随着工业技术的迅速发展,工业生产的智能化、集成化、自动化程度不断提高,混杂机电系统在工业生产上得到广泛使用,并在工业现代化进程中占有重要地位。近些年来,由于机电系统故障导致的严重事故频繁发生,这不仅造成了巨大的经济损失,而且还带来了人员的伤亡。因此,如何确保混杂机电系统在各种工况下运行的可靠性与安全性,是一个重要的研究课题。本文针对混杂机电系统的健康监测问题,开展了混杂键合图建模、故障检测与隔离、故障辨识以及剩余使用寿命(Remaining Useful Life,RUL)预测四个方面的研究。首先,基于混杂键合图理论对混杂机电系统进行建模,通过参数辨识方法获得模型参数使所建模型能够描述实际系统的动态行为,并基于混杂键合图建立全局解析冗余关系(Global Analytical Redundancy Relation,GARR)和故障特征矩阵(Fault Signature Matrix,FSM),通过对GARR的数值计算和FSM的分析进行故障检测与隔离。为了提高故障检测的灵敏度,提出基于线性分式变换(Linear Fractional Transformation,LFT)理论的自适应阈值。接着,为了从可能的故障集合(Suspected Fault Candidates,SFC)中隔离出真正的故障,提出了基于容积卡尔曼滤波(Cubature Kalman Filter,CKF)的故障辨识技术,解决了具有相同故障特征的故障同时发生情况下的多故障隔离问题,同时故障辨识结果能够给出故障严重程度的相关信息。最后,采用Wiener过程模型对渐变故障的退化过程进行建模,该模型不仅可以描述故障参数的退化趋势,而且能够反映退化过程中存在的诸多不确定性。利用最小二乘算法和改进的磷虾群算法估计退化模型中的未知参数,并基于辨识的退化模型给出了RUL的概率密度函数,实现了渐变故障的RUL预测。