立式加工中心早期故障消除技术研究
发布时间：2022-02-12 21:43
汽车行业作为我国的支柱型产业之一,其关键零部件加工质量和生产效率直接关系到汽车的动力性、经济性和环保性。作为汽车动力系统零部件主要加工机床之一,立式加工中心的高精度、高效率以及高可靠性是我们追求的目标、也是汽车行业提档升级的基础。国外加工中心的可靠性已经达到了较高的水准,然而国内的加工中心在早期使用阶段故障频发,一直制约着机床行业和汽车行业从中端迈向高端的发展,因此消除立式加工中心早期故障,提高其可靠性已经刻不容缓。本文依托重庆市科委“汽车动力系统关键零部件加工数控机床增效技术开发与应用”项目（项目编号:cstc2017zdcy-zdzxX0005）,以重庆市某机床企业所生产的立式加工中心（VTC-32S）为研究对象,使用统计检验法则建立了与故障数据相匹配的可靠性模型,确定了机床的早期故障期;将故障失效模式及影响分析（FMEA）与故障树分析（FTA）技术相结合,确定了早期故障期的严重故障模式和导致相应早期故障产生的重要底事件;针对故障频发的子系统,设计早期故障试验方案并进行相应的试验;最后对总装过程装配精度进行了相关分析。论文主要研究内容包括以下几个方面:（1）立式加工中心故障率曲线建...
【文章来源】：重庆理工大学重庆市
【文章页数】：103 页
【学位级别】：硕士
【部分图文】：
VTC-32S型立式加工中心
重庆理工大学硕士学位论文20图2.9S-PLP、S-LLP、B-BIP故障强度函数图像2.4.2拟合优度检验对数控机床进行可靠性评估建模时，不同的数学模型对机床故障数据的匹配准确度也不尽相同，因此在计算出各模型的参数后，需要采用适当的方法对目标集的模型进行优选，选出最符合该机床故障数据的可靠性模型。常用模型的选择方法有赤池信息准则[82](AkaikeInformationCriterion,AIC)、Cramer-VonMises（C-M）统计量[83]、和方差（TheSumofSquaredErrors,SSE）[84]、拟合优度R[85]、K-S检验[86]等。为了便于计算，本文选取AIC信息准则和拟合优度R对模型进行优眩（1）AIC值的计算AIC信息准则是利用对数似然函数的最大值maxlnl来确定模型的拟合优度，其AIC值越小，代表模型契合度越高。AIC值的计算如式（2.18）：AIC=2maxlnl+2k(2.18)式中，k表示模型参数的个数；maxlnl表示对数似然函数最大估计值。计算结果如表2.4所示。（2）拟合优度R的计算根据实际值与理想值的偏离程度大小来衡量模型对数据的拟合程度。根据文献[75]定义拟合优度评价指标R为式（2.19）：22111()/NNiiiiiRNMN===(2.19)式中，iN为i时刻实际累积故障数；iM为期望故障数的估计值。R越大则说明模型拟合程度越好，R较大的模型为最佳模型。计算结果如表2.4所示。根据表2.4中计算结果表明，B-BIP模型的AIC值最小为222.36BBIPAIC=，其
重庆理工大学硕士学位论文26图3.4早期故障部位统计图由上图的统计得出，早期故障期内自动换刀子系统发生的故障次数较多，故障率高达33.33%，其次为主轴系统和进给系统，其频率均为20.00%。对于自动换刀系统，故障现象有机械手抓不住刀、漏油、刀库卡刀、机械手移动不到位等。因此，为了降低该子系统的故障率，后续第四章将对该子系统进行早期故障排除试验，以消除其潜在的故障。3.2.2早期故障类型统计早期故障类型统计是对机床在早期故障期阶段所出现的故障模式属于哪一大类进行统计分析。通过早期故障类型统计，可以初步了解早期故障期内机床容易发生的是故障是哪些，为寻找整机早期故障期最严重的故障模式提供参考。根据已有的故障数据，早期故障类型统计结果如图3.5所示。图3.5早期故障类型统计图由图3.5统计得出，早期故障期内常发生的故障类型有工艺型、动作型、功能型
【参考文献】：
期刊论文
[1]基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法[J]. 钱晓明,王鑫豪,楼佩煌. 计算机集成制造系统. 2019(12)
[2]缺失数据下非线性均值方差模型的参数估计[J]. 宋红凤,汤杨冰,徐登可. 统计与决策. 2017(19)
