一种考虑截尾数据删失的机床可靠性评估方法

摘要

本发明公开了一种考虑截尾数据删失的机床可靠性评估方法，来提高可靠性评估参数的精度。首先针对数据基于IQR法筛选正常的数据，其次运用故障总时间处理法则对数据中的截尾数据进行削减，扩大失效数据样本量，接着利用平均秩次法初步求得威尔参数初始值，然后再根据新的经验分布函数，利用最小二乘法完成新的威尔参数估计，最后运用K‑S方法进行收敛检验。

说明书

技术领域

本发明涉及高档数控机床的可靠性评估，属于数控机床的可靠性工程领域。

背景技术

数控机床是机床制造业的基础，能够展现出一个国家的综合国力。随着机床行业的发展，很多的厂家和客户都持续关注了机床的可靠性问题。但是我们国家机床研究起步比较晚，绝大多数机床厂以及用户没有对可靠性数据给予足够多的重视，没有收集足够多的数据，所以怎么能够提高机床可靠性成为行业急需解决的问题。

可靠性是产品在规定的时间和条件下完成产品自身规定功能的能力，其中可靠性评估就是通过可靠性数据对这一能力进行定量化的评价，从而反映机床可靠性水平，为将来后续机床设计改进提供经验

可靠性评估方法主要依据样本量大小，从不同角度进行可靠性评估。在对于样本量很少的情况下，现阶段主要方法是依据贝叶斯方法，融合专家的意见与机床先前数据完成先验分布，后续利用MCMC方法求解后验分布，求解繁琐，难度较高。对于样本量比较大的情况下，主要有矩估计法，极大似然估计，最小二乘法等等。但是对于数据本身的筛选研究的较少，对于提高样本数据精度，进一步提高参数估计精度也是值得探究的。

发明内容

针对截尾数据删失造成可靠性评估参数精度不足的问题，本文提出了一种考虑截尾数据删失的机床可靠性评估方法，来提高可靠性评估参数的精度。首先针对数据基于IQR法筛选正常的数据，其次运用故障总时间处理法则对数据中的截尾数据进行削减，扩大失效数据样本量，接着利用平均秩次法初步求得威尔参数初始值，然后再根据新的经验分布函数，利用最小二乘法完成新的威尔参数估计，最后运用K-S方法进行收敛检验。

一种考虑截尾数据删失的机床可靠性评估方法，主要包括以下步骤：

步骤一：利用IQR法筛选数据。将数据划分为四个等份，每个相邻间隔的区间包含为25％的数据，分别三个点为q

S

S

步骤二：筛选后的数据，对于其中包含的截尾数据运用故障时间处理法则，减少截尾数据量，提高评估结果的准确性。首先将上述筛选的数据，列出各个型号数控机床故障发生时间表。其次利用公式(3)和(4)计算，得出集中到一台机床的故障数据表。

对于故障总时间处理法则举例如下。假设三个机床同时进行截尾实验，三台机床分别结尾的时刻为t

t

T

步骤三：将变换后中故障数据表进行预处理，先去掉截尾数据，利用平均秩次法得到经验分布函数。首先将数据整合为故障间隔时间表，利用公式(5)计算得到秩的增量为ΔA

A

其中n为总样本量；i为发生故障的顺序号，k为所有数据的排列顺序号。

步骤四:将得到数据进行最小二乘法拟合y＝Bx+A，初步得到威尔分布模型的参数。首先利用公式(8)和(9)计算x

y

x

β

步骤五:将得到累计分布函数与经验分布函数进行K-S检验。首先利用公式 (12)完成最大差值计算，根据样本量大小n选取表格一中显著水平，判断是否符合分布假设，否则重新计算步骤四。

D＝maxF(t

表格一K-S假设检验拒绝临界值表

步骤六：将得到的参数作为初始值完成考虑截尾数据的新的分布经验公式。将步骤四得到两个参数值，作为初始值带入到公式(13)-(16)中，重新重复上述步骤四，得到新的参数估计值。

A

其中截尾实验数据为t

C

步骤七：得到的新的参数看是否满足公式(17)，若不满足重复步骤六，直到满足条件即可。

|β

附图说明

图1为本方法实施流程图。

具体实施方式

本发明以某种型号数控机床的数据为例，完成可靠性评估。

步骤一：根据表格二中10台数控机床故障间隔数据利用公式(1)和(2) 筛选出正常数据值区间为(-380，860)。其中带+号为截尾数据。

表格二故障时间间隔数据

步骤二：筛选后的数据，整理为表格三故障时间表，运用公式(3)和(4) 计算，得出集中到一台机床的故障数据表四。

表格三故障时间表

表格四整合机床故障时间间隔表

步骤三：首先将表格四中的数据去掉截尾数据，利用公式(5)和(6)计算得到秩次。最后利用近似中位秩公式(7)，得到经验累积函数，得到如下表格五。

表格五整合机床故障时间间隔表

步骤四:将得到数据进行最小二乘法拟合y＝Bx+A，利用公式(8)和(9) 计算得到形状参数β

步骤五:将得到累计分布函数与经验分布函数进行K-S检验。首先利用公式 (12)完成最大差值计算，根据样本量大小15选取表格一中显著水平为0.01，临界值为0.352。其中差值为0.124，小于临界值满足条件，可进行下一步。

步骤六：将得到的参数作为初始值完成考虑截尾数据的新的分布经验公式。将步骤四得到两个参数值，作为初始值带入到公式(13)-(16)中，重新重复上述步骤四，得到新的形状参数β

步骤七：得到的新的参数看是否满足公式(17)，可以得出不满足要求，继续循环计算，最终由设计的算法程序得到最终参数为形状参数β