故障间隔时间为：ti＝ti-ti-1，i＝1,2,3,...,n，n为大于或等于1的自然数。步骤三，对以往数控机床的系统寿命进行三参数威布尔(weibull)分布建模并对其参数进行估计，是根据以下过程实现：(1)三参数威布尔分布的失效分布函数f(t)以及概率密度函数f(t)分别为公式(1)和公式(2)中，t为时间变量，t≥0，θ为尺度参数，θ>0，α为位置参数，α≥0，β为形状参数，β>0，图2是本发明的实施例中基于威布尔分布的失效率曲线。如图2所示，当β<1时，失效曲线随时间的增加而减小，即反映了早期失效的特征；当β＝1时，失效曲线表示失效率为常数的情况，即描述了偶然失效期；当β>l时，失效曲线随时间的增加而递增的情况，即反映了耗损寿命期的老化衰竭现象。通过参数估计求得的α和β值可以判定失效所处的过程，从而加以控制。所以，威布尔分布对产品的三个失效期都适用。(2)通过步骤二得到的系统故障间隔时间并利用公式(1)和公式(2)求出θ、α以及β的估计值。步骤四，将步骤三得到的θ、α以及β的估计值代入公式(3)得到所有的以往数控机床的系统平均故障间隔时间(mtbfs)：公式(3)中，γ为伽马分布，则以往数控机床的系统失效率λs为：步骤五，采用评分分配法并根据以往数控机床的部件运行故障数据得出待评数控机床的每个部件的失效率分配系数ki。评分分配法所考虑的因素包括部件的技术成熟程度因素、结构复杂度因素、工作时间因素以及环境条件因素。每个因素的分数取1～10之间，其分值越高说明可靠性越差。(1)技术成熟程度因素：根据被评部件的技术水平和成熟程度进行评定，其评分准则如表1所示。表1技术成熟程度因素评分准则(2)结构复杂度因素：复杂度是指待评部件的零件数量占其他部件最大零件数量的百分比，其评分准则如表2所示。表2结构复杂度因素评分准则等级分数说明19-10该部件的零件数量是所有其他部件最大零件数量的100％-80％27-8该部件的零件数量是所有其他部件最大零件数量的80％-60％35-6该部件的零件数量是所有其他部件最大零件数量的60％-40％43-4该部件的零件数量是所有其他部件最大零件数量的40％-20％51-2该部件的零件数量是所有其他部件最大零件数量的20％以下(3)工作时间因素：根据待评部件的工作时间进行评定，其评分准则如表3所示。表3部件工作时间因素评分准则等级分数说明19-10该部件的工作时间是所有其他部件最长工作时间的100％-80％27-8该部件的工作时间是所有其他部件最长工作时间的80％-60％35-6该部件的工作时间是所有其他部件最长工作时间的60％-40％43-4该部件的工作时间是所有其他部件最长工作时间的40％-20％51-2该部件的工作时间是所有其他部件最长工作时间的20％以下(4)环境条件因素：根据待评部件所处的环境进行评定，其评分准则如表4所示。表4环境条件因素评分准则首先，设待评数控机床的部件的数目为n，评分分配法所考虑的因素的数目为m，第i个部件的第j个因素的评分数为eij，n、m均为大于或等于1的自然数，1≤i≤n，1≤j≤m，按照以下公式(5)和公式(6)分别求得待评数控机床的每个部件的部件评分数ωi以及系统总评分值ωi：然后，将部件评分值ωi以及系统总评分值ω代入公式(7)得到每个部件的失效率分配系数ki：步骤六，将步骤五得到的失效率分配系数ki代入公式(8)得到每个部件的部件失效率值λiλi＝kiλs(8)，并根据部件失效率λi对部件的可靠性进行评价。在实际机床设计过程中，各部件的设计能否达到所分配的失效率指标，设计人员一般难以确定。理论上存在两种情况：一是部件的失效率低于所分配的失效率指标；二是部件的失效率高于所分配的失效率指标。前者能够保证机床可靠度指标mtbfs达到设计的要求，而后者则不能满足机床可靠度指标的要求。因此，需要针对低于分配失效率指标的部件进行评价，提出预防改进措施，不断地改进机床的可靠性设计，直至其达到机床的可靠度指标mtbfs。实施例作用与效果根据本实施例所涉及的基于历史运行故障数据的数控机床可靠性预估方法，基于以往数控机床的历史运行故障数据的采集与管理以及产品的失效分析，历史运行故障数据包括系统运行故障数据以及部件运行故障数据，通过威布尔分布对数控机床的系统寿命进行三参数威布尔分布建模并对其参数进行估计，进而得出以往数控机床的系统故障间隔时间和系统失效率；再采用评分分配法并根据部件运行故障数据得出待评数控机床的每个部件的失效率分配系数ki，进而得出待评数控机床的每个部件的部件失效率，并根据部件失效率对部件的可靠性进行评价，提出可能采取的预防改进措施，以提高产品质量和可靠性。而且，本实施例是企业提高产品核心竞争力的重要途径，对生产厂家提高数控机床可靠性具有重要意义。当前第1页12