[3]掘进机截割系统的故障树-层次分析法诊断分析[J]. 刘强,尹同舟,唐秀山,唐至威,杨健健,吴淼. 煤炭科学技术. 2017(03)
[4]“十三五”国家战略性新兴产业发展规划[J]. 中国产经. 2016(12)
[5]加工中心可靠性维修周期的研究[J]. 张丽萍,李业农,赵建杰. 机电工程. 2016(11)
[6]一种基于改进群组AHP法的指标权重确定方法[J]. 侯晓东,杨江平,王永攀,苗伟. 现代防御技术. 2016(05)
[7]机床强则制造强——从《中国制造2015》看强国战略[J]. 秦伟,陈曦,张饮深. 装备制造. 2016(07)
[8]基于模糊集合理论的液压缸故障树分析方法研究[J]. 赵海鸣,熊志宏,曾雷,张欢. 合肥工业大学学报(自然科学版). 2016(02)
[9]基于Copula函数的水资源供需风险损失模型及其应用[J]. 钱龙霞,张韧,王红瑞,洪梅. 系统工程理论与实践. 2016(02)
[10]基于SPSS的共现聚类分析参数选择的实例研究[J]. 隋明爽,崔雷. 中华医学图书情报杂志. 2016(01)
博士论文
[1]不确定信息环境下多准则群决策方法研究[D]. 贾凡.山东大学 2017
[2]基于Copula方法的金融风险理论研究[D]. 吴永锋.苏州大学 2016
[3]机械产品几何精度设计中的三维偏差分析技术[D]. 蒋科.北京理工大学 2014
[4]产品装配质量设计、预测与控制理论、方法及其应用[D]. 周思杭.浙江大学 2013
[5]基于维修程度的数控机床可靠性建模与分析[D]. 许彬彬.吉林大学 2011
[6]数控机床的可靠性评估与不完全预防维修及其应用[D]. 王智明.上海交通大学 2011
硕士论文
[1]顺佳利微泵事业部产品质量管理优化研究[D]. 岳建刚.兰州大学 2019
[2]基于载荷谱的加工中心ATC系统加速寿命试验[D]. 王剑.吉林大学 2017
[3]加工中心可靠性分析与试验相关技术研究[D]. 周密.重庆大学 2016
[4]复杂机电产品装配质量特性及控制技术研究[D]. 陈德甲.上海工程技术大学 2016
[5]加工中心早期故障排除试验技术研究[D]. 高威.吉林大学 2015
[6]加工中心链式刀库及机械手可靠性试验方法研究[D]. 焦大蒙.吉林大学 2014
[7]加工中心盘式刀库可靠性试验方法研究[D]. 蒋敬仁.吉林大学 2014
[8]拟合优度检验统计量的研究及在质量控制中的应用[D]. 彭超.燕山大学 2012
[9]基于FMEA和重要度分析的数控车床可靠性改进设计[D]. 许崇文.吉林大学 2008
本文编号：3622432
【文章来源】：重庆理工大学重庆市
【文章页数】：103 页
【学位级别】：硕士
【部分图文】：
VTC-32S型立式加工中心
重庆理工大学硕士学位论文20图2.9S-PLP、S-LLP、B-BIP故障强度函数图像2.4.2拟合优度检验对数控机床进行可靠性评估建模时，不同的数学模型对机床故障数据的匹配准确度也不尽相同，因此在计算出各模型的参数后，需要采用适当的方法对目标集的模型进行优选，选出最符合该机床故障数据的可靠性模型。常用模型的选择方法有赤池信息准则[82](AkaikeInformationCriterion,AIC)、Cramer-VonMises（C-M）统计量[83]、和方差（TheSumofSquaredErrors,SSE）[84]、拟合优度R[85]、K-S检验[86]等。为了便于计算，本文选取AIC信息准则和拟合优度R对模型进行优眩（1）AIC值的计算AIC信息准则是利用对数似然函数的最大值maxlnl来确定模型的拟合优度，其AIC值越小，代表模型契合度越高。AIC值的计算如式（2.18）：AIC=2maxlnl+2k(2.18)式中，k表示模型参数的个数；maxlnl表示对数似然函数最大估计值。计算结果如表2.4所示。（2）拟合优度R的计算根据实际值与理想值的偏离程度大小来衡量模型对数据的拟合程度。根据文献[75]定义拟合优度评价指标R为式（2.19）：22111()/NNiiiiiRNMN===(2.19)式中，iN为i时刻实际累积故障数；iM为期望故障数的估计值。R越大则说明模型拟合程度越好，R较大的模型为最佳模型。计算结果如表2.4所示。根据表2.4中计算结果表明，B-BIP模型的AIC值最小为222.36BBIPAIC=，其
