朱 曉,冉 琰,張根保,黎新龍

(1.重慶大學(xué) 機(jī)械與運(yùn)載工程學(xué)院, 重慶 400044;2.重慶文理學(xué)院 智能制造工程學(xué)院, 重慶 402160)

0 引言

自可靠性概念在20世紀(jì)40年代出現(xiàn)以來(lái),作為制造業(yè)的工作母機(jī)——數(shù)控機(jī)床的可靠性就引起大量學(xué)者的關(guān)注和研究,經(jīng)過(guò)幾代學(xué)者們的研究和探索,形成了大量關(guān)于數(shù)控機(jī)床可靠性的研究成果。楊兆軍等[1]論述了機(jī)床的可靠性建模、故障分析、可靠性設(shè)計(jì)和可靠性試驗(yàn)等方面的研究進(jìn)展,并指出該領(lǐng)域存在相關(guān)研究機(jī)構(gòu)稀少、數(shù)據(jù)積累薄弱、故障機(jī)理研究不足、重整機(jī)輕部件等問(wèn)題,對(duì)開發(fā)數(shù)控機(jī)床全生命周期過(guò)程各階段的可靠性技術(shù)進(jìn)行了展望。He[2]總結(jié)了近些年來(lái)數(shù)控機(jī)床及其關(guān)鍵子系統(tǒng)可靠性建模技術(shù)的主要方法,闡述了高精密機(jī)床在試驗(yàn)統(tǒng)計(jì)數(shù)據(jù)不足的情況下,利用性能退化數(shù)據(jù),運(yùn)行狀態(tài)數(shù)據(jù)來(lái)評(píng)估機(jī)床可靠性的新機(jī)遇,以及準(zhǔn)確建立可靠性評(píng)估模型的新挑戰(zhàn)。陳傳海等[3]圍繞可靠性建模方法的研究歷程和技術(shù)進(jìn)展,對(duì)數(shù)控機(jī)床可靠性建模方法和技術(shù)進(jìn)行了綜合評(píng)述,總結(jié)出目前研究較多的是基于故障時(shí)間數(shù)據(jù)和性能退化數(shù)據(jù)的數(shù)控機(jī)床可靠性建模方法,而對(duì)建模過(guò)程的動(dòng)態(tài)性、信息融合技術(shù)下的可靠性建模研究較少,對(duì)應(yīng)的軟件開發(fā)和企業(yè)應(yīng)用也較為滯后。張根保等[4]對(duì)數(shù)控機(jī)床的可靠性設(shè)計(jì)技術(shù)、制造可靠性技術(shù)、可靠性試驗(yàn)技術(shù)、可靠性評(píng)估技術(shù)、早期故障消除技術(shù)、運(yùn)行可靠性技術(shù)、可靠性管理技術(shù)等進(jìn)行了全面論述,并提出從可靠性設(shè)計(jì)與分析、制造過(guò)程可靠性保障、可靠性試驗(yàn)手段和規(guī)范、可靠性管理體系四方面著手的國(guó)產(chǎn)數(shù)控機(jī)床可靠性提升策略。本文中以數(shù)控機(jī)床可靠性評(píng)估技術(shù)為核心,綜述了數(shù)控機(jī)床各種可靠性評(píng)估方法的發(fā)展歷程以及目前面臨的熱點(diǎn)問(wèn)題和挑戰(zhàn)。

可靠性評(píng)估貫穿于數(shù)控機(jī)床的整個(gè)生命周期。在設(shè)計(jì)階段,設(shè)計(jì)者需要根據(jù)數(shù)控機(jī)床的可靠性評(píng)估結(jié)果來(lái)合理分配其零部件的可靠度,從而設(shè)計(jì)出滿足用戶可靠性要求的產(chǎn)品;在制造階段,通過(guò)試驗(yàn)數(shù)據(jù)評(píng)估數(shù)控機(jī)床的可靠性是否滿足設(shè)計(jì)需求,根據(jù)評(píng)估結(jié)果找到數(shù)控機(jī)床的可靠性薄弱環(huán)節(jié),從而反饋到設(shè)計(jì)中來(lái)提高機(jī)床的設(shè)計(jì)可靠性;在使用階段,用戶根據(jù)對(duì)機(jī)床的可靠性評(píng)估結(jié)果調(diào)整相應(yīng)的車間生產(chǎn)計(jì)劃,制訂預(yù)防性維修決策,從而提高產(chǎn)品的生產(chǎn)效率,降低產(chǎn)品的生產(chǎn)成本。

根據(jù)國(guó)標(biāo)GB318—82標(biāo)準(zhǔn),可靠性定義為:產(chǎn)品在規(guī)定的條件下和規(guī)定的時(shí)間內(nèi)完成規(guī)定功能的能力。從可靠性的定義可知,可靠性是一個(gè)概率性問(wèn)題,無(wú)法通過(guò)肉眼觀察,或設(shè)備檢測(cè)得到而要量化評(píng)價(jià)數(shù)控機(jī)床的可靠性,就需要利用數(shù)控機(jī)床的數(shù)據(jù)信息,通過(guò)建立相應(yīng)的可靠性評(píng)估模型來(lái)實(shí)現(xiàn)?；诖?本文中從數(shù)控機(jī)床故障時(shí)間數(shù)據(jù)的統(tǒng)計(jì)性、性能退化數(shù)據(jù)的多樣性、狀態(tài)監(jiān)測(cè)數(shù)據(jù)的有效性以及機(jī)床認(rèn)知數(shù)據(jù)的不確定性四個(gè)角度出發(fā),分別論述了不同數(shù)據(jù)特征下相應(yīng)的可靠性建模方法。然后總結(jié)不同建模方法的優(yōu)劣勢(shì)和適用情形。最后,結(jié)合元?jiǎng)幼骼碚?、大?shù)據(jù)等新型技術(shù)的發(fā)展,探討了未來(lái)數(shù)控機(jī)床可靠性評(píng)估技術(shù)的新機(jī)遇。

1 基于故障時(shí)間數(shù)據(jù)的可靠性評(píng)估方法

在20世紀(jì)70年代,可靠性理論開始應(yīng)用到數(shù)控機(jī)床這類機(jī)電產(chǎn)品上時(shí),其可靠性評(píng)估方法主要是借鑒電子產(chǎn)品的可靠性評(píng)估技術(shù),即經(jīng)典統(tǒng)計(jì)方法。該方法通過(guò)收集機(jī)床大量的故障時(shí)間數(shù)據(jù),結(jié)合統(tǒng)計(jì)學(xué)理論,建立對(duì)應(yīng)的故障時(shí)間分布函數(shù),估計(jì)分布參數(shù),從而達(dá)到評(píng)價(jià)數(shù)控機(jī)床可靠性的目的。由于這種方法簡(jiǎn)潔實(shí)用,易操作,目前已成為應(yīng)用最普遍的數(shù)控機(jī)床可靠性評(píng)估技術(shù)。該技術(shù)實(shí)施的具體流程如圖1所示。

