数控机床市场网-专业的数控机床网站

      摘　要：為了實(shí)現(xiàn)故障數(shù)據(jù)按故障機(jī)制的分類，使用競(jìng)爭(zhēng)威布爾模型對(duì)加工中心可靠性進(jìn)行評(píng)估，通過故障特
征屬性和故障信息序列概念的定義，以故障信息序列表示故障，利用模糊聚類的方法對(duì)故障信息序列按故障機(jī)制
相似性進(jìn)行分類；利用自助法和基于灰色預(yù)測(cè)的改進(jìn)自助法實(shí)現(xiàn)小子樣評(píng)估中威布爾模型的參數(shù)估計(jì)；通過實(shí)例
驗(yàn)證了該模型和方法的可用性。

  
 
      ０、　引言
 
 
      加工中心的使用性能是否穩(wěn)定可靠，是用戶判別產(chǎn)品質(zhì)量好壞的重要依據(jù)，因此開展可靠性工作對(duì)制造企業(yè)贏得市場(chǎng)占有率具有重要意義?？煽啃栽u(píng)估是了解產(chǎn)品可靠性水平的重要手段，其常用的壽命分布類型主要有指數(shù)分布、正態(tài)分布、對(duì)數(shù)正態(tài)分布和威布爾分布，威布爾分布是描述機(jī)械系統(tǒng)及其零部件壽命分布規(guī)律最常用的一種分布形式［１］，賈亞洲［２－３］等也證明了加工中心故障數(shù)據(jù)服從威布爾分布。對(duì)于復(fù)雜的可修系統(tǒng)，其故障數(shù)據(jù)一般為非獨(dú)立同分布［４］，這就意味著單一的威布爾模型并不適用于加工中心的可靠性評(píng)估。對(duì)于多種故障機(jī)制并存的加工中心，常用的可靠性評(píng)估模型是混合威布爾模型和競(jìng)爭(zhēng)威布爾模型。文獻(xiàn)［５－７］討論了混合威布爾模型的使用及權(quán)重、參數(shù)的估計(jì)方法，其中文獻(xiàn)［６］證實(shí)混合分布中子分布所對(duì)應(yīng)的數(shù)據(jù)是連續(xù)的順序統(tǒng)計(jì)量，這明顯不符合加工中心多故障機(jī)制的壽命過程。文獻(xiàn)［８－１０］使用競(jìng)爭(zhēng)故障模型對(duì)產(chǎn)品可靠性進(jìn)行了評(píng)估，但都是利用完備的故障信息、針對(duì)具體的故障模式或故障過程建立競(jìng)爭(zhēng)故障模型。

      本文使用競(jìng)爭(zhēng)威布爾模型對(duì)加工中心可靠性進(jìn)行評(píng)估，是在難以獲得完備故障信息的情況下，圍繞威布爾模型的物理背景和使用條件，針對(duì)故障特性本身提出故障特征屬性和故障信息序列的概念及其表示方法，以故障固有的特征信息來(lái)描述故障機(jī)制之間的區(qū)別和聯(lián)系。本文以故障應(yīng)力相似性表征故障機(jī)制的相似性，進(jìn)而實(shí)現(xiàn)對(duì)故障數(shù)據(jù)的分類。忽
略故障機(jī)制的差異，用單一模型擬合全部故障數(shù)據(jù)是普通威布爾模型最大的缺陷，而本文競(jìng)爭(zhēng)威布爾模型的使用正是對(duì)這一缺陷的彌補(bǔ)。使用競(jìng)爭(zhēng)威布爾模型進(jìn)行可靠性評(píng)估，最重要的就是實(shí)現(xiàn)不同故障機(jī)制的故障數(shù)據(jù)的分類，這是競(jìng)爭(zhēng)威布爾評(píng)估模型的基礎(chǔ)，更是本文的核心內(nèi)容；但這也導(dǎo)致可靠性評(píng)估必然是小子樣的，本文使用自助法［１１］（ｂｏｏｔｓｔｒａｐ法）解決小子樣情形下的威布爾模型參數(shù)估計(jì)問題。故障數(shù)據(jù)分類帶來(lái)的另一問題是不同故障機(jī)制所對(duì)應(yīng)的故障數(shù)據(jù)存在不同的截尾時(shí)間，本文利用改進(jìn)灰色自助法解決這一問題，通過增加預(yù)測(cè)故障數(shù)據(jù)，很好地利用各偽截尾時(shí)間和截尾時(shí)間之間的可靠性信息，該方法也是本文的一個(gè)特點(diǎn)。綜上所述，本文給出了利用加工中心現(xiàn)場(chǎng)故障數(shù)據(jù)、使用競(jìng)爭(zhēng)威布爾模型進(jìn)行建模評(píng)估的具體方法，主要包括基于故障特征屬性的故障信息序列的建立、基于模糊聚類分析的故障數(shù)據(jù)聚類、小子樣可靠性評(píng)估的Ｂｏｏｔｓｔｒａｐ法，以及用以處理偽定時(shí)截尾數(shù)據(jù)的基于灰色預(yù)測(cè)的改進(jìn)Ｂｏｏｔｓｔｒａｐ法。

