基于网格近似法的数控机床小子样可靠性评估研究开题报告

1. 研究目的与意义

我国自20世纪80年代, 机床制造业的不断发展, 尤其是数控机床非常值得关注。通过“六五”、“七五”期间国家引进数控技术, 加上科技公关创新, 数控机床和数控技术得到很大的改善及提升。但是, 我国的在中、高档数控机床与发达国家相比仍然有很多路要走。数控机床是制造装备业发展的基础，是实现装备技术现代化和先进制造技术的基石，数控技术的发展直接影响一个国家的制造工业现代化。在实际使用过程中，机床工艺参数设定不合理，机床磨损以及刀具在进给、退刀、换刀过程中产生的误差，都会影响到机床加工的可靠性。对数控机床加工过程中出现加工误差的因素进行总结，然后做好各项防范措施，能有效提升数控机床的可靠性。数控机床产业为我国装长备制造业的支柱产业，但是长期以来数控行业市场佔有率较低，尤其表现为高端产品过度依赖进口。国产数控机床可靠性低下是限制其发展的关键因素。我国制造业逐渐向高精尖的方向发展，对机械加工的进度提出了更高的要求。对数控机床加工过程中的可靠性进行控制，能有效提升数控机床的加工精度。近年来，国产数控机床产品呈现出小批量生产、产品更新换代节奏加快以及可靠性水平逐年升高的趋势。对于国产高档数控机床产品来说，这种趋势尤为明显，从而导致新型数控机床可靠性现场试验不能像传统的试验那样具备大量的同型号被测产品和较长的试验时间，也不能像传统的试验那样频繁地观测到故障。以上事实表明：数控机床在其可靠性现场试验中故障发生次数减少，从而故障数据样本容量减小是不可避免的趋势。 在工程实践中已经出现了以下问题，即：国家科技重大专项支持研发的某些数控机床在可靠性现场试验中产生的数据样本容量过小，以至于在进行可靠性建模与评估时，依赖于大样本数据的经典统计学方法因偏差过大而无法使用。此即为数控机床的小样本问题。 相比于航空航天等行业，数控机床的小样本问题出现较晚，相应的解决方法也不成熟。近年来，数控机床行业的一些学者开始借鉴航空航天、核电和武器装备领域的经验，采用贝叶斯可靠性建模与评估方法解决数控机床的小样本问题。数控机床是机械加工业的重要生产设备自动化的生产方式，提升了数控加工的加工速度效率和精度。数控机床也广泛应用于航空、航天、船舶、汽车以及发电设备等各重要装备制造业。在国际贸易中, 很多发达国家把数控机床视为具有高技术附加值、高利润的主要机电出口产品。

2. 研究内容和预期目标

2.1 研究内容基于网格近似法，以两参数威布尔分布为例，深入研究小样本容量的数控机床可靠性评估工作。研究数控机床失效数据特征、选择合适的分析建模方法，分析观测数据，用网格近似法求解先验分布，对数控机床的可靠性进行评判。需要建立相应的贝叶斯模型，包括无故障时间的描述，故障发生数据的形式，威布尔参数的先验分布和后验分布

2.2 拟解决的关键问题1 数控机床可靠性试验不仅周期长, 同时还会耗费大量资金与人力, 因此可以用于研究的系统级实验数据少之又少, 可靠性建模一般是小样本问题，需要选取合适的方法；2 难以选取合理先验信息或难以进行先验信息与后验信息相容性检验的少故障样本机床的可靠性评价问题。随着数控机床的快速发展，其功能不断增强，同时其可靠性水平也在日益提高。高可靠性数控机床的现场试验故障数据少，先验信息也难以选取。因此需要研究一种解决高可靠度数控机床评价难的问题的方法。3 一方面需要考虑能否通过对验前信息的完整应用, 从而得到先验分布, 另一方面就是最终所得后验分布稳健与否, 即结果是否可信。需要选取合适的稳健性分析方法。2.3写作提纲 引言 1.国内外研究现状 1.1数控机床可靠性研究现状 1.2贝叶斯可靠性研究现状 2.故障树分析法 3.网格近似法计算思路 3.1双参数威布尔分布概述 3.2网格近似法计算流程 3.2.1鲜艳信息的选择与先验分布的确定 3.2.2后验分布求解 3.2.3贝叶斯估值 4.算例分析 4.1网格近似法求解应用 5.贝叶斯后验稳健性分析 6.总结

