随着科学技术的飞速发展和市场竞争的日益激烈,工业生产表现出大型化、高速化、自动化和复杂化等特点。这些大型系统中的关键设备,一旦发生故障,必然会使生产效率降低,还可能造成设备停机、生产停顿,甚至发生机毁人亡的恶性事故,造成灾难性的后果。而在适当的时候对设备进行相应的维修或更换,就能减少停机时间,降低事故发生次数。因此,有计划、有组织地制定合理的维护策略就显得非常重要,但传统的设备维护方式(事后维护和定期维护)存在造成经济损失过大的缺点。在此背景下,基于状态的维护和智能维护方式应运而生。它们都以设备当前实际工作状态为依据,获取故障的早期征兆,进而对设备预期的剩余寿命做出预测,有针对性地制定设备维护计划。准确的剩余寿命预测是基于状态的维护和智能维护具有实际应用价值的基础。本文面向基于状态的维护和智能维护,从设备性能衰退的角度,对基于马尔可夫模型的寿命预测技术进行研究。本文针对设备的故障率符合浴盆曲线的特点,利用设备性能和故障率之间的关系,提出了性能拐点的概念。在拐点之前,设备性能衰退缓慢,故障率相对较低,可以降低性能监测频率,减少寿命预测次数,提高预测效率,为企业节省费用;拐点之后,设备性能衰退趋势由缓慢变为急剧增加,这种急剧变化影响以性能衰退为基础的剩余寿命预测的准确性,故利用拐点以后的设备性能进行寿命预测可以提高剩余寿命预测的准确性。利用灰色理论良好的拟合性能,采用预测曲线的斜率判别拐点,本文建立了基于灰色理论的拐点识别模型,并用仿真数据和实验数据进行了验证。针对马尔可夫预测模型长期预测达到极限状态和信息不更新的缺点,本文建立了改进的马尔可夫预测模型;影响马尔可夫模型的关键因素是模型输入序列的状态划分,传统依靠人工经验划分带来划分状态不确定和不准确的问题,为此采用模糊C-均值(FCM)聚类算法实现对马尔可夫过程的状态划分,建立了FCM-权马尔可夫寿命预测模型;结合灰色理论模型和马尔可夫模型各自的优点,建立了灰色马尔可夫寿命预测模型,并对灰色马尔可夫预测模型的预测特点进行了分析;针对单样本预测模型存在的未来信息完全未知的缺点,提出了基于多样本思想的动态加权预测方法,同时参考小波理论中的动态变尺度方法,对历史信息和实时信息划分不同的状态,最终建立动态变尺度马尔可夫寿命预测模型,并对加权系数进行了遍历寻优。采用威布尔仿真数据对建立的四种模型进行了验证,结果显示动态变尺度马尔可夫模型的预测性能最好。最后,本文以Bently-RK4转子不平衡试验台获得的转子不平衡实验数据为基础,对建立的四种马尔可夫模型预测模型进行了实验验证,并选择最优的模型进行算法性能评估研究。在进行性能评估时,针对动态变尺度马尔可夫模型,首先提出了一套算法鲁棒性与灵敏度分析的方法;然后,给出了获得预测寿命失效概率密度函数的方法,并对寿命预测结果进行了不确定性分析。