12 分布模式的参数估计.ppt

计算机数控系统中故障模式和故障分析之间的时间 摘要：为了给CNC系统可靠性改进设计提供基础理论，需要在车间工作环境下收集一年的某种CNC系统的故障信息。故障之间的分布模式参数时间是用最小二乘法和d-testmethod假设试验评估的，它证明了CNC系统故障之间的时间遵循威布尔分布，并且系统已经进入了用坏的故障期。对故障位置和故障原因的深入分析以指出ＣＮＣ系统的薄弱子系统，主要的故障位置可能是伺服单元，电气系统，检测单元和电力供应，而主要的故障原因可能是元器件的断裂。相应的改进措施也提出来了，本文对制造商的CNC系统可靠性设计和分析提供了参考，并且用户使用和维护CNC系统有很大的指导作用。 CNC系统的可靠性，CNC机器工具的核心，直接影响着整个机器的的可靠性。已经有一些对CNC机器工具可靠性的研究，但是当前很少有关于CNC故障系统的优秀文献出现，目前对时间分布模式在故障和对可靠性之间的研究—故障平均时间（MTBF）将会对CNC系统的故障发生规律有很大的指导作用。加强预防维修时间和执行可靠性改进设计，是一种受欢迎的CNC系统，它被CNC车床所采用，它也是本文所要研究的。基于CNC系统合相应器件的故障数据，这些数据来源于一年内超过10个采样点的纪录，我们研究了故障之间的时间分布模型，同时分析了故障并且相应的改进措施也提出来了。我们希望能对CNC系统的可靠性设计和风习提供参考。 1 故障间的时间分布模型 1.1 分布模式的初步判据 我们可以从概率理论知道，正态分布和对数正态分布的概率密度函数曲线图是单峰的，指数分布的概率密度函数曲线图是单调下降的，但是根据曲线参数的不同，威布尔概率密度函数曲线图是非对称且单调下降的。借助于观察到的一些随机值画出曲线，可以初步判断出这种分布。 现在，一种CNC系统的故障之间的时间的概率密度函数曲线图会通过观察到的数据画出来，故障间时间值为t（ [78.45，2842.10]，它被分为7组，如表1所示。将每组时间值的中间值作为横坐标，观察到的f(t)的概率密度值作为纵坐标，概率密度函数的分布图如图1所示， 1.2 分布模式的参数估计 根据经验模式规律，威布尔分布的曲线图将会和不同曲线参数的计算不同，并且指数分布可以被认为是一中威布尔分布的特殊情况。所以，我们假设CNC系统故障间的时间从两个参数上服从威布尔分布，我们用最小二乘法评估分布模式参数并且用相关系数法验证。因此，CNC系统故障间的时间分布规律能够确定。 威布尔分布的概率密度函数和累计分布函数如下： 故障分析 通过配置，主流CNC系统以及其相关配件能够被分成16个子系统，它的软件能分成11个功能模块，CNC系统的配置和相应配件如图2所示： 首先故障位置分析，对故障位置的时间和频率的统计可以见表3，通过这些统计数据可以看出，硬件和软件的故障率为84.85%和15.15%，由此可知，软件的可靠性远远高于硬件，也就是说硬件故障是影响CNC系统可靠性的主要因素。如表3可知，伺服单元时主要故障位置，其故障率为30.3%，远远高于其他位置，另外比较高的依次是电气系统，检测单元和电力供应系统，这三个加起来为33.3%。除此之外其他位置的故障率非常低，所以加强CNC系统的可靠性的关键是减少上述4字系统的德故障率。 故障原因统计和故障原因种类如表4和表5所示，从表4可以看出，主要股指因素是元器件的破损，包括集成电路板，电力电气设备，其次的因素是开环系统不正确的调整合参数设置错误。 从故障种类来看，外购的器件的原因有45.45%，组装CNC系统的故障有21.21%。我们必须注意的因素是操作者的误操作和恶劣环境占27.27%，如表5所示，这就需要厂家加强对操作者的培训和维护好CNC系统。 改进方法 研究表明复杂机器产品的入（t）能够在其生命周期里通过浴缸曲线描述。同时分布模式表明故障间的时间瞬时故障率有上升的趋势，这表明CNC系统已经进入用坏时期。因此CNC系统如果使用了3年，它已经早进入用坏故障阶段并且MTBF值较低。这表明CNC系统由相关的更短的事故故障时期，而且它的使用寿命也会受到大大的影响。 通过对CNC系统的故障分析，我们发现大多数故障是因为器件的破损，并且外购器件占较大的比例。这表明器件的可靠性在设计和生产的时候就已经很差了，此时CNC系统的可靠性就很难保证了。因此，当可靠性改进设计完成，器件的控制流程和好的器件应该形式化，标准化以保证可靠性。同时应进行一系列的测试流程，并且形成批质量保证。对CNC系统可靠性的早期测试应该在工厂发货前进行，以免遇到早期故障。通过这种方式，突发故障期能延长而且CNC系统的可靠性也能被改善。 在表4中，我们可以看到不正确使用和维护CNC系统经常导致故障，特别是软件故障。操作者的参数设置错误占软件