电子装备的采购费用和保障维修费用日益庞大,经济可承受性成为一个不可回避的问题。据美国电子装备综合数据显示,在整个电子装备使用周期过程中,电子维修费在总费用比重中高达72％,并且与使用电子设备费用相比,电子维修费用在技术上更具有可压缩性。由此可见,对于电子装备故障预测的研究是很有必要的。　　本文学习了电子装备故障预测的常用方法,深入研究了灰色系统理论知识和神经网络理论知识。通过在灰色神经网络的完全融合中引入二次动量项的方法,对传统的灰色神经网络GNNM算法进行改进,提出了灰色神经网络MGNNM算法(Momentum-GreyNeuralNetworkModel),进一步利用单调有界定理和夹逼性定理对其误差序列进行收敛性证明,从而对本文提出的MGNNM算法的稳定性和收敛性进行证明。最后,将MGNNM(1,1)算法应用于雷达电子故障预测实例中,并与传统的GNNM(1,1)算法进行比较,通过对结果分析,得出MGNNM(1,1)模型较传统GNNM(1,1)模型在预测时间及预测精度方面均有提高的结论,从而验证本文算法实用性与可行性;同时将MGNNM(1,1)、MGNNM(1,N)算法应用于其它数据类型中,验证MGNNM算法的通用性。