数控机床装配故障率建模与控制技术研究

【摘要】：高精度、高速、高可靠、高效率已成为数控机床重要的发展方向，其中，数控机床的可靠性不仅影响机床的正常工作，影响产品的市场占有率，甚至会影响我国工业技术的发展。由于数控机床的结构特点，装配过程引起的故障占了数控机床整个寿命周期故障的大部分，同时国内高档数控机床制造厂商即使购买国外高质量零部件，尽管这些零部件本身可靠性水平较高，但装配完成后的产品可靠性却还是达不到国外水平。可见装配过程中对故障进行控制，或对可靠性进行分析与控制对提高产品整机可靠性具有非常重要的作用。 论文结合国家重大专项项目，以国产某系列加工中心为研究对象，对数控机床装配故障率的建模和控制技术进行了系统的研究。主要内容如下： ①为了对数控机床装配故障率的基础理论进行研究，从数控机床生产模式的特点出发，分析了产品寿命周期故障率的分类以及数控机床装配故障率的特点；以故障率与相关可靠性指标的关系分析为基础，对装配故障率与装配可靠性的相互关系进行了讨论；在装配可靠性评价方法（Assembly Reliability Evaluation Method,AREM）对装配故障率的属性分析基础上，利用5M1E对数控机床装配故障率的全属性进行了分析，获得的全属性能够实现装配故障率的定性定量研究；最后建立了数控机床装配故障率的研究框架，为数控机床装配故障率或装配可靠性的进一步研究提供了理论基础。 ②为了对数控机床装配故障率进行属性提取和建模分析，首先通过德尔菲法对数控机床装配故障率的全属性进行定量研究，并利用三角模糊数对结果进行模糊处理；接着采用粗糙集和灰色关联度结合的算法对数控机床装配故障率的关键属性进行提取，提取的关键属性不仅能够为数控机床装配故障的进一步控制提供对象，而且通过数学模型能够验证该提取方法的有效性；然后通过最小二乘支持向量机（Least Squares Support Vector Machine, LSSVM）对数控机床装配故障率的属性进行建模，并利用遗传算法对模型进行优化；最后以某国产卧式加工中心为例对装配故障率的属性提取和建模技术进行了分析，提取出了关键属性，并建立了具有最优参数的LSSVM模型。 ③为了验证上述建模技术和提取算法的有效性，建立了关键属性的BP神经网络模型，通过不同模型不同输入的预测误差对比分析建模技术和提取算法的优越性，并以加工中心的数据为实例对该建模技术和提取算法进行了验证。将验证后的关键属性作为数控机床装配故障改进的重点，为了保证装配故障的有效改进和控制，在6σ设计方法(Design for six sigma, DFSS)分析流程的基础上，结合数控机床装配故障率的研究特点，对DFSS分析流程进行了改进，将FMEA故障分析作为整个流程的分析基础，并利用设计阶段和装配现场结合的分析控制对数控机床装配故障进行有效改进；最后以加工中心为例对装配故障的具体控制和改进进行了详细分析，验证了该分析流程与控制技术的有效性。