| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究的背景和意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 课题研究的意义 | 第13-14页 |
| 1.2 可靠性技术发展现状 | 第14-18页 |
| 1.2.1 国内外可靠性研究现状分析 | 第14-16页 |
| 1.2.2 多状态系统可靠性研究现状分析 | 第16-17页 |
| 1.2.3 数控机床可靠性国内外研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 数控机床整机的危害度分析 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 数控机床的基本结构 | 第20页 |
| 2.3 数控机床整机故障分析 | 第20-23页 |
| 2.4 数控机床故障部位分析 | 第23-24页 |
| 2.5 主轴子系统故障分析 | 第24-28页 |
| 2.5.1 约定层次 | 第25页 |
| 2.5.2 故障判据 | 第25-26页 |
| 2.5.3 故障类别及定义 | 第26-27页 |
| 2.5.4 机床系统故障经验评估 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于概率模型检测与Makov过程结合的故障树分析法 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 模型检测技术 | 第29-31页 |
| 3.2.1 概率模型检测定义 | 第29-31页 |
| 3.2.2 模型检测的特点 | 第31页 |
| 3.3 概率模型检测技术 | 第31-34页 |
| 3.3.1 Markov概率模型 | 第32页 |
| 3.3.2 离散马尔科夫链模型 | 第32-33页 |
| 3.3.3 马尔科夫决策过程 | 第33-34页 |
| 3.4 基于PMC的故障树建模 | 第34-38页 |
| 3.4.1 故障树“与门”模型 | 第35-36页 |
| 3.4.2 故障树“或门”模型 | 第36-37页 |
| 3.4.3 简单双门模型建立 | 第37-38页 |
| 3.5 算例分析 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于多状态理论的主轴轴承可靠度分析 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 模糊多状态复杂系统理论 | 第43-47页 |
| 4.2.1 模糊多状态元件 | 第43-44页 |
| 4.2.2 模糊马尔可夫模型 | 第44-47页 |
| 4.3 算例 | 第47-55页 |
| 4.3.1 模糊多状态系统可靠度计算 | 第47-53页 |
| 4.3.2 多状态系统可靠度结果分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于非参数核密度估计方法的数控机床轴承可靠性分析 | 第56-75页 |
| 5.1 引言 | 第56页 |
| 5.2 非参数核密度估计理论 | 第56-59页 |
| 5.2.1 直方图估计 | 第57页 |
| 5.2.2 Rosenblatt估计法 | 第57-58页 |
| 5.2.3 Parzen核密度估计法 | 第58页 |
| 5.2.4 最邻近估计法 | 第58-59页 |
| 5.3 常用核函数的选取 | 第59页 |
| 5.4 窗宽的选择 | 第59-63页 |
| 5.4.1 最优带宽估计原则 | 第59-60页 |
| 5.4.2 交叉核实法 | 第60页 |
| 5.4.3 直接插入法DPI | 第60-62页 |
| 5.4.4 Silverman经验法则修正 | 第62-63页 |
| 5.5 实例分析 | 第63-74页 |
| 5.5.1 数据来源及数据初步处理 | 第64-66页 |
| 5.5.2 轴承故障数据的非参数核密度估计 | 第66-71页 |
| 5.5.3 关联影响参数的拟合 | 第71-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 结论 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间研究成果 | 第82-83页 |