数控机床可靠性模型理论是可靠性分析的基础,现阶段时间故障模型研究中,两参数威布尔分布和三参数威布尔分布是最常用的两种失效分布模型,但两种分布模型对失效数据的收集区间描述不足,因此引入双截尾威布尔分布模型。常规的可靠性分析流程为对机床失效数据做回归分析或曲线拟合并进行假设检验,从而完成对机床的评估。然而模型参数区间估计方法的缺失影响了数控机床可靠性分析的完整性。为区分机床失效数据的分布模型,通常将数据分别利用不同模型进行回归分析或曲线拟合,通过假设检验来判定失效数据服从何种分布模型。然而随着可靠性工作的开展以及制造工艺水平的提高,失效数据的收集工作越来越困难,成本也逐渐提高。两参数威布尔分布模型作为机床可靠性分析中最常用的故障模型,其专用检验方法可以在很大程度上提高分析效率。基于K均值聚类算法的RBF神经网络可靠性扩充算法的出现,在很大程度上解决了小样本数据导致的评估困难,然而该算法中存在K值难以确定的问题,目前没有通用的确定方法,对专家经验较为依赖。本文结合和多家企业合作搜集的多个型号数控机床失效数据,对多种分布模型的参数估计方法与假设检验方法进行了研究,并对三参数威布尔分布模型和双截尾威布尔分布模型的参数区间估计进行了探索,并提出新的失效数据扩充算法。主要研究成果如下:从理论角度对多种分布模型的参数点估计与区间估计方法进行了深入分析,并结合多组实验数据对故障模型的参数点估计与区间估计方法进行了研究。提出在数控机床电器故障数据分析中,威布尔分布模型较指数分布具有更好的效果,且在相同置信水平下可得到更小的置信区间。在整机故障分析中,两参数威布尔分布模型也拥有较好的表现。对两参数威布尔分布模型的专用假设检验方法Mann检验进行了理论证明,并根据多组实验数据进行了有效性验证,在对小样本分析中Mann检验具有较高的精度,因此提出新的数控机床可靠性分析流程,并提出在模拟两参数威布尔分布模型数据时优先使用Mann检验方法进行检验。设计了变区间迭代算法对三参数威布尔分布模型进行参数点估计数值求解,并基于似然比检验理论对其进行了参数区间估计分析。在分析位置参数对尺度参数和形状参数围成置信区域的影响趋势基础上,得出三参数威布尔分布模型位置参数不存在小于其取值范围的置信区间的结论。提出了双截尾威布尔分布模型基于最大似然估计和极值思想的参数点估计方法,和基于似然比检验理论的参数区间估计方法。设计最佳初始区间确定算法,并结合实验数据基于Monte Carlo方法使用变区间迭代方法进行求解。提出了基于AP聚类算法的RBF神经网络扩充算法。设计了与样本总量关联的参考度,减少了对专家经验的依赖。引入BWP聚类优度指标并设计了测试流程,分别使用不同样本量的两参数威布尔分布模拟数据和一组机床测试失效数据进行了对比分析。