可靠性工程在近年以得到了迅速发展,并在车辆工程领域得到了极大的重视和推广。对于整车而言,汽车发动机的可靠性的好坏对其有大程度的影响。同一型号的发动机可用于不同车型和不同的工程使用背景,如牵引车、公路运输车,工程机械车和自卸车等。在产品的设计阶段可根据功率的不同用于不同的使用背景,而某一型号发动机对于不同使用背景的适用度划分则需要现场试验的数据来进行分析评判。本文为了研究这一课题,对收集的大量各型号现场试验数据进行归纳整理,将其按型号和各型号在不同的使用背景进行划分,分成牵引车、公路运输车、工程机械和自卸车4种使用背景。并根据故障模式的描述对每种型号及不同使用背景下的子系统故障进行子系统划分,分为曲柄连杆机构、配气及进排气系统、燃油系统、增压系统、冷却润滑系统和起动系统六大主要子系统。对于数据量充足的样本进行故障数据分布模型的估计,经估计均与威布尔分布有最优的拟合度,利用威布尔分布的可靠度函数直接进行可靠度计算,进而来判断其更适用于何种使用背景。而对于故障样本极少的发动机数据,无法利用数据去估算其故障分布,进而无法求得其可靠度。因此,本文统计整理了各型号发动机在不同使用背景下子系统的故障占比,并对大样本数据下的子系统故障数据进行故障分布模型估计并计算其可靠度,利用数据量量充足的数据建立神经网络进行训练,将统计出来的子系统故障占比作为输入,通过计算所求得的子系统可靠度作为输出进行训练。利用训练好的神经网络模型去预测小样本下无可靠度函数的子系统可靠度,分别预测出50天和100天的子系统可靠度,在这里将小样本数据下的子系统故障认定为符合威布尔分布,借助两组可靠度数据值并子系统可靠度函数进行推导。随后,再次建立神经网络模型,以子系统可靠度为输入,整机可靠度为输出进行训练。利用数据求出的和神经网络预测出的子系统可靠度去预计发动机整机以及个使用背景下的可靠度,从而建立完整的可靠度谱。利用完成好的可靠度谱对小样本数据下的柴油发动机进行实例预测,分别预测出两种型号柴油发动机的整机及子系统可靠度,并分析了这些型号柴油发动机在不同使用背景下的适用度,并将将预测结果再次补充到可靠度谱中。当有新型号发动机出现时,便可利用已建立的可靠度谱对不同的使用背景下的可靠度进行预计,进而为其进行一个使用背景和适度预测。最后开发了基于SQL Server数据库系统的可靠度分析界面,筛选发动机型号及使用背景,输入使用天数,经后台程序运算,便可得出在该筛选条件下整机及子系统的可靠度和子系统故障占比。