舵系统作为一种位置伺服机构,在军事、航空航天和导航领域有广泛的应用,其性能与民用导航和军事操作密切相关。无论舵系统在哪个领域使用,它的非健康状态都会造成不可估量的损失,甚至是毁灭性的灾难。因此,对舵系统进行故障前的早期维护是至关重要的。现有的舵系统早期维护主要是定期人工排查,为了顺应智能化时代趋势,论文采用机器学习算法和数据驱动方式来实现舵系统的健康管理。论文基于传统舵系统测试平台,结合智能机器学习算法,解决传统舵系统维护方法自动化程度低的问题,并以此为基础实现了舵系统的智能故障诊断和健康评估功能,主要内容简介如下:1、针对舵系统故障诊断技术,论文建立了一种新的机器学习分类模型,利用BP神经网络对数据集进行分类训练,通过混合粒子群果蝇优化算法寻找BP神经网络的最优权值和阈值,避免了随机种子对训练过程的影响。2、同时,针对舵系统智能健康评估问题,论文建立了一种基于偏二叉树孪生支持向量机的健康评估模型,采用改进可分性测度构建最优的二叉树层次结构,通过混合蝙蝠果蝇算法寻找改进偏二叉树孪生支持向量机的相关参数。使用10组UCI公开的数据集,利用不同算法比较和非参数假设检验,以证明所提算法的有效性。依托舵系统测试平台采集的数据,对论文提出的舵系统故障诊断和健康评估模型进行验证。对比实验结果表明,所建立的两种模型均能在舵系统故障诊断和健康评估任务中达到最高的正确率,舵系统维护与管理迈入智能化阶段。