大型复杂系统的质量关系到地区或国家在某一个大型项目上的成败,甚至是在某一个领域的国际地位,同时关系到生命财产安全。可靠性是质量的固有属性之一,可靠性贯穿产品或系统的研制、定型到投入使用的整个过程,因此必须重视可靠性管理。研制阶段通过可靠性增长试验实现可靠性增长,进行可靠性评估时常用的有Duane模型,AMSAA模型和Bayes可靠性评估方法等。大型复杂系统,有成千上万的不同类型的器件组成,本文研究了复杂系统增长试验连续进行,相似产品较少,系统的失效机理也很难掌握情况下,在可靠性增长过程中出现突变点时,突变点的辨识和系统可靠性增长评估问题,重点对突变点导致的增长速度减缓情况开展研究。通过增长趋势图建立分段模型辨识突变点,在此基础上,基于最大熵方法确定Bayes先验分布,通过某大型装置安装集成阶段的数据进行验证,证明了方法的有效性和可用性。首先介绍了研究背景,研究目的和意义等内容。在第二章介绍了可靠性的相关概念和指标,以及可靠性增长管理的模型和方法的综述。第三章分析了可靠性增长突变的原因,建立了基于增长趋势的可靠性增长分段模型;能够体现纠正措施对增长特性的影响,具有较为广泛的应用范围。第四章在多阶段系统可靠性增长评估研究的基础上,建立了基于最大熵方法的Bayes可靠性评估模型;通过案例证明了模型的有效性。通过分析认为,辨识突变点有利于本文研究的开展;最大熵方法在进行Bayes模型的先验参数求解时的有效性和方便性;Bayes模型能够有效对多阶段数据信息进行融合。本文主要得到如下结论:(1)建立的分段模型适用于突变点导致的可靠性增长速度加快,减缓和多突变点下的增长速度的不确定变化。(2)建立的分段模型能更明确可靠性增长速度变化特点,可以更好地了解系统可靠性增长的变化规律;(3)建立的系统可靠性增长评估方法用于融合多阶段的故障信息,得到更准确的评估结果。