再制造机床可修复零部件精度分配研究

研究可修复零部件精度参数的分配是关系到再制造机床性能和再制造成本的重要问题。本文提出了用BP+GA的混合算法优化分配可修复零部件精度参数的方法。首先利用BP神经网络建立零部件精度参数与再制造机床空间几何误差之间的正向映射模型,然后用正交设计法得到训练样本数据并训练网络,最后再用BP+GA的混合算法逆向确定零部件的精度参数。仿真结果表明了混合算法是解决复杂精度分配问题的一种理想方法,优化结果可用于指导零部件精度的修复。     

基于神经网络的电火花线切割机床的可靠性模型建立

针对电火花线切割机床可靠性研究初期,系统任务可靠性框图尚未建立,各个子系统、功能单元之间的相互关系尚未完全清楚的问题,提出了一种基于神经网络的可靠性模型建立方法.以系统可靠度为神经网络的输出,以各子系统可靠度及对应的平均无故障时间为神经网络的输入对神经网络进行训练.训练后的神经网络记忆了系统可靠度与平均无故障时间及各子系统可靠度之间的关系,从而确定了电火花线切割机床的可靠性模型.实例表明该模型具有很强的估测能力以及较高的精度.     

基于条件分布的AMSAA模型再制造机床可靠性增长预测

为解决再制造机床可靠性增长试验中未来故障发生时间及可靠性预测问题,建立以未来故障发生时间为随机变量,基于条件分布的AMSAA模型再制造机床可靠性增长预测方法。根据可靠性增长预测知识,结合再制造机床未来故障时间的联合条件概率密度函数以及已发生故障时间的联合概率密度函数,推导出未来故障时间的边缘条件概率密度函数,由此得出再制造机床未来故障发生时间及可靠性的点估计和预测区间,并引入标准差系数进行预测精度分析。通过某机床厂再制造机床研制阶段可靠性增长实验数据对该方法可行性和有效性进行了验证,并将预测结果与实际结果及现有方法计算结果进行了分析比较。     

基于神经网络的电火花线切割机床可靠性预计

针对电火花线切割机床可靠性数据较少、传统可靠性预计方法无法进行可靠性预计或预计误差较大的问题,提出了基于神经网络进行电火花线切割机床可靠性预计的方法。将可靠度与对应的时间序列相结合,采用时间序列法对其进行统计分析,然后应用神经网络向外推测,从而得出电火花线切割机床可靠度的预计结果。通过实例证明,应用该方法对电火花线切割机床可靠度预计结果的最大误差为0．0082,远远高于其它方法的预计精度。     

再制造汽车产品的可靠性问题分析

再制造汽车产品可靠性指再制造的汽车产品在规定的时间内,在规定的使用条件下完成规定功能的能力.汽车再制造是汽车工业发展循环经济、走可持续发展道路的一个重要技术途径,提高再制造汽车产品的可靠性是保证再制造汽车产品质量稳定性的重要手段,是消除公众对再制造产品不公正偏见,提高其认可度和市场占有率的必然选择.汽车再制造试点工作已经展开,产业化是其发展方向,再制造产品的可靠性问题也应引起足够重视.     

面向生命周期的机床再制造过程模型

为了实施机床再制造,从而低成本地恢复与提升装备加工能力,从机床制造/再制造的生命周期出发,建立了一种面向生命周期的机床再制造过程模型,并建立了机床再制造的再设计、工艺过程、质量控制、资源消耗和环境影响视图,对机床再制造过程进行了全面分析.结合车床C616再制造对机床再制造的过程进行了分析.     

基于模糊综合评价的系统再制造性分配方法

阐述了再制造设计和再制造性分配的概念及其之间的关系,建立了再制造性指标。针对常规再制造性分配方法如等值分配法、按失效率分配法、按价值率分配法等在具体再制造性分配过程中的不足,提出了一种基于模糊综合评价的系统再制造性分配方法,通过综合考虑多重评价指标,建立了系统再制造性分配模型。最后以某型号变速箱为例,结合所建立的再制造性分配模型,以可识别性、可修复性、耐磨性等属性为评价指标,实现了平均再制造费用的合理分配,从而验证了方法的有效性。     

机床再制造逆向物流的预测建模方法研究

为机械制造企业实施旧机床再制造提供了一种用于预测旧产品回收水平（回收数量和回收时间）的有效方法。该方法以影响旧产品回收的相关因素为基础，利用模糊逻辑推理系统构建模型，并通过一个实际案例的应用评估了模型的合理性和实用性。     

考虑二层因素影响的综合因子可靠性分配法

为了处理考虑多层影响因素下的复杂机械系统可靠性分配问题,分析了传统的综合因子可靠性分配方法,提出了一种考虑二层因素影响的综合因子可靠性分配法,即对传统的可靠性影响因素进行层次划分,建立考虑二层因素影响的全局指标数学模型,进而确定各子系统的全局指标权重,分配得到各子系统的可靠度。通过一个工程案例说明了该方法的具体应用并证明了其简单有效性。     

