数控机床是一个复杂的总体系统,其子系统的电子元器件、机械零部件众多,且工作时子系统必须保持高度的协调性与稳定性。由于机床的本身属性和功能特点,在开展相应的可靠性评估时面临着故障表现形式复杂、故障信息难以统计,数据面临小样本的特点。本文基于上述问题,对数控机床的主要故障表现形式做了相关梳理与分析,之后开展了一些可靠性试验,并根据实验结果采用贝叶斯理论以及相关的改进算法完成了数控机床的可靠性评估工作。其主要研究内容如下:（1）针对数控机床子系统众多,故障表现形式复杂的特点,对数控机床的故障模式进行了统计分类。然后采用FMEA分析法对数控机床的整机进行了故障分析,之后采用了FTA分析法对数控机床的主传动系统建立了相关模型,考虑到底事件小概率难以计算的问题,引入了模糊数学理论,对最小割集所确定的基本事件进行了概率估计,进一步确定了顶事件的发生概率的模糊数,并对各基本事件的重要度进行了相关分析。最后提出了相应的改进措施。（2）针对数控机床可靠性数据的收集问题,设计了一套可靠性试验流程,其中包含了抽样方法设计;故障的判定和计数准则设计;主轴载荷信息的统计和计算;空运转试验、静刚度试验和主轴扭矩和切削加载试验等。针对跟踪试验所收集的小样本数据的问题,引入了贝叶斯理论,并基于贝叶斯的先验信息和试验数据,通过JB检验和秩和检验法对样本进行了相容性检验。（3）在用贝叶斯网络对数控机床进行的可靠性评估时,先验模型的确定是可靠性评估的前提。本文基于先验信息的规律性分析和极大似然法和最小二乘法的思想,确定了先验模型参数的点估计和区间估计,并应用AIC信息准则对先验模型可能的分布类型进行了最优确定,用KS检验说明了所确定模型的可行性。最后根据参数寻优原理,提出了一种AMPSO-SVM（自适应的平均最优粒子群—支持向量机）的改进算法对所确定的模型进行了优化设计。（4）在上述先验模型分布确定的情况下,基于bootstrap法确定了模型参数的边缘分布,然后基于MCMC的思想用Gibbs抽样技术通过Open BUGS软件迭代出了数控机床的可靠性后验模型,并根据上述模型对数控机床进行可靠性评估,得到了可靠性指标的计算值。