汽車行業(yè)作為我國的支柱型產業(yè)之一,其關鍵零部件加工質量和生產效率直接關系到汽車的動力性、經濟性和環(huán)保性。作為汽車動力系統零部件主要加工機床之一,立式加工中心的高精度、高效率以及高可靠性是我們追求的目標、也是汽車行業(yè)提檔升級的基礎。國外加工中心的可靠性已經達到了較高的水準,然而國內的加工中心在早期使用階段故障頻發(fā),一直制約著機床行業(yè)和汽車行業(yè)從中端邁向高端的發(fā)展,因此消除立式加工中心早期故障,提高其可靠性已經刻不容緩。本文依托重慶市科委“汽車動力系統關鍵零部件加工數控機床增效技術開發(fā)與應用”項目（項目編號:cstc2017zdcy-zdzxX0005）,以重慶市某機床企業(yè)所生產的立式加工中心（VTC-32S）為研究對象,使用統計檢驗法則建立了與故障數據相匹配的可靠性模型,確定了機床的早期故障期;將故障失效模式及影響分析（FMEA）與故障樹分析（FTA）技術相結合,確定了早期故障期的嚴重故障模式和導致相應早期故障產生的重要底事件;針對故障頻發(fā)的子系統,設計早期故障試驗方案并進行相應的試驗;最后對總裝過程裝配精度進行了相關分析。論文主要研究內容包括以下幾個方面:（1）立式加工中心故障率曲線建... 

【文章來源】：重慶理工大學重慶市

【文章頁數】：103 頁

【學位級別】：碩士

【部分圖文】：

VTC-32S型立式加工中心

重慶理工大學碩士學位論文20圖2.9S-PLP、S-LLP、B-BIP故障強度函數圖像2.4.2擬合優(yōu)度檢驗對數控機床進行可靠性評估建模時，不同的數學模型對機床故障數據的匹配準確度也不盡相同，因此在計算出各模型的參數后，需要采用適當的方法對目標集的模型進行優(yōu)選，選出最符合該機床故障數據的可靠性模型。常用模型的選擇方法有赤池信息準則[82](AkaikeInformationCriterion,AIC)、Cramer-VonMises（C-M）統計量[83]、和方差（TheSumofSquaredErrors,SSE）[84]、擬合優(yōu)度R[85]、K-S檢驗[86]等。為了便于計算，本文選取AIC信息準則和擬合優(yōu)度R對模型進行優(yōu)眩（1）AIC值的計算AIC信息準則是利用對數似然函數的最大值maxlnl來確定模型的擬合優(yōu)度，其AIC值越小，代表模型契合度越高。AIC值的計算如式（2.18）：AIC=2maxlnl+2k(2.18)式中，k表示模型參數的個數；maxlnl表示對數似然函數最大估計值。計算結果如表2.4所示。（2）擬合優(yōu)度R的計算根據實際值與理想值的偏離程度大小來衡量模型對數據的擬合程度。根據文獻[75]定義擬合優(yōu)度評價指標R為式（2.19）：22111()/NNiiiiiRNMN===(2.19)式中，iN為i時刻實際累積故障數；iM為期望故障數的估計值。R越大則說明模型擬合程度越好，R較大的模型為最佳模型。計算結果如表2.4所示。根據表2.4中計算結果表明，B-BIP模型的AIC值最小為222.36BBIPAIC=，其

重慶理工大學碩士學位論文26圖3.4早期故障部位統計圖由上圖的統計得出，早期故障期內自動換刀子系統發(fā)生的故障次數較多，故障率高達33.33%，其次為主軸系統和進給系統，其頻率均為20.00%。對于自動換刀系統，故障現象有機械手抓不住刀、漏油、刀庫卡刀、機械手移動不到位等。因此，為了降低該子系統的故障率，后續(xù)第四章將對該子系統進行早期故障排除試驗，以消除其潛在的故障。3.2.2早期故障類型統計早期故障類型統計是對機床在早期故障期階段所出現的故障模式屬于哪一大類進行統計分析。通過早期故障類型統計，可以初步了解早期故障期內機床容易發(fā)生的是故障是哪些，為尋找整機早期故障期最嚴重的故障模式提供參考。根據已有的故障數據，早期故障類型統計結果如圖3.5所示。圖3.5早期故障類型統計圖由圖3.5統計得出，早期故障期內常發(fā)生的故障類型有工藝型、動作型、功能型

