基于随机模糊条件的加工中心故障模式研究.pdfVIP

基于随机模糊条件的／]nT中心故障模式研究 基于随机模糊条件的加工中心故障模式研究 口 黄永红 ’傅丽群 周红霞 。 (1．2．3．南昌大学科学技术学院，江西 南昌 330029) 摘 要 ：在加工中心出现典型故障时，将故障能够以时间变量定义为一个模糊变量，考虑到在故障发生时具备的不可预料的 随机性，所以新建在这种情况下加工中心的故障模型。运用这种在随机模糊条件下的模糊模拟技术，并得 出一个相对典型的故障 模型，对这种故障模式出现的频率与发生的条件做出统计和计算，有效的对此型号加工中2·t．有所掌控，能够在一定程度上预防此 种故障的发生，并总结出对加工中心影响相对更大的故障模式。 关键词：随机模糊条件；加工中心；故障模式 一 、定义 合指数分布或者威布尔分布或者正态分布中的一种分布模型。 (一)模糊变量。模糊变量 u 是一条从可能性空间(e，P 下面将根据 1O台加工中心的故障数据，且频率大于4的典型 (0)，Pos)到直线 R上的函数 ，也就是从可能性空间(O，P 故障模式，对 以上 10台故障加工中心进行分析和统计。如 1202 (0)，Pos)到实数集的函数。可能性，可信性，必要性这三项测 元件受损；0301液气油泄漏；0504刀失调；0603位移超程；0802 度在可能性空间一可能性Pos )测度是发生的可能性；必要性 出现不正常声响等 。符合步威尔分布模型，得 出数据结果 是与上述描述的可能性Pos(A)中的A事件的对立集合；可信 q=818．03且m=1．4734，所以相应的概率分布数： 性是可能性和必要性两项测度的平均值。 F(x)=l-exp[-(x／818．03)1．4734]。 模糊变量的取值是可能性空间到实数集的函数。根据本文 根据 以上数据参数的结果用统计法计算出故障发生频率， 中模糊变量的概念，假如模糊变量的分布为 已知类别 ，可以将 如表 数控机床的某部位设为随机模糊变量E，(x 0)时概率密度为 表 典型故障模式发生机会 (x)=l／eexp[．x／01，或者在 x小于 0时 (x)=o。其中0 是 不确定参数，如果存在足以定量的数据，可以对 e进行估算， 以得出相应的取值和信任范围。 (二)平均机会测度。随机事件本质上是具有随机性，不确 定模糊变量的，随机模糊事件发生的机会也具有相应的随机性 和模糊性，是一个函数。设E 为可能性空间(0，P(0)，Pos)的 模糊向量，则根据上文描述内容： O印3 O． 拇3 7 o．066 038 Ch{f(‘)s0}(a)=sup{13 lCr{0 ∈0Pr{f(E (e)) 三、结果 p} a} 通过分析每一种故障模式，得出实际情况和以上进行的排 随机事件的本原机会在 (0，1】到[0，1】的函数为以上的{f(亏) 列和频率对比并不相同，频率大的发生率较高的故障未必会真 0，。 正经常出现，所以不能够严格按照发生频率比来分析故障模式 Cha {fg ) 0}=01Jch{f∈) 0}(a)da 为 {f() 0} 的发生情况。通过以上内容发现，文章研究的此种型号加工中 平均机会，平均机会是为了对这种随机模糊变量的随机事件进 心最常出现的是 0407，刀库失调问题，经过观察图表得知，0407 行对 比和排列而定义出的模糊事件的取值。同理假设 ￡为可 这种故障模式的发生机会和发生频率足够针对这种状况制定 能性空间(0，P(0)，Pos)的模糊向量，随机事件 {f(E)s0}的 相应的应对措施，这也是模糊条件作用。为了能够有效解决刀 平均机会为 库失调问题，应该在硬件上采用相对精度较高的元件，并进行 Cha {f )sO} O1Jch{f )s 0}(a)da 为 {f(‘) 0} 更严格的前期检测，使得工作更加严谨预防问题出现。由于数 随机事件的