现在设备和系统的发展越来越复杂,一旦发生故障将会造成重大损失。因此对设备进行故障检测、预报有着重要的意义。针对复杂设备的故障特征具有不确定性,非线性和模糊性等特点,本文利用模糊数学中的隶属度等模糊方法、灰色理论模型并结合粒子滤波算法,建立相应的故障预报模型,对潜在的或即将发生的故障进行预报。本论文的主要贡献如下：(1)针对故障预测具有不确定性的特点,提出将模糊数学中的隶属度函数和粒子滤波算法相结合设计故障预测的方法。新方法利用粒子滤波算法对设备运行的未来状态进行预测,再设计描述设备运行状态的正常隶属度函数和异常隶属度函数,利用得到的未来状态预测值计算并比较正常和异常隶属度函数值,依据比较结果对潜在故障进行预测。实验验证了该方法的可行性,可及时准确地预测出系统故障。(2)针对故障预测具有不确定性的特点,提出将模糊数学中的模糊贴近度和粒子滤波算法相结合设计故障预测的方法。新方法利用隶属度函数设计了描述系统运行正常的正常模糊子集和运行异常的异常模糊子集,利用粒子滤波算法计算系统运行的预测值,并计算预测值的正常隶属度；再分别计算预测值的正常隶属度与正常模糊子集和异常模糊子集的贴近程度来实现故障预报。相比于上述(1)的方法,本方法计算预测序列与描述系统的正常／异常模糊子集的贴近度来判断故障更合理,实验验证了该方法的可行性,并及时准确地预测出系统故障。(3)针对上述两个方法中粒子滤波算法运行不快和未考虑非隶属的情况,提出将模糊数学中的直觉模糊集和灰色模型相结合设计故障预测的方法。新方法利用隶属度函数设计了描述系统运行正常的正常直觉模糊子集和运行异常的异常直觉模糊子集,利用灰色模型计算系统运行的预测值,并计算预测值的正常隶属度；再分别计算预测值的正常隶属度与正常直觉模糊子集和异常直觉模糊子集的贴近程度来实现故障预报。实验结果显示该方法及时准确地预测出系统故障；与上述(1)和(2)的两个方法相比,该方法的运行速度快很多,当系统正常／异常运行时,预测值的隶属度与正常／异常直觉模糊子集的贴近度更接近,显示出更好的合理性。