郑 锐

(中国船舶重工集团公司第七一六研究所，江苏 连云港222006)

随着数控机床可靠性水平的不断提高，对其可靠性试验时经常会出现在试验周期内无故障发生的情况。首先，对高可靠性部件作样本容量小的试验时，有可能产生无故障数据。另外，随着数控机床产品更新换代速度的提高，往往新产品刚刚投入使用就需要进行产品设计改进或更新产品的研制，这都需要故障数据的支持，但新投产的数控机床产品在试验时间不足的情况下也极有可能带来无故障数据。应用经典方法估计无故障数据情况下的可靠性特征量会引入较大误差。对无故障数据的数控机床可靠性分析是近年来遇到的新问题，这项工作具有理论和实际应用价值。

无故障数据的可靠性分析方法有:最优置信限法、配方布曲线法、修正似然函数法、等效失效法、退化型是小模型的统计分析、Bayes法等［1］。其中，Bayes方法已广泛应用于复杂系统的可靠性分析，其优点是便于利用当前的试验信息和先验信息，得到相对精确的后验分布［2-3］。因为Bayes理论能够通过合理的引入先验信息，一定程度上弥补了无故障数据本身的信息不足的问题，成为解决无故障数据问题的一个重要途径［4-6］。

1 无故障数据下的可靠性分析模型

1.1 故障率的多层先验分布

数控机床关键功能部件的故障间隔时间通常服从指数分布或者威布尔分布，对于服从指数分布的部件，其故障率函数可以表示为