       １　、競(jìng)爭(zhēng)威布爾評(píng)估模型威布爾模型的失效分布函數(shù)為

       其物理背景為：在一條金屬鏈條兩端施加一個(gè)拉力，當(dāng)其中一個(gè)環(huán)斷裂時(shí)，整個(gè)鏈條也就斷裂，鏈條的壽命取決于最弱環(huán)的壽命長(zhǎng)度。由此可知其適用條件為：
 
      （１）建模對(duì)象為系統(tǒng)組成要素的壽命長(zhǎng)度，即建模對(duì)象應(yīng)該是故障發(fā)生時(shí)間，而不是故障間隔時(shí)間。故障間隔時(shí)間是加工中心可靠性評(píng)估時(shí)最常用的特征指標(biāo)，這是基于可修特性的。但是在不考慮維修影響的情況下，其故障普遍是由不同零部件損壞導(dǎo)致的，不相關(guān)的零部件故障的間隔時(shí)間是沒有意義的。
 
      （２）系統(tǒng)各要素壽命獨(dú)立同分布，即要求故障機(jī)制相同，至少是相似。系統(tǒng)壽命的分布統(tǒng)計(jì)，本質(zhì)上是針對(duì)某種失效特性考察其平均失效時(shí)間，對(duì)于多種故障機(jī)制混合的情況，簡(jiǎn)單的統(tǒng)計(jì)分析沒有任何意義，因?yàn)樵诤雎晕锢硪饬x的情況下，任何一組數(shù)據(jù)都可以得到極高精度的曲線擬合?；谝陨峡紤]，本文利用系統(tǒng)故障時(shí)間，采用競(jìng)爭(zhēng)威布爾模型進(jìn)行加工中心的可靠性評(píng)估。競(jìng)爭(zhēng)威布爾模型是用不同的威布爾分布表征不同的故障機(jī)制，是對(duì)多種故障機(jī)制共同作用結(jié)果的一種描述。當(dāng)有ｋ種故障機(jī)制獨(dú)立地作用于系統(tǒng)時(shí)，其中任何一種故障機(jī)制單獨(dú)作用都會(huì)引發(fā)故障，最早發(fā)生的故障將導(dǎo)致系統(tǒng)故障，即Ｔ＝ｍｉｎ｛Ｔ１，Ｔ２，…，Ｔｋ｝，這種故障形式稱為競(jìng)爭(zhēng)性故障，評(píng)估存在競(jìng)爭(zhēng)性故
障的威布爾模型稱為競(jìng)爭(zhēng)威布爾模型。設(shè)Ｆｉ（ｔ）為Ｔｉ的累積失效分布函數(shù)，系統(tǒng)的累積失效分布函數(shù)為