圖1 數(shù)控機(jī)床基于故障時(shí)間分布模型的可靠性評(píng)估流程

1.1 數(shù)控機(jī)床傳統(tǒng)的可靠性評(píng)估方法

初期,國(guó)內(nèi)針對(duì)數(shù)控機(jī)床的可靠性評(píng)估方法是通過(guò)收集大量的機(jī)床故障時(shí)間數(shù)據(jù),通過(guò)擬合故障間隔時(shí)間的分布來(lái)建立數(shù)控機(jī)床的可靠性評(píng)估模型。其中Wang等[5]收集了80臺(tái)數(shù)控車床為期2年的現(xiàn)場(chǎng)故障時(shí)間數(shù)據(jù),利用非線性回歸方法、最大似然函數(shù)(MLE)方法分析發(fā)現(xiàn)Weibull分布和對(duì)數(shù)正態(tài)分布更適合擬合數(shù)控車床的故障規(guī)律。國(guó)外早期對(duì)數(shù)控機(jī)床故障時(shí)間的分布研究相對(duì)國(guó)內(nèi)更早一些,Keller等[6]利用35臺(tái)數(shù)控機(jī)床運(yùn)行3年的故障時(shí)間數(shù)據(jù),采用Weibull分布和對(duì)數(shù)正態(tài)分布進(jìn)行擬合,并評(píng)估了機(jī)床的MTBF。Das等[7]對(duì)比分析了7臺(tái)機(jī)床故障間隔時(shí)間服從指數(shù)分布和Weibull分布時(shí)的失效規(guī)律,表明Weibull分布適合有多種失效率的機(jī)床故障數(shù)據(jù)擬合。由這些研究結(jié)果可知,數(shù)控機(jī)床的故障時(shí)間數(shù)據(jù)擬合時(shí),分布模型的選擇通常是先根據(jù)經(jīng)驗(yàn)或統(tǒng)計(jì)直方圖等方法選擇備用的多個(gè)分布模型,再采用矩估計(jì)、最小二乘估計(jì)或極大似然估計(jì)等方法估算分布模型的參數(shù),然后采用趨勢(shì)檢驗(yàn)、概率圖檢驗(yàn)、AIC檢驗(yàn)和BIC等方法,選擇最優(yōu)的分布模型,最后根據(jù)分布模型計(jì)算相應(yīng)的可靠性指標(biāo)。然而,有效使用這些方法的前提是收集的故障數(shù)據(jù)足夠多,能體現(xiàn)統(tǒng)計(jì)規(guī)律的故障特征,若在樣本量較少時(shí)則很難獲得評(píng)估的最優(yōu)解,與實(shí)際情況相比會(huì)出現(xiàn)較大偏差。

隨著可靠性評(píng)估方法在工業(yè)領(lǐng)域的快速發(fā)展和應(yīng)用,許多具有創(chuàng)新性的可靠性數(shù)據(jù)建模方法應(yīng)運(yùn)而生。本文中結(jié)合數(shù)控機(jī)床真實(shí)故障時(shí)間數(shù)據(jù)的諸多特征,圍繞其數(shù)據(jù)的截尾性、時(shí)序性、相關(guān)性、小樣本性等特征,以問(wèn)題為中心綜述了國(guó)內(nèi)外數(shù)控機(jī)床基于故障時(shí)間數(shù)據(jù)建模的可靠性評(píng)估技術(shù)的新進(jìn)展。

1.2 故障數(shù)據(jù)的截尾性

隨著機(jī)床的可靠性逐漸提高,以及長(zhǎng)時(shí)間跟蹤試驗(yàn)條件的限制,往往很難獲得大量的故障時(shí)間數(shù)據(jù),鑒于此,研究者提出了在指定運(yùn)行時(shí)間或指定故障次數(shù)內(nèi)的故障數(shù)據(jù)分析技術(shù),即試驗(yàn)數(shù)據(jù)的截尾性。截尾性數(shù)據(jù)是可靠性數(shù)據(jù)分析時(shí)最主要的一個(gè)特征。截尾試驗(yàn)通常包括定數(shù)截尾、定時(shí)截尾和隨機(jī)截尾3種類型,其中定數(shù)截尾和隨機(jī)截尾對(duì)試驗(yàn)樣本量的要求較高,工程實(shí)際中考慮到數(shù)控機(jī)床實(shí)驗(yàn)條件的限制,可供試驗(yàn)的樣本量較少,通常采取定時(shí)截尾的試驗(yàn)類型。定時(shí)截尾試驗(yàn)又分為無(wú)替換和有替換2種,考慮到數(shù)控機(jī)床作為可修設(shè)備,其定時(shí)截尾是有替換類型的,如圖2所示。

ti為樣本的故障時(shí)間;T為試驗(yàn)截尾時(shí)間;n為試驗(yàn)的樣本數(shù)量;r為故障的樣本數(shù)

