本书围绕数控磨齿机可靠性技术中的一系列问题，在可靠性建模、可靠性评估、故障分析及可靠性风险评价等方面进行了研究，以达到提高国产数控磨齿机的可靠性水平的目的。本书首先确定了可靠性评价特征量及这些特征量之间的相互关系，为可靠性评估方法的研究奠定基础；其次对小样本可靠性评估方法进行了研究，建立了基于RBF神经网络的可靠性评估流程，同时对数控成形磨齿机故障和可靠性风险进行了综合分析，为提升机床装备可靠性奠定基础。
本书适合企业技术装备人员阅读，也可作为高等学校机械制造、智能制造相关专业在校本科生、研究生的教学参考用书。

第1章 可靠性建模理论
1.1 可靠性建模与可靠性评价
1.1.1 可靠性建模目的和意义
1.1.2 可靠性评价函数
1.1.3 可靠性评价指标
1.2 可靠性分布模型简介
1.2.1 韦布尔分布模型
1.2.2 指数分布模型
1.2.3 正态分布模型
1.2.4 对数正态分布模型
1.3 可靠性分布模型检验方法
1.3.1 统计假设检验
1.3.2 拟合优度检验
1.4 本章小结
第2章 数控磨齿机磨削原理
2.1 磨削加工理论
2.1.1 磨削机理
2.1.2 磨削加工
2.1.3 磨削力计算
2.2 成形磨齿机磨削原理
2.2.1 成形磨齿原理
2.2.2 成形数控磨齿机结构
2.3 摆线轮磨削原理
2.3.1 摆线轮齿面形状
2.3.2 摆线轮啮合方程
2.3.3 摆线轮磨齿机结构
2.3.4 摆线轮磨削机理
2.4 本章小结
第3章 数控磨齿机故障综合分析
3.1 振动信号故障特征提取技术
3.1.1 EMD 算法介绍
3.1.2 实验数据采集
3.1.3 振动数据的处理与分析
3.2 数控磨齿机故障树分析（FTA）
3.2.1 FTA 基本方法
3.2.2 数控磨齿机故障树的建立
3.2.3 数控磨齿机故障树定性分析
3.3 基于 FTA-AHP 的数控磨齿机可靠性分析
3.3.1 FTA-AHP
3.3.2 在数控磨齿机上应用 FTA-AHP
3.3.3 故障因素层次总排序分析
3.4 本章小结
第4章 基于 RBF 神经网络的数控磨齿机可靠性评估
4.1 RBF 神经网络简介
4.1.1 RBF 神经网络结构介绍
4.1.2 RBF 神经网络学习算法
4.2 基于 RBF 神经网络的扩充算法
4.2.1 RBF 神经网络扩充算法的设计
4.2.2 RBF 神经网络可靠性评估流程
4.3 实例分析
4.3.1 原始故障间隔时间分布模型
4.3.2 RBF 神经网络扩充数据及分析
4.3.3 数控磨齿机可靠性评估
4.4 本章小结
第5章 基于贝叶斯方法的数控磨齿机可靠性建模分析
5.1 可靠性数据的收集
5.1.1 可靠性数据分类
5.1.2 可靠性数据收集方法
5.1.3 可靠性数据的筛选
5.2 数控磨齿机先验信息
5.2.1 先验信息预处理
5.2.2 先验信息相容性检验
5.3 数控磨齿机先验分布的确定
5.3.1 常用的先验分布介绍
5.3.2 自助法确定先验分布
5.3.3 分布模型的假设检验
5.4 后验分布计算
5.4.1 Win BUGS 软件计算
5.4.2 后验参数区间和 MTBF 计算
5.5 本章小结
第6章 基于模糊 FMECA 的数控磨齿机可靠性评估
6.1 传统 FMECA 方法介绍
6.2 模糊风险评价模型
6.2.1 模糊语言变量
6.2.2 模糊综合评判
6.3 数控磨齿机子系统 FMEA 分析
6.4 数控磨齿机子系统模糊风险评价（CA）
6.4.1 进给伺服子系统
6.4.2 机床液压子系统
6.4.3 磨削砂轮子系统
6.4.4 电气控制子系统
6.4.5 冷却润滑子系统
6.5 本章小结
第7章 总结与展望
7.1 研究工作总结
7.2 展望
参考文献