泵车等大型复杂装备广泛应用于建筑施工、水利施工等工程活动,其健康状态直接影响到其运行可靠性与维护成本。随着在役时间的延长,由于振动、污染、磨损等原因,复杂装备的性能逐渐减弱,维修活动能够在一定程度上恢复装备的性能、增加系统的可靠性,但维修活动不合理会产生大量的维修过剩或维修不足。目前三一集团对其生产的工程机械的性能参数进行了监测,并已经返回监测数据,但并没有有效分析监测数据用于制定维修计划并指导维修活动。针对此问题,本文从减少维修成本出发,基于装备性能参数监测数据研究制定维修计划的关键技术和相应系统研发。鉴于大型复杂装备施工环境工况恶劣,监测信号所含噪声大,为保证装备状态预测趋势准确的同时,降低去噪技术可能带来的有效信息丢失,本文研究了基于区间数理论的模糊化技术与线性融合的预测技术。基于区间数理论的模糊化技术用区间数替代性能参数精确值,避免随机噪声对预测效果的影响;线性融合预测技术基于遗传算法训练多台同类装备状态模型的权重,用加权融合技术将多台同类装备状态模型进行融合获得装备健康状态的基模型,用于同类型装备的状态预测。维修计划模型是减少维修成本的关键。本文结合影响维修成本的实际因素建立了单装备的最佳维修时机模型和多装备的维修计划模型。单装备的最佳维修时机模型是以单位时间运行成本最低为目标函数的单目标非线性模型,装备的维修时机为优化变量,该模型保证在最佳维修时机维修会使装备的运行成本降低;多装备的维修计划模型是以维修费用最小为目标函数的多目标非线性模型,该模型考虑了停线损失、提早维修损失和延期维修损失等多种因素,可实现装备群组的维修计划制定。研究模型求解算法用于快速求解维修计划模型。本文结合模拟退火算法与粒子群算法在函数优化中的优点:模拟退火算法能跳出局部最小、粒子群算法全局收敛速度快,基于模拟退火算法求解单装备的最佳维修时机模型、基于粒子群-模拟退火的混合算法求解多装备的维修计划模型。采用文献实例和其他装备的维修数据进行了算法验证,证明了算法的高效准确。最后,根据三一集团对维修计划决策的实际需求,结合以上理论研究开发了维修计划管理系统。建立系统的信息模型、功能模型和体系架构,开发了6个功能模块:数据输入模块、数据预处理模块、融合预测模块、单装备维修计划模块、多装备维修计划模块和用户管理模块,支持三一重工***公司的维护、维修和运行的信息管理和维修活动。