圖3 基于Bayes方法的小樣本數(shù)控機(jī)床可靠性評(píng)估流程圖

Dai等[8]通過(guò)對(duì)10臺(tái)機(jī)床半年時(shí)間的定時(shí)截尾試驗(yàn)數(shù)據(jù)的分析,討論了截尾數(shù)據(jù)對(duì)數(shù)控機(jī)床MTBF評(píng)估結(jié)果的偏差影響。張英芝等[9]采用圖示和統(tǒng)計(jì)方法對(duì)8臺(tái)某型號(hào)數(shù)控機(jī)床一年內(nèi)的25個(gè)隨機(jī)截尾故障數(shù)據(jù)進(jìn)行了趨勢(shì)檢驗(yàn),發(fā)現(xiàn)數(shù)控機(jī)床故障數(shù)據(jù)更符合非齊次泊松過(guò)程,這種方法的效果與樣本大小無(wú)關(guān),且易于理解。此后為消除傳統(tǒng)二參數(shù)Weibull分布擬合截尾數(shù)據(jù)時(shí)帶來(lái)的誤差影響,張英芝進(jìn)一步提出采用三參數(shù)Weibull分布來(lái)擬合,檢驗(yàn)發(fā)現(xiàn)其可靠性評(píng)估的精確性得到提高[10]。王智明等[11]研究了多臺(tái)數(shù)控機(jī)床的時(shí)間截尾可靠性評(píng)估方法,考慮到數(shù)據(jù)不完整給評(píng)估結(jié)果造成的影響,分別利用MLE和Fisher信息矩陣法給出了Weibull分布參數(shù)的點(diǎn)估計(jì)和區(qū)間估計(jì),并利用蒙特卡洛法(MC)提高了區(qū)間估計(jì)的精確度,但該方法的計(jì)算過(guò)程較為復(fù)雜。為減少計(jì)算量,楊建國(guó)等[12]基于似然比檢驗(yàn)理論,采用初步粗略評(píng)估和最終精確評(píng)估兩步法給出了數(shù)控機(jī)床截尾數(shù)據(jù)情形下小樣本W(wǎng)eibull分布的點(diǎn)估計(jì)和區(qū)間估計(jì)。申桂香等[13]以6臺(tái)某加工中心定時(shí)截尾試驗(yàn)得到的18個(gè)故障數(shù)據(jù)為例,基于等效樣本法,利用Weibull分布模型建立系統(tǒng)組件可靠度模型、組件相互獨(dú)立假設(shè)下系統(tǒng)串聯(lián)可靠度模型以及系統(tǒng)統(tǒng)計(jì)可靠度模型。上述文獻(xiàn)在很大程度上緩解了因?yàn)楣收蠑?shù)據(jù)截尾性造成的數(shù)控機(jī)床可靠性評(píng)估偏差的問(wèn)題。但是,上述方法的一個(gè)共同特征是都有數(shù)控機(jī)床整機(jī)或子部件的故障時(shí)間是服從Weibull分布族的假設(shè)或結(jié)論。提出這種假設(shè)或得到這樣的結(jié)論,其前提條件是數(shù)控機(jī)床的故障間隔時(shí)間數(shù)據(jù)都是獨(dú)立同分布的且故障率恒定或單調(diào)。而數(shù)控機(jī)床作為可修設(shè)備,其失效率在整個(gè)生命周期內(nèi)因維修程度的不同會(huì)呈現(xiàn)出復(fù)雜的變化過(guò)程。

數(shù)控機(jī)床作為可修復(fù)設(shè)備,不同維修程度下的故障間隔時(shí)間可能具有不同的故障率,因此故障數(shù)據(jù)不一定是獨(dú)立同分布的。獨(dú)立同分布的條件即說(shuō)明每臺(tái)機(jī)床故障后的維修程度都是“修復(fù)如新”的,機(jī)床修復(fù)后恢復(fù)到初始記錄時(shí)刻的性能水平。而實(shí)際上數(shù)控機(jī)床每次故障后的維修程度根據(jù)用戶實(shí)際需要以及故障模式的嚴(yán)酷程度會(huì)有“修復(fù)如新”(完全維修)、“修復(fù)如舊”(最小維修),以及介于兩者之間的修復(fù)(不完全維修)等多種情形。鑒于數(shù)控機(jī)床的維修活動(dòng)給可靠性評(píng)估造成的影響,張根保[14]提出了基于廣義比例強(qiáng)度模型的多臺(tái)數(shù)控機(jī)床不完全維修的可靠性評(píng)估方法。王智明[15]在最小維修的假設(shè)下利用非齊次泊松過(guò)程和邊界強(qiáng)度過(guò)程對(duì)故障時(shí)間建模。任麗娜等[16]提出疊加的對(duì)數(shù)線性過(guò)程,來(lái)評(píng)估多臺(tái)數(shù)控機(jī)床在最小維修條件下的全壽命周期可靠性。朱斌等[17]提出雙重對(duì)數(shù)線性比例強(qiáng)度模型(S-LPIM)對(duì)不完全維修狀態(tài)機(jī)床的可靠性進(jìn)行建模。這些方法在很大程度上都改善了分布參數(shù)的估計(jì)誤差,從而提高了可靠性評(píng)估的準(zhǔn)確性。相比于國(guó)內(nèi)關(guān)于數(shù)控機(jī)床基于截尾數(shù)據(jù)情形下的可靠性評(píng)估研究,國(guó)外針對(duì)這個(gè)方向的研究較為少見(jiàn),更多的是針對(duì)高可靠性下所產(chǎn)生的小樣本情形的研究,國(guó)內(nèi)眾多學(xué)者也開展了基于小樣本情況下的數(shù)控機(jī)床可靠性評(píng)估方法的研究。

1.3 故障數(shù)據(jù)的小樣本性

隨著制造工藝技術(shù)的進(jìn)步及新型材料的出現(xiàn),數(shù)控機(jī)床發(fā)生故障的頻率有所降低,可靠性有所提高,但相對(duì)國(guó)外的機(jī)床產(chǎn)品,仍存在較大差距。在這樣的背景下,基于小樣本故障數(shù)據(jù)下的可靠性評(píng)估技術(shù)顯得尤為重要。國(guó)內(nèi)許多學(xué)者針對(duì)小樣本情形下的可靠性評(píng)估方法展開了大量的研究。申桂香等[18]針對(duì)數(shù)控機(jī)床的小子樣,在利用傳統(tǒng)的MLE求得Weibull分布的參數(shù)后,采用參數(shù)偏差修正方法修正分布模型以提高擬合效果。對(duì)參數(shù)的修正即將樣本數(shù)據(jù)與經(jīng)驗(yàn)分布的偏差進(jìn)行修正,但不能確定小樣本下的分布函數(shù)的適應(yīng)性。考慮到數(shù)控機(jī)床發(fā)生故障前包含的有關(guān)經(jīng)驗(yàn)信息,基于先驗(yàn)分布的合理選擇,利用Bayes理論及其改進(jìn)模型的小樣本數(shù)控機(jī)床可靠性評(píng)估成為該方向的研究熱點(diǎn)之一。Bayes方法評(píng)估小樣本情形下數(shù)控機(jī)床可靠性的實(shí)施步驟如圖 3 所示。

Bayes方法處理小樣本數(shù)據(jù)的分布建模問(wèn)題時(shí),關(guān)鍵問(wèn)題在于根據(jù)數(shù)控機(jī)床故障前的經(jīng)驗(yàn)信息,如何選擇合適的先驗(yàn)分布來(lái)建立評(píng)估用的后驗(yàn)分布。Peng等[19]將龍門加工中心的生命周期分成多個(gè)階段,根據(jù)各個(gè)階段的可靠性改進(jìn)因素和信息融合因素整合主觀的經(jīng)驗(yàn)信息建立多階段Bayes更新模型,從而準(zhǔn)確評(píng)估加工中心的可靠性。Yang等[20]利用專家評(píng)分法來(lái)獲得Weibull分布的參數(shù)并作為其Bayes方法的先驗(yàn)分布,進(jìn)而評(píng)估數(shù)控機(jī)床的MTBF。李晨關(guān)等[21]為解決先驗(yàn)分布信息不足的問(wèn)題,引入兩層Bayes方法,為解決后驗(yàn)分布的計(jì)算問(wèn)題,使用MCMC模型進(jìn)行參數(shù)估計(jì),最終實(shí)現(xiàn)五軸聯(lián)動(dòng)數(shù)控機(jī)床的可靠性評(píng)估。

