根据过去的研究成果，基于现场故障信息数控机床的故障间隔时间更加贴 近于服从威布尔分布或者指数分布，本节通过构造进给系统故障间隔模型，求 解故障分布函数、概率密度函数、可靠度函数以及故障率函数。用Minitab软 件进行模型筛选，基于子系统服从的函数模型，采用最小二乘法进行模型的参 数估计，借助相关系数法进行假设检验，进而获得故障间隔时间分布模型。
3.2.1故障信息釆集及模型确定
本文借助国家自然基金采集了 67台某系列加工中心共109条故障信息，其 中主要的数据指标有审核起始时间、故障发生时间、故障部位、故障原因及处 理方案等，对故障信息表进行整理可得机床的故障间隔时间。
这里借助Minitab软件进行故障间隔时间的可靠性分布分析，获得故障间隔 时间的分布ID图，模型的选择是依据Anderson-Darling调整拟合优度值来进行 判断，拟合优度值越小，对应的分布越优。为了确定进给系统、刀库和主轴系 统的分布模型，本文以进给系统为例，生成分布ID图并生成四种分布的拟合图 如图3.4所示，其拟合优度系数如表3.1所示：
通过Anderson-Darling系数的结果可知，进给系统的寿命分布与威布尔分 布的拟合程度，所以我们假定进给系统的故障间隔时间服从威布尔分布。
3.2.3模型参数估计
经常使用的参数估计方法有最小二乘法、极大似然估计法、图估计参数估 计法、矩法等等。一般采用一元线性回归法来对威布尔分布的累计分布函数进
行参数估计，在数理统计试验过程中，随着变量x的不断变化，实验结果y也随
之改变，两个变量之间会存在相关关系，线性相关关系作为一种的回归 分析方法被广泛运用于各个领域，虽然实际生活中有些变量之间的关系十分复 杂并且不符合线性关系，但通过对变量进行数学变换，非线性问题也可以转化 成线性问题来解决。
(1)分布拟合的假设检验
一般使用Z2检验法或者d检验法来进行假设检验，由于/检验法仅适用大
样本情况，并且对截尾数据可能会犯第II类错误，而d检验法适用于小样本情 况并且检验精度较高，所以本文使用d检验法来进行检验，具体流程图如图3.5 所示：
本文采摘自“基于故障率相关的加工中心的可靠性及风险评估”，因为编辑困难导致有些函数、表格、图片、内容无法显示，有需要者可以在网络中查找相关文章！
本文由伯特利数控整理发表文章均来自网络仅供学习参考，转载请注明！