      ２　、故障數(shù)據(jù)預(yù)處理

      加工中心的現(xiàn)場(chǎng)故障數(shù)據(jù)來(lái)源于機(jī)床生產(chǎn)廠家的維修記錄，主要包括對(duì)故障時(shí)間、維修時(shí)間的記錄和故障現(xiàn)象、維修方式的簡(jiǎn)單描述。由于故障記錄信息不完備，來(lái)源于加工中心使用現(xiàn)場(chǎng)的故障數(shù)據(jù)無(wú)法直接歸類分析。利用競(jìng)爭(zhēng)威布爾模型進(jìn)行評(píng)估，必須解決故障數(shù)據(jù)（ｔ１，ｔ２，…，ｔｎ）向ｋ 種故障機(jī)制數(shù)據(jù)（ｔ（ｉ）
１ ，…，ｔ（ｉ）ｍ ）分離的問題，故障數(shù)據(jù)的分離本質(zhì)上是進(jìn)行故障機(jī)制分析，然而由于信息缺乏和工作量巨大，故障機(jī)制分析是無(wú)法完成的工作。本文通過故障樹分析（Ｆａｉｌｕｒｅ　Ｔｒｅｅ?。粒睿幔欤螅椋螅疲裕粒┙⒐收系奶卣鲗傩约希M(jìn)而用數(shù)學(xué)的方法建立故障與故障應(yīng)力的關(guān)系，以故障應(yīng)力相似性表征故障機(jī)制的相似性，得出表征故障特性的故障信息序列，對(duì)故障信息序列進(jìn)行模糊聚類分析，將故障數(shù)據(jù)進(jìn)行分類，從而避開故障機(jī)制的分析，滿足了競(jìng)爭(zhēng)威布爾模型的要求。

      ２．１　故障特征屬性和故障信息序列

      通常，故障是用故障模式、故障機(jī)制和故障應(yīng)力三要素來(lái)表征的，故障機(jī)制是故障應(yīng)力發(fā)生作用直到導(dǎo)致故障模式發(fā)生的動(dòng)態(tài)或靜態(tài)過程，由于機(jī)械系統(tǒng)的復(fù)雜性，這三要素間往往存在多種組合關(guān)系，如圖１所示。在加工中心有多種故障機(jī)制，即使一個(gè)簡(jiǎn)單的零件斷裂，其形成的原因和過程也不只一種，再加上故障的傳遞等復(fù)雜過程，故障機(jī)制很難用簡(jiǎn)單的方式或公式敘述清楚。

      使用威布爾模型進(jìn)行系統(tǒng)可靠性分析，必須滿足的條件是故障應(yīng)力在系統(tǒng)各零部件上發(fā)生作用的過程一致或相近。對(duì)故障機(jī)制影響最大的因素是故障應(yīng)力，相同的故障應(yīng)力作用過程相似，不同的應(yīng)力作用過程則肯定不同。為避免故障機(jī)制的分析，本文采用故障應(yīng)力的相似性表征故障機(jī)制的相似性，用模糊評(píng)判的數(shù)學(xué)方法建立故障與故障應(yīng)力之間的關(guān)系，并以模糊評(píng)判結(jié)果作為故障信息序列，以表征各故障對(duì)應(yīng)的故障機(jī)制特性。

      建立故障信息序列的過程即分析不同的故障與所有故障應(yīng)力之間關(guān)系的過程，為表征故障的特性，以便深入分析故障與故障應(yīng)力的關(guān)系，本文定義故障特征屬性為導(dǎo)致故障發(fā)生的隨機(jī)故障事件或隨機(jī)故障事件的集合。
 
 
      隨機(jī)故障事件是在故障應(yīng)力作用下發(fā)生的、具有一定隨機(jī)性的事件，其發(fā)生不依賴于其他故障事件，但能導(dǎo)致其他故障事件的發(fā)生，因此隨機(jī)故障事件也就是故障樹分析中的底事件，而故障的特征屬性就是故障樹的最小割集。隨機(jī)故障事件是故障應(yīng)力作用的直接對(duì)象，是故障機(jī)制的發(fā)生載體，故以隨機(jī)故障事件表征系統(tǒng)故障，能更容易得到系統(tǒng)故障與故障應(yīng)力之間的關(guān)系。以Ｆ 表示系統(tǒng)故障進(jìn)行ＦＴＡ 分析，得到ｎ 個(gè)導(dǎo)致故障Ｆ 發(fā)生的最小割集（ｆ１，ｆ２，…，ｆｎ）。以最小割集作為故障Ｆ 的特征屬性，則故障Ｆ 的特殊屬性集合表示為Ｆ＝（ｆ１，ｆ２，…，ｆｎ）。通過模糊評(píng)判的方法建立系統(tǒng)故障特征屬性集合與系統(tǒng)故障應(yīng)力集合Ｓ＝｛ｓ１，ｓ２，…，ｓｍ｝之間的關(guān)系：

      步驟１　建立故障特征屬性與故障應(yīng)力之間的模糊關(guān)系。利用專家知識(shí)，通過二元對(duì)比排序法，得到故障特征屬性和故障應(yīng)力之間的模糊關(guān)系矩陣

