随着装备朝着多功能化、高集成度化、智能化发展,现代装备普遍呈现隐状态特征(退化信息不可完全观测)。为了提高现代装备的运行可靠性和生产效率,需要研究装备退化特征、退化建模、故障检测策略和健康预测等方面。本文系统的从装备的退化特征出发,分别对三状态、多状态、连续状态装备的状态监控数据预处理、退化建模与参数估计、故障检测策略与健康预测展开了研究,给出了针对于隐状态装备较为全面的研究报告。在本研究中,装备的健康预测包括平均剩余寿命预测、剩余寿命分布预测和条件可靠度预测,三者分别代表了装备的剩余可运行时间、未来运行状态和稳定运行概率三个重要指标。本文的主要研究工作及创新性成果如下:(1)根据隐状态装备的退化特征,将装备分为三状态、多状态和连续状态。分别从不同的退化特征展开研究。(2)三状态多元退化特征装备故障检测策略优化与健康预测。通过使用多元隐半马尔科夫模型,对三状态多元退化过程建模,利用具有显式表达式的最大期望算法对模型参数估计;基于所构建的退化模型,提出基于多元贝叶斯控制图的故障检测策略,通过监控装备在警报状态的后验概率来检测装备潜在故障,并使用算法优化决策变量;同时,基于所得的贝叶斯信息,推导了装备条件可靠度、剩余寿命分布和平均剩余寿命等健康信息。通过比较,验证了所提的故障检测策略与健康预测方法的有效性。(3)基于竞争失效的三状态多元退化特征装备故障检测策略优化与健康预测。通过使用竞争失效隐马尔科夫模型,考虑装备突发性失效时间和健康状态驻留时间联合分布服从Marshal-Olkin二元指数分布,对三状态竞争失效退化过程建模,利用已推导的最大期望算法显式表达式对模型参数估计;基于所构建的退化模型,提出二阶贝叶斯控制图,通过采用二阶段(长间隔和短间隔)的监控策略来检测潜在的故障,并使用算法优化决策变量;同时,基于所构建的退化模型和所得的贝叶斯信息预测了装备的条件可靠度和平均剩余寿命等健康信息。通过比较,验证了所提的故障检测策略与健康预测方法的有效性。(4)多状态多元退化特征装备故障检测策略优化与健康预测。通过使用协变量为多状态连续时间马尔科夫的比例风险模型,去掉现有文献的恒定退化假设限制,对多状态退化特征装备建模;考虑基于装备年龄和失效率的二级别故障检测策略,提出了一体化健康预测与故障检测策略优化模型;使用基于矩阵的估算方法成功解决了比例风险模型长期存在的计算问题,同时使用半马尔科夫决策过程对二级别故障检测策略优化,将优化过程转换为矩阵运算形式,通过对两个矩阵简单的运算即可得到所有的健康信息和故障检测最优决策变量。通过比较,验证了所提的故障检测策略与健康预测方法的有效性。(5)连续退化特征装备故障检测策略优化与健康预测。通过使用协变量为伽马过程的比例风险模型,考虑非恒定退化机理,对连续退化特征装备建模;提出了基于伽马过程比例风险模型的一体化健康预测与故障检测策略优化模型;使用新推导的一体化模型中的矩阵运算,得到装备的健康信息与故障检测最优决策变量。通过比较,验证了所提的故障检测策略与健康预测方法的有效性。虽然,本文使用数控装备退化数据对装备进行故障检测策略优化和健康预测,但本文所提出的模型及算法能应用于其他多元状态监控数据的故障检测策略优化与健康预测,如油泵的油液数据,风电齿轮箱的振动数据等。另外,本文所提出的一体化健康预测与故障检测策略优化模型不仅适用于多状态退化模型,而且适用于其他任何随机退化模型,如维纳过程模型等。