沈明瑞,刘阔,董浩琪,等.基于贝叶斯与故障树的数控机床可靠性评价[J].制造技术与机床,2020(01):61-65.

　　分析了目前贝叶斯方法在评价数控机床可靠性时的缺点,如对小样本故障信息进行评价时,由于先验信息样本与现场试验样本的样本量相差过大导致难以进行相容性判断,并且先验信息与先验分布的选择有很强的主观性。提出了一种故障树与贝叶斯方法融合的针对高可靠性数控机床的可靠性评价方法。将数控机床看作一个由子部件组成的系统,对于各失效子部件采用贝叶斯方法计算可靠度,以增大先验信息的样本量,并保证先验信息的相容性。按照各子部件之间的联系与各子部件对机床系统的影响建立故障树模型,利用故障树理论计算数控机床的可靠度。计算结果表明,采用该方法进行小样本数控机床可靠性评价的稳定性较好。

　　可靠性是数控机床的一项关键性能指标。随着数控机床可靠性水平的提高以及试验时间的限制，使得可获得的故障数据样本量很小。因此，对有限考核期内的小样本数据的评价是数控机床可靠性评价的难点。

　　贝叶斯理论作为一种统计学中的重要理论，能够结合先验信息分析小样本数据并得出令人信服的估计结果，弥补了古典统计学的弱点。但是由于先验分布的确定有很大的主观性和随意性，特别是当先验分布完全未知或部分未知时，贝叶斯解的性质较差。对于高可靠性数控机床，由于先验信息的样本与现场试验样本的样本量相差过大，故难以进行相容性判断，而先验信息的选取难度很大，再加上后验信息少，使得不良的先验信息对结果准确性的影响很大。对于高可靠性数控机床本身直接使用贝叶斯方法的评价结果往往也与实际使用情况偏离较大。

　　目前国内外有部分学者已经基于贝叶斯理论对高可靠性数控机床的可靠性评价方法进行了研究。K．C．Siju 和 M．Kumar 通过搭建故障时间的参数退化模型来进行元器件的可靠性贝叶斯评价。E．Vanderhorn和S． Mahadevan 通过将有关参数的先验知识与有关系统输入和输出的观测数据相结合，来减少模型参数的不确定性，并给出了一种使用抽象数据通过贝叶斯网络更新贝叶斯模型参数的方法。王智明与杨建国进行了数控机床不完全维修的贝叶斯可靠性评估。张丰收等基于贝叶斯理论对 MTBF 指标建立可靠性验后分布模型。任丽娜等进行了机床贝叶斯可靠性评估模型综合评价方法研究。从相关文献可以看出，目前应用贝叶斯理论解决数控机床可靠性评价问题时依然把数控机床当作一个整体进行分析。

　　本文主要解决的是难以选取合理先验信息或难以进行先验信息与后验信息相容性检验的少故障样本机床的可靠性评价问题。随着数控机床的快速发展，其功能不断增强，同时其可靠性水平也在日益提高。高可靠性数控机床的现场试验故障数据少，先验信息也难以选取。因此研究一种解决高可靠度数控机床评价难的问题的方法，具有很强的理论价值。