随着“工业4.0”、“中国制造2025”战略的提出和不断推进,高端制造系统及先进智能装备的研究受到了越来越多的重视,以航空航天、轨道交通及海洋工程等为代表的高端装备制造业已成为带动中国产业转型升级的重要力量。高端装备结构复杂、部件众多、各部件之间相互耦合,一旦发生故障则可能造成巨大损失,因此其安全可靠运行成为研究的热点。对高端装备的运维过程进行运行状态和维修成本预测,基于预测结果对其进行预防性维护和事后维修,不仅可以有效降低故障发生风险,提升高端装备的稳定可靠运行,也可以在故障发生后合理制定维修策略,节约维修资源。剩余使用寿命预测、故障诊断、维修成本预测是保障高端装备安全运行和科学维护的三个关键环节。受高端装备各部件之间相互耦合的影响,其监测信号表现出很强的非线性和非平稳性,监测信号与运行状态之间也存在复杂的映射关系。此外,高端装备其高可靠、长寿命等特点使得数据样本不完备、故障样本不充分:高端装备在实际运行中很少发生故障,样本数据中存在严重的正常样本与故障样本不平衡的问题;高端装备维修数据不足,企业对维修成本进行预测面临着样本量不足的问题。对此,传统方法已难以满足当前背景下对高端装备运行状态和维修成本的精准预测。因此,基于高端装备运维过程的质量特性,研究其运行状态和维修成本预测方法,对保障高端装备的安全运行和科学维护具有重要的工程应用价值。本文面向高端装备,基于运维过程产生的质量监测数据,研究了高端装备的运行状态和维修成本预测问题。首先针对高端装备退化过程数据序列的非线性和非平稳特性,研究了高端装备的剩余使用寿命预测方法;然后考虑高端装备正常样本与故障样本不平衡导致模型预测精度低的问题,研究了高端装备的故障诊断方法;最后针对小样本情况下高端装备维修成本预测精度不高的问题,研究了基于质量特性的高端装备维修成本预测方法。本文对面向运维过程的高端装备运行状态和维修成本预测问题的具体研究内容和创新点概括如下:（1）研究了基于时间序列分析的高端装备剩余使用寿命预测问题。高端装备的退化过程数据序列表现出很强的非线性和非平稳性,因此,高端装备剩余使用寿命预测属于非线性时间序列预测问题。针对高端装备各部件之间相互耦合所导致的数据呈现混沌特性的问题,为识别高端装备的潜在运行状态,采用相空间重构算法重构了退化过程数据空间;设计了一种变邻域搜索算法实现预测模型重要参数的动态选取;基于支持向量回归算法和重构的数据空间建立了剩余使用寿命预测模型。最后,以航空发动机的运维过程为背景,对航空发动机的剩余使用寿命进行了预测,验证了预测模型的性能。（2）研究了面向非均衡样本的高端装备故障诊断问题。考虑到高端装备运行监测过程中产生了大量数据给预测精度和计算效率带来了挑战,采用压缩感知理论对信号进行压缩,缩减了冗余数据量并提高了数据处理的速度;针对实际高端装备故障样本中存在严重的正常样本与故障样本不平衡的问题,提出了一种基于K均值聚类的自适应混合采样方法,提高了模型对故障样本的识别性能;在每个子样本上基于双向长短期记忆神经网络建立了故障诊断模型,并采用加权投票法对模型进行了集成。最后,以航空发动机的运维过程为背景,对航空发动机的故障进行了预测,验证了预测模型的性能。（3）研究了考虑质量特性的高端装备维修成本的点和区间预测问题。考虑到高端装备运行过程质量特性多、质量特性间存在线性关系的问题,提出了一个改进的递归特征消除算法对质量特性进行特征选择,在保留数据原始属性特征的同时去除质量特性中的冗余信息;建立了基于残差Bootstrap-支持向量回归的高端装备维修成本的点和区间预测模型,并利用粒子群优化算法对模型参数进行了优化,通过范围概率、预测区间平均宽度以及组合覆盖宽度三个评价指标验证了模型的区间预测性能。最后,以航空发动机的运维过程为背景,对航空发动机维修成本的点和区间进行了预测,验证了预测模型的性能。本文深入研究了面向运维过程的高端装备运行状态和维修成本预测问题,构建了三种新的高端装备运行状态和维修成本预测模型,并取得了一些创新性的研究成果。本文的研究为高端装备的安全运行和科学维护提供了决策参考,具有重要的理论和实践意义。