受复杂系统高安全可靠性和可维护性需求的驱动,伴随新技术的快速发展,学术界和业界对反馈控制系统预测与健康管理（Prognostics and Health Management,PHM）领域的关注度日趋上升。具体到工程实际中控制任务具有时限性约束的反馈控制系统,在噪声、干扰和时变等多源不确定因素下,如何基于运行状态信息准确预测其剩余使用寿命（Remaining Useful Life,RUL）,又如何在系统RUL不满足时限性要求时采取合理的自主维护策略有效延长系统寿命,诸如此类问题的研究与解决,无疑对提高复杂系统的安全可用性及经济性都具有重要的意义,这也正是本文的研究动机和着眼点所在,围绕此本文的主要工作包括:1)构建了不确定反馈控制系统寿命预测与延寿控制的框架。该框架在经典反馈控制系统结构的基础上,通过引入PHM和基于动态矩阵控制（Dynamic Matrix Control,DMC）的延寿控制两个模块,其中PHM模块旨在对执行器隐含退化下反馈控制系统的RUL进行实时预测,DMC模块旨在系统RUL不能满足时限性要求时,通过调整优化DMC中误差权重矩阵Q和控制权重矩阵R的对角元素值,折中平衡系统性能与耐用性之间的关系,以确保系统寿命满足时限性要求。2)针对反馈系统中执行器退化的非线性与非单调特性,同时考虑退化量的测量误差,首先建立了执行器退化过程的非线性Wiener模型,并采用Kalman滤波和极大似然估计等方法,分别得到执行器隐含退化量和模型未知参数;然后依据执行器隐含退化对系统稳态性能的影响确定了系统失效阈值,并在执行器退化量首达系统失效阈值定义下求得系统RUL的概率密度函数,实现了系统RUL的实时预测;接着据此判断当系统RUL无法满足时限性约束时,将DMC中Q和R元素调整与退化量定性关联,通过一种DMC分段延寿策略来更有针对性地延缓执行器的退化,从而延长了系统剩余寿命。3)针对反馈控制系统中执行器退化受外部冲击的影响,结合2)的考虑,首先建立执行器退化过程的Wiener+Poisson复合模型,并采用Kalman滤波和期望最大化（Expectation-Maximization,EM）等算法,分别估计执行器隐含退化量和复合模型未知参数;然后推导出所建立执行器退化模型下系统RUL的概率密度函数,实现了反馈系统的实时寿命预测;接着在系统RUL不能满足时限性要求时,将DMC中Q和R元素调整与退化量定量关联,以一种DMC自适应延寿策略,来确保系统RUL能够满足时限性约束。4)针对反馈控制系统中执行器退化过程存在的时变不确定性和退化数据缺失问题,结合3)的考虑,首先在执行器退化时变、退化测量误差等多源不确定下,建立了Wiener+Poisson的复合模型;并继续采用Kalman滤波和EM等算法,实时估计并更新执行器隐含退化量和模型参数,进而更精准地自适应预测出反馈系统RUL;在系统RUL不能满足时限性约束时,又基于DMC自适应延寿策略,使系统寿命在RUL与DMC的双重自适应下,得以更有效的延长。5)对于上述不同解决方案,本文选取双容水箱液位反馈控制系统为仿真对象,对其内部入水泵退化过程分别建立上述模型,实现了水箱液位系统的实时寿命预测,并基于上述DMC不同延寿策略来确保系统RUL满足时限性约束。仿真实验表明,愈加精准的执行器退化模型,能得到更为准确的系统寿命预测结果;所提DMC延寿策略较现有线性二次型调节器（Linear Quadratic Regulator,LQR）方法延寿效果及鲁棒性均更好,且定量关联的DMC自适应策略较定性关联的DMC分段策略延寿效果更佳。