在现代的制造业中,数控机床占有核心地位,任何重大装备的制造都离不开数控机床。而数控机床的一些运动部件在整个机床中起重要的作用,当这些运动部件产生故障时,会对整个机床造成巨大的影响,并且这些运动部件在可靠性上的表现往往与整机不同,除此之外,过往的研究对运动部件可靠性建模往往只针对某一个具体的部件,并没有为统一的运动部件建立故障概率模型。对运动部件而言,有的本身就是一个元动作单元,有的进行结构化分解之后可以得到多个元动作单元,基于这两者之间所存在的这种联系,本文试图建立起关于独立元动作单元的故障概率模型,从而为运动部件可靠性研究做出贡献,本文主要包括以下这几个方面。（1）根据浴盆曲线对元动作单元故障率随时间变化的曲线进行了预估,认为其类似于浴盆曲线的偶然故障期和耗损故障期,但在偶然故障期会受到磨损和老化的影响,其并不是一条水平的直线,而是有轻微的增长趋势。另外根据引起元动作单元产生故障模式的原因,将元动作单元所产生的故障分为两类,元动作单元在运行过程中由于老化而产生的故障称为老化类故障,由于受到偶然因素的影响而产生的故障称为随机类故障,并给出了一个实例来说明这种分类方法。（2）建立元动作单元故障概率模型。在故障分类之后,根据这两种类型故障的特点,选用泊松分布对随机类故障进行描述,选用威布尔分布对老化类故障进行描述。由于老化类故障和随机类故障这两者之间相互独立,则威布尔分布和泊松分布这两个分布函数之间也相互独立,所以最终建立的元动作单元故障概率模型应为这两个分布函数直接进行相加。从建立的模型可以发现元动作单元的故障率在较长的一段时间内都较低但缓慢增加,然后随着老化程度的增加变化的速度越来越快,这和最初的猜测基本一致。最后通过一个具体的实例验证了模型基本准确。（3）现场数据的多重随机截尾。在根据现场数据中包含的老化类故障数据对威布尔分布进行参数估计时,由于现场数据收集到的数量与元动作单元的使用时间呈正相关,并且威布尔参数估计的精度与故障数据的量也呈正相关,所以为了满足威布尔分布参数估计的需要,选择在现场数据数量少时即进行参数估计,从而快速得到参数估计的结果,后续随着元动作单元使用时间的增长,现场数据的增加,多次进行截尾并根据截尾得到的数据不断进行参数估计从而提高估计的精度。截尾一次得到的数据类似于随机截尾,多次进行截尾即为多重随机截尾。（4）矩估计法的优势。多次进行截尾会使得威布尔分布参数估计的过程变得复杂并且会增加参数估计过程中的计算量,将最小二乘法,极大似然估计法和矩估计法这三种常用威布尔分布参数估计方法进行比较,发现矩估计法可以有效地简化计算过程,并且在参数估计过程中两个重要的中间参数,均值和方差均可以在上一次计算的基础上再次进行计算,可以有效减少计算量。最后通过实际的故障数据进行参数估计,进一步证明了本文中所提出的元动作单元故障概率模型有效。