复杂机电系统是装备制造业的核心,是国民经济发展与国家安全的重要基石。随着现代化工业技术的发展,复杂机电系统的健康管理直接影响着系统的安全运行及维护成本,成为研究的热点之一。健康评估及预测是复杂机电系统健康管理的重要内容,对复杂机电系统的健康管理起到至关重要的作用。由于复杂机电系统的复杂性、强耦合、非线性等特点,至今还没有形成较为完善和成熟有效的复杂机电系统健康评估及预测理论与方法。因此,该项研究具有重要的理论研究意义和实际应用价值。为了解决复杂机电系统健康评估及预测方法存在的问题,以真实反映复杂机电系统当前健康状态及有效预测系统未来时刻健康状态为目的,本文以航空发动机这一典型复杂机电系统为具体研究对象,深入开展了基于半定量信息(包含定性知识和部分定量信息)的复杂机电系统健康评估及预测建模方法研究,有效解决了复杂机电系统“贫数据”的问题,提高了复杂机电系统健康评估及预测精度,为复杂机电系统的健康管理及最优维护提供了决策依据。本文主要开展了以下四方面的研究工作:1)提出了一种复杂机电系统健康特征量确定与特征量提取的思路及方法。从复杂机电系统的工作与故障机理出发,研究故障征兆与系统参数变化之间的关系,在此基础上确定系统的健康特征量,并从机械动力学角度模拟特征量变化对系统的影响,验证了所确定健康特征量的有效性,同时也获取与丰富了健康特征量有效数据;在确定特征量的基础上,基于极大不相关法进行了特征量提取,实现了优化模型结构、减小模型计算量、提高模型实时性的目的。最后,以某型航空发动机为实际对象,确定并提取了系统的健康特征量。2)针对复杂机电系统难以建立准确健康评估模型的问题,利用半定量信息,提出并建立了一种基于置信规则库(belief rule base,BRB)理论的复杂机电系统健康评估模型。该评估模型利用证据推理(evidential reasoning,ER)算法实现了知识的推理,融合了丰富的不确定信息,提供了更为接近实际的知识表达方式。在评估过程中,利用差分优化(differential evolution,DE)算法进行了模型参数更新,解决了定性知识存在主观性的问题。以某型航空发动机关键部件为例进行实验验证,结果表明基于BRB的复杂机电系统健康评估模型能够真实有效的反映系统健康状态,与其它评估模型相比,具有较高的评估精度。3)针对复杂机电系统健康状态预测问题,为了更好的反映复杂机电系统健康状态的动态变化过程,提出并建立了基于双层BRB的复杂机电系统健康状态预测模型。利用系统当前及历史数据和部分定性知识,建立系统健康特征量时间序列预测模型BRB_layer1,动态的反映了系统健康特征量的变化,为系统健康预测奠定基础;其次,以系统健康特征量预测值为输入,建立复杂机电系统未来时刻健康状态评估模型BRB_layer2,实现复杂机电系统未来时刻健康状态的综合决策。在双层BRB健康预测模型中,为了提高模型的准确性,利用带有投影操作的约束协方差矩阵自适应进化策略(projection covariance matrix adaption evolution strategy,P-CMA-ES)算法对专家给定的模型初始参数进行优化更新。最后,以某型航空发动机整机振动故障进行实验分析,结果表明基于双层BRB的健康预测模型可以有效预测系统健康状态,与其它方法相比,具有更高的预测精度。4)针对复杂机电系统在实际工况下获取的健康特征量监测数据可靠度低的问题,提出了一种考虑特征量监测误差的复杂机电系统健康预测模型。在建模过程中,考虑了获取的特征量监测数据存在环境干扰及传感器跟踪能力退化带来的属性监测误差问题,当这些存在随机、不可预测误差的数据作为BRB属性输入时,会影响到属性表达真实信息的能力。该模型基于距离进行特征量监测误差计算,将特征量监测误差作为干扰因子与双层BRB预测模型融合,提高了复杂机电系统健康预测的精度,更加具有实际应用价值。最后,通过某型航空发动机整机振动故障进行实验验证,结果表明了所提方法的有效性与准确性。