对军用电子设备进行故障预测与健康管理研究,实现武器装备维修策略由“事后维修”、“定时维修”向“视情维修”转变,能够有效提高维修效率,提升现有装备保障水平和作战效能,对于实现强军目标具有重要战略意义。基于此,本文结合军用装备维修实际,主要研究工作包括:第一,针对军用装备部署分散、部队维修力量薄弱、保障资源缺乏的实际,借鉴云计算技术架构,设计了一种基于云服务的军用装备PHM体系结构并提出相应的服务模式。主要是运用软件开放式设计思想,将部队装备管理流程、器材供应流程、维修保养流程和技术服务流程融入云计算框架结构,并结合部队用户实际特点,对服务流程进行了设计优化,对架构可行性进行了初步论证。第二,非线性流形学习方法和隐马尔可夫模型相结合的元件级电路故障诊断技术研究与实现。利用非线性流形学习方法在处理高维、非线性数据方面的优点和HMM在模式识别过程中的优势,研究并改进了一种混合诊断模型,用于模拟电路元件级故障早期状态识别。在仿真电路中,将放大器与电容、电阻元件一并进行故障建模,最大范围覆盖电路故障,该方法与常规诊断方法相比,可以有效识别早期故障特征,故障诊断效率有明显提升。第三,基于贝叶斯网络的电子设备模块级故障诊断方法研究与实现。针对军用电子设备集成度高,结构复杂,故障机理难以全面掌握的现实问题,以某型号雷达系统接收机抗干扰信号通路为例,依电路系统拓扑结构和专家经验构建贝叶斯网络模型,利用网络自主学习和推理,实现完整数据和非完整数据情况下的故障模块诊断,解决了复杂系统模块故障定位难的问题。第四,基于粒子群搜索算法和改进灰色模型的电子设备系统状态预测技术研究与实现。针对军用电子设备的渐发性故障进行趋势预测研究,改进并实现了一种基于改进灰色模型的电子系统的短期状态预测方法。使用某型号雷达发射机高压电源纹波电压、栅控行波管管体和收集极电流历史数据作为试验数据,利用改进的PSO算法实现数据快速收敛,确定预测最佳维度,构建多步累加生成的灰色模型GM(1,1),从而实现对雷达发射机系统状态的预测。