数控机床可靠性评估中的边界强度过程

上海交通大学学报（自然版） ›› 2012, Vol. 46 ›› Issue (10): 1622-1626.

数控机床可靠性评估中的边界强度过程

王智明1, 杨建国2

(1. 淮海工学院机械工程学院，江苏连云港 222005;2. 上海交通大学机械与动力工程学院，上海 200240)

收稿日期:2012-02-24 出版日期:2012-10-30 发布日期:2012-10-30
基金资助:
国家科技重大专项资助项目(2009ZX04014022)

Bounded Intensity Process and Its Applications in Reliability Assessment of NC Machine Tools

WANG Zhi-Ming-1, YANG Jian-Guo-2

(1. School of Mechanical Engineering, Huaihai Institute of Technology, Lianyungang 222005, Jiangsu, China; 2. School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200240, China)

Received:2012-02-24 Online:2012-10-30 Published:2012-10-30

摘要/Abstract

摘要： 基于Akaike 信息准则(AIC)、Bayesian 信息准则(BIC)及故障数据拟合的均方根误差(RMSE)，提出了可修系统可靠性分析的非齐次泊松过程模型的选择方法，利用最大似然估计的渐近对数正态分布特性，用Fisher信息矩阵法给出了边界强度过程模型参数及系统可靠性指标的点估计及区间估计，分析了多台数控机床时间截尾的故障过程.结果表明，对于维修频繁的性能恶化数控机床，边界强度故障模型适合于其可靠性评估.

关键词: 边界强度过程, 可修系统, 最大似然估计, 数控机床, 可靠性评估

Abstract: Based on Akaike information criterion, Bayesian information criterion and the root-mean-square error of the fitting failure data, the best non-homogeneous Poisson process model of reliability analysis for repairable system was proposed. The point maximum likelihood and interval estimators of the parameters, as well as the reliability indices of the bounded intensity process model were given using the asymptotic lognormal distribution of the maximum likelihood estimation and the Fisher information matrix method. The failure data with time truncation of multiple NC machine tools were analyzed. The results show that the bounded intensity process is suitable for reliability assessment of deterioration machine tools with frequent maintenance actions.

Key words: bounded intensity process, repairable system, maximum likelihood estimation, NC machine tool, reliability assessment

中图分类号:

王智明1, 杨建国2. 数控机床可靠性评估中的边界强度过程[J]. 上海交通大学学报（自然版）, 2012, 46(10): 1622-1626.

WANG Zhi-Ming-1, YANG Jian-Guo-2. Bounded Intensity Process and Its Applications in Reliability Assessment of NC Machine Tools[J]. Journal of Shanghai Jiaotong University, 2012, 46(10): 1622-1626.

参考文献

［1］Marshall S E, Chukova S. On analysing warranty data from repairable items［J］. Quality and Reliability Engineering International, 2010, 26(1): 4352.
［2］敖长林, 李一军, 闫相斌, 等. 基于非齐次泊松过程的拖拉机发动机使用可靠性［J］. 机械工程学报, 2007, 43(10): 206210.
AO Changlin, LI Yijun, YAN Xiangbin, et al. Operational reliability of tractor engines based on nonhomogeneous Poisson process［J］. Chinese Journal of Mechanical Engineering, 2007, 43(10): 206210.
［3］TAN Furong, JIANG Zhibin, BAI Tongshuo. Reliability analysis of repairable systems using stochastic point processes ［J］. Journal of Shanghai Jiaotong University, 2008, 13(3): 366369.
［4］王智明, 杨建国, 王国强, 等. 多台数控机床最小维修的可靠性评估［J］. 哈尔滨工业大学学报, 2011, 43(7): 127130.
WANG Zhiming, YANG Jianguo, WANG Guoqiang, et al. Reliability assessment of multiple NC machine tools with minimal repair ［J］. Journal of Harbin Institute of Technology, 2011, 43(7): 127130.

