工业领域许多系统会因部件老化或故障而停机,现代制造系统中大量集成机械、电子等技术的先进设备,增大了故障诊断的复杂度和维修决策的难度,如何提高故障诊断的质量和效率,科学决策维修安排,减少因故障停机导致的损失费用,成为判断系统运行是否良好的重要指标之一。通过合理运用智能方法,解决复杂的多故障诊断问题,构建有效的事后维修决策模型,对现代工业系统有着举足轻重的意义。串并联系统是极具代表性的复杂系统,本文从多故障并发下串并联系统故障诊断和维修决策的需求出发,基于多故障并发的特点,提出了结合Elman网络和ECOC-SVM的多故障诊断方法,在诊断出故障原因的基础上,考虑部件间的经济相关性和结构相关性,构建以系统可靠性为目标,费用和时间限制为约束的维修决策优化模型。本文主要研究内容可归纳为如下几个方面:(1)针对串并联系统多故障并发情形,采用Elman网络对故障类型进行初判,运用基于极大似然估计的ECOC结合SVM对故障类型进行筛选,得到最终诊断结果。通过实例计算和分析,验证了该诊断方法的有效性和先进性。(2)针对因多故障并发而失效停机的串并联系统,构建维修方案优化模型,以系统可靠度最高为优化目标,考虑部件经济相关性,运用遗传算法对具有时间和费用约束的优化模型进行有效求解,得到最新维修方案,通过实例对模型有效性进行了分析。(3)考虑部件结构相关性对系统拆卸费用和拆卸时间的影响,构建考虑部件经济相关性和结构相关性的维修方案优化模型,基于推导特定部件拆卸路径集合的反向搜索算法,设计了并发故障的结构相关性判断流程。该模型充分利用系统故障导致的停机机会,在满足系统最低状态要求和资源约束前提下最大化系统可靠度,最后运用算例验证了该模型可帮助决策最优的维修活动组合。