【參考文獻】：
期刊論文
[1]基于聚類與改進最小二乘法支持向量機算法的汽車總裝輸送裝備故障預警方法[J]. 錢曉明,王鑫豪,樓佩煌.  計算機集成制造系統. 2019(12)
[2]缺失數據下非線性均值方差模型的參數估計[J]. 宋紅鳳,湯楊冰,徐登可.  統計與決策. 2017(19)
[3]掘進機截割系統的故障樹-層次分析法診斷分析[J]. 劉強,尹同舟,唐秀山,唐至威,楊健健,吳淼.  煤炭科學技術. 2017(03)
[4]“十三五”國家戰(zhàn)略性新興產業(yè)發(fā)展規(guī)劃[J].   中國產經. 2016(12)
[5]加工中心可靠性維修周期的研究[J]. 張麗萍,李業(yè)農,趙建杰.  機電工程. 2016(11)
[6]一種基于改進群組AHP法的指標權重確定方法[J]. 侯曉東,楊江平,王永攀,苗偉.  現代防御技術. 2016(05)
[7]機床強則制造強——從《中國制造2015》看強國戰(zhàn)略[J]. 秦偉,陳曦,張飲深.  裝備制造. 2016(07)
[8]基于模糊集合理論的液壓缸故障樹分析方法研究[J]. 趙海鳴,熊志宏,曾雷,張歡.  合肥工業(yè)大學學報(自然科學版). 2016(02)
[9]基于Copula函數的水資源供需風險損失模型及其應用[J]. 錢龍霞,張韌,王紅瑞,洪梅.  系統工程理論與實踐. 2016(02)
[10]基于SPSS的共現聚類分析參數選擇的實例研究[J]. 隋明爽,崔雷.  中華醫(yī)學圖書情報雜志. 2016(01)

博士論文
[1]不確定信息環(huán)境下多準則群決策方法研究[D]. 賈凡.山東大學 2017
[2]基于Copula方法的金融風險理論研究[D]. 吳永鋒.蘇州大學 2016
[3]機械產品幾何精度設計中的三維偏差分析技術[D]. 蔣科.北京理工大學 2014
[4]產品裝配質量設計、預測與控制理論、方法及其應用[D]. 周思杭.浙江大學 2013
[5]基于維修程度的數控機床可靠性建模與分析[D]. 許彬彬.吉林大學 2011
[6]數控機床的可靠性評估與不完全預防維修及其應用[D]. 王智明.上海交通大學 2011

碩士論文
[1]順佳利微泵事業(yè)部產品質量管理優(yōu)化研究[D]. 岳建剛.蘭州大學 2019
[2]基于載荷譜的加工中心ATC系統加速壽命試驗[D]. 王劍.吉林大學 2017
[3]加工中心可靠性分析與試驗相關技術研究[D]. 周密.重慶大學 2016
[4]復雜機電產品裝配質量特性及控制技術研究[D]. 陳德甲.上海工程技術大學 2016
[5]加工中心早期故障排除試驗技術研究[D]. 高威.吉林大學 2015
[6]加工中心鏈式刀庫及機械手可靠性試驗方法研究[D]. 焦大蒙.吉林大學 2014
[7]加工中心盤式刀庫可靠性試驗方法研究[D]. 蔣敬仁.吉林大學 2014
[8]擬合優(yōu)度檢驗統計量的研究及在質量控制中的應用[D]. 彭超.燕山大學 2012
[9]基于FMEA和重要度分析的數控車床可靠性改進設計[D]. 許崇文.吉林大學 2008



本文編號：3622432