多台数控机床的时间截尾可靠性评估
2011-03-12王智明杨建国王国强张根保
哈尔滨工业大学学报 2011年3期
王智明,杨建国,王国强,张根保
(1.上海交通大学机械与动力工程学院,200240上海,wangzm301@sjtu.edu.cn; 2.重庆大学机械工程学院先进制造技术实验室,400030重庆)
在数控机床的可靠性评估中,平均故障间隔时间(tMTBF)、给定时间的可靠度R(t)和一定可靠度下的工作时间t(R)是评估机床可靠性的重要指标之一.可靠性试验是可靠性评估的基础,一般常采用多台定时截尾试验[1-2].
分布模型的选择是评估的难点和关键.常见的分布模型有指数分布和Weibull分布,其选择的方法是先假设故障间隔时间(tTBF)服从某一分布,随后用K-S或χ2检验进行检验[3],但有时会出现2种分布均被通过的情况[4];对于可线性化的分布模型,可用最小二乘法求解模型,并用相关系数进行检验[5],但该方法所得模型并非最优;另外,还有其他选择模型的方法,如:综合法[3]、误差面积比[4]、灰关联[6]、神经网络[7]等方法.但对于少样本数据,上述方法所得模型精度一般较低.在机床可靠性评估中,参数估计多局限于参数的点估计,对于参数区间估计的报道则较少.
本文基于AIC、BIC信息准则优选tTBF模型和参数,给出了tTBF模型参数和可靠性指标的点估计,用 Fisher信息矩阵法给出了模型参数及R(tMTBF)、t(0.9)等可靠性指标的区间估计.最后用蒙特卡洛法(MC)提高了区间估计的精度.
1 基于AIC、BIC信息准则的模型和方法选择
1.1 模型选择
数控机床时间截尾数据通常为不完全数据,其中包含右删失数据.设某次试验投入k台机床,所得数据为t=(ti,tcj)(i=1,2,…,n;j=1,2,…,k),其中ti为失效数据,tcj为截尾数据.一般每台机床有……
登录APP查看全文