考慮到可能存在很難獲取數(shù)控機(jī)床先驗(yàn)分布信息的情形,部分學(xué)者嘗試從小樣本數(shù)據(jù)自身的特點(diǎn)出發(fā),利用機(jī)器學(xué)習(xí)方法的思想,提出了一些新的數(shù)控機(jī)床可靠性評(píng)估方法。楊兆軍等[22]提出了一種基于支持向量回歸模型的參數(shù)估計(jì)方法,并利用改進(jìn)的局部最優(yōu)粒子群優(yōu)化算法對(duì)支持向量回歸模型的參數(shù)進(jìn)行優(yōu)化,以提高模型評(píng)估的精度。熊建橋等[23]利用粒子群優(yōu)化算法和加權(quán)最小二乘算法對(duì)比分析分布參數(shù)的評(píng)估誤差,發(fā)現(xiàn)前者的評(píng)估精度更優(yōu)。上述基于小樣本情形下運(yùn)用Bayes模型、支持向量機(jī)模型和粒子群優(yōu)化算法模型等在很大程度上擴(kuò)展了數(shù)控機(jī)床的可靠性評(píng)估方法,使評(píng)估結(jié)果能更加真實(shí)地反映出數(shù)控機(jī)床的可靠性水平。而無(wú)論是截尾數(shù)據(jù),還是小樣本數(shù)據(jù),其對(duì)應(yīng)的可靠性建模都是以單一分布形式為前提的,即假設(shè)數(shù)控機(jī)床的故障模式或故障機(jī)理是單一的。顯然,數(shù)控機(jī)床作為機(jī),電,液等多要素構(gòu)成的復(fù)雜系統(tǒng),在整個(gè)生命周期中,其故障模式是多樣化的。

1.4 故障數(shù)據(jù)的相關(guān)性

相關(guān)性數(shù)據(jù),是從數(shù)據(jù)的來(lái)源相關(guān)性來(lái)說(shuō)的,通常由故障模式相關(guān)性和運(yùn)動(dòng)部件相關(guān)性2種不同分析角度來(lái)探討所收集故障時(shí)間數(shù)據(jù)的相關(guān)性。針對(duì)第一種,傳統(tǒng)的數(shù)控機(jī)床單一分布的建模是基于單一的故障模式,或者是單一的故障機(jī)制,而數(shù)控機(jī)床作為一種復(fù)雜的機(jī)電系統(tǒng),往往具有多個(gè)不同的故障模式,故障的發(fā)生是多種失效機(jī)理的混合作用下的結(jié)果。數(shù)控機(jī)床整個(gè)生命周期的故障率變化規(guī)律大致可以描繪成浴盆形狀,即全生命周期包括3個(gè)階段:早期故障期、偶然故障期和耗損故障期。故障模式失效規(guī)律的相關(guān)性通常利用多重分布模型來(lái)實(shí)現(xiàn)建模。針對(duì)第二種相關(guān)性,則是從數(shù)控機(jī)床各個(gè)功能部件之間結(jié)構(gòu)、功能的相關(guān)性來(lái)分析此時(shí)整機(jī)的可靠性,通常利用合適的Copula函數(shù)來(lái)建立其相關(guān)性模型。

數(shù)控機(jī)床作為一類復(fù)雜的,包含機(jī)電液等多種零件的機(jī)電設(shè)備,其故障模式對(duì)應(yīng)的故障機(jī)理不同,所以數(shù)控機(jī)床的故障時(shí)間數(shù)據(jù)對(duì)應(yīng)著多個(gè)分布,以往用單一的分布函數(shù)不能準(zhǔn)確表征數(shù)控機(jī)床故障發(fā)生時(shí)間的規(guī)律。張根保等[24]考慮到加工中心故障模式的多樣性,建立了兩重混合Weibull模型來(lái)評(píng)價(jià)加工中心的可靠性。兩重Weibull分布模型因其擬合精度較高,建模難度相對(duì)多重Weibull模型要小很多,因而被更多學(xué)者用來(lái)評(píng)估數(shù)控機(jī)床的可靠性。叢明等[25]比較了3種常用的兩重Weibull模型,分別為:兩重分段型Weibull、兩重混合型Weibull和兩重相乘型Weibull,通過(guò)擬合精度最優(yōu)來(lái)選擇分布模型,并以此評(píng)估了加工中心的早期故障期?？紤]到加工中心不同故障機(jī)制對(duì)應(yīng)著不同的失效規(guī)律,張根保[26]從故障所受應(yīng)力性質(zhì)不同進(jìn)行分類,利用競(jìng)爭(zhēng)Weibull模型來(lái)評(píng)估加工中心的可靠性。李研等[27]進(jìn)一步考慮到退化失效和突發(fā)失效競(jìng)爭(zhēng)時(shí),故障時(shí)間數(shù)據(jù)的次序性給評(píng)估造成的偏差,利用JOHNSON法對(duì)故障次序進(jìn)行修正,優(yōu)化了數(shù)控機(jī)床的可靠性評(píng)估結(jié)果。祁陽(yáng)等[28]考慮到數(shù)控機(jī)床機(jī)械故障和電氣故障不同的故障性質(zhì),利用混合Weibull分布建立了數(shù)控機(jī)床的可靠性評(píng)估模型。

數(shù)控機(jī)床按照其結(jié)構(gòu)、功能劃分,依據(jù)劃分原則不同,存在多種功能子系統(tǒng)。宋琪[29]將加工中心劃分成機(jī)械系統(tǒng)、電氣系統(tǒng)和輔助裝置3個(gè)子系統(tǒng),并利用Gumbel-Copula函數(shù)模型建立了加工中心的聯(lián)合概率可靠度模型,通過(guò)與相互獨(dú)立時(shí)的情形相比較發(fā)現(xiàn)聯(lián)合模型下其可靠度下降更慢一些。張英之等[30]進(jìn)一步考慮到數(shù)控機(jī)床這些部件之間影響關(guān)系的方向性而重新選擇更加合理的Copula函數(shù)建立聯(lián)合可靠度函數(shù),發(fā)現(xiàn)其可靠度模型更合理,更符合實(shí)際。不同的Copula函數(shù)類型在表征故障數(shù)據(jù)分布之間的頭部相關(guān)、尾部相關(guān)、強(qiáng)相關(guān)、弱相關(guān)等方面都有很廣泛的應(yīng)用。利用Copula函數(shù)建立數(shù)控機(jī)床部件之間的故障數(shù)據(jù)相關(guān)性,關(guān)鍵在于合理選擇恰當(dāng)?shù)腃opula函數(shù)來(lái)表征不同功能部件的故障相關(guān)特征,這也是該方法進(jìn)一步應(yīng)用時(shí)最為重要的問(wèn)題。

