【摘 要】
：
针对现有数控机床故障模式影响及危害分析(FMECA)中分析因素少、未考虑因素间相互影响、各因素权重相同等问题,将网络层次分析法(ANP)和数据包络分析OCD模型应用于数控机床使用阶段FMECA的研究,以各因素打分作为输入指标,以经济损失作为输出指标建立OCD模型,并得到各故障模式的效率值,进而提出一种计算风险优先数RPN的新方法,根据(RPN)值得到故障模式的危害度排序.以某型数控机床为例,应用该方法对其进行故障模式影响及危害性分析,验证了该方法的有效性.
【机 构】
：
吉林大学数控装备可靠性教育部重点实验室,长春130022;吉林大学机械与航空航天工程学院,长春130022;吉林大学重庆研究院,重庆400037;吉林大学数控装备可靠性教育部重点实验室,长春13002
论文部分内容阅读
针对现有数控机床故障模式影响及危害分析(FMECA)中分析因素少、未考虑因素间相互影响、各因素权重相同等问题,将网络层次分析法(ANP)和数据包络分析OCD模型应用于数控机床使用阶段FMECA的研究,以各因素打分作为输入指标,以经济损失作为输出指标建立OCD模型,并得到各故障模式的效率值,进而提出一种计算风险优先数RPN的新方法,根据(RPN)值得到故障模式的危害度排序.以某型数控机床为例,应用该方法对其进行故障模式影响及危害性分析,验证了该方法的有效性.
其他文献
通过对公交运行环境的实际分析,考虑工作日和非工作日的运行特性差异,提出了一种基于天牛须搜索算法的小波神经网络(BAS-WNN)公交到站时间预测模型.该模型利用寻优性能更强的天牛须搜索算法优化WNN的初始参数,使得WNN对时间序列的预测具有更好的性能.最后,利用行车历史数据对神经网络进行训练和建模来实现到站时间的准确预测,将该优化算法与传统的WNN算法和Elman神经网络算法用MATLAB分别仿真测试,对比结果显示,无论工作日还是非工作日,BAS-WNN预测模型对公交到站时间的预测均具有更高的准确性且结果更
文章分析了火灾调查工作的现状,探究了火灾调查工作的优化措施,以期为火灾调查工作的良好开展提供借鉴.发生火灾后,对之进行及时有效的调查,科学分析并准确了解火灾成因,掌握火灾造成的损失情况,有助于快速扑灭火灾,并能为火灾预防提供数据和经验支撑.对此,有必要开展高效良好的火灾调查工作.然而,在火灾调查工作中还存在一些问题,在不同程度上影响了火灾调查的效果,对此,有必要采取有效措施加以优化.
针对传统数控机床故障模式及影响分析(FMEA)中存在专家权重与风险因子权重分配不合理以及风险系数(RPN)计算模型不够稳健的问题,提出一种基于多属性群决策的改进FMEA方法.首先,引入区间数表征机床故障模式风险因子;其次,考虑专家的主、客观权重,根据一致性原则,计算专家综合权重,并利用加权平均算子(WAA)确定故障模式综合评价矩阵;再次,采用区间数熵值法确定风险因子权重,利用改进风险优先数(IRPN)计算模型得到故障模式风险值;最后,结合区间数距离测度,采用最优最劣区间数改进的逼近理想解排序方法(TOPS
考虑电动汽车用户在途随机充电需求,基于随机充电行为及充电排队仿真构建了混合用户平衡模型.在电动汽车不同初始电量状态及市场占有率下,预测了网络平衡交通流和可能充电需求流的变化趋势.利用Frank-Wolfe算法和多标号算法,以Nguyen-Dupius网络为例,设计了电动汽车充电排队仿真的平衡交通流预测模型,本文研究结果可为交通管理者提供科学参考.
研究了基于自动铺丝技术的变刚度复合材料圆柱壳的屈曲性能和缺陷敏感性.基于丝束剪切/重送技术,提出了可以精确模拟圆柱壳面内重叠/间隙区域的简便算法,使有限元模型更加贴近实际制造过程.开展了复合载荷作用下曲线纤维铺层方式对圆柱壳屈曲性能影响的研究,结合Kriging模型和遗传算法,对纤维角度沿环向和轴向线性变化的铺层设计方式进行了优化.最后,利用改进弧长法对不同模态缺陷条件下变刚度复合材料圆柱壳的缺陷敏感性进行了分析.结果 表明:在轴压和均匀外压复合作用下,纤维角度沿轴向变化的铺层方式可以有效提高结构的屈曲性
为提高滚珠丝杠副的定位精度,提出了一种复合载荷作用下考虑滚珠几何误差的双螺母滚珠丝杠副载荷分布模型,分析了在不同轴向载荷和径向载荷复合作用下所有滚珠接触载荷分布状况,在此基础上分析了滚珠几何误差对滚珠动静态接触载荷分布的影响.仿真分析结果表明:本文提出的载荷分布模型对提高滚珠丝杠副的位置精度预测及其定位误差补偿有较好的参考意义.
为充分利用信号的时序相关性特征,增强模型对数据信息的全面挖掘能力,以进一步提高卷积神经网络(CNN)诊断精度,本文将CNN与善于处理数据时序相关性特征的门控循环单元(GRU)相结合,提出了一种新的齿轮箱故障诊断模型.CNN通过端对端的方式提取数据空间特征,并将提取的特征作为GRU的输入进一步提取时空特征,最后将GRU提取的时空特征作为SoftMax的输入进行故障识别.两组齿轮箱实验数据分析结果显示:平均故障诊断精度分别可达99.86％和99.85％,与其它现有模型的结果对比体现了本文模型的有效性和优越性.
为合理预测考虑适用性的大跨桥梁主梁动态可靠性,利用主梁控制监测点的动态极值挠度信息,建立了多维Gaussian Copula技术、多变量贝叶斯动态线性模型(MBDLM)以及一次二阶矩(FOSM)方法相融合地考虑控制点变形失效非线性相关的大跨桥梁主梁体系动态可靠性预测方法.采用某大跨桥梁主梁3个控制监测点的动态监测极值挠度数据进行验证分析,研究表明:考虑适用性的控制监测点变形失效非线性相关的主梁动态可靠性预测值较不考虑控制监测点变形失效非线性相关性所得结果大,说明不考虑失效动态非线性相关性所得结果偏保守.
为了提高识别蛋白质-ATP结合位点预测精度,提出了基于Inception架构的深度网络模型Inception_base,同时对网络模型和训练策略进行优化和改进,提出了新的网络模型Inception_ evolution.通过两组数据集在该模型上测试,获得AUC分别为0.885和0.918,均优于其他对比机器学习方法.实验结果表明,深度学习方法可以应用于蛋白质-ATP结合位点预测问题中,该模型能够更精确预测蛋白质-ATP结合位点.
在考虑刀具误差和本身尺寸误差导致加工后零件尺寸精度预测不符合实际使用要求情况的基础上,提出了一种耦合模糊区间和模糊权重的隶属函数模型,该模型考虑了加工过程中各种影响因素占比非固定的情况,还动态表征了多种影响因素在加工过程的贡献变化情况.此外,实际零件加工尺寸的大小多为模糊值,本文将零件尺寸视为一种可能性分布并结合模糊隶属函数构造了新的可靠性预测模型.将预测值与实验数据对比后发现,加工精度可靠性分析的准确度得到显著提升.