發(fā)布時(shí)間：2023-03-29 05:14

　　伴隨著人們不斷提升的物質(zhì)文化需求,中國(guó)制造需要跟緊步伐,鑒于數(shù)控機(jī)床在工業(yè)生產(chǎn)中的特殊地位,對(duì)數(shù)控機(jī)床可靠性的研究也需要精益求精,尋找到更切實(shí)、更科學(xué)、更優(yōu)化的可靠性分析方法,以便更好的管理、維護(hù)和改良數(shù)控機(jī)床。傳統(tǒng)的數(shù)控機(jī)床可靠性建模不考慮工況因素,但實(shí)際上數(shù)控機(jī)床作為一類大型復(fù)雜機(jī)電設(shè)備,其可靠性水平會(huì)受到加工條件和運(yùn)行所承受載荷等工況條件的影響,為了給機(jī)床用戶企業(yè)的生產(chǎn)管理和機(jī)床制造企業(yè)對(duì)產(chǎn)品的改良換代提供更為精準(zhǔn)的參考依據(jù),本文建立了考慮工況因素的數(shù)控機(jī)床可靠性模型,能夠更真實(shí)的反應(yīng)產(chǎn)品的可靠性水平。本文將模型的建立分為了三個(gè)模塊:首先是對(duì)工況數(shù)據(jù)的分析和處理,然后是對(duì)故障數(shù)據(jù)的分析與計(jì)算,最后使用處理后的工況數(shù)據(jù)和故障數(shù)據(jù)建立了數(shù)控機(jī)床的可靠性模型。同時(shí),針對(duì)建模過程中出現(xiàn)的一些問題和建模細(xì)節(jié)分別展開了討論和分析,給出了相應(yīng)的具體方法和計(jì)算實(shí)例。具體研究?jī)?nèi)容如下:(1)收集并整理了一批包含工況數(shù)據(jù)和故障數(shù)據(jù)的某型號(hào)立式加工中心可靠性數(shù)據(jù);結(jié)合相關(guān)文獻(xiàn)資料及機(jī)床工況載荷特性選出切削功率、切削力、換刀頻次和環(huán)境溫度作為建立可靠性模型需要考慮的四種工況因素,給出了相應(yīng)的計(jì)算方法;經(jīng)...

【文章頁數(shù)】：91 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 可靠性相關(guān)內(nèi)容研究現(xiàn)狀
        1.2.1 數(shù)控機(jī)床可靠性研究現(xiàn)狀
        1.2.2 考慮工況的可靠性研究現(xiàn)狀
        1.2.3 小樣本可靠性評(píng)價(jià)方法研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
第2章 數(shù)控機(jī)床可靠性數(shù)據(jù)獲取與工況數(shù)據(jù)分析
    2.1 數(shù)控機(jī)床可靠性數(shù)據(jù)的獲取
        2.1.1 可靠性試驗(yàn)類型和數(shù)據(jù)來源
        2.1.2 可靠性數(shù)據(jù)分類
    2.2 可靠性建模工況選擇
    2.3 可靠性建模工況計(jì)算
        2.3.1 切削力與切削功率計(jì)算
        2.3.2 換刀頻次應(yīng)力水平計(jì)算
        2.3.3 環(huán)境溫度應(yīng)力水平計(jì)算
    2.4 切削力和切削功率的數(shù)據(jù)篩選方法
        2.4.1 數(shù)據(jù)特征分析
        2.4.2 一維數(shù)據(jù)分類方法
        2.4.3 常用聚類方法整理與分析
        2.4.4 聚類方法適用性對(duì)比
    2.5 使用k-means算法的聚類篩選
        2.5.1 k-means算法原理與實(shí)現(xiàn)
        2.5.2 初始聚類中心優(yōu)化
        2.5.3 合理分類數(shù)目確定
        2.5.4 切削力數(shù)據(jù)聚類
        2.5.5 切削功率數(shù)據(jù)聚類
    2.6 本章小結(jié)
第3章 數(shù)控機(jī)床的可靠性評(píng)價(jià)
    3.1 可靠性評(píng)價(jià)基礎(chǔ)
        3.1.1 可靠性評(píng)價(jià)指標(biāo)
        3.1.2 TBF的概率函數(shù)
        3.1.3 TBF的分布模型
    3.2 威布爾分布模型參數(shù)估計(jì)
        3.2.1 模型參數(shù)的點(diǎn)估計(jì)
        3.2.2 模型參數(shù)的區(qū)間估計(jì)
        3.2.3 MTBF的點(diǎn)估計(jì)
    3.3 模型擬合優(yōu)度檢驗(yàn)
    3.4 小樣本故障數(shù)據(jù)可靠性評(píng)價(jià)方法
        3.4.1 小樣本問題的引出與解決方案
        3.4.2 Bayes方法的特點(diǎn)
        3.4.3 Bayes公式
    3.5 應(yīng)用Bayes方法的可靠性評(píng)價(jià)
        3.5.1 威布爾分布參數(shù)的先驗(yàn)概率分布
        3.5.2 威布爾分布參數(shù)的后驗(yàn)概率分布
        3.5.3 高維積分解決方案
        3.5.4 威布爾分布參數(shù)的后驗(yàn)邊緣概率
        3.5.5 威布爾分布參數(shù)的Bayes點(diǎn)估計(jì)
    3.6 數(shù)控機(jī)床可靠性評(píng)價(jià)實(shí)例
    3.7 本章小結(jié)
第4章 考慮工況的數(shù)控機(jī)床可靠性建模
    4.1 采用SOFM的工況數(shù)據(jù)聚類
        4.1.1 SOFM概述
        4.1.2 SOFM算法
        4.1.3 基于SOFM的工況數(shù)據(jù)聚類分析
    4.2 工況水平與可靠性水平關(guān)系模型建立
        4.2.1 采用LM算法的BP神經(jīng)網(wǎng)絡(luò)
        4.2.2 嚴(yán)格型徑向基函數(shù)網(wǎng)絡(luò)
        4.2.3 支持向量回歸方法
    4.3 模型的對(duì)比與選擇
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介及科研成果
致謝



本文編號(hào)：3774074