1.5 故障數(shù)據(jù)的時(shí)序性

上述幾個(gè)維度的故障數(shù)據(jù)分析方法,其針對(duì)的是數(shù)控機(jī)床故障間隔時(shí)間,而間隔時(shí)間是由各個(gè)故障時(shí)間點(diǎn)經(jīng)過(guò)數(shù)學(xué)運(yùn)算處理后得到的。這樣的處理可能會(huì)丟失故障發(fā)生的時(shí)間次序?qū)?shù)控機(jī)床可靠性的影響,評(píng)估的可靠性始終反映的是一個(gè)時(shí)間間隔內(nèi)的平均可靠性水平。考慮到數(shù)控機(jī)床發(fā)生故障的時(shí)間點(diǎn),針對(duì)時(shí)間點(diǎn)的動(dòng)態(tài)可靠性評(píng)估,楊兆軍等[31]根據(jù)機(jī)床故障發(fā)生的時(shí)刻點(diǎn),在不改變故障時(shí)序的前提下建立了其可靠性模型,進(jìn)而評(píng)估數(shù)控機(jī)床實(shí)時(shí)可靠性,并討論了各次故障時(shí)間的相關(guān)性。

經(jīng)過(guò)上述圍繞故障時(shí)間數(shù)據(jù)的4個(gè)角度而展開的數(shù)控機(jī)床可靠性評(píng)估方法綜述,從本質(zhì)上來(lái)說(shuō),這些方法所利用的數(shù)據(jù)仍然是基于故障時(shí)間數(shù)據(jù)。無(wú)論是大樣本還是小樣本情形,故障時(shí)間數(shù)據(jù)自身所具有的概率統(tǒng)計(jì)特點(diǎn)給評(píng)估結(jié)果帶來(lái)的誤差影響無(wú)法規(guī)避,只能通過(guò)優(yōu)化模型來(lái)緩解這種影響。而隨著傳感器技術(shù)和計(jì)算機(jī)技術(shù)在數(shù)控機(jī)床上的應(yīng)用,更多能夠反映數(shù)控機(jī)床可靠性水平的數(shù)據(jù)信息被檢測(cè)并記錄下來(lái),隨之,對(duì)應(yīng)的可靠性評(píng)估方法也有了更多的視角。其中,引起眾多學(xué)者關(guān)注并初步提出了可靠性建模評(píng)估方法的是圍繞設(shè)備的性能退化數(shù)據(jù)[32]。

2 基于性能退化數(shù)據(jù)的可靠性評(píng)估方法

隨著工業(yè)技術(shù)的快速發(fā)展,針對(duì)一些高可靠,長(zhǎng)壽命的數(shù)控機(jī)床,很難在短期內(nèi)獲取足夠的故障時(shí)間數(shù)據(jù),加之?dāng)?shù)控機(jī)床逐漸朝著個(gè)性化定制的方向發(fā)展,很難收集到具有大批量特點(diǎn)的機(jī)床故障數(shù)據(jù),因此,傳統(tǒng)的基于經(jīng)典統(tǒng)計(jì)學(xué)方法,利用故障時(shí)間數(shù)據(jù)的數(shù)控機(jī)床可靠性評(píng)估方法并不適用于這類數(shù)控機(jī)床。O’Connor[33]在可靠性專著中指出,傳統(tǒng)的基于統(tǒng)計(jì)方法的可靠性分析丟失了產(chǎn)品運(yùn)行過(guò)程中的性能變化規(guī)律,而工程產(chǎn)品的可靠性與運(yùn)行過(guò)程中的性能變化息息相關(guān)。將可靠性建模的對(duì)象從數(shù)控機(jī)床的故障時(shí)間轉(zhuǎn)移到其性能變化數(shù)據(jù)上成為近些年來(lái)眾多學(xué)者研究的熱點(diǎn)之一。基于性能退化數(shù)據(jù)的數(shù)控機(jī)床可靠性評(píng)估模型是應(yīng)用較為廣泛的方法,這類方法在國(guó)內(nèi)以電子科技大學(xué),華中科技大學(xué)等高校的相關(guān)學(xué)者研究較多。

目前應(yīng)用在數(shù)控機(jī)床及其子系統(tǒng)上最為廣泛的性能退化數(shù)據(jù)建模方法主要包括根據(jù)物理故障機(jī)理建立的退化軌跡模型,以退化量建立的偽壽命分布模型和退化狀態(tài)劃分下的多狀態(tài)躍遷模型?；谛阅芡嘶Ｐ偷臄?shù)控機(jī)床可靠性評(píng)估流程如圖4所示。

圖4 基于性能退化模型的數(shù)控機(jī)床可靠性評(píng)估流程

2.1 基于退化軌跡的可靠性評(píng)估

基于退化軌跡的可靠性評(píng)估方法,是將每個(gè)樣本的性能退化量與時(shí)間建立函數(shù)關(guān)系,該函數(shù)稱為軌跡函數(shù)。通過(guò)軌跡函數(shù)外推性能退化量超過(guò)閾值的失效時(shí)間,即機(jī)床的偽壽命數(shù)據(jù),在一定樣本量的基礎(chǔ)上將這些壽命數(shù)據(jù)擬合成相應(yīng)的分布函數(shù),從而建立可靠性評(píng)估模型。由于數(shù)控機(jī)床的性能退化過(guò)程受工況、應(yīng)力載荷、維修水平等多種因素的影響,常見(jiàn)的線性回歸退化軌跡不能準(zhǔn)確表征數(shù)控機(jī)床的性能退化規(guī)律。鑒于此,近些年來(lái),通過(guò)考慮退化量的增量來(lái)建立特定的退化軌跡模型成為一種新的方法,這其中常見(jiàn)的應(yīng)用在數(shù)控裝備領(lǐng)域的包括Wiener過(guò)程,Gamma過(guò)程等。針對(duì)數(shù)控機(jī)床而言,通常將某些關(guān)鍵件/薄弱件的磨損退化量,運(yùn)動(dòng)件的精度誤差退化量等參數(shù)建立性能退化的Wiener過(guò)程模型,其表達(dá)式如下

y(t)=a+υt+δB(t)

(1)

式(1)中:y(t)為時(shí)刻t參數(shù)退化量的測(cè)量值;a為退化量的初始值;υ為漂移系數(shù);δ為擴(kuò)散系數(shù);B(t)為標(biāo)準(zhǔn)的布朗運(yùn)動(dòng)。壽命數(shù)據(jù)樣本T建立在退化量y(t)到達(dá)失效閾值Df的時(shí)間,基于Wiener過(guò)程的數(shù)控機(jī)床壽命T服從逆Gauss分布,根據(jù)逆Gauss的概率密度函數(shù)可以求得機(jī)床的可靠度函數(shù):

