4.3实验室故障数据的可靠性建模与分析
实验室故障数据是从圆盘式刀库自动换刀系统试验台搭建完成后，满刀运转 一个月以后开始记录的。选取了从2011年~2013年间的故障数据。通过附录1 表A-2对实验室自动换刀系统故障进行记录，并判断故障类型，将试验台试验过 程中出现的关联故障通过附录1表A-6进行统计。统计结果见表4.2。
表4. 2实验室故障数据统计
| 序号 | 故障日期 | 故障起始时间 | 故障结束时间 | 故障维修时间h | 故障间隔时间h |
| 1 | 2011.11.05 | 9:45 | 1:35 | 3.833 | 315.5 |
| 2 | 2012.04.08 | 9:05 | 9:20 | 0.25 | 523.6 |
| 3 | 2012.08.12 | 8:44 | 10:23 | 1.65 | 612.7 |
| 4 | 2013.01.03 | 9:01 | 9:50 | 0.817 | 778.8 |
| 5 | 2013.04.23 | 3:21 | 3:40 | 0.317 | 396.5 |
| 6 | 2013.06.05 | 2:13 | 3:07 | 0.9 | 207.7 |
从表4.2可知，实验室试验台故障数据很少，采用传统的可靠性建模方法对其建模和评估时误差较大，而贝叶斯注重先验信息的收集、挖掘以及加工，形成 先验分布[62]。贝叶斯在处理小样本数据时具有很大的优势[63]。
利用 Matlab 可以求出：aBys=2126.4，爲^=0.9576 , M7BF = 2168*。通过
贝叶斯方法能够很好的估计出实验室换刀系统故障间隔时间的模型参数值以及 该系统的MTBF的点估计值。
4.4现场故障数据模型与实验室故障数据模型的对比分析
由4.2节、4.3节得出了现场试验模型参数与点的点估计值为： ^=2157.89% ^=1.003,= 21551,实验室试验模型参数与的点估 计值为：asre=2126.4, ^Bra=0.9576,M：TBF = 2168/z,且两者都符合两参数威布
尔分布。通过数据对比分析发现，两者参数以及的点估计值相差很小。如 图4.9，同样可以看出，在排除早期故障时间，两者的概率密度分布曲线与概率 分布曲线走势相似，相对值相差很小，可以用实验室试验近似代替现场试验。
本文采摘自“加工中心盘式刀库可靠性试验方法研究”，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！