基于Bootstrap-Bayes的加工中心主轴可靠性建模

• •

基于Bootstrap-Bayes的加工中心主轴可靠性建模

陈传海¹,杨兆军²,陈菲¹,郝庆波³,许彬彬⁴,阚英男¹

1. 吉林大学机械科学与工程学院
2. 吉林大学机械学院
3. 吉林大学机械科学与工程学院；空军航空大学力学教研室
4. 吉林大学机械科学与工程学院

收稿日期:2012-11-06 修回日期:2013-04-01 发布日期:2013-06-20
通讯作者: 陈菲

Reliability Modeling of Machining Center Spindle Based on Bootstrap-Bayes

Received:2012-11-06 Revised:2013-04-01 Published:2013-06-20

摘要/Abstract

摘要： 针对采用常规Bayes方法对小样本加工中心主轴之类产品进行可靠性建模时与工程实际有较大差异的问题，提出了一种基于Bootstrap-Bayes的小样本可靠性建模方法：为减小先验分布的误差，应用Bootstrap抽样方法对研究对象相同制造环境下同类产品的可靠性模型进行再抽样，从而获得参数的先验分布；在计算后验分布过程中，利用马尔可夫链蒙特卡罗抽样技术，简化了计算，得到了研究对象的可靠性模型。以大样本下经典建模方法所得可靠性模型为基准，将利用Bootstrap-Bayes方法建立的可靠性模型和常规Bayes方法建立的可靠性模型与之分别做比较，结果表明，基于Bootstrap-Bayes的可靠性建模方法所建模型的误差明显小于常规Bayes方法。

关键词: 机床, 数控机床, Bootstrap抽样, Bayes, 可靠性, 小样本

Abstract: The reliability model established by the traditional statistical method for small sample failure data may be biased in the real case, so a modified reliability modeling method for small sample was proposed using Bootstrap-Bayes approach. Firstly, the reliability function about time between failures using empirical modeling method was established, and then the accurate the parameters prior distribution of Bayes method was provided. This method improves the precision of prior distribution built by traditional empirical method. In order to calculate the posterior distribution of parameters, Monte Carlo simulation was developed. Finally, a real-world example of the spindle of one kind of machining center was presented using the proposed approach to show its potential application. The results show that the proposed method can provide an accurate reliability model for small sample failure data.

Key words: machine tool, CNC machine tool, Bootstrap, Bayes, reliability, small sample

中图分类号:

TG659

陈传海杨兆军陈菲郝庆波许彬彬阚英男. 基于Bootstrap-Bayes的加工中心主轴可靠性建模[J]. , 0, (): 0-0.

参考文献

相关文章 15

[1]	郑玉彬, 杨斌, 王晓峰, 申桂香, 赵宪卓, 秦猛猛. 基于威布尔分布的电主轴加速寿命试验时间设计[J]. 吉林大学学报(工学版), 2018, 48(3): 767-772.
[2]	于繁华, 刘仁云, 张义民, 张晓丽, 孙秋成. 机械零部件动态可靠性稳健优化设计的群智能算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1903-1908.
[3]	申桂香, 曾文彬, 张英芝, 吴茂坤, 郑玉彬. 最小故障率下数控组合机床平均维修时间确定[J]. 吉林大学学报(工学版), 2017, 47(5): 1519-1526.
[4]	吴娇蓉, 王宇沁, 魏明, 林彬. 路侧公交专用道设置长度对公交线路运行可靠性的影响[J]. 吉林大学学报(工学版), 2017, 47(1): 82-91.
[5]	曲兴田, 赵永兵, 刘海忠, 王昕, 杨旭, 陈行德. 串并混联机床几何误差建模与实验[J]. 吉林大学学报(工学版), 2017, 47(1): 137-144.
[6]	张英芝, 刘津彤, 申桂香, 戚晓艳, 龙哲. 基于故障相关性分析的数控机床系统可靠性建模[J]. 吉林大学学报(工学版), 2017, 47(1): 169-173.
[7]	孟广伟, 冯昕宇, 周立明, 李锋. 基于降维算法的结构可靠性分析[J]. 吉林大学学报(工学版), 2017, 47(1): 174-179.
[8]	孟书, 申桂香, 张英芝, 龙哲, 曾文彬. 基于时间相关的数控机床系统组件更换时间[J]. 吉林大学学报(工学版), 2016, 46(6): 1946-1952.
[9]	赵丁选, 王倩, 张祝新. 基于层次分析法的可拓学理论对舰载直升机可靠性的评估[J]. 吉林大学学报(工学版), 2016, 46(5): 1528-1531.
[10]	李洪洲, 杨兆军, 许彬彬, 王彦鹍, 贾玉辉, 侯超. 数控机床可靠性评估试验周期设计[J]. 吉林大学学报(工学版), 2016, 46(5): 1520-1527.
[11]	于繁华, 刘仁云, 张义民, 孙秋成, 张晓丽. 机械结构动态可靠性设计的智能计算方法[J]. 吉林大学学报(工学版), 2016, 46(4): 1269-1275.
[12]	潘义勇, 马健霄, 孙璐. 基于可靠度的动态随机交通网络耗时最优路径[J]. 吉林大学学报(工学版), 2016, 46(2): 412-417.
[13]	王健健, 冯平法, 张建富, 吴志军, 张国斌, 闫培龙. 卡盘定心精度建模及其保持特性与修复方法[J]. 吉林大学学报(工学版), 2016, 46(2): 487-493.
[14]	刘玉梅, 赵聪聪, 熊明烨, 郭文翠, 张志远. 基于物元模型的高速轨道车辆传动系可靠性评价[J]. 吉林大学学报(工学版), 2015, 45(4): 1063-1068.
[15]	徐光明, 王英姿, 史峰, 秦进. 基于出行时间可靠性的支路网络均衡分析[J]. 吉林大学学报(工学版), 2015, 45(3): 755-760.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed