随着航空科技的飞速发展,飞机设备也越来越复杂,对飞机故障的诊断和预测也提出了新的挑战。近年来,飞机部件的稳定性虽然在不断提高,但是飞机故障的预测仍然是一项艰巨的任务,一旦飞行过程中发生任何故障或失效都会造成巨大的损失。因此,更准确的预测飞机故障具有重要的社会价值和经济价值。数据挖掘技术是近些年发展起来的一门技术,它有着非常广阔的应用前景,数据挖掘技术能应用在各个领域,因此在与飞机故障预测方面的结合也有着广阔的前景。本文主要研究了用灰色模型和支持向量机模型预测飞机轴承损耗率,用灰色模型和神经网络模型预测飞机主燃油控制系统失效率这两个问题。1.对飞机轴承损耗率的预测。首先对飞机轴承损耗率的数据进行了采集与特征分析,通过对几种模型的对比分析,选择采用灰色预测模型和支持向量机模型对飞机轴承损耗率进行预测。然后用灰色模型选择不同的建模长度对轴承损耗率进行了预测,用支持向量机选择不同的参数对轴承损耗率进行了预测;接下来分析了这两种模型的优缺点然后分析了将两种模型进行融合的可行性,然后用融合的灰色支持向量机模型对轴承损耗率进行了预测。最后将三种模型的预测结果进行分析对比,证明了灰色支持向量机模型充分发挥了灰色模型所需数据量少,贫信息预测效果好、支持向量机非线性映射能力强的特性,相比两种单一的模型有更好的预测效果。2.对飞机主燃油控制系统失效率的预测。首先对飞机主燃油控制系统失效率的数据进行了分析,分析得出适合采用灰色模型和神经网络模型对其进行预测。然后用这两种模型选择最佳参数和合适的网络结构进行了预测;接着分析了融合模型的可行性,给出采用线性加权的方式和直接组合的方式的两种融合模型,然后用这两种融合模型对主燃油控制系统失效率进行了预测。接下来通过对四种模型的预测结果的比较和评价,得出直接型灰色神经网络模型的预测效果最好,比线性加权型灰色神经网络模型和单一模型的预测效果好很多,充分发挥了灰色系统所需样本数据量少、对不确定信息预测效果佳、神经网络具有非线性映射和自学习、自适应等特性。最后,对开发的飞机机务维护管理系统的结构和部分页面进行了说明与展示。