航空航天领域一直处于高新技术,尖端技术发展的前列,这不仅跟国家对航空航天领域的高度重视有关系,还跟航空航天领域的特性有关系,一个航天器通常是耗资上亿,并由十几万,甚至上百万个零部件组成,如何保证航天器能够正常的运行,正常的工作,为深空探测提供有利的数据,为发展国计民生提供有力帮助,这就需要最先进的技术手段,最高新的科技成果保证其可靠性。可靠性发展有三个阶段,第一个阶段是二十世纪三四十年代,也是可靠性发展的初期阶段。在这个阶段由于当时军用电子设备经常出现故障,于是引发了人们对可靠性进行了一系列思考和探索,可靠性的研究开始进入人们的视野。第二个阶段是二十世纪五六十年代,是可靠性发展的中期阶段。该阶段的主要的发展体现在可靠性作为一门新的技术被应用的领域越来越广泛,从最初的电子器件可靠性研究逐步扩展到民用和军用,主要在以下的领域,例如核电系统,食品安全,建筑工程,机械,铁路,通信,医疗等一系列关系国计民生的部门和领域,对应于第一阶段不同的是,这一阶段的发展已经摆脱了第一阶段的对可靠性的认识,能够定量的分析,能够将数学理论基础引入到可靠性中来,如概率论和数理统计知识。第三个阶段是二十世纪七十年代以后,这个阶段是可靠性全面发展的阶段。航空航天发展至今,传统的可靠性分析方法如,故障树,事件树,故障失效模式与影响分析等都已经成熟,现阶段出现了大量的数据挖掘的算法与这些传统方法结合思路来进行可靠性分析。对航天器的故障的处理和分析对可靠性提高也有很大的帮助,本文在研究了当前热门的神经网络技术后,将神经网络应用到航天器故障中来,旨在为航天故障数据处理提供一种思路。　　 本文在研究了航天器故障的特性后,利用搜集的数据,进行了整理并建立了航天器故障数据库,并在Matlab中,利用神经网络工具箱对航天故障次数进行了模拟,仿真实验,通过对某种型号卫星的在轨时间内故障次数的短期预测,可以提高我们对航天器的认识,还能对将要出现的故障进行预防,保证其可靠性,同时为如何解决如何利用这些数据提供一种思路,目的是为了提高航天器可靠性,保证航天器的安全性。本文将神经网络的方法用到航天故障数据中,旨在寻求一种方法,打开思路。文章最后的实验部分分为三个部分,在同一个数据集上,分别用2-9-1型,2-10-1型,2-11-1型网络结构进行实验,并对实验结果进行分析。　　 本文的主要内容如下:　　 (1)首先阐述了航空航天领域的发展情况,介绍可靠性工程的发展历程,阐述了课题的研究背景、意义。　　 (2)对国内外相关技术的简单介绍,首先介绍了与本文相关的神经网络的基本情况,国内外研究现状,然后介绍数据挖掘的研究情况,国内外研究现状,最后介绍与项目有关的航天工程可靠性的状况。只有了解了研究课题现在所处的大环境和相关技术的发展状况,弄清楚了题目所涉及的热点和难点,才能有利地开展工作和研究,才能保证研究成果具有实际价值意义。　　 (3)基于神经网络的数据挖掘研究:介绍常用的数据挖掘技术,包括神经网络,决策树,贝叶斯网络,遗传算法的理论,以及算法的过程。重点介绍了神经网络的模型结构,主要是对当前应用领用,技术成熟的BP神经网络和RBF神经网络的研究,同时也介绍了网络几种基本学习规则。　　 (4)第四章是对基于神经网络的航天故障数据挖掘研究,通过航天可靠性的研究,了解航天器故障原因的复杂性,建立航天故障数据库,一方面将数据搜集与保留,另一方面是想利用现有的数据挖掘方法对其进行处理,以期获得知识发现。旨在提供一种处理航天数据的方法,将神经网络算法应用到航天故障中,最后介绍了Matlab自带神经网络工具箱。　　 最后是给出实验设计与结果,首先介绍了我们团队所开发的航天可靠性计算平台的结构和功能,在此基础之上,介绍了本论文实验部分所需要的数据类型,以及实验数据的来源,经过数据处理后,利用Matlab进行仿真实验,给出了不同隐层节点的实验结果,最后分析了实验结果。