加工中心作为现代化生产的基础装备,是国家工业发展的核心。在中国向智能制造工业强国迈进的背景下,中国成为世界各国机床生产企业竞争的主市场。与世界数控机床制造企业对比,我国高端加工中心的竞争力相对薄弱,受加工中心加工精度、加工速度和可靠性等方面影响使其在国内市场占有率较低。针对加工中心进行关联故障的可靠性分析为可靠性设计、维修和故障诊断提供基本的指导。本文以国家自然科学基金为依托,对加工中心进行关联故障及参数关联退化分析。主要内容如下:首先,基于现场故障数据建立加工中心可靠性数学模型。依据制定的加工中心可靠性考核方案进行可靠性数据收集共获得107条故障数据;依据加工中心结构、工作原理及功能元件对应关系将加工中心划分为12个子系统。进一步对可靠性数据进行统计分析,通过模型优选、参数估计和参数拟合优度检验确定加工中心威布尔分布可靠性模型;同时建立所有子系统可靠性模型。其次,改进的故障危害度分析与故障关联性分析。依据现场试验故障数据进行加工中心故障模式、故障原因分析(FMEA),确定故障多发子系统;将群体决策方法以及专家评估与熵权相结合的方法引入故障模式危害度分析(CA)及子系统危害度分析中,解决故障模式频率比、故障模式影响概率和系统的故障率无权重相乘、单一专家团队对故障模式影响概率的差异化问题,改进子系统危害度分析;采用决策实验室分析法(DEMATEL)进行加工中心子系统故障关联性分析,利用被影响度、原因度、影响度以及中心度来分析子系统故障的关联排序及关键性子系统。结合解释结构模型(ISM)明确系统内部故障之间的故障传递过程并将加工中心故障传递划分为5个等级,确定电气系统为第五等级最深层次的影响系统。再次,加工中心子系统可靠性影响度综合分析。进行加工中心子系统静态影响度、动态影响度分析,从不同角度确定加工中心各子系统的排序分值,为能够客观有效的分析各子系统对加工中心的影响程度,结合加工中心子系统危害度排序、动静态影响度分析结果,引入数据包络分析(DEA)方法进行综合影响度排序;应用数据包络方法相对有效性的特点,参考子系统排序指标进行加权分析,采用数量方法有效确定各个子系统指标的隐含权重,遵循高分高权重低分低权重的原则,综合运用各指标有效信息进行子系统影响度分析。最终确定主轴系统、液压系统、气动系统为影响加工中心最显著的子系统。最后,子系统关联退化分析。以二元模型为例进行串联系统的关联退化分析,通过Gaussian Copula、Clayton Copula和Frank Copula Copula分别描述单元间的关联关系,并对二元串联模型的可靠度及概率密度进行分析;采用蒙特卡洛(MC)抽样和边距推断函数(IFM)方法进行三种Copula函数的数值模拟,以赤池信息准则(AIC)进行Copula函数有效性分析,确定最合适的退化模型,并分析其可靠度变化情况。加工中心子系统可靠性影响度分析确定了液压系统为重点关注子系统,故障关联分析得出液压系统和工作台关联程度较高,因此以加工中心液压系统和工作台组成的串联系统为研究对象进行了关联退化分析,确定Frank Copula最优描述模型,且其可靠度比独立假设的可靠度高,为系统维修策略制定提供了参考依据,避免企业造成维修过剩。