随着近年来生产力水平和科技创新能力的不断提升,复杂系统越来越多地被应用于航空、航天、能源等高新科技领域。复杂系统为了提高其可靠性和安全性能通常采用冗余技术,但这也使得系统的结构复杂度增加,给系统维修增加了越来越多的难度。传统的复杂系统维修方式是工程维护人员根据以往的维修数据对系统采取预防性维修或者修复性维修,这往往容易出现维修过度或维修不足的情况。因此,传统的维修方式不能满足系统的高可靠性与安全性的要求。针对传统的维修方式存在的弊端,本文将复杂系统的可靠性分析与维修策略相结合,进行了以下几个方面的研究:首先,针对复杂系统特有的故障特性,论文提出了一种基于动态证据网络的系统可靠性分析方法。该方法采用动态故障树构建复杂系统的故障模型来模拟系统部件间故障时序性和动态性,利用区间数来表示部件的故障率以克服认知不确定性问题。同时,针对传统故障分析方法难以同时处理部件故障率为区间数和部件间存在共因失效问题,论文提出将动态故障树转化为动态证据网络进行量化分析,可得到系统的可靠性参数,如诊断重要度、Birnbaum重要度和风险增加当量。考虑到随着运行时间的累积,系统的可靠度不可避免地呈现下降趋势的问题,论文将维修因子μ融合进复杂系统的故障模型中,并以发动机供油系统为研究对象对其进行可用性分析。其次,针对由于复杂系统的冗余特性从而导致即使某个部件失效,但不会影响系统正常运行继而引发欠维修或维修不及时的问题,论文提出了一种基于可靠度的复杂系统预防性维修策略,对复杂系统进行故障特性分析,若复杂系统在某个T时刻的可靠度低于既定的系统可靠度阈值,也即系统的预防维修阈值,则启动预防维修。针对诊断重要度、Birnbaum重要度和风险增加当量等多源异构数据构成的多属性决策问题,论文提出了基于改进的CODAS的多属性决策算法。该算法使用欧几里德距离作为评估的主要度量,如果多个备选方案的欧几里德距离非常接近,则使用汉明距离来比较它们。通过结合欧几里德距离和汉明距离来寻找到最佳的维修部件。论文以双排料推钢机液压系统为研究对象验证了所提预防性维修策略的有效性。最后,针对传统事后维修盲目地根据历史维修数据对系统进行过度维修从而付出高昂的维修代价的问题,论文提出了一种基于可靠性分析的复杂系统事后维修策略。论文构建了基于可靠性分析的复杂系统事后维修框架,在此框架中提出了一种基于部件诊断重要度的传感器优化布局方法,以部件诊断重要度为衡量准则找出复杂系统的传感器最优布局方案。然后将传感器信息融合进复杂系统的动态证据网络中,动态更新系统部件的诊断重要度并对其重新排序,综合考虑部件诊断重要度和部件的维修成本确定系统需维修的部件。论文以车地无线通信系统为研究对象,验证了所提策略的有效性。