若干部件按照一定方式可以构成一个系统,而系统中每个部件的寿命分布参数直接影响着系统的可靠度,根据寿命数据的来源不同可以将研究分为两种情况:一是部件寿命数据已知,二是部件寿命数据未知。在已有研究中大多是对第一种情况的研究,即针对不同分布类型,使用某种方法在已有寿命数据下对分布参数进行估计。而第二种情况的研究较少,特别是由于实验条件限制无法获得部件寿命,但却可以得到整个系统的寿命数据的情况,即由系统寿命数据估计部件分布参数,此类研究就屈指可数了。所以本文从系统寿命入手,引入系统最小特征量的概念,结合序统计量的知识,进一步研究单调关联系统中基于Ⅱ型删失数据下位置-尺度分布族的参数估计问题。本文将序统计量的概率密度函数表达式与引入的系统最小特征量结合,得到系统的概率密度函数和可靠度函数,并用极大似然估计法(MLE)、最优线性无偏估计法(BLUE)估计部件服从位置-尺度分布族的分布参数,以工业上最为常用的Weibull分布为例,引入Tayor展开的思想,将上述两种方法转变为最优线性无偏估计近似法(ABLUE)和极大似然估计近似法(AMLE),重新对部件分布参数进行估计。最后用以上四种方法对某一系统在不同截尾数下分别进行参数估计,并用蒙特卡洛法模拟探讨了不同系统(即系统结构不同、系统部件数不同)、不同方法在不同截尾数下参数估计的情况。研究表明,不同系统在截尾数逐渐增大时,各方法的估计值均越接近于真实值,且在同一截尾数下影响估计结果的主要是系统最小特征量,但没有证据表明系统部件数和系统最小特征量与最终的估计结果误差有明显的正/反比关系或其他联系。本文研究的四种方法没有哪一种是绝对最优的,要针对具体系统具体分析,但研究过程和结果显示ABLUE法在实际操作中最为方便,应优先被考虑。总的来说,系统部件数对估计结果没有什么明显影响,而系统最小特征量对参数估计值有重要影响,当截尾数越大时,该四种方法的差异就越小且估计值均趋近于真实值。