| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第15-16页 |
| 2 课题综述 | 第16-34页 |
| 2.1 课题的来源与意义 | 第16-18页 |
| 2.2 数控机床可靠性简介 | 第18-21页 |
| 2.3 数控机床时间故障模型研究进展 | 第21-27页 |
| 2.3.1 威布尔分布模型研究进展 | 第21-23页 |
| 2.3.2 指数分布和正态分布模型研究进展 | 第23-24页 |
| 2.3.3 时间故障模型参数估计研究进展 | 第24-27页 |
| 2.4 机床故障模型检验方法研究进展 | 第27-29页 |
| 2.5 小样本评估方法研究现状 | 第29-32页 |
| 2.5.1 Bootstrap二次采样方法研究现状 | 第29-30页 |
| 2.5.2 Bayes方法研究现状 | 第30-31页 |
| 2.5.3 支持向量回归机小样本分析研究现状 | 第31页 |
| 2.5.4 神经网络扩充算法研究现状 | 第31-32页 |
| 2.6 本文研究内容 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 3 数控机床可靠性时间故障模型 | 第34-65页 |
| 3.1 可靠性概率函数 | 第34-36页 |
| 3.1.1 可靠度函数 | 第34-35页 |
| 3.1.2 平均故障间隔时间及故障率函数 | 第35-36页 |
| 3.2 参数估计方法 | 第36-41页 |
| 3.2.1 最小二乘法 | 第37-38页 |
| 3.2.2 最大似然估计方法 | 第38-39页 |
| 3.2.3 似然比检验区间估计方法 | 第39-40页 |
| 3.2.4 任意连续分布区间估计方法 | 第40-41页 |
| 3.3 指数分布模型及其参数估计 | 第41-46页 |
| 3.3.1 指数分布模型 | 第41-42页 |
| 3.3.2 指数分布模型参数最小二乘点估计 | 第42-44页 |
| 3.3.3 指数分布模型参数最大似然点估计 | 第44-45页 |
| 3.3.4 指数分布模型参数区间估计 | 第45-46页 |
| 3.4 正态分布模型及其参数估计 | 第46-54页 |
| 3.4.1 正态分布模型 | 第46-48页 |
| 3.4.2 对数正态分布模型 | 第48-49页 |
| 3.4.3 正态分布模型参数最小二乘点估计 | 第49-52页 |
| 3.4.4 正态分布模型参数最大似然点估计 | 第52-53页 |
| 3.4.5 正态分布模型参数区间估计 | 第53-54页 |
| 3.5 两参数威布尔分布模型及其参数估计 | 第54-64页 |
| 3.5.1 两参数威布尔分布模型 | 第54-57页 |
| 3.5.2 两参数威布尔分布模型参数最小二乘点估计 | 第57-60页 |
| 3.5.3 两参数威布尔分布模型参数最大似然点估计 | 第60-62页 |
| 3.5.4 两参数威布尔分布模型参数似然比检验区间估计 | 第62-64页 |
| 3.6 本章小结 | 第64-65页 |
| 4 数控机床可靠性模型检验方法 | 第65-81页 |
| 4.1 Mann检验方法 | 第66-71页 |
| 4.2 通用假设检验 | 第71-76页 |
| 4.2.1 卡方检验 | 第71-74页 |
| 4.2.2 KS检验 | 第74-76页 |
| 4.3 拟合优度检验 | 第76-78页 |
| 4.3.1 相关系数分析 | 第76-77页 |
| 4.3.2 均方根误差和相对均方根误差分析 | 第77页 |
| 4.3.3 误差面积比指数 | 第77-78页 |
| 4.4 检验方法比较 | 第78-79页 |
| 4.5 本章小结 | 第79-81页 |
| 5 三参数威布尔分布模型及其参数估计方法研究 | 第81-100页 |
| 5.1 三参数威布尔分布模型 | 第81-82页 |
| 5.2 三参数威布尔分布参数最小二乘点估计 | 第82-89页 |
| 5.3 三参数威布尔分布参数区间估计 | 第89-99页 |
| 5.3.1 三参数威布尔分布参数似然比检验区间估计 | 第89-96页 |
| 5.3.2 三参数威布尔分布非参数区间估计方法 | 第96-99页 |
| 5.4 本章小结 | 第99-100页 |
| 6 双截尾威布尔分布模型及其参数估计方法研究 | 第100-112页 |
| 6.1 双截尾威布尔分布模型及其转换分析 | 第100-102页 |
| 6.1.1 双截尾威布尔分布模型 | 第100-101页 |
| 6.1.2 双截尾威布尔分布转化为两参数威布尔分布 | 第101-102页 |
| 6.2 双截尾威布尔分布参数最大似然点估计 | 第102-107页 |
| 6.3 双截尾威布尔分布参数似然比检验区间估计 | 第107-111页 |
| 6.4 本章小结 | 第111-112页 |
| 7 小样本可靠性数据分析算法 | 第112-128页 |
| 7.1 聚类算法 | 第112-115页 |
| 7.1.1 K均值聚类算法 | 第112-114页 |
| 7.1.2 AP聚类算法 | 第114-115页 |
| 7.2 聚类优度指标 | 第115-116页 |
| 7.3 径向基函数神经网络 | 第116-118页 |
| 7.4 神经网络扩充算法 | 第118-127页 |
| 7.4.1 基于K均值聚类算法的神经网络扩充算法 | 第118-119页 |
| 7.4.2 基于AP聚类算法的神经网络扩充算法 | 第119页 |
| 7.4.3 可靠性数据神经网络扩充算法对比 | 第119-127页 |
| 7.5 本章小结 | 第127-128页 |
| 8 结论及创新点 | 第128-133页 |
| 8.1 结论 | 第128-129页 |
| 8.2 课题创新点 | 第129-130页 |
| 8.3 展望 | 第130-133页 |
| 参考文献 | 第133-144页 |
| 作者简历及在学研究成果 | 第144-146页 |
| 学位论文数据集 | 第146页 |
