系统的故障预测与健康管理(Prognosticand Health Management/Monitoring,PHM)是近些年来国内外专家的研究热点。随着电子装备系统的日益复杂,由电路故障或性能退化导致的灾难也时有发生,因此对电子装备系统进行健康状态预测及故障预测也逐渐成为各国政府、学者关注的焦点。灰色系统理论作为一种新兴的预测方法,已成功应用于多个领域,具有强大的生命力和发展空间。　　本文将灰色系统理论应用到电子装备系统PHM中,对其健康状态监测和故障预测进行了尝试性研究。针对PHM的重点和难点——状态监测和故障预测,首先阐述了灰色系统建模的基本原理、建模过程以及模型精度的检验标准和检验方法,其次分析了灰色系统理论在电子装备系统的状态监测和故障预测中应用的可行性。然后针对电子装备系统状态监测和故障预测的原始数据所具有的量纲和数量级不统一、相关因素对系统主行为贡献大小不统一等特点,进行了数据无量纲化及灰色关联分析等数据预处理研究。对电子装备系统首次故障及其全寿命健康状态监测可采用新息GM(1,1)模型和GM(1,N)模型进行组合预测,依据预测得出的未来一段时间电子系统的健康状态,决定系统是否进行停机维修。在对系统的健康状态预测中,提出了一种基于数值积分原理优化的GM(1,N)模型,分别使用Newton-Cotes公式与Gauss-Legendre公式重构了GM(1,N)模型的背景值,并对有多因素影响的电子装备系统进行了“健康状态”预测。最后,针对具有4组以上故障间隔时间的序列,利用新息GM(1,1)模型进行了建模;然后采用了一种自相关法,生成多个时间序列,并建立了GM(1,N)模型,用多个时间序列对“故障时间”进行了预测。　　仿真实验及验证实例结果均表明,基于灰色系统理论的预测模型能够有效地对电子装备系统健康状态及故障时间进行预测,经过优化的GM(1,N)预测模型,预测精度要优于原始GM(1,N)模型。