  
      步驟２　求得系統(tǒng)故障對(duì)各特征屬性的評(píng)判值，并以其作為特征屬性權(quán)重。利用專家打分的方式得到故障特征屬性的評(píng)價(jià)值，用以表征各最小故障事件發(fā)生的可能性，并以其作為故障特征屬性權(quán)重Ｗ ＝ （ｗ１，ｗ２，…，ｗｎ）。步驟３　通過模糊推理得到系統(tǒng)故障對(duì)故障應(yīng)力的評(píng)判值，即故障信息序列。

      根據(jù)模糊變換原理，由各故障特征屬性的權(quán)重值和建立的模糊關(guān)系矩陣可得故障信息序列為

   
      ２．２　故障數(shù)據(jù)的模糊聚類分析

   
      以故障信息序列表征故障，信息序列中的數(shù)值表示各故障對(duì)應(yīng)的故障機(jī)制的特征值，特征值的相似性標(biāo)志故障機(jī)制的相似性。本文利用模糊聚類的方法分析各故障信息序列的相似性，并根據(jù)其相似性對(duì)其進(jìn)行聚類分析。模糊聚類對(duì)象為故障信息序列集合｛Ｂ１，Ｂ２，…，Ｂｎ｝，其中每個(gè)對(duì)象Ｂｉ由一組數(shù)據(jù)（ｂｉ１，ｂｉ２，…，ｂｉｍ）組成，根據(jù)故障信息的相似度建立模糊相似矩陣Ａ＝（ａｉｊ）ｎ×ｎ，其中ａｉｊ表示故障Ｂｉ與Ｂｊ的相似度，

　      根據(jù)Ａλ將每列中元素１對(duì)應(yīng)的Ｂ（即故障信息序列）劃歸為一類，從而實(shí)現(xiàn)故障數(shù)據(jù)按照故障機(jī)制的分類，完成競(jìng)爭(zhēng)威布爾模型評(píng)估的故障數(shù)據(jù)預(yù)處理。

       ３、　模型參數(shù)估計(jì)

       ３．１　威布爾模型參數(shù)的自助法估計(jì)

      隨著科技的進(jìn)步，加工中心已具有較高的可靠性，導(dǎo)致評(píng)估其可靠性水平所需的有效故障數(shù)據(jù)較少，加上故障數(shù)據(jù)的分類處理，使得故障數(shù)據(jù)很難滿足統(tǒng)計(jì)樣本量的要求，即競(jìng)爭(zhēng)威布爾模型評(píng)估必然是小子樣的，本文采用自助法處理小子樣評(píng)估中威布爾模型參數(shù)的估計(jì)問題。自助法是美國(guó)Ｓｔａｎｆｏｒｄ大學(xué)統(tǒng)計(jì)教授Ｅｆｒｏｎ提出的一種再抽樣的統(tǒng)計(jì)方法，其主要思想是由原始觀察數(shù)據(jù)經(jīng)過再抽樣獲得含量相等的自助樣本，用自助統(tǒng)計(jì)量與觀察統(tǒng)計(jì)量的關(guān)系逼近觀察統(tǒng)計(jì)量與真值之間的關(guān)系。

      利用自助法進(jìn)行威布爾分布參數(shù)估計(jì)的步驟如下：

     步驟１　威布爾模型線性化。

      經(jīng)過兩次求對(duì)數(shù)可以得到威布爾分布的線性回歸模型

      將ｅｉ作為原始數(shù)據(jù)，利用自助法再抽樣產(chǎn)生１　０００個(gè)自助樣本。步驟３　將各個(gè)自助樣本中的ｅｉ分別與對(duì)應(yīng)的＾ｙｉ相加，產(chǎn)生１?。埃埃皞€(gè)自助重復(fù)。步驟４　根據(jù)步驟２中的式（９）和式（１０）計(jì)算各自助重復(fù)的ａ和ｂ 的估計(jì)值。

      利用現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行可靠性評(píng)估，對(duì)于整體故障數(shù)據(jù)（ｔ１，ｔ２，…，ｔｎ）而言，其具有定數(shù)截尾數(shù)據(jù)的特征，對(duì)（ｔ（ｉ）１ ，…，ｔ（ｉ）ｍ ）而言則具有定時(shí)截尾的特征，這是因?yàn)樵冢簦ǎ椋?＜ｔ＜ｔｎ期間ｉ類故障未發(fā)生。在ｔ（ｉ）ｍ ＜ｔ＜ｔｎ期間，此種故障機(jī)制可能由于工作環(huán)境的改變而消失，也可能仍然在發(fā)生作用，但是由于工作應(yīng)力或工作環(huán)境的作用，致使ｔｍ＋１（ｉ）＞ｔｎ而未被觀測(cè)到。