(2)

鄧超等[34]通過(guò)建立數(shù)控機(jī)床的單指標(biāo)性能退化的Wiener過(guò)程模型和融合多指標(biāo)性能退化的Wiener過(guò)程模型,根據(jù)失效閾值分布建立數(shù)控機(jī)床的剩余壽命預(yù)測(cè)模型。張?jiān)频萚35]利用Wiener過(guò)程模型,通過(guò)分析數(shù)控機(jī)床轉(zhuǎn)臺(tái)系統(tǒng)的回轉(zhuǎn)定位精度建立了其相關(guān)可靠性函數(shù)。周大朝[36]將位置精度作為研究數(shù)控加工中心進(jìn)給系統(tǒng)的性能退化參數(shù),利用Wiener過(guò)程計(jì)算不同載荷水平下的偽壽命時(shí)間,基于Weibull分布實(shí)現(xiàn)對(duì)進(jìn)給系統(tǒng)的可靠性評(píng)估。郭駿宇[37]通過(guò)采集數(shù)控機(jī)床主軸系統(tǒng)的性能退化數(shù)據(jù),利用具有隨機(jī)效應(yīng)的Gamma過(guò)程建立其可靠性評(píng)估模型,然后在Bayes理論的基礎(chǔ)上采用MCMC方法估計(jì)模型參數(shù)?；谛阅芡嘶壽E的可靠性評(píng)估對(duì)退化軌跡的樣本量有一定的要求,因此針對(duì)高可靠、長(zhǎng)壽命的數(shù)控機(jī)床而言,其應(yīng)用上存在一定的局限性。

2.2 基于退化量分布的可靠性評(píng)估

基于性能退化量的分布求解方法,是先根據(jù)某個(gè)時(shí)刻對(duì)應(yīng)的各個(gè)樣本的退化量建立分布函數(shù),估計(jì)分布函數(shù)的參數(shù),然后求得多個(gè)時(shí)刻下的參數(shù)估計(jì)值,從而得到參數(shù)對(duì)時(shí)間的函數(shù)關(guān)系。如圖5所示。

圖5 一批數(shù)控機(jī)床樣本的性能退化量分布演變圖

但這里的參數(shù)是有一定特殊要求的,比如是正態(tài)分布的均值和方差,在均值與時(shí)間建立的函數(shù)關(guān)系基礎(chǔ)上與失效閾值一起根據(jù)可靠性定義建立評(píng)估模型,所以這個(gè)分布參數(shù)的特殊性在于與失效閾值是同質(zhì)的關(guān)系,進(jìn)而根據(jù)可靠性定義建立可靠性評(píng)估函數(shù)。李浩偉[38]利用對(duì)數(shù)正態(tài)分布擬合數(shù)控機(jī)床刀具系統(tǒng)的刀具側(cè)面磨損退化量,通過(guò)最大似然估計(jì)得到刀具的可靠度。

2.3 基于多狀態(tài)理論的可靠性評(píng)估

考慮到數(shù)控機(jī)床通常是由主軸系統(tǒng)、進(jìn)給系統(tǒng)、轉(zhuǎn)臺(tái)系統(tǒng)和液壓系統(tǒng)等多個(gè)子系統(tǒng)組成,其性能水平通過(guò)某個(gè)子系統(tǒng)的性能檢測(cè)來(lái)反映?；谛阅芡嘶瘮?shù)據(jù)的方法要求針對(duì)數(shù)控機(jī)床的性能檢測(cè)參數(shù)具有連續(xù)單調(diào)變化的特性,在實(shí)際應(yīng)用中,由于機(jī)床的外部維護(hù)活動(dòng),內(nèi)部零部件相互作用等影響,同時(shí),受限于現(xiàn)有的監(jiān)測(cè)技術(shù)條件,某些性能退化參數(shù)不便于實(shí)時(shí)采集,導(dǎo)致所收集的數(shù)據(jù)具有離散化、階段化的特征。數(shù)控機(jī)床的性能退化過(guò)程在整個(gè)壽命周期內(nèi)具有非連續(xù)單調(diào)變化的特點(diǎn)。鑒于此,為更加真實(shí)刻畫數(shù)控機(jī)床故障前的性能退化規(guī)律,基于多狀態(tài)理論的隨機(jī)過(guò)程被應(yīng)用到數(shù)控機(jī)床的可靠性評(píng)估中。在多狀態(tài)理論中,數(shù)控機(jī)床的運(yùn)行狀態(tài)不再局限于“正?！焙汀笆А钡亩B(tài),而擴(kuò)展了正常態(tài)與失效態(tài)的多個(gè)中間態(tài),如圖6所示。

圖6 數(shù)控機(jī)床二態(tài)與多態(tài)下的性能退化過(guò)程

陳真[39]利用改進(jìn)隱Markov模型得到數(shù)控機(jī)床液壓系統(tǒng)、傳動(dòng)系統(tǒng)等五個(gè)子系統(tǒng)的性能狀態(tài)轉(zhuǎn)移矩陣,實(shí)現(xiàn)對(duì)機(jī)床部件狀態(tài)可靠性評(píng)估。周偉等[40]利用非齊次Markov模型構(gòu)建了加工中心分度轉(zhuǎn)臺(tái)系統(tǒng)的元?jiǎng)幼鲉卧酄顟B(tài)轉(zhuǎn)移矩陣,并利用通用發(fā)生函數(shù)(UGF)求解系統(tǒng)的可靠度。葛玉華等[41]采用Markov隨機(jī)過(guò)程理論進(jìn)行加工中心刀庫(kù)及機(jī)械手系統(tǒng)狀態(tài)概率的計(jì)算,并利用UGF構(gòu)造了系統(tǒng)多態(tài)可靠性模型。上述文獻(xiàn)通過(guò)檢測(cè)數(shù)控機(jī)床的性能參數(shù),利用各種隨機(jī)過(guò)程模型更加準(zhǔn)確地的描述數(shù)控機(jī)床故障前的性能退化規(guī)律,進(jìn)一步擴(kuò)展了數(shù)控機(jī)床的可靠性評(píng)估方法。

但鑒于目前大多數(shù)機(jī)床用戶檢測(cè)能力有限,對(duì)性能數(shù)據(jù)的連續(xù)檢測(cè)獲取難度較大,并且其建立的可靠性評(píng)估相對(duì)分布模型而言,對(duì)企業(yè)人員數(shù)學(xué)理論知識(shí)的要求更高,因此阻礙了該類方法的發(fā)展應(yīng)用。

