随着工业制造领域的快速发展,系统的结构朝着复杂化、精密化发展,表现出依赖性、多态性等特性,使得系统维修面临着越来越大的挑战。传统的维修方式是故障的修复性维修或定期的预防性维修,存在以下两点不足:维修力度不够,导致系统超负荷运行,系统可靠性降低,故障级别上升,从而需要更多的维修费用;对系统进行短周期的预防性维修或预防性更换,导致过度维修,需要更多的维修费用。因此,传统的维修方式无法满足复杂系统的维修要求,本文针对传统的维修方式存在的问题,将系统维修与决策优化相结合,进行了下列三个方面的研究。(1)针对机会维修中组件的维修时间阈值存在差异以及维修费用过高的问题,设计了一种基于非完美维修的机会维修模型。首先,结合最小维修时间阈值、非完美维修时间阈值以及更换维修时间阈值建立了机会维修模型;然后建立基于非完美维修的决策模型;最后通过启发式算法找出组件的非完美维修时间阈值和更换维修时间阈值以及维修策略。通过对某航空发动机系统建立基于非完美维修的机会维修模型,降低了系统单位时间的维修费用。(2)针对系统工作的多任务性和工作时间的不确定性问题,设计了多任务不确定性的选择性维修模型。将多任务时间段通过动态规划算法进行划分,多任务不确定性的选择性维修决策问题就可以转化为多任务确定性的选择性维修决策问题;然后在时间段划分结果中找到最优的时间段划分和维修策略。通过对某煤炭运输系统建立多任务不确定性的选择性维修模型,在满足系统可靠性的要求下,降低了维修费用,验证了设计模型的有效性。(3)针对单目标决策优化导致维修策略过于极端的问题,设计了多状态系统的双目标选择性维修模型。首先建立多状态组件的退化模型;其次给出维修费用、维修时间二者与维修等级的关系;然后分别建立最小维修费用决策模型和最大系统性能决策模型,并将两个单目标决策模型合并为一个双目标决策模型;最后根据双目标决策模型找到维修策略的帕累托最优集。实验结果表明,设计的多状态系统的双目标选择性维修模型可以在维修费用和系统性能之间找到折衷的维修策略,验证了设计模型的有效性。