融合寿命信息与多性能退化信息的元动作单元可靠性评估.docxVIP

融合寿命信息与多性能退化信息的元动作单元可靠性评估

摘要：针对机床可靠性建模困难、可靠性数据匮乏等问题，从元动作单元出发，提出一种融合寿命信息与多性能退化信息的可靠性评估方法.利用“功能—运动—动作”（functionmotion-action，FMA）分解法将机床分解至最小运动单元，即元动作单元，机床的可靠性水平通过准确评估关键元动作单元的可靠性来保证.建立随机效应下非线性Wiener过程的性能退化模型，刻画试验样本退化过程存在的个体差异性、共同属性以及退化过程的非线性，在此基础上针对退化数据不足的问题，利用贝叶斯方法建立融合失效寿命信息的可靠性模型.考虑多性能退化失效相关性，基于Copula函数建立多性能退化可靠性评估模型，利用MCMC-Gibbs抽样算法实现参数估计.以某型号数控滚齿机的蜗杆转动元动作单元为研究对象，通过实例分析以及验证对比表明所提可靠性评估方法的可行性和优越性.

关键词：可靠性；信息融合；随机过程；元动作单元；贝叶斯方法

中图分类号：TB114.3文献标志码：A

数控机床具有高复杂化和高寿命化的特性，如何在合理的时间与经济成本下准确了解其可靠性水平已经成为研究热点.基于性能退化数据开展机床相关可靠性评估的方法被广泛使用.Wiener过程可以描述退化过程不单调的情况，且具有良好的计算特性，常被用于机床相关的可靠性分析中［1-2］.然而，传统方法中忽略随机影响因素和非线性退化特征的做法，往往与实际情况存在偏差.目前，针对随机效应影响下的非线性随机过程研究仍主要围绕Wiener过程展开.Feng等［3］考虑了性能退化过程不确定性和测量误差，推导了非线性退化场合的剩余寿命分布.Tang等［4］研究了基于具有随机效应的非线性Wiener过程的加速退化过程建模问题，研究表明有必要将随机效应和非线性纳入加速退化建模中.王汉禹等［5］提出了基于核函数-Wiener过程退化模型，使用Wiener过程刻画轧辊退化趋势的强随机性特征，引入核函数捕捉轧辊的非线性退化路径.张忠文等［6］针对不同伺服驱动单元之间存在的个体差异特点，引入随机效应并给出了考虑个体差异的可靠性模型建立方案.可以看出，针对随机效应下非线性Wiener过程的研究已经比较成熟，但基于随机过程建立可靠性模型也需要大量样本数据，对于机床或其部件而言，其各项性能指标的衰退周期较长且测试成本高，导致所获得的退化数据依旧是小规模的子样本［7］.

针对数据不足的情况，目前研究主要集中在对数据层和算法层面的改进，如采用改进Bootstrap法扩充原始样本，构建可靠性模型，但这些方法所构建模型的精度无法保障，且方法适用范围较为有限.因此需要充分利用所有的可靠性信息，在小子样本下构建高置信度的可靠性模型.信息融合技术在数控机床可靠性研究领域的应用已经逐渐开展.彭卫文［8］考虑数控机床的多层次信息，提出了基于贝叶斯方法的独立来源层次客观数据的融合方法、基于贝叶斯网络的层次覆盖客观数据的融合方法以及基于贝叶斯网络的层次主客观信息的融合方法.杨文［9］提出了基于多源信号融合的数控铣床运行可靠性分析方法，通过对多传感器的数据进行数据预处理，实现数据层面的融合，随后将其作为输入数据，提取特征，根据基于状态距离的运行可靠性计算方法建立铣床的运行可靠性评估模型.孙博［10］以前期产品的可靠性信息和专家对现有产品可靠性水平判断结果为基础，通过贝叶斯融合方法与可靠性仿真信息融合，再利用改进的重要性重采样算法得到了伺服刀架在多源信息融合下的可靠性评估结果.可以看出，目前关于机床多源信息融合下的可靠性评估大多都基于整机或部件层面的可靠性信息，但整机或部件所存在的固有问题，使能够获得的可靠性数据极为有限，以整机或部件为分析对象难以从数据中提取有效的退化信息，增加数据的不准确性，导致最终的评估结果出现较大偏差.

数控机床的功能和性能是通过其组成部件（零件）之间的相对运动予以实现和保障的［11］.基于机械结构运动和动力的传递，采用“功能-运动-动作”（FMA）的结构分解法将整机分解至最小运动单元（元动作单元）［12-13］.Li等［14］提出了基于元动作单元的维修决策.张根保等［15］提出一种基于非线性Gamma随机过程和混合Copula函数的元动作单元性能可靠性分析模型.鞠萍华等［16］从元动作单元出发，建立了关于元动作单元的故障概率模型.元动作单元是机床中最小的结构单元，其可靠性分析是整机可靠性的基础，以关键元动作单元为研究对象，可以避免结构分析困难，试验难以进行，数据难以收集，成本高，周期长等问题.

另外，元动作单元运行过程中，故障是在多个因素共同作用下发生的，针对具有多个性能退化指标的元动作单元，其退化失效之间具有相关性.Zhu等［17