| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-23页 |
| 1.1 课题来源、背景及研究意义 | 第9-11页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 课题的背景及研究意义 | 第9-11页 |
| 1.2 可靠性技术概述 | 第11-13页 |
| 1.2.1 产品可靠性基本概念 | 第11-12页 |
| 1.2.2 加工中心可靠性技术 | 第12-13页 |
| 1.3 数控机床可靠性评估技术国内外研究现状 | 第13-15页 |
| 1.3.1 国外数控机床可靠性评估技术研究现状 | 第13页 |
| 1.3.2 国内数控机床可靠性评估技术研究现状 | 第13-15页 |
| 1.4 加工中心评估流程及故障数据特点 | 第15-21页 |
| 1.4.1 加工中心可靠性评估流程 | 第15-16页 |
| 1.4.2 加工中心故障数据特点 | 第16-17页 |
| 1.4.3 加工中心多故障模式特点 | 第17-21页 |
| 1.5 论文主要研究内容 | 第21页 |
| 1.6 文章整体结构 | 第21-23页 |
| 2 基于混合威布尔分布的加工中心可靠性评估方法 | 第23-43页 |
| 2.1 引言 | 第23-24页 |
| 2.2 混合威布尔分布和BAYES理论概述 | 第24-26页 |
| 2.2.1 混合威布尔分布概述 | 第24页 |
| 2.2.2 Bayes理论概述 | 第24-25页 |
| 2.2.3 混合威布尔分布转化为混合指数分布 | 第25-26页 |
| 2.3 加工中心可靠性数据收集 | 第26-27页 |
| 2.4 加工中心可靠性数据预处理 | 第27-32页 |
| 2.4.1 故障特征属性和故障信息序列 | 第28-31页 |
| 2.4.2 故障数据的模糊聚类 | 第31-32页 |
| 2.5 混合威布尔分布的加工中心可靠性评估 | 第32-42页 |
| 2.5.1 混合威布尔分布形状参数求解 | 第32-37页 |
| 2.5.2 混合威布尔分布尺度参数求解 | 第37-38页 |
| 2.5.3 加工中心可靠性评估 | 第38-40页 |
| 2.5.4 加工中心可靠性评估结果分析 | 第40-42页 |
| 2.6 本章小结 | 第42-43页 |
| 3 基于径向基函数神经网络的加工中心可靠性评估方法 | 第43-55页 |
| 3.1 引言 | 第43页 |
| 3.2 RBF神经网络概述 | 第43-47页 |
| 3.2.1 RBF神经网络基本结构及思想 | 第43-44页 |
| 3.2.2 RBF神经网络的构建和学习算法 | 第44-47页 |
| 3.3 RBF神经网络建模的基本步骤 | 第47-48页 |
| 3.4 加工中心可靠性数据扩充 | 第48-50页 |
| 3.5 混合威布尔模型可靠性评估及分析 | 第50-53页 |
| 3.6 本章小结 | 第53-55页 |
| 4 基于故障严重度的加工中心可靠性评估方法 | 第55-67页 |
| 4.1 引言 | 第55页 |
| 4.2 加工中心分类故障数据建模 | 第55-60页 |
| 4.2.1 加工中心故障数据分类 | 第55-58页 |
| 4.2.2 Bootstrap的小子样故障数据建模 | 第58-60页 |
| 4.3 加工中心分类故障严重度排序 | 第60-63页 |
| 4.4 加工中心分类故障数据BAYES融合及评估结果 | 第63-65页 |
| 4.4.1 Bayes数据融合概述 | 第63-64页 |
| 4.4.2 加工中心分类故障数据Bayes融合 | 第64页 |
| 4.4.3 加工中心可靠性评估结果 | 第64-65页 |
| 4.5 本章小结 | 第65-67页 |
| 5 结论与展望 | 第67-69页 |
| 5.1 论文的主要结论 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录 | 第77页 |
| A.作者在攻读硕士学位期间发表的论文目录 | 第77页 |
| B.作者在攻读硕士学位期间参与的课题 | 第77页 |