［5］Pulcini G. A bounded intensity process for the reliability of repairable equipment ［J］. Journal of Quality Technology, 2001, 33(4): 480492.
［6］Louit D M, Pascual R, Jardine A K S. A practical procedure for the selection of timetofailure models based on the assessment of trends in maintenance data［J］. Reliability Engineering and System Safety, 2009, 94(10): 16181628.
［7］Viertava J, Vaurio J K. Testing statistical significance of trends in learning, ageing and safety indicators［J］. Reliability Engineering and System Safety, 2009, 94(6):11281132.
［8］Meeker W Q, Escobar L A. Statistical methods for reliability data［M］. New York: John Wiley & Sons, 1998.
［9］Nelson W. Accelerated testing: Statistical methods, test plans, and data analysis ［M］. New York: John Wiley & Sons, 1990.
［10］张英芝, 申桂香, 薛玉霞, 等. 随机截尾数控机床故障过程［J］. 吉林大学学报: 工学版, 2007, 37(6): 13461348.
ZHANG Yingzhi, SHEN Guixiang, XUE Yuxia, et al. Failure process for numerical control machine with random ending method ［J］. Journal of Jilin University: Engineering and Technology Edition, 2007, 37(6): 13461348.

[1]	赵亮，雷默涵，朱星星，王帅，凌正，杨军，梅雪松. 高精度数控机床主轴系统热误差的控制方法[J]. 上海交通大学学报, 2020, 54(11): 1165-1171.
[2]	张立波1，程浩忠1，曾平良2，张沈习1，周勤勇2. 基于Johnson分布体系的发输电系统可靠性评估[J]. 上海交通大学学报, 2017, 51(5): 555-.
[3]	胡新明,王德禹. 基于迭代均值组合近似模型和序贯优化与可靠性评估法的船舶结构优化设计[J]. 上海交通大学学报, 2017, 51(2): 150-.
[4]	任丽娜, 王智明, 雷春丽. 数控机床贝叶斯可靠性评估模型的综合评价方法[J]. 上海交通大学学报, 2016, 50(7): 1023-1029.
[5]	拓占宇，黄奕乔，沈牧文，杨建国. 基于3次样条插值的数控机床几何与热复合定位误差建模[J]. 上海交通大学学报（自然版）, 2016, 50(05): 668-672.
[6]	冯文龙，黄奕乔，拓占宇，李慧敏，杨建国. 基于温度积分方法的大型数控机床光栅定位热误差建模及实时补偿[J]. 上海交通大学学报（自然版）, 2016, 50(05): 710-715.
[7]	姚晓栋1,3,黄奕乔1,马晓波2,薛波3,杨建国1. 基于时间序列算法的数控机床热误差建模及其实时补偿[J]. 上海交通大学学报（自然版）, 2016, 50(05): 673-679.
[8]	任丽娜，芮执元，刘军，雷春丽. 数控机床最小维修的全寿命周期可靠性评估[J]. 上海交通大学学报（自然版）, 2015, 49(01): 19-23.
[9]	方鹏亚，常新龙，胡宽，张晓军. 基于区间不确定性的多学科可靠性设计[J]. 上海交通大学学报（自然版）, 2014, 48(10): 1451-1456.
[10]	王维，杨建国. 基于插值算法的数控机床复合误差补偿技术[J]. 上海交通大学学报（自然版）, 2014, 48(1): 12-21.
[11]	肖慧孝，杨建国，张毅. 基于状态空间模型的机床热误差动态建模[J]. 上海交通大学学报（自然版）, 2014, 48(1): 22-26.
[12]	朱小龙，杨建国，代贵松. 基于AVQ聚类和OIF-Elman神经网络的机床热误差建模[J]. 上海交通大学学报（自然版）, 2014, 48(1): 22-26.
[13]	王智明1,杨建国2. 数控机床不完全维修的贝叶斯可靠性评估[J]. 上海交通大学学报（自然版）, 2014, 48(05): 614-617.
[14]	王智明1，杨建国2. 数控机床边界强度过程的非等周期不完全预防维修[J]. 上海交通大学学报（自然版）, 2013, 47(11): 1661-1665.
[15]	杨漪1，姚晓栋1，杨建国1，张余升2，袁峰2. 基于主成分分析与BP神经网络相结合的机床主轴热漂移误差建模[J]. 上海交通大学学报（自然版）, 2013, 47(05): 750-753.