重庆理工大学硕士学位论文26图3.4早期故障部位统计图由上图的统计得出，早期故障期内自动换刀子系统发生的故障次数较多，故障率高达33.33%，其次为主轴系统和进给系统，其频率均为20.00%。对于自动换刀系统，故障现象有机械手抓不住刀、漏油、刀库卡刀、机械手移动不到位等。因此，为了降低该子系统的故障率，后续第四章将对该子系统进行早期故障排除试验，以消除其潜在的故障。3.2.2早期故障类型统计早期故障类型统计是对机床在早期故障期阶段所出现的故障模式属于哪一大类进行统计分析。通过早期故障类型统计，可以初步了解早期故障期内机床容易发生的是故障是哪些，为寻找整机早期故障期最严重的故障模式提供参考。根据已有的故障数据，早期故障类型统计结果如图3.5所示。图3.5早期故障类型统计图由图3.5统计得出，早期故障期内常发生的故障类型有工艺型、动作型、功能型
【参考文献】：
期刊论文
[1]基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法[J]. 钱晓明,王鑫豪,楼佩煌. 计算机集成制造系统. 2019(12)
[2]缺失数据下非线性均值方差模型的参数估计[J]. 宋红凤,汤杨冰,徐登可. 统计与决策. 2017(19)
[3]掘进机截割系统的故障树-层次分析法诊断分析[J]. 刘强,尹同舟,唐秀山,唐至威,杨健健,吴淼. 煤炭科学技术. 2017(03)
[4]“十三五”国家战略性新兴产业发展规划[J]. 中国产经. 2016(12)
[5]加工中心可靠性维修周期的研究[J]. 张丽萍,李业农,赵建杰. 机电工程. 2016(11)
[6]一种基于改进群组AHP法的指标权重确定方法[J]. 侯晓东,杨江平,王永攀,苗伟. 现代防御技术. 2016(05)
[7]机床强则制造强——从《中国制造2015》看强国战略[J]. 秦伟,陈曦,张饮深. 装备制造. 2016(07)
[8]基于模糊集合理论的液压缸故障树分析方法研究[J]. 赵海鸣,熊志宏,曾雷,张欢. 合肥工业大学学报(自然科学版). 2016(02)
[9]基于Copula函数的水资源供需风险损失模型及其应用[J]. 钱龙霞,张韧,王红瑞,洪梅. 系统工程理论与实践. 2016(02)
[10]基于SPSS的共现聚类分析参数选择的实例研究[J]. 隋明爽,崔雷. 中华医学图书情报杂志. 2016(01)
博士论文
[1]不确定信息环境下多准则群决策方法研究[D]. 贾凡.山东大学 2017
[2]基于Copula方法的金融风险理论研究[D]. 吴永锋.苏州大学 2016
[3]机械产品几何精度设计中的三维偏差分析技术[D]. 蒋科.北京理工大学 2014
[4]产品装配质量设计、预测与控制理论、方法及其应用[D]. 周思杭.浙江大学 2013
[5]基于维修程度的数控机床可靠性建模与分析[D]. 许彬彬.吉林大学 2011
[6]数控机床的可靠性评估与不完全预防维修及其应用[D]. 王智明.上海交通大学 2011
硕士论文
[1]顺佳利微泵事业部产品质量管理优化研究[D]. 岳建刚.兰州大学 2019
[2]基于载荷谱的加工中心ATC系统加速寿命试验[D]. 王剑.吉林大学 2017
[3]加工中心可靠性分析与试验相关技术研究[D]. 周密.重庆大学 2016
[4]复杂机电产品装配质量特性及控制技术研究[D]. 陈德甲.上海工程技术大学 2016
[5]加工中心早期故障排除试验技术研究[D]. 高威.吉林大学 2015
[6]加工中心链式刀库及机械手可靠性试验方法研究[D]. 焦大蒙.吉林大学 2014
[7]加工中心盘式刀库可靠性试验方法研究[D]. 蒋敬仁.吉林大学 2014
[8]拟合优度检验统计量的研究及在质量控制中的应用[D]. 彭超.燕山大学 2012
[9]基于FMEA和重要度分析的数控车床可靠性改进设计[D]. 许崇文.吉林大学 2008
本文编号：3622432
本文链接：https://www.wllwen.com/kejilunwen/jinshugongy/3622432.html