退役机床再制造整机性能综合提升方案

目前,我国存在大量的退役机床迫切需要实施再制造来恢复并提升其性能水平,以便低成本、绿色化地满足不断提高的零/部件加工要求。机床再制造与已有的维修、数控化改造相比,最重要的区别是其不仅仅恢复退役机床的性能使其正常运转,还要实现机床整机性能的综合提升,重新赋予退役机床新的生命周期。从节能性、环境友好性和信息化等方面,对退役机床再制造整机性能提升方案进行分析,阐述相关的技术路径与技术方案;以车床、滚齿机再制造为例,对相关方案实施效果进行分析。     

基于遗传算法优化BP神经网络的数控机床热误差补偿

以提高数控机床加工精度为主要目的,针对减少热误差而提出一种基于遗传算法优化BP神经网络的数控机床热误差补偿方法.首先,分析遗传算法优化的BP神经网络学习算法.然后,建立神经网络模型对三轴联动卧式加工中心进行实时补偿.实验仿真结果表明遗传优化BP神经网络模型具有预测补偿能力强、补偿精度高、拟合性能优、实时性好等特点.     

基于任务的数控机床模糊可靠性分配方法

在分析现有数控机床可靠性分配技术局限的基础上,针对数控机床加工零件过程的动态性特征,将多阶段任务系统理论和任务可靠性原理结合起来,提出一种基于任务的可靠性分配方法。根据数控机床加工零件总任务的实际情况,建立数控机床的任务剖面层次模型。通过对数控机床元任务层的分析与研究,确定了运行时间、重要程度、复杂程度、技术水平和工作状况5个影响可靠性分配的重要因素。运用模糊集理论,充分考虑到多领域专家的意见和数控机床研发过程的风险性,定义了一种判定模糊真值的函数,给出一种确定隶属度的方法,并建立起数控机床可靠性分配指标体系和权重,以及元任务的模糊评判矩阵。以一个数控机床主加工元任务组为例,证明了该方法的可用性。     

基于神经网络的复杂系统可靠性精确分配模型

针对复杂系统可靠性分配中的关键问题和难点,提出了一种基于神经网络的采用逆向思维进行复杂系统可靠性分配的方法。利用误差反向传播的改进算法,以系统可靠度和各子系统自身约束条件为网络输入,以各子系统可靠度相互比例为网络输出,对样本数据进行训练。借用神经网络中的权值和阈值,反映了不同系统可靠度及对应各子系统自身约束条件下,各个子系统可靠性之间的相互关系,从而得到子系统可靠性分配权重,实现对复杂系统可靠性进行精确分配。     

基于贝叶斯网络的垃圾压块机可靠性分析

针对垃圾压块机的工作可靠性问题,对垃圾压块机的压缩机构进行了分析,将贝叶斯网络应用到液压系统可靠性分析之中。提出了贝叶斯网络的概念与公式,给出了贝叶斯网络的构建方法,采用基于图形结构精确推理方法,建立了压缩机构的贝叶斯网络。通过手册查阅了各液压元件发生故障的概率,最后结合贝叶斯网络求得了系统发生故障的概率。研究结果表明,该液压系统发生故障的概率为0.057 4,换向阀发生故障的概率为0.252。通过建立贝叶斯网络,求得极易发生故障部件概率的方法,直观地表示出了该系统故障的因果关系,找到了系统的薄弱环节,提高了系统的可靠性。     

基于球杆仪的五轴数控机床误差快速检测方法

几何误差是五轴数控机床重要误差源,针对传统测量方法仪器昂贵、测量周期长问题,提出基于球杆仪的五轴数控机床几何误差快速检测方法。对于机床的平动轴误差,利用多体系统理论及齐次坐标变换法,建立平动轴空间误差模型,通过球杆仪在同一平面不同位置进行两次圆轨迹,辨识出4项平动轴关键线性误差;针对五轴机床的转台和摆动轴,设计基于球杆仪的多条空间测试轨迹,完整求解出旋转轴12项几何误差。实验结果显示,所提方法获得转角定位误差与激光干涉仪法最大误差为0.001 8°,利用检测结果进行机床空间误差补偿,测试轨迹偏差由16μm降至4μm,为补偿前的25%,验证了方法的有效性。提出的五轴机床几何误差检测方法方便、便捷,适用于工业现场。     

Reliability assessment and replacement for machine tools under wear deterioration

This paper considers a problem of reliability assessment and determination of optimal replacement time for a machine tool under wear deterioration. Traditional models classifying a tool’s condition use binary states, with working (success) or failure (1 or 0), to evaluate its reliability and decide its optimal replacement time; however, as most machine tools deteriorate over time, a multi-state discrete model is reported as a more realistic classification for quantifying the tool wear condition. In this paper, we propose a nonhomogeneous continuous-time Markov process (NHCTMP) for modeling the tool wear process, representing the length of time the tool stays in a certain state, which depends not only on its current state but also on how long it has remained in the current state. According to this model, we first develop reliability assessment for the tool with the multi-state deterioration. Then, we derive an average expected cost function of the tool operating over the manufacturing period and optimize it to find the optimal replacement time of the tool. The optimization of the average value of the expected cost over tool replacement time emerges as a classical tradeoff idea, balancing between increasing the average cost of tool replacement and decreasing the average cost of tool deterioration. A real application is illustrated throughout the paper.     

基于RBF神经网络的设备分类器设计

介绍了在Matlab7．0的神经网络工具箱中,开发基于RBF网络的设备状态分类器的方法和要点。给出了仿真结果,并以实例验证了该分类器在设备故障诊断中的有效性。