随着智能装备产业化需求的增长和工业化步伐的加快,国防技术装备、现代工业设备和民用基础产品等各类系统的用户需求、组成结构以及服役环境日益复杂。系统可靠性模型能够表征系统状态随时间演变的统计规律,是复杂系统可靠性分析和健康管理的基石。然而,一方面,传统的系统可靠性模型（如:故障树、可靠性框图）不能很好地反映复杂系统及其组成单元间的状态映射关系的不确定性,仅适用于状态映射关系清晰且确定的系统;另一方面,系统不同类型的部件可能存在功能相依现象,进而导致系统部件间存在失效相关性。传统的系统可靠性模型通常局限于系统各部件间退化独立假设,导致系统可靠度评估结果无法反映真实情况。贝叶斯网络不仅能表征变量间的随机不确定性和相关性,而且具备双向推理计算能力。将贝叶斯网络技术用于系统可靠性建模及评估,既能描述复杂系统状态映射关系的不确定性和部件间失效的相关性,又能有效利用系统服役期间的状态数据动态更新系统可靠性模型,从而揭示系统可靠性的动态演变规律。本论文将基于贝叶斯网络和系统服役期间的状态数据,探讨复杂系统可靠性建模及评估方法,主要研究内容和创新点有:（1）提出了考虑状态映射关系不确定性的系统可靠性建模及评估方法。针对传统系统可靠性模型只适用于状态映射关系清晰且确定的系统这一局限,依据系统层次结构关系建立静态贝叶斯网络拓扑结构并扩张为动态贝叶斯网络。在此基础上,基于系统及其组成单元间的状态映射关系确定各节点条件概率表参数。最后,基于贝叶斯正向推理机制计算系统及其部件在不同时刻的状态概率分布,评估系统可靠性指标。算例结果表明,该方法能解决系统及其组成单元间的状态映射关系分别为确定性和不确定性两种情况的系统可靠性建模问题。（2）提出了基于状态数据的系统可靠性结构函数参数估计方法。针对复杂系统状态映射关系未知这一难题,利用动态贝叶斯网络构建系统可靠性模型,能有效融合系统多层次和不完整状态数据,并将系统可靠性结构函数参数未知问题转变为子系统和系统节点条件概率表的参数估计问题。利用期望最大化算法估计参数,并引入参数模块化思想,以充分利用不同时刻状态信息并保证参数估计结果的时域一致性。算例结果表明,该方法能准确估计动态贝叶斯网络节点条件概率表参数,有效学习系统的未知状态映射关系。（3）提出了功能相关的表决系统可靠性建模及评估方法。针对复杂系统中不同功能类型部件间存在失效相关性这一现象,定义了功能相关的表决系统基本模型,并利用部件功能相依机制指导系统动态贝叶斯网络拓扑结构的构建和节点条件概率表的生成。在此基础上,基于动态贝叶斯网络推理计算系统节点的状态概率分布,实现在线状态数据的系统可靠度动态评估。算例结果表明,该方法既能有效实现功能相关的表决系统可靠性建模,又能利用在线状态数据实现复杂系统可靠性指标的动态更新。