Рассматривается задача прогноза технического состояния сложных систем. Для решения такого класса некорректных задач необходима регуляризация путем привлечения дополнительной информации, которая может быть получена либо расширением пространства параметров технического состояния, либо расширением пространства оценок параметров, в том числе характеризующих структуру ряда динамики посредством выявления степени нерегулярности процесса изменения технического состояния. Решение поставленной задачи проводится в два этапа. На первом этапе решается задача синтеза модели пространственной экстраполяции, к которой может быть сведена задача построения прогнозной модели в пространстве оценок параметров технического состояния сложных робототехнических комплексов, заключающаяся в восстановлении неизвестной векторной функции по значениям векторного аргумента. На втором этапе, если разбиение пространства на классы в общем случае определено не полностью, то разбиение уточняется путем привлечения регуляризаторов. Разработанный алгоритм прогнозирования в нейросетевом логическом базисе сочетает в себе преимущество традиционного алгоритма вычисления оценок, а именно универсальность, и такое достоинство нейронных сетей как высокое быстродействие при требуемой достоверности прогноза. Предложенный алгоритм может быть реализован в программно-математическом обеспечении систем прогнозирования технического состояния сложных робототехнических комплексов.