试验样本容量的选择在科学研究及产品开发中占有十分重要的地位。随着机械设备系统越来越复杂,功能要求越来越多样,人们对产品的可靠性要求也不断提高。验证高可靠性产品往往需要试验大量样品,这既耗费大量时间又增加研制成本。为解决这个问题,本文开展了汽车零部件可靠性评估的小样本方法研究,主要工作及结论如下:(1)引入继承因子来利用验前信息,推导了带继承因子的二项分布、指数分布可靠度置信下限。研究结果表明:可靠度随继承因子增大而增大,但评估结果介于历史可靠度和现场试验可靠度之间。二项分布验后分布密度对验前分布超参数较敏感,特别当代表验前失效次数的b值较大时会出现验后密度为负值的不合理现象,建议当b≤3时使用Beta验前分布。(2)以试验时间为纽带建立可靠度与试验应力之间的关系。根据这个关系可以通过改变试验应力来改变设计可靠度。结果表明:对于有替换定时截尾情形,当截尾时间延长至原来的k倍后,如果保持可靠度和置信度不变,指数分布所需样本数减至原来的1 /k,Weibull分布所需样本数减至原来的1 /km(m为Weibull分布形状参数);延长的时间可以通过加速寿命技术来缩短。算例表明,指数分布平均寿命延长至原来的1.784倍后,可靠度从0.9增至0.9427,相当于保持可靠度为0.9时试验样本从6减至1,减幅达83%;Weibull分布特征寿命延长至原来的1.72倍后,可靠度从0.9增至0.99,相当于保持可靠度为0.9861时试验样本从6减至1。对于高可靠度产品,样品数减幅将更大。(3)通过对可靠性影响因素研究,建立了生产过程中关键特征的联合分布密度函数来推导产品寿命与关键特征的函数关系。根据关键特征分布密度函数及其与产品寿命的关系推导寿命的分布密度函数,并由寿命分布密度函数建立可靠度函数。最后通过调查一个工厂某种产品的历史质量状况(过程能力指数)来初步确定该类产品的历史可靠性。根据历史可靠度Rd,实际测试样本量可减少为为原来的100(1-Rd)%。