3. 国内外研究现状

数控机床可靠性研究现状：最早关于数控机床可靠性的研究成果为上世纪七十年代苏联学者A.C.普洛尼科夫编著的《数控机床的精度与可靠性》。在电子科学快速发展的背景下, 欧美、日本等国家数控机床产业发展迅猛。Martin把电子工业中可靠性分析方法迁移到机床可靠性分析之中, 并提出了主要的故障模式。Jason R W将贝叶斯方法运用在数控机床可靠性分析之中, 着重分析了无失效数据与小样本失效数据模型。H su Bi-Min等基于马尔科夫模型对机床刀具磨损情况进行仿真, 预估刀具更换时间。北京机床研究所是我国开展机床研究的权威机构之一, 负责制定了若干机床可靠性考核标准。贝叶斯方法研究现状：Coolen研究了主观先验信息收集与应用问题, 并给出系统方案。方艮海基于多源信息融合技术讨论了先验可靠性信息在贝叶斯可靠性评估中的运用。程皖民根据试验数据零失效的特征, 提出MMLE-Bayes方式用于解决Bayes推断问题。目前国内外有部分学者已经基于贝叶斯理论对高可靠性数控机床的可靠性评价方法进行了研究。K.C.Siju和M.Kumar通过搭建故障时间的参数退化模型来进行元器件的可靠性贝叶斯评价。E.Vanderhorn和S.Mahadevan通过将有关参数的先验知识与有关系统输入和输出的观测数据相结合，来减少模型参数的不确定性，并给出了一种使用抽象数据通过贝叶斯网络更新贝叶斯模型参数的方法 。王智明与杨建国进行了数控机床不完全维修的贝叶斯可靠性评估。张丰收等基于贝叶斯理论对MTBF指标建立可靠性验后分布模型。任丽娜等进行了机床贝叶斯可靠性评估模型综合评价方法研究。贝叶斯方法的优势：1）经典统计方法是利用大量重复实验之后的频率来分析。贝叶斯统计方法可以解决一些事件的概率在大量重复实验中去获得是不现实的问题。2）经典统计方法的统计推断是基于总体信息和样本信息。总体信息即总体分布或总体所属分布族中包含的信息。包括总体认识、参数范围、变量的方式和特征等。样本信息是从总体中抽取的样本中所包含的信息，而贝叶斯统计方法在此基础上还利用了先验信息。先验信息主要来源于经验和历史资料。利用先验信息的收集、加工和处理数量化来提高统计推断的质量。3）贝叶斯方法把未知参数都看作随机变量，都具有不确定性，用一个概率分布去描述位置的参数，在统计推断中只利用已经出现的数据即样本信息，这就是贝叶斯统计中的条件观点。

4. 计划与进度安排

1-2周：查找并阅读有关数控机床可靠性研究的文献资料3-4周：对已经搜集的资料加以整理，论证分析论文的可行性、实际性，并提出进一步研究方向，确定论文题目和大致研究方向。

整合已有资料，构筑论文大纲。

5-8周：根据查找的数据和相关资料，进行深入详实的论文编写工作，对论文编写过程中所发现的问题，研究其解决方案，推敲整合，并进行修改完善，准备论文中期检查。

5. 参考文献

[1]霍利民, 朱永利, 范高锋, 刘军, 苏海锋.一种基于贝叶斯网络的电力系统可靠性评估新方法[J].电力系统自动化, 2003, 05:36-40.[2]敬瑞星, 卢健康, 赵鹏飞, 张文斌.基于贝叶斯网络的系统可靠性分析平台[J].计算机工程与应用, 2013, 04:71-76.[3]杨兆军, 陈传海, 陈菲, 李国发.数控机床可靠性技术的研究进展[J].机械工程学报, 2013, 20:130-139.[4]尹晓伟, 钱文学, 谢里阳.贝叶斯网络在机械系统可靠性评估中的应用[J].东北大学学报 (自然科学版) , 2008, 04:557-560.[5]王智明，杨建国．数控机床不完全维修的贝叶斯可靠性评估[J]．上海交通大学学报，2014(5):614-617 623.[6]张丰收，韩尚云，刘建亭，等．基于Bayes理论的重型数控机床可靠性评估方法研究[J]．现代制造工程，2015(8):122-125.[7]任丽娜，王智明，雷春丽．数控机床贝叶斯可靠性评估模型的综合评价方法[J]．上海交通大学学报，2016(7):1023-1029.

[8]谢俊.贝叶斯统计方法与传统统计方法的比较分析与展望.中国商界(下半月).2009年(04):123 125[9]Kan Yingnan,Yang Zhaojun,Li Guofa,et al. Bayesian zero-failure reliability modeling and assessment method for multiple numerical control(NC)machine tools[J]. Journal of Central South University,2016,23(11):2858-2866.[10]Siju K C,Kumar M. Bayesian estimation of reliability using time-to-failure distribution of parametric degradation models[J]. Journal of Statistical Computationamp;Simulation,2018,88(9):1717-1748.[11]Vanderhorn Eric,Mahadevan Sankaran. Bayesian model updating with summarized statistical and reliability data[J]. Reliability Engineering and System Safety,2018,172:12-24.