最后，现有的设备的可靠性评估尚存在一些问题，我国学者黄洪钟对常规可靠性理论进行了批判性的综述。他指出了二值逻辑假设的不合理性以及概率假设解决工程实际问题的不现实性[17]。传统的可靠性评估方法在设备运行时所面临的主要问题如下：

(1)传统的可靠性评估方法是以概率论与数理统计为数学基础的，这就决定了可靠性评估必须以足够多的样本数据为基础。所以，大样本失效数据、可重复的大样本寿命试验或加速寿命试验是必不可少的。但在实际中，某台具体设备运行的可靠性评估，往往是小样本问题，且对于灾难性事故又不具有概率重复性，所以难以收集大样本统计数据。 

(2)传统的可靠性评估方法更加依赖设备的失效分布，准确求解设备失效分布参数、解析设备的失效概率是传统可靠性评估的主要任务之一。设备的失效分布是一种有限假设，但在大样本情况下，准确的失效分布是很难估计的。

(3)传统的可靠性评估方法是基于二值假设或有限状态假设的，然而在实际的工作中，设备的状态多是连续退化的，具有很强的不确定性，表现为状态变化的模糊性和随机性。

(4)机械设备内部结构复杂，各个零部件之间存在着复杂的运动关系和耦合作用。尤其是不同的零部件，其失效分布规律不同，基于概率的可靠性数学模型往往事后统计其失效分布规律，获得设备零部件失效前可靠性的变化规律是困难的，难以实现预知维修。 

(5)对于使用期的设备而言，其被关注的所在是其运行过程中的可靠性。但在实际运行中，设备的运行条件和环境是多变的。传统的可靠性评估对复杂状态的评估是不足的，对在线设备的运行可靠性评估是不够的[18]。

目前，国内外学者对以上问题提出了一些改进方法。2010年时，BALAKRISHNAN 等[19]在Kaplan-Meier非参数估计方法的基础上提出了以一种新的参数模型估计方法来估计设备在截尾时刻的可靠度函数的方法。同年，HUANG等[20]根据实际工作中工程的分布参数在初期失效数据与后期失效数据之间的差异性问题，设计出了对于数据变异检测及混合模型参数估计的方法。MA等[21]利用更准确的仿真方法来研究样本不足导致大样本逼近无法实现的情况下基于小样本的加速退化试验特性。2011年，RAJESH等[22]建立了以聚类、模糊集映射和模糊逻辑为基础进行的运行可靠性计算模型。2010年，XING等[23]在学习曲线的特性上提出了一种基于动态贝叶斯估计方法改善小样本情况下系统可靠性评估精度不高的问题。2005年，PARK等[24]利用几何布朗运动和伽马过程建立了新的加速性能退化模型。2009年GEBRAEEL等[25]在失效数据拟合 Bernstein 分布的基础上利用了其分布数据估计初始退化模型的先验分布。2009年，XU 等[26]提出了一种在线的故障预测的实时可靠性预测模型，利用蒙特卡洛仿真技术预测系统的实时可靠性。CHING 等[27]提出了一种使用贝叶斯分析和子集仿真的系统。在国内，2006年程皖民[28]就长寿命产品在试验过程中失效数据的缺失问题，采用贝叶斯方法，分析了产品在可靠性增长过程中各阶段的可靠性水平。2011年，唐樟春等[29]基于证据理论建立了一种概率信息不全时的可靠性评估模型。2005年，王文清等[30]应用模糊理论建立了综合传动铸铁密封环的模糊可靠性模型。2007年，赵炤等[31]在退化型产品的试验数据基础上，利用贝叶斯方法将现场数据反映至设备的实时可靠性模型中。东北大学李常有等[32-35]将产品失效机理引入产品设计可靠性中，通过仿真和试验建立产品失效概率与诱发失效物理参数之间的关系模型，为机械设备运行过程中的可靠性评估提供了有益的借鉴。 产品可靠性评估研究现状(2):http://www.youerw.com/yanjiu/lunwen_98059.html