随着工业4.0的稳步推进,现代工程系统和大型制造装备正朝结构大型复杂化、功能精密智能化、性能高可靠性化等方向发展。在趋于极端的服役环境和严峻复杂的工况条件下,系统的失效机理也随之多样化,并呈现出了多种失效模式或退化状态,从而无法使用传统的二态系统可靠性理论来对系统性能或状态进行精确描述,使得分析该类多状态系统可靠性问题的压力陡增,更为系统的实际运行带来巨大风险。同时,由于数据不精确、信息匮乏、工程师主观认知水平有限等原因,在分析多状态系统的可靠性时,还不得不考虑认知不确定性的影响,使得分析多状态系统可靠性时的复杂程度进一步加深。近年来,证据网络由于被普遍认为能较好地处理认知不确定性而被运用于考虑认知不确定性的系统可靠性分析之中,并已在多个实际工程领域得到了广泛应用。然而,当系统呈现出多状态的特性时,使用证据网络进行系统可靠性分析往往会在不确定性传播的过程中遭遇状态数的组合爆炸,这意味着系统的可靠性分析成本将随着部件个数和功能状态数量的增加呈指数倍增长,即“维度灾难”。针对证据网络在含认知不确定性的多状态系统可靠性分析中面临的“维度灾难”挑战,本文展开了如下研究:（1）提出了一种基于区间概率转换的改进证据网络方法,通过该方法可以显著地缓解基于证据网络的多状态系统可靠性分析在运算过程中产生的组合爆炸。首先,在根节点处使用两种区间概率转换方法将区间形式的先验证据按照两种极端的信度分配法则重新分配至单子集状态,得到单子集状态信度的两条边界,再分别通过证据网络进行不确定性传播得到系统可靠度的置信区间。通过两个实例验证,该方法在有效提高计算效率的同时还能保证较高的计算精度,为解决含认知不确定性的多状态系统的可靠性问题提供了一种合理有效的计算方法。（2）提出了一种基于改进证据网络的多状态系统可靠性分析及性能评估的方法。该方法利用提出的基于效用函数的极端BBA概率转换方法对根节点的先验证据信息进行预处理来缓解证据网络在系统可靠性分析运算中面临的“维度灾难”。具体过程为:根据效用函数的大小对每个元件定义在辨识框架上的状态进行排序,再将幂集空间中各状态并集的基本信度分配（BBA）以修正的众信度函数的形式重新分配给单子集状态,使得每个根节点得到两条定义在辨识框架上的极限BBA函数。最后,通过证据网络来推理根节点的两条极限BBA函数,得到系统各状态的可靠性区间,并根据期望效用函数公式计算系统性能水平的置信区间。两个多状态系统的实例表明,该方法不仅能有效减轻运算过程中的“维度灾难”,还能得到无信息损失的系统性能水平的置信区间,是一种兼具高精度和高效率的考虑认知不确定性的多状态系统可靠性分析及性能评估方法。