3 基于狀態(tài)監(jiān)測(cè)數(shù)據(jù)的可靠性評(píng)估方法

近年來(lái),隨著傳感器技術(shù)的快速發(fā)展,用戶利用各類傳感器的監(jiān)測(cè)數(shù)據(jù)來(lái)判斷機(jī)床當(dāng)前運(yùn)行狀態(tài)的健康情況,進(jìn)而實(shí)施科學(xué)的維護(hù)管理工作,其中對(duì)機(jī)床運(yùn)行可靠性掌握是健康管理的主要內(nèi)容。數(shù)控機(jī)床的監(jiān)測(cè)數(shù)據(jù),像振動(dòng)數(shù)據(jù)相對(duì)機(jī)床的性能數(shù)據(jù)更易獲得,因此基于狀態(tài)監(jiān)測(cè)數(shù)據(jù)的數(shù)控機(jī)床的運(yùn)行可靠性評(píng)估逐漸引起學(xué)者們的關(guān)注,這種評(píng)估思路主要包含4個(gè)步驟,如圖7所示。

圖7 基于狀態(tài)監(jiān)測(cè)數(shù)據(jù)的數(shù)控機(jī)床可靠性評(píng)估步驟

基于狀態(tài)監(jiān)測(cè)數(shù)據(jù)的可靠性評(píng)估方法目前在一些結(jié)構(gòu)相對(duì)簡(jiǎn)單的機(jī)械設(shè)備上有所應(yīng)用,且具有良好的應(yīng)用效果。但對(duì)于像數(shù)控機(jī)床這樣的復(fù)雜的機(jī)電設(shè)備,如何選擇合理的監(jiān)測(cè)信號(hào)和建立準(zhǔn)確的關(guān)系模型是此方法在機(jī)床領(lǐng)域應(yīng)用的兩個(gè)關(guān)鍵問(wèn)題。蔡改改等[46]采用小波包分析和距離評(píng)估技術(shù),提取并優(yōu)選數(shù)控機(jī)床刀具運(yùn)行狀態(tài)的敏感特征指標(biāo),給出響應(yīng)協(xié)變量函數(shù)的定量計(jì)算方法,進(jìn)而提出了一種數(shù)控機(jī)床刀具的運(yùn)行可靠性評(píng)估方法。李東生[43]利用Weibull比例故障率模型將反映機(jī)床運(yùn)行狀態(tài)的振動(dòng)信號(hào)特征指標(biāo)和機(jī)床可靠性指標(biāo)建立聯(lián)系,進(jìn)而求得基于狀態(tài)特征的Weibull比例可靠度函數(shù)。數(shù)控機(jī)床通常是由機(jī)、電、液多種類型的零部件構(gòu)成的機(jī)電設(shè)備,能夠表征機(jī)床性能狀態(tài)的參數(shù)多種多樣,且其變化規(guī)律相互影響,很難直接建立狀態(tài)監(jiān)測(cè)參數(shù)與可靠性的直接聯(lián)系。另外,針對(duì)不同類型機(jī)床,如何有效監(jiān)測(cè)機(jī)床的動(dòng)態(tài)信號(hào)也是需要關(guān)注的一個(gè)問(wèn)題。目前,基于狀態(tài)監(jiān)測(cè)數(shù)據(jù)建立數(shù)控機(jī)床的可靠性評(píng)估模型仍處于起步階段,有待進(jìn)一步的研究。

4 基于認(rèn)知不確定性的可靠性評(píng)估方法

從傳統(tǒng)的故障時(shí)間數(shù)據(jù),到逐漸普遍化的性能退化數(shù)據(jù),以及日益引發(fā)關(guān)注的狀態(tài)監(jiān)測(cè)數(shù)據(jù),基于這些不同數(shù)據(jù)類型的可靠性評(píng)估方法是從機(jī)床數(shù)據(jù)本身蘊(yùn)含的可靠性信息出發(fā),通過(guò)建立對(duì)應(yīng)的數(shù)學(xué)模型來(lái)達(dá)到評(píng)估機(jī)床可靠性的目標(biāo),進(jìn)一步地通過(guò)優(yōu)化數(shù)據(jù)質(zhì)量、改進(jìn)模型精度達(dá)到準(zhǔn)確評(píng)估機(jī)床可靠性的目的。要實(shí)現(xiàn)上述目標(biāo)或目的,首先需要對(duì)機(jī)床有足夠的認(rèn)知,能從海量的數(shù)據(jù)中找到有關(guān)機(jī)床可靠性的信息,能建立適用于特定時(shí)間和特定條件下,特定機(jī)床的可靠性評(píng)估模型。而隨著工業(yè)技術(shù)的進(jìn)一步發(fā)展,用戶的個(gè)性化需求使得機(jī)床的結(jié)構(gòu)愈加復(fù)雜,工作條件愈加多變,致使數(shù)控機(jī)床產(chǎn)生了大量的不確定性因素(多載荷、多任務(wù)、多故障模式),給可靠性建模者或評(píng)估者造成了更多的認(rèn)知不確定性。在實(shí)際工程中,除了固有不確定性(即概率性),系統(tǒng)的可靠性還受到認(rèn)知不確定性的影響[44]。

北京航空航天大學(xué)大學(xué)的可靠性專家康銳教授所在團(tuán)隊(duì)提出的確信可靠性分析方法即用來(lái)處理認(rèn)知不確定性問(wèn)題的,并已逐漸應(yīng)用到制造設(shè)備的可靠性評(píng)估上?；诖_信理論的數(shù)控機(jī)床可靠性評(píng)估成為該類方向新的研究問(wèn)題。其中模糊理論和證據(jù)理論被廣泛應(yīng)用在可靠性評(píng)估的不確定性問(wèn)題上。李麗[45]利用模糊多態(tài)Bayes網(wǎng)絡(luò)方法和證據(jù)Bayes網(wǎng)絡(luò)方法分別對(duì)重型數(shù)控機(jī)床的進(jìn)給系統(tǒng)和驅(qū)動(dòng)控制系統(tǒng)建立可靠性評(píng)估模型。針對(duì)數(shù)控機(jī)床類的機(jī)械設(shè)備而言,考慮認(rèn)知不確定性問(wèn)題而建立的評(píng)估模型包括2個(gè)并行的處理過(guò)程,一是根據(jù)設(shè)備的性能參數(shù)和性能參數(shù)閾值確定性能裕量分布;二是考慮對(duì)機(jī)床設(shè)備的認(rèn)知不確定性,將性能參數(shù)和閾值分別運(yùn)用不確定理論中的運(yùn)算法則進(jìn)行計(jì)算,最后通過(guò)數(shù)值積分的方法獲得系統(tǒng)的確信可靠度。以機(jī)床的加工誤差u為例,導(dǎo)致機(jī)床加工誤差變大的原因可能是刀具的磨損、進(jìn)給系統(tǒng)的偏差、材料的強(qiáng)度降低,工作臺(tái)的振幅過(guò)大,軟件控制錯(cuò)誤等多種因素,甚至是幾種因素的耦合,因此加工誤差u的確定具有很大的不確定性,很難通過(guò)隨機(jī)分布或經(jīng)驗(yàn)值來(lái)界定。當(dāng)加工誤差超過(guò)精度閾值uth時(shí),則認(rèn)為機(jī)床發(fā)生故障。機(jī)床的確信可靠度為

