直升机旋翼系统由大量动部件组成，为单一通道无备份且所处工作环境复杂，是确保直升机可靠性和安全性的重要系统。现有的旋翼故障检测系统能力有限，由于旋转件上数据不易测量、工作状态多变及噪声环境复杂等因素影响，严重影响了直升机整体的可靠性和安全性。本文提出了一种基于旋翼系统失效机理与故障模式分析的PHM方法—改进的仿真神经网络预测方法，能够有效地利用旋翼系统失效模型并结合关键部件的测试、仿真数据，进行预测模型的建模，采用噪声数据参与模型训练的方式，极大地提高了故障检测的有效性，并提出了利用故障数据仿真及故障注入等实验手段进行验证的思路。分析结果表明，该方法能够有效地进行预置多种故障情况的预测，能够解决旋翼系统关键部件故障预测能力低、无法合理进行健康管理的问题，为全面开展旋翼系统健康状态监控以及维修维护提供了必要的技术支撑。