随着国家装备制造业的飞速发展，大型复杂装备呈现出集群化、规模化、智能化的发展趋势。单工况下对单台装备健康状态评估已经无法满足精准化评估和实时性评估的要求。目前，大型复杂装备集群配备的传感器和数据采集系统能够采集大量装备服役阶段的状态参数、运行工况、使用情况和环境参数等数据，为装备集群健康状态评估提供了可靠的大数据环境。　　针对上述背景，本文依托陕西省统筹创新项目“基于工业大数据的高端装备智能维护与健康管理”，以多工况下复杂装备集群为研究对象，在建立装备集群全服役周期大数据环境的基础上，提出了一种基于工业大数据集群建模的装备集群健康状态评估方法，实现对装备集群多工况下健康状态的差异性量化评估，为后期的维修保障和装备使用提供依据。　　本文的主要研究工作和创新点如下：　　(1)将装备集群分为并行集群、串行集群和混合集群三种集群，分析了每种集群的数据特点和组织形式，详细介绍了建立统一装备大数据环境的策略和方法。　　(2)提出了一套基于工业大数据的集群建模方法。该方法以实体状态切片化管理为预处理手段，以实体系统镜像模型为建模方法，以集群分析与大数据挖掘为分析手段，针对装备集群全服役周期的大数据，通过实体状态更新节点的检测和对应状态标签下子序列的特征提取实现了高维复杂工业大数据的预处理，在此基础上采用建立实体镜像模型的方法得到集群在数据层面由输入到输出的预测性传递系统，最后提出了镜像模型的分析与差异性评估方法。　　(3)基于上述数据建模与分析方法，提出运用工况自动聚类的方法对装备集群进行健康状态评估。该方法针对单工况建模评估无法满足装备集群在多工况运行条件下对精准化评估的要求，以多工况装备集群为研究对象，解决了单工况建模易造成模型冗余的问题，实现了多工况下装备集群的健康状态评估，使模型简化。　　(4)运用工况识别和相似性比较的方法，解决了并行集群装备健康状态的差异性评估和预测问题。该方法不仅可以根据相似装备或相似集群的横向比较实现集群内装备的差异性评估，而且可以实现集群或装备当前状态与历史状态的趋势分析，反映其健康状态退化过程，进而预测剩余寿命。　　(5)基于上述大数据建模方法和健康状态评估方法，运用回归分析和数据融合重组的方法对航空发动机并行集群进行了健康状态评估和差异性量化分析，验证了方法的有效性和准确性。