黃永紅　傅麗群　周紅霞

摘 要：在加工中心出現(xiàn)典型故障時，將故障能夠以時間變量定義為一個模糊變量，考慮到在故障發(fā)生時具備的不可預(yù)料的隨機性，所以新建在這種情況下加工中心的故障模型。運用這種在隨機模糊條件下的模糊模擬技術(shù)，并得出一個相對典型的故障模型，對這種故障模式出現(xiàn)的頻率與發(fā)生的條件做出統(tǒng)計和計算，有效的對此型號加工中心有所掌控，能夠在一定程度上預(yù)防此種故障的發(fā)生，并總結(jié)出對加工中心影響相對更大的故障模式。

關(guān)鍵詞：隨機模糊條件；加工中心；故障模式

一、定義

（一）模糊變量。模糊變量μ是一條從可能性空間（Θ，P

（Θ），Pos）到直線R上的函數(shù)，也就是從可能性空間（Θ，P（Θ），Pos）到實數(shù)集的函數(shù)?？赡苄?，可信性，必要性這三項測度在可能性空間—可能性Pos（A）測度是發(fā)生的可能性；必要性是與上述描述的可能性Pos（A）中的A事件的對立集合；可信性是可能性和必要性兩項測度的平均值。

模糊變量的取值是可能性空間到實數(shù)集的函數(shù)。根據(jù)本文中模糊變量的概念，假如模糊變量的分布為已知類別，可以將數(shù)控機床的某部位設(shè)為隨機模糊變量ξ，（x≥0）時概率密度為Φ（x）=1/θexp[-x/θ]，或者在x小于0時Φ（x）=0。其中θ是不確定參數(shù)，如果存在足以定量的數(shù)據(jù)，可以對θ進行估算，以得出相應(yīng)的取值和信任范圍。

（二）平均機會測度。隨機事件本質(zhì)上是具有隨機性，不確定模糊變量的，隨機模糊事件發(fā)生的機會也具有相應(yīng)的隨機性和模糊性，是一個函數(shù)。設(shè)ξ為可能性空間（Θ，P（Θ），Pos）的模糊向量，則根據(jù)上文描述內(nèi)容：

Ch{f（ξ）≤0}（α）=sup{β∣Cr{θ∈ΘPr{f（ξ（θ））≥β}≥α}

隨機事件的本原機會在（0，1]到[0，1]的函數(shù)為以上的{f（ξ）≤0}。

Chα{f（ξ）≤0}= 01∫Ch{f（ξ）≤ 0}（α）dα為{f（ξ）≤0}平均機會，平均機會是為了對這種隨機模糊變量的隨機事件進行對比和排列而定義出的模糊事件的取值。同理假設(shè)ξ為可能性空間（Θ，P（Θ），Pos）的模糊向量，隨機事件{f（ξ）≤0}的平均機會為

Chα{f（ξ）≤0}= 01∫Ch{f（ξ）≤ 0}（α）dα為{f（ξ）≤0}隨機事件的平均機會。

二、計算和數(shù)據(jù)處理

加工中心故障可以分為指數(shù)分布，威布爾分布以及正態(tài)分布，這是根據(jù)加工中心故障的事件情況分出以上三類。即便是只有一種故障模式在加工中心發(fā)生作用，這種故障模式也會符合指數(shù)分布或者威布爾分布或者正態(tài)分布中的一種分布模型。下面將根據(jù)10臺加工中心的故障數(shù)據(jù)，且頻率大于4 的典型故障模式，對以上10 臺故障加工中心進行分析和統(tǒng)計。如1202元件受損；0301液氣油泄漏；0504刀失調(diào)；0603位移超程；0802出現(xiàn)不正常聲響等。符合步威爾分布模型，得出數(shù)據(jù)結(jié)果η=818.03且m=1.4734，所以相應(yīng)的概率分布數(shù)：

F（x）=1-exp[-（x/818.03）1.4734]。

根據(jù)以上數(shù)據(jù)參數(shù)的結(jié)果用統(tǒng)計法計算出故障發(fā)生頻率，如表

表 典型故障模式發(fā)生機會

三、結(jié)果

通過分析每一種故障模式，得出實際情況和以上進行的排列和頻率對比并不相同，頻率大的發(fā)生率較高的故障未必會真正經(jīng)常出現(xiàn)，所以不能夠嚴(yán)格按照發(fā)生頻率比來分析故障模式的發(fā)生情況。通過以上內(nèi)容發(fā)現(xiàn)，文章研究的此種型號加工中心最常出現(xiàn)的是0407，刀庫失調(diào)問題，經(jīng)過觀察圖表得知，0407這種故障模式的發(fā)生機會和發(fā)生頻率足夠針對這種狀況制定相應(yīng)的應(yīng)對措施，這也是模糊條件作用。為了能夠有效解決刀庫失調(diào)問題，應(yīng)該在硬件上采用相對精度較高的元件，并進行更嚴(yán)格的前期檢測，使得工作更加嚴(yán)謹預(yù)防問題出現(xiàn)。由于數(shù)控機床例如刀庫或者機械手等部件相對復(fù)雜精密，所以結(jié)合故障模型預(yù)防故障出現(xiàn)也是值得探討的問題。

四、討論

對故障發(fā)生進行建立故障模型，綜合考慮事件發(fā)生的不確定性和隨機性，并以模糊理論進行分析，將多種故障模式進行排列和計算，得出發(fā)生故障的頻率，可以在一定程度上預(yù)防故障的發(fā)生，也是數(shù)控機床加工中心能夠相對穩(wěn)定的工作保證。

參考文獻：

[1] 孫博. 加工中心模糊可靠性研究[D].吉林大學(xué)，2009.

[2] 姚金玖. 基于隨機性及隨機模糊性的加工中心故障模式分析[D].吉林大學(xué)，2009.