预测与健康管理技术作为保障设备安全可靠运行的有效方法,已成为可靠性领域的研究热点之一。剩余使用寿命（Remaining Useful Life,RUL）预测作为故障预测与健康管理技术的核心内容之一,能够预测设备退化趋势,避免设备故障停机,同时可为维护计划的制定提供信息支持。另外,维护与备件订购联合决策的制定,对于维护计划的实施以及提高设备的综合效益有着重要的意义。有鉴于此,本文以齿轮箱为研究对象,针对RUL预测方法以及维护与备件订购联合决策模型开展以下方面的研究:（1）为提升高可靠长寿命设备RUL预测模型的预测准确性,提出在构建不完美维护活动干预下设备的退化模型时,退化量的设置与不完美维护次数相关,退化率的设置与设备役龄相关。建立基于Wiener过程的随机退化模型,依据首达时间概念描述设备的RUL与剩余操作时间,通过卷积算子推导出RUL的概率密度函数,并通过蒙特卡洛方法进行近似求解,退化模型相关参数通过极大似然估计与贝叶斯方法进行估计与更新,最后通过一组仿真数据对所提模型进行验证。（2）为验证所提不完美维护活动干预下的RUL预测模型的预测效果,开展了基于油液颗粒度监测的齿轮磨损退化试验,通过检测油液中磨粒信息来判断齿轮退化状态,基于齿轮退化试验中大尺寸磨粒信息对齿轮的RUL进行预测,对比验证了所提预测模型的预测准确性。同时使用磨粒信息的综合指标作为齿轮性能退化指标,通过对比基于三种性能退化指标的预测模型的预测误差可知,综合颗粒物总数量、大尺寸颗粒数和颗粒物总生成率三种磨粒信息能够较好的表征齿轮的退化状态。（3）为优化维护与备件订购联合决策模型的决策效果,提出一种基于不完美维护活动干预下设备RUL预测信息的维护与备件订购联合决策模型。建立考虑不完美维护活动影响的多阶段随机退化模型,依据更新报酬理论建立以单位时间期望费用最小为目标,以状态检测间隔、预防性维护阈值、库存量和最大不完美维护次数为决策变量的维护与备件订购联合决策模型,通过对不同更新事件进行分类来描述维护与备件订购相关期望成本与设备期望运行时长,设置相关模型参数与成本参数,通过离散仿真方法计算联合决策模型的最低单位时间期望费用以及决策变量的最优设置,并分析维护决策对相关费用的敏感性。