數控機床是實現裝備制造業(yè)現代化的關鍵設備，是裝備制造業(yè)發(fā)展的重中之重。目前，由于國產數控機床的性與 水平存在較大差距，導致中 數控機床及其數控系統和關鍵功能部件主要依賴。性水平已成為嚴重制約國產中 數控機床發(fā)展的關鍵因素，提高國產數控機床的性迫在眉睫。
對于數控機床這類可產品來說，不但要求產品少發(fā)生故障，還要在發(fā)生故障后能夠，所以需開展既包含性也包含維修性的廣義性研究。開展性工作的經驗表明：要提高產品的性，關鍵在于做好產品的性設計工作。其中，性分配和預計作為性設計中的指導性和基礎性工作，需要在設計的各個階段大量運用，從而推動各項性設計工作開展，以設計并生產出滿足規(guī)定性指標要求的產品。目前，國內的機床企業(yè)雖然開展了一些具體的性設計工作，但由于現有數據的缺失和方法的不完善，多數企業(yè)并沒有開展的性分配和預計工作，從而導致機床各組成部分的性要求不明確。分散的性工作花費了大量的人力和物力，但是效果卻并不顯著。針對上述情況，本文結合 科技重大專項課題“高速/數控機床性設計與性能試驗技術”的任務需求，通過對數控機床設計階段應開展的廣義性(性和維修性)工作進行分析，研究制定了數控機床設計階段的性和維修性工作流程，將性建模、故障分析、定量指標的制定、性及維修性的分配與預計等工作聯系起來，并研究了數控機床性及維修性的分配和預計技術。論文的研究工作主要包括以下幾個方面：
(1)根據數控機床設計過程各個階段的任務分析，制定了相應的性和維修性設計工作流程，歸納了制定數控機床性和維修性指標時需要考慮的因素。結合性工作的特點對數控機床進行了層次劃分，明確了各個子系統的結構和組成，為開展故障分析、性分配和預計等工作打下了基礎。
(2)分析了性數據的來源，制定了數控機床現場數據的收集方法，結合該方法對現有同類機床進行了現場性試驗，采集了大量的故障和維修數據。基于采集到的故障數據建立了故障間隔時間的分布模型，并通過圖形法和解析法兩種方法進行了模型檢驗，得出該批產品故障間隔時間服從尺度參數α=563.21，形狀參數β=1.057的兩參數威布爾分布。通過對產品進行FMECA分析，求出了各個子系統的危害度。
其中進給系統是危害度 大的子系統，其次依次為自動換刀系統、電氣系統和主軸系統。在新產品時應分析如何降低這些子系統的故障率。
(3)結合數控機床的層次劃分情況建立了整機的性框圖及其數學模型。為了解決數控機床性分配過程中存在多種影響因素，且有些因素難以定量分析的問題，研究了一種將區(qū)間分析、模糊綜合評判和層次分析法相結合的數控機床性分配方法。綜合考慮了故障頻繁性、故障危害性、維修性、復雜性、技術水平、費效比等多種影響因素，根據影響程度的大小給每個因素賦予相應的權重；綜合利用現場試驗信息和專家經驗，使用模糊區(qū)間數代替實數表達不確定信息，建立了數控機床性分配模型。使用該方法對研制對象進行了性分配。結果表明該方法是可行的，能解決目前數控機床性分配中存在的主要問題。
(4)針對傳統相似比較法用于數控機床性預計時，預計對象和相似產品之間性水平的差異程度難以準確評定的問題，提出了一種引入區(qū)間層次分析的數控機床性預計方法。 先分析了整機和子系統的性關系，建立了整機的性預計模型。在子系統性預計過程中，充分利用了相似產品的性數據。建立了性修正因子評估模型，從設計、生產、使用、管理、產品結構等方面綜合分析了評價對象和相似產品之間的差異，并通過使用區(qū)間層次分析法求出了性修正因子，實現了確定性信息和模糊信息的互補。結合四臺相似產品進行了主軸部件的性預計，驗證了該方法的可行性。
(5)針對傳統的按故障率和設計特性的維修性分配法對所有維修性設計特性等同考慮，且這些設計特性難以定量分析的問題，本文對這一方法進行了改進。在傳統方法只考慮故障檢測方式、可達性、可 換性、可調整性四種定性因素的基礎上，增加了復雜程度和危害程度兩種定量因素。綜合考慮上述因素，建立了維修性加權因子綜合評判模型；按各個因素對維修性影響程度的大小，采用區(qū)間層次分析法為各個因素賦予了權重，使用模糊綜合評判的方法求出了各個子系統的加權因子；結合各子系統的性分配值和維修性加權因子計算出了各個子系統應分配的維修性指標。使用該方法對研制對象進行了維修性分配，解決了傳統方法存在不確定性的難題。
(6)針對現階段數控機床各子系統的維修數據完整程度存在較大差異的情況，本文提出了一種基于數據完整程度的數控機床維修性預計方法。和傳統方法 大的區(qū)別是：傳統方法針對零部件進行分析，該方法針對具體的故障模式進行分析，相比較來說數據 充分， 性 高。針對維修數據完整程度不同的子系統，分別采用功能層次預計法和單元對比預計法來進行維修性預計。 后結合實例進行了數控機床的維修性預計。該方法為數控機床開展維修性預計提供了一種新思路，克服了現階段維修性數據嚴重缺乏，單純使用一種方法預計精度較差的問題。
