在现代工业生产中,随着机电系统的自动化程度和结构复杂性不断提高,工业生产和应用过程中机电系统发生故障的可能性大大增加,而机电系统的故障往往会导致系统停机或者设备损坏,继而可能引发严重经济损失和重大人员伤亡。因此,研究并设计一套针对机电系统的可靠有效的故障诊断和剩余使用寿命估计方案,是非常必要的。针对上述问题,本文提出的非线性机电系统故障诊断和剩余使用寿命估计方法主要内容如下所示:1)介绍了键合图建模的基本原理和方法,并建立了非线性机电系统的键合图模型。在键合图模型的基础上,利用分离因果划的方法获得系统的双重因果键合图模型。通过分析双重因果键合图模型的各节点因果关系,构造了系统的解析冗余关系和故障特征矩阵。根据解析冗余关系和和故障特征矩阵实现系统的故障检测与隔离,从而得到可能故障集合。相对于键合图模型推导的解析冗余关系,双重因果键合图模型能够推导得出额外的解析冗余关系,进而提高故障的隔离能力。通过仿真和实验验证了所提出的故障检测和隔离方法的有效性。2)当通过故障检测与隔离得到可能故障集之后,本文提出了一种改进的故障辨识算法,即基于生物地理学优化的粒子滤波算法,目的是通过辨识确定可能故障集中的真正故障元件。在生物地理学优化的粒子滤波算法中,利用生物地理学优化算法中的迁移和变异操作增加粒子多样性,可以有效地抑制粒子贫化现象,从而提高参数辨识精度。通过实验研究和对比分析验证了故障辨识算法的有效性和优越性。3)为了预测故障元件的剩余使用寿命,提出了一种基于优化极限学习机的故障退化趋势预测和剩余寿命估计方法。传统极限学习机的隐含层输入权重和偏置随机给定会导致预测性能不理想,而优化的极限学习机利用生物地理学优化算法对隐含层的权值和偏置进行优化,可以提高剩余寿命预测的精度。通过仿真和实验验证了故障退化趋势预测和剩余寿命估计方法的有效性和可行性。