      本文稱這種具有不同于定時(shí)截尾數(shù)據(jù)特征的故障數(shù)據(jù)為偽定時(shí)截尾數(shù)據(jù)。

      ３．２　偽定時(shí)截尾數(shù)據(jù)威布爾模型參數(shù)估計(jì)偽定時(shí)截尾數(shù)據(jù)意味著存在某種故障應(yīng)力在未被察覺的情況下發(fā)生作用，當(dāng)條件適當(dāng)時(shí)這種作用就會(huì)導(dǎo)致故障的發(fā)生，因此即使在考察期ｔ（ｉ）ｍ ＜ｔ＜ｔｎ內(nèi)未發(fā)生故障，其對(duì)系統(tǒng)故障率仍具有一定貢獻(xiàn)。為更精確地評(píng)估這種故障數(shù)據(jù)對(duì)可靠性造成的影響，本文提出基于灰色預(yù)測(cè)的改進(jìn)自助法來(lái)處理截尾數(shù)據(jù)，即以添加了灰色預(yù)測(cè)故障數(shù)據(jù)的序列Ｔ′ｉ代替原始故障數(shù)據(jù)序列Ｔｉ，利用自助法進(jìn)行參數(shù)估計(jì)?；疑A(yù)測(cè)法是一種對(duì)含有不確定性因素的系統(tǒng)進(jìn)行預(yù)測(cè)的方法，灰色時(shí)間序列預(yù)測(cè)是用觀察到的反映預(yù)測(cè)對(duì)象特征的時(shí)間序列來(lái)構(gòu)建灰色預(yù)測(cè)模型，預(yù)測(cè)未來(lái)某一時(shí)刻的特征量。設(shè)原始序列為Ｘ（０）＝｛Ｘ（０）（１），Ｘ（０）（２），Ｘ（０）（３）｝，具體預(yù)測(cè)過程如下：

      當(dāng)ｋ＝３時(shí)，由式（１４）和式（１５）求得的＾Ｘ（０）（４）即為所求。

      為更好地利用已有故障信息，本文認(rèn)為對(duì)ｉ類故障機(jī)制，在ｔ（ｉ）ｍ ＜ｔ＜ｔｎ期間，故障的出現(xiàn)遵從非時(shí)齊泊松過程，其故障強(qiáng)度可以用故障率函數(shù)表示，即ｕ（ｔ）＝λ（ｔ）。通過故障強(qiáng)度計(jì)算期望故障數(shù)，可以確定是否需要增加預(yù)測(cè)故障數(shù)據(jù)ｔ′?；诨疑A(yù)測(cè)的改進(jìn)自助法步驟為：

      ４　、實(shí)例分析

     以某型號(hào)臥式加工中心部分現(xiàn)場(chǎng)故障數(shù)據(jù)為例進(jìn)行實(shí)例分析，故障集為Ｆ＝｛刀庫(kù)亂刀，刀具外部冷卻故障，主軸換刀故障，主軸振動(dòng)異響，Ｙ 軸換刀不到位，Ｙ 軸振動(dòng)異響，Ｂ 軸回轉(zhuǎn)精度降低，托架交換速度過快，托架交換停止｝，故障時(shí)間為Ｔ＝｛１６５ｈ，２０７ｈ，２５４ｈ，３０７ｈ，３６６ｈ，４３６ｈ，５１１ｈ，５９１ｈ，６７８ｈ｝。根據(jù)２．１節(jié)中的方法對(duì)各故障進(jìn)行故障樹分析，得其故障特征屬性集合，依據(jù)專家知識(shí)及模糊推理方法可得各故障信息序列為：

      根據(jù)式（６）和式（７）計(jì)算聚類對(duì)象｛Ｂ１，Ｂ２，…，Ｂｎ｝的模糊相似矩陣Ａ 的傳遞閉包，得

      根據(jù)模糊聚類方法，聚類閾值λ 取１，０．９９４?。?，０．９８６，０．９６７?。?，０．９２８，０．９２２?。?，０．９１７?。矗埃福叮丁。?，０．８５０?。担⑶议撝翟酱蠓诸悢?shù)越多。取λ＝０．９１７?。春?lambda;＝０．８６６　６進(jìn)行計(jì)算，得等價(jià)關(guān)系矩陣如下：

