全面推进实施制造强国战略的背景下,国家将面向智能制造的生产运营、质量管理问题均列入了管理科学部“十四五”规划和2022年管理科学部重点项目资助领域。《中国制造2025》也提出要以“质量为先”作为发展理念。并且随着现代装备日趋精密化、复杂化,在实际应用中,对于获取故障率高且不易拆解的复杂部件的健康状态尤为关键,部件故障或者退化的多重后果也可被纳入运行可靠性度量中,在进行运维决策时需要统筹考虑,以符合实际的运营决策需求,但正因为这样,设备的维护成本在企业开支占比较大。而机械设备状态监测和剩余使用寿命（RUL）预测作为实现健康管理和维护决策的核心支撑技术亟待发展,且目前预测性维护技术还未能得到很好的实现,研究人员有必要不断地尝试各种新的有效方法来更好地解决这一问题,加快其实现方法与技术应用的成熟进程。基于此,本研究面向国家重大需求,从健康状态监测获取RUL的角度,探索重大装备关键部件预测性维护新的解决方法和途径,深入研究和探讨了基于RUL的重大装备关键部件健康管理和科学维护方法。本文的主要研究工作如下:以滚动轴承这一多频率参数型故障发生部件作为研究对象,第一,结合故障预测与健康管理（PHM）的基本理念和工程应用实际的需求,在对机械设备健康管理的基本内涵进行分析的基础上,将状态监测和剩余使用寿命预测的对象进行进一步抽象化处理,基于退化过程数据呈现小样本的特性,提出了包含退化特征提取、退化特征集构建、状态预测三个子问题一般流程模式,以期找到健康状态和运维策略的因果关系;将健康管理目标的实施路径进一步抽象化处理,提出了包含故障后果分析、维护成本建模,维护决策制定三个子问题的一般流程模式。第二,通过对现有研究技术的应用现状和面临问题的分析,针对状态监测和剩余使用寿命预测技术中的三个子问题展开研究。为解决设备状态监测数据中数据特征表征退化信息能力不足的问题,首先对机械设备关键部件的退化机理进行分析,提出一种三阶段退化特征指标集构造方法,并在构建轴承退化指标集的基础上,提出了一种集成稳健预测方法来适应轴承运行工况的有限变化:采用基于快速相关的近似马尔可夫毯滤波（FCBF-AMB）和最大信息系数（MIC）选择方法构造轴承退化指标子集。并通过对得到的子集进行交叉运算,得到一组低维高表征能力的鲁棒退化指标,然后将这些选定的退化指标输入经Ada Boost算法增强的长短期记忆（LSTM）神经网络预测模型。并采用西安交通大学的轴承退化数据集进行方法验证,经过与其他典型特征提取方法进行对比,本研究提出的方法的预测精度提高了1.8%-14.87%。第三,在前述研究的基础上,为更全面地揭示滚动轴承的健康状态、量化设备健康状态的不确定性,更好地服务于健康管理和决策。进一步对滚动轴承运行退化过程中的特征高效提取和RUL预测问题进行深入研究。通过数据还原和关键特征挖掘分析,提出了一种基于时频域联合特征的特征向量,能更全面地描述轴承退化过程。为了在不增加神经网络尺度的前提下保持有效信息,提出了一种基于退化指标的联合特征压缩计算方法来确定输入数据集。将时间卷积网络与分位数回归算法相结合,对预测值的条件分布进行基于核密度估计（KDE）的任意时刻概率密度预测,从而获得更精确的预测区间和概率密度曲线、量化轴承运行状态的不确定性。将提出的方法应用于西安交通大学轴承实验数据,并与其他典型预测模型的预测结果进行对比,本研究提出的方法能获得更高的预测区间覆盖率和更窄的平均预测区间宽度。第四,在获取复杂机械装备运行状态的基础上,需要对其进行健康管理和维护决策。提出在获取装备退化状态的基础上采用马尔可夫决策过程进行维护方案的选择;提出维护决策制定过程中,将部件故障的多重后果纳入维护成本分析中,使得维护方案能够兼顾复杂系统的运行可靠性和维护经济性。并以地铁列车这一复杂系统为例进行分析和研究,结合地铁列车动态衰减规律,建立基于记忆因子的故障率模型,并对地铁列车部件的故障风险进行定量评估,构建了风险惩罚成本模型。第五,针对在实际制定运维策略的过程中存在着的以提高运营可靠性为目标的运营商与以降低维护成本为目标的维护者之间的利益冲突。提出一种基于动态非合作博弈模型的滚动轴承预防性维修决策方法,并利用粒子群优化算法求解平衡问题;从而实现各决策参与方之间的利益平衡,实现经济有效的维护。实例分析表明,动态非合作博弈的方法能更好地指导维护决策,且优先出价者更具有优势。通过以上研究,可以实现高效率、高精度地设备健康状况把控,可以为工业企业的装备运营管理和维护提供科学的指导,从而将应对措施做到事前,保障设备和工业线的可持续运作,促进企业的可持续发展。以上研究形成的结论,可以作为复杂机械系统关键部件参数型故障和退化问题的有效解决方案。提出的政策建议适用于需要保证运营稳定持续发展,快速做出经营决策的工业企业,从而提高企业生产安全性和运行可靠性,系统地降低企业运行成本。