论文部分内容阅读
可靠性评估是数控机床可靠性工程技术的重要组成部分,也是机床制造业发展必不可少的关键。随着机床复杂化、信息化、集成化程度的提高,高档数控机床具有样本量小、故障数据少等小样本特点,传统的基于大数定律的经典统计理论已无法对其可靠性进行有效评估。能够综合利用机床先验信息和现场试验数据的Bayes方法为小子样机床可靠性评估提供了非常重要的理论支撑,而如何确立合适准确的先验分布是Bayes方法合理应用的关键。本文以小样本的车铣加工中心CXK5463为研究对象,针对Bayes评估中传统Bootstrap法利用相似机床故障信息建立先验分布时,存在的抽样误差较大以及需要事先假定分布类型的主观性过大的问题,提出一种集成最小二乘支持向量机(Lssvm)、参数Bootstrap法及核密度估计法建立先验分布的方法。基于威布尔分布的异常值检验方法对得到的先验分布可信度进行了度量,根据算得的先验信息可信度值对该先验分布加以修正,进而确定最终可信先验分布,进行Bayes可靠性评估。首先,以车铣加工中心CXK5463的故障数据作为现场试验信息,相似数控机床CK5250故障数据作为先验信息,进行相容性检验;对传统Bootstrap法确立先验分布中存在的误差进行分析;利用最小二乘支持向量机(Lssvm)算得先验信息的威布尔参数,进行参数化Bootstrap抽样,减少了抽样误差;根据抽样结果利用非参数核密度估计法对尺度参数以及形状参数m进行了概率密度估计,直接从抽样结果的样本数据特性出发拟合先验分布,使得拟合结果与实际分布情况更加符合。克服了传统方法需要事先假定分布类型的主观性过大的问题。其次,分析了现有先验信息可信度计算方法存在的不足,针对先验信息为先验分布,现场信息为服从威布尔分布的机床故障数据这一可靠性评估情况,基于威布尔分布数据异常值检验的方法计算了先验信息可信度,并利用MATLAB编程仿真实现了算法的求解。以求得的CXK5463的先验分布为例,进行了仿真,仿真结果与传统Bootstrap方法拟合先验分布的可信度值进行了对比,结果显示通过本文方法得到的先验分布具有更高的可信度。并基于可信度值修正了先验分布,得到最终可信先验分布。最后,基于马尔科夫蒙特卡罗原理(MCMC)由OpenBUGS软件进行编程并迭代?求解,算得CXK5463车铣加工中心故障时间间隔的威布尔分布参数值及平均故障时间间隔(MTBF)的估计值,与传统Bootstrap方法建立先验分布进行贝叶斯评估的结果进行对比,说明了本文提出的方法的优越性与准确性。