随着国防科技工业的不断发展,对于高度复杂的国防武器装备系统,需要精确的可靠性评估来科学合理地控制可靠性水平。系统级试验信息的“小子样”特征,使得基于经典统计分析的可靠性评估遇到了困难。本文从系统工程及信息理论的角度出发,研究并解决小子样复杂系统可靠性评估的经典方法、Bayes方法以及信息融合方法。从系统可靠性评估的基本理论出发,归纳并总结成败型、指数型单元可靠性评估的经典方法和Byes方法以及Weibull型单元的最小二乘法及极大似然参数估计方法。在深入分析经典近似评估方法的MML法、LM法、SR法、CMSR法基础上推导相同和不同寿命分布单元组成的串联、并联及k/n(G)系统工程化算式,引出一般混合系统经典可靠性综合评估理论;对于单元或系统存在先验信息的情况,讨论常见的Bayes综合方法与Monte - Carlo仿真方法对典型简单系统和典型复杂系统进行可靠性评估,通过实例计算分析表明它们具有良好的精度。为解决经典方法与Bayes方法信息源单一而导致的信任度危机,从信息融合的观点出发,讨论专家经验信息、部件子系统信息以及可靠性增长信息的融合方法,考虑信息源的继承性及异总体性,引入包含继承因子的信息融合可靠性评估方法,以某型固体火箭发动机小子样可靠性问题为例表明信息融合方法的合理性及其应用前景。总之,本文针对由多种分布模型组成的高复杂系统,研究了一套基本符合工程实际情况的小子样复杂系统评估体系,对于指导大型复杂国防装备系统的可靠性评估具有一定的参考价值。