现代工程系统是尖端科技高度融合的机械、电子、液压和控制一体化复杂系统,一旦发生故障将导致重大经济损失。随着航空航天和深地深海等前沿领域发展,复杂系统可靠性研究已纳入到国家科学与技术发展纲要。如何保证复杂系统高可靠性,为其制定科学有效的维修决策,已经受到学术界和工程界广泛关注。本文以复杂系统为研究对象,从复杂性、多态性和不确定性等视角对其可靠性分析和选择性维修决策进行深入研究,提出了复杂系统可靠性分析和维修决策方法,并以工程案例验证所提方法的有效性和实用性。主要研究内容和成果如下:（1）提出了一种考虑提前状态的不确定性多态系统模糊GO（Goal-Oriented）可靠性分析方法。现代工程系统的子系统和组件种类繁多且功能各异,在运行过程中广泛存在一种非故障的提前状态,如陀螺仪、加速度计、电机等,忽略提前状态会导致系统可靠性评估结果不准确。另外,系统内部关系错综复杂,且运行环境多变,导致组件、子系统对系统可靠性影响具有模糊不确定性。为此,论文将模糊数学与GO可靠性模型相结合,引入三角模糊数和扩展原理分别对输入、输出数据的模糊不确定性进行量化,提出了不确定性多态系统的模糊GO可靠性分析新方法。以某平台惯性导航系统（Platform Inertial Navigation System,PINS）为例,分别用模糊故障树（Fault Tree Analysis,FTA）法、传统GO法、模糊GO法进行可靠性研究,结果表明:模糊GO法有效,是传统GO法的合理推广。（2）提出了一种考虑中间状态的不确定性复杂多态系统灰色模糊贝叶斯网络（Bayesian Network,BN）可靠性分析方法。系统和组件从正常状态到故障状态演化过程中呈现出多种故障状态,且各状态间的界限并不明显,具有一定的模糊不确定性。另外,试验样本数有限和数据不足会导致系统组件的故障概率或者性能水平难以精确确定。本文充分考虑复杂多态系统的不确定性,分为系统与组件间故障逻辑关系不确定性及组件故障状态不确定性两个层次,将模糊数学和灰色系统理论引入到多态BN的可靠性分析模型中,提出了一种基于不确定隶属度函数和区间特征量的复杂系统可靠性分析方法—灰色模糊BN方法,利用所提方法分析卫星推进系统的可靠性,求解出在已知各根节点当前故障状态和故障率条件下的系统可靠度,利用BN的双向推理机制分析了组件的重要度,并以区间值形式表示所求出的系统可靠度及组件重要度等可靠性特征量,可为复杂不确定系统的可靠性分析、故障诊断和维修决策提供重要参考依据。（3）提出了一种基于多维修人员和粒子群优化（Particle Swarm Optimization,PSO）算法的复杂系统选择性维修模型,并提出了一种基于多维修人员的系统组件维修分配算法。所提模型考虑不修、最小维修、换件维修和多种中间维修水平,将组件维修前状态、组件有效役龄和维修费用等因素引入不完全维修模型,更符合工程实际。所提算法解决了如何将多维修任务分配给多维修人员,使得系统维修时间最短的问题。将所提算法引入到PSO算法中,来求解多维修人员和不完全维修条件下的复杂系统选择性维修模型,拓展了 PSO算法在多维修人员下的维修决策应用。以捷联惯导系统（Strap-down Inertial Navigation System,SINS）为案例,研究了维修人员数量对SINS选择性维修决策的影响,研究了不完全维修模型中的不完全维修（中间维修水平）对SINS可靠性的影响,研究了维修资源对SINS可靠性的影响,验证了所提模型及求解算法的有效性和优势。（4）建立了一种考虑系统任务周期随机不确定性、任务间隙随机不确定性和不同性能水平要求下的多态系统选择性维修模型。所建模型用服从某分布（如正态分布）的随机变量来描述任务周期和任务间隙的随机性,用役龄回退模型描述系统组件维修后有效役龄,构建出系统维修费用和维修时间与役龄回退因子间的定量关系,并基于多态系统可靠性利用通用生成函数技术,建立了组件和系统任务完成率模型,给出了基于PSO算法的多态系统选择性维修决策的求解方法。以火力发电站煤炭运输系统为案例,研究了任务周期随机不确定性对系统选择性维修决策影响,研究了任务间隙随机不确定性和不完全维修对多态系统选择性维修决策影响,研究了在多种条件下开展系统任务完成率灵敏度分析,验证了所提模型和求解算法的有效性。本文研究成果旨在为现代工程系统的设计、制造、使用、维修等提供有益借鉴,并为现代工程系统的可靠性分析和选择性维修决策提供新方法。