随着我国产业转型需要、人力成本逐年上升,工业机器人在市场上的占有率逐年增加,工业机器人在焊接、装配、堆垛、搬运等领域得到广泛应用。目前,由于国产工业机器人的可靠性与国际先进水平存在较大的差距,导致其关键零部件主要依赖于进口。工业机器人可靠性水平低已成为严重制约国产中高档工业机器人发展的关键因素,提高国产工业机器人的可靠性迫在眉睫。本文以国产工业机器人为例,对工业机器人故障模式表征、可靠性预计和可靠性分配进行了研究。本文对六轴工业机器人的各个子系统的结构组成与功能进行介绍,并构建其可靠性数学模型。利用故障模式影响及危害性分析（Failure Mode Effect and Criticality Analysis,FMECA）对工业机器人故障模式、故障原因、影响因素、改进措施等进行分析,利用定性的危害性矩阵分析故障危害性,并最终给出改进意见。确定可靠性参数是工业机器人的可靠性指标预计与分配的基础。工业机器人失效率预计对其维修策略和备件数量选定具有指导意义。目前工业机器人各子系统存在故障概率分布不同,故障数据无法筛选,失效率的影响因素过于笼统等问题。针对上述问题,本文建立了工业机器人子系统不同分布情况下的故障率模型,将FMECA中的故障数据作为神经网络拟合浴盆曲线的输入输出,使用梯度值筛选故障数据,得到浴盆曲线的早期故障点,并使用最大似然函数拟合不同的分布参数;在此基础上,利用区间层次分析法（Analytic Hierarchy Process,AHP）细化工业机器人失效率预计的影响因素和量化认知不确定性,并结合新工业机器人与原工业机器人的差异性求解失效率修正系数,得到新工业机器人的故障率函数与平均无故障时间（Mean Time Between Failure,MTBF）。可靠性分配对提高产品全周期寿命、降低维护成本、表征薄弱子系统具有重要意义。由于现阶段分配方法无法处理工业机器人本身系统复杂性,同时其还存在定制性较强,退化和失效机理不明确等不确定性问题。针对上述问题,提出认知不确定性下的多状态工业机器人系统可靠性分配方法（Multistate Industrial Robot System-Reliability Allocation Method-based Epistemic Uncertainty,MIRS-RAM-EU）。利用Dempster-Shafer证据理论对认知不确定性进行量化,使用Kolmogorov微分方程对其多状态子系统性能进行计算;基于Birnbaum重要度理论对多状态工业机器人系统进行可靠性分配;随后清晰地展现出在认知不确定性下工业机器人各个子系统每一时刻可靠性分配系数;最终将该方法与传统的重要度方法进行比较,说明该方法精确性与有效性。