      由此可以將故障數(shù)據(jù)集分為｛ｔ１，ｔ３，ｔ４，ｔ７，ｔ８｝，｛ｔ２，ｔ５，ｔ６｝，｛ｔ９｝三類和｛ｔ１，ｔ３，ｔ４，ｔ７，ｔ８，ｔ９｝，｛ｔ２，ｔ５，ｔ６｝兩類，考慮小樣本數(shù)據(jù)處理的要求，選擇λ＝０．８６６?。兜姆诸愖鳛楣收蠑?shù)據(jù)集聚類結(jié)果，即對(duì)應(yīng)于競(jìng)爭(zhēng)威布爾分布模型中兩個(gè)獨(dú)立分布的故障數(shù)據(jù)，分別為Ｔ１＝｛２０７，３６６，４３６｝和Ｔ２＝｛１６５，２５４，３０７，５１１，５９１，６７８｝。在不考慮故障數(shù)據(jù)截尾影響時(shí)，由參數(shù)的自助抽樣可以很容易得到其點(diǎn)估計(jì)和區(qū)間估計(jì)，兩個(gè)威布爾分布的參數(shù)自助法估計(jì)結(jié)果如表１所示。

                           表１?。裕?，Ｔ２的威布爾參數(shù)估計(jì)表

      靠性指標(biāo)計(jì)算如下：競(jìng)爭(zhēng)威布爾模型故障率

      競(jìng)爭(zhēng)威布爾模型可靠度函數(shù)

      失效密度函數(shù)

      平均無(wú)故障時(shí)間

      競(jìng)爭(zhēng)威布爾分布與普通威布爾分布可靠度函數(shù)的對(duì)比如圖２所示，圖中實(shí)線表示競(jìng)爭(zhēng)威布爾模型的可靠度函數(shù)曲線，虛線表示普通單威布爾模型的可靠度函數(shù)曲線?？梢园l(fā)現(xiàn)，由于考慮故障的復(fù)雜性和故障機(jī)制的多樣化，競(jìng)爭(zhēng)威布爾模型的可靠度明顯低于普通威布爾模型的計(jì)算結(jié)果，考慮到競(jìng)爭(zhēng)性故障客觀存在和“用戶可靠性感受明顯低于評(píng)估
結(jié)果”的現(xiàn)象，筆者認(rèn)為這種結(jié)果是合理的。競(jìng)爭(zhēng)性故障是獨(dú)立存在并作用于系統(tǒng)的，當(dāng)某種故障機(jī)制的故障某時(shí)刻之后不再出現(xiàn)并且有足夠證據(jù)表明這種故障機(jī)制消失的情況下，系統(tǒng)的可靠度會(huì)出現(xiàn)一個(gè)跳躍性的突變，如圖３所示。當(dāng)故障信息不足時(shí)，故障機(jī)制的消失點(diǎn)可以設(shè)為第３章中偽定時(shí)截尾數(shù)據(jù)處理時(shí)添加的最后一個(gè)預(yù)測(cè)故障時(shí)間ｔ（１）
５ 。

      ５　、結(jié)束語(yǔ)

      本文從加工中心可靠性評(píng)估中常用的威布爾模型的適用條件和物理背景出發(fā)，立足于故障機(jī)制的多樣性，最終目的是實(shí)現(xiàn)可靠性評(píng)估的統(tǒng)計(jì)意義與物理意義的結(jié)合。解決了競(jìng)爭(zhēng)威布爾模型使用受限這一難題，實(shí)現(xiàn)了在缺乏完備系統(tǒng)故障信息情況下對(duì)故障數(shù)據(jù)的分類，在遵循可靠性評(píng)估立足于故障的前提下，避免了難度大、工作量大的故障機(jī)制探測(cè)
及分析工作。本文提出的故障特征屬性、故障信息序列以及偽定時(shí)截尾數(shù)據(jù)處理的概念和方法是解決本文問題的關(guān)鍵，是本文的創(chuàng)新所在，更是對(duì)研究故障特性、故障相關(guān)性和可靠性評(píng)估的有益探索。