(3)

式(3)中:Φ(u)為加工誤差的不確定分布,精度閾值通常是一個(gè)隨機(jī)變量或固定值;Δ(u)為其對(duì)應(yīng)的概率分布。

另一方面,由于數(shù)控機(jī)床故障模式多,對(duì)其故障機(jī)理認(rèn)知不確定的情況下,無(wú)法選擇或判斷何種分布函數(shù)是合適的,對(duì)這類問(wèn)題,Kulkarni等[46]提出利用專家判斷方法推斷出數(shù)控機(jī)床不可修復(fù)零件和可修復(fù)零件的壽命分布參數(shù),并用極大似然法檢驗(yàn)參數(shù)的擬合優(yōu)度,證明了該方法的可行性。

5 數(shù)控機(jī)床可靠性評(píng)估的新思路

根據(jù)上述四個(gè)角度的數(shù)控機(jī)床可靠性評(píng)估方法的論述可知,各種可靠性評(píng)估方法幾乎都是從電子產(chǎn)品可靠性評(píng)估方法衍生而來(lái)的,這種處理方式與我國(guó)的可靠性發(fā)展歷程密切相關(guān)。由于電子產(chǎn)品在材料、加工工藝、功能結(jié)構(gòu)、工作原理等各個(gè)方面都與機(jī)床的機(jī)械零部件不同,因而這些衍生過(guò)來(lái)的評(píng)估方法應(yīng)用到數(shù)控機(jī)床上時(shí)會(huì)出現(xiàn)很多假設(shè)和限制,從而造成簡(jiǎn)單的評(píng)估方法雖實(shí)用但評(píng)估誤差大,復(fù)雜的評(píng)估方法雖評(píng)估精度高但難以應(yīng)用到企業(yè)實(shí)際中。為從根本上消除這種從電子產(chǎn)品衍生過(guò)來(lái)的可靠性分析方法所造成的缺陷,國(guó)內(nèi)學(xué)者張根保提出從機(jī)械產(chǎn)品的功能分析入手,針對(duì)機(jī)械產(chǎn)品“運(yùn)動(dòng)決定功能”的特點(diǎn),將整機(jī)功能的實(shí)現(xiàn)映射為各個(gè)部件的運(yùn)動(dòng),再通過(guò)對(duì)部件的運(yùn)動(dòng)傳遞關(guān)系進(jìn)行分解,得到運(yùn)動(dòng)的最小單元(即元?jiǎng)幼?,然后以元?jiǎng)幼骷捌鋵?shí)現(xiàn)單元為核心,開展各種質(zhì)量特性的設(shè)計(jì)與分析,最終通過(guò)從元?jiǎng)幼鞯秸麢C(jī)的系統(tǒng)綜合,來(lái)復(fù)現(xiàn)機(jī)床的功能和性能?；谠?jiǎng)幼骼碚摰臄?shù)控機(jī)床可靠性評(píng)估思路如圖8所示。

圖8 基于元?jiǎng)幼骼碚摰臄?shù)控機(jī)床可靠性評(píng)估思路

基于這種從“整機(jī)功能分解—元?jiǎng)幼餍阅芊治觥麢C(jī)功能性能復(fù)現(xiàn)”的技術(shù)方法,圍繞數(shù)控機(jī)床的可靠性設(shè)計(jì)[47]、故障機(jī)理[48]分析、壽命預(yù)測(cè)[49]等研究已逐步展開,但圍繞該方法的數(shù)控機(jī)床可靠性評(píng)估還鮮有涉及。

可靠性作為數(shù)控機(jī)床質(zhì)量特性的重要反映,與數(shù)控機(jī)床的全生命周期運(yùn)行管理息息相關(guān),Purohit等[50]從數(shù)控機(jī)床操作運(yùn)行的角度出發(fā),闡述了機(jī)床可靠性與生產(chǎn)計(jì)劃、維護(hù)、材料供應(yīng)等多方面同時(shí)結(jié)合后的多種新可靠性評(píng)估方法?？煽啃缘脑u(píng)價(jià)不再局限于故障發(fā)生的可能性,而是擴(kuò)展到更多的維度,從故障發(fā)生概率,維修便捷到運(yùn)行成本,以及環(huán)境友好性等多個(gè)維度出發(fā)綜合評(píng)價(jià)數(shù)控機(jī)床的可靠性。

6 結(jié)論

圍繞數(shù)控機(jī)床可靠性評(píng)估結(jié)果不準(zhǔn)確問(wèn)題,以機(jī)床可靠性數(shù)據(jù)質(zhì)量因素和機(jī)床數(shù)據(jù)認(rèn)知不確定因素為依據(jù),從機(jī)床的故障時(shí)間數(shù)據(jù)、性能退化數(shù)據(jù)、狀態(tài)監(jiān)測(cè)數(shù)據(jù)以及對(duì)機(jī)床數(shù)據(jù)認(rèn)知不確定性4個(gè)角度出發(fā),展開數(shù)控機(jī)床可靠性評(píng)估方法綜述。無(wú)論是故障時(shí)間數(shù)據(jù)還是性能退化數(shù)據(jù),抑或狀態(tài)監(jiān)測(cè)數(shù)據(jù),甚至是幾種數(shù)據(jù)類型的融合,都需要積累一定量的數(shù)據(jù),并需要對(duì)評(píng)估對(duì)象具有一定的認(rèn)知。而隨著眾多傳感器技術(shù)的發(fā)展和計(jì)算機(jī)計(jì)算能力的進(jìn)一步提高,利用數(shù)控機(jī)床運(yùn)行監(jiān)測(cè)數(shù)據(jù)、結(jié)構(gòu)設(shè)計(jì)數(shù)據(jù),任務(wù)執(zhí)行數(shù)據(jù)等全數(shù)據(jù)之間的關(guān)聯(lián)、聚類、序列等多個(gè)關(guān)系,在工業(yè)4.0 的發(fā)展背景下,基于大數(shù)據(jù)獲得數(shù)控機(jī)床元?jiǎng)幼鲉卧珨?shù)據(jù)與可靠性的關(guān)聯(lián)關(guān)系,采用元?jiǎng)幼骼碚摻⒃獎(jiǎng)幼鲉卧阅芡嘶Ｐ图翱煽啃栽u(píng)估模型,進(jìn)而開展機(jī)床整機(jī)可靠性評(píng)估,為數(shù)控機(jī)床的可靠性評(píng)估提供更高效,更精確的方法。