飞行器健康管理是与飞行器系统健康状态直接相关的管理活动，它有助于及时准确了解系统及其组成部分的状态，当系统发生异常时将其恢复到正常状态，在系统发生故障时使故障对系统安全和所进行任务的影响最小。健康管理以诊断、预测和修复为主要手段，具有智能性和自主性的典型特征。本文针对飞行器健康管理结构体系中的两个热点问题——健康评估和故障预测进行深入研究，提出了基于元器件性能和系统性能相融合的系统健康评估方法和基于改进贝叶斯网络的故障预测方法，并在飞行器仿真平台上进行了实验验证。本文具体工作和研究成果总结如下。1、研究了机理建模和数据建模相结合的系统建模方法，将定性建模方法与符号有向图、贝叶斯网络相结合，建立了飞行器系统的故障传播模型。2、根据状态监测所获得的系统特征信息，分析诊断各元器件的性能数据，提出一种系统健康评估方法；系统健康评估模型采用线性或非线性加权模型，包含四个主要因素：节点重要性、节点可靠度、节点历史故障频率以及节点当前故障程度。3、根据系统元器件之间的物理关系和交互信号，建立基于多层贝叶斯网络的故障预测模型；提出基于节点健康性能和信号趋势分析的根节点先验概率确定方法，根据父节点元器件的健康信息预测其子节点元器件的故障概率，并选取合适的参数学习算法确定贝叶斯网络的条件概率表，利用多树传播算法进行联合概率推理。4、在Quanser3-DOF hover仿真平台上进行了飞行器健康评估和故障预测算法的实验验证；通过模拟注入飞行器执行器故障，评估故障对系统健康性能的影响，预测故障在系统内部元器件之间的传播情况。