随着无人机技术的发展,现代无人机系统机载设备日趋复杂,对故障诊断和维护方式提出了新的挑战。故障预测与健康管理技术能够对无人机进行全面的健康状态监测,对提高无人机安全性能、维修保障效率,降低寿命周期费用将起到重要作用。因此研究无人机的故障预测与健康管理技术(PHM)对无人机的发展具有重要的理论意义和应用价值。本文研究无人机PHM技术的核心部分—状态监控与故障预测系统,其中故障预测技术是该研究的重中之重。考虑无人机系统输入/输出响应模型的非线性和多参数,选择不受线性和高斯分布限制的粒子滤波算法,来逼近系统数据中所隐含的故障映射机制,进行故障预测,为系统维护和实时的指挥辅助决策提供依据。无人机是一个异常复杂的系统,其中最重要的莫过于动力系统和航迹系统。选用这两个系统作为研究对象,主要对以下的四个方面进行了研究：1)基于无人机高空飞行的数据,在对无人机航空活塞发动机的关键参数建模后,选用粒子滤波方法其进行了故障预测；2)基于发动机起动试验的数据,在对涡喷发动机起动过程关键参数建模的基础上,用粒子滤波进行故障预测；3)基于无人机高空飞行的数据,在对无人机航迹影响明显的姿态角建模的基础上,运用粒子滤波间接实现了无人机航迹的预测。4)将故障预测与状态监测系统应用到无人机地面控制站的辅助决策系统,验证该方法的适用性。通过与无人机飞行的真实值比较,本文所运用的基于粒子滤波算法的故障预测方法得到的预测值能很好的拟合各参数的真实走向。在无人机实际飞行中,将该研究应用于无人机的辅助决策系统,可实时的对无人机的故障进行预测,并能及时地对操作人员进行提示和提供辅助性的处置建议,对无人机的飞行安全和降低维护成本意义重大。