故障预报与最优维护是复杂机电系统健康管理的核心问题。已有方法不能有效综合利用表征复杂机电系统性能的多个特征变量的定量测试数据和定性知识，解决其在线故障预报和最优维护问题。项目理论上，系统深入的研究了基于虚拟现实技术的复杂机电系统特征量提取方法，进一步研究了基于多特征量的复杂机电系统故障诊断及预报方法，提出了基于灰色关联度及协同模式识别的航空发动机气路故障诊断方法以及基于半定量信息的故障预报方法，建立了基于置信规则库（belief rule base，BRB）的复杂机电系统故障预报新模型 ；基于半定量信息，研究了复杂机电系统的健康管理及最优维护方法，提出了基于双层 BRB 复杂机电系统健康预测方法，为提高在实际工程系统中的健康预测精度，提出了考虑特征量监测误差的复杂机电系统健康预测模型，最后，研究了存在环境影响和安全性约束的复杂机电系统最优维护方法。工程上，理论研究成果应用于航空发动机，轨道车辆车厢 LED 照明系统、数控机床以及汽车零部件生产线的故障诊断与预报、健康管理、安全生产管理，提高了复杂机电系统的安全性和可靠性，降低了系统维护成本。在基金的支持下，在科学出版社出版专著 2 部，发表学术论文 34 篇，其中在IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Access、Applied Soft Computing 和自动化学报等国内外期刊上发表论文 12 篇 ；授权发明专利 2 件，授权软件著作权 2 件，申请发明专利 5 件 ；获得吉林省科学技术奖一等奖（科技进步）1 项，中国电子学会科技进步二等奖 1 项，吉林省安全生产科技成果一等奖 1 项，香港最快现场直播45市科技进步一等奖 1 项。