贮存寿命是武器装备系统的重要质量特性,正确预估贮存寿命的目的是以最低的寿命周期费用实现武器装备的战备完好性,提高可用性并减少后勤保障费用。因此,武器系统的贮存寿命预测方法研究具有重要的理论、实际意义,军事和经济价值。本文主要总结了可靠度预测模型,研究了基于可靠度预测模型预测武器系统的贮存寿命的方法,并针对现有常用的贮存寿命预测方法存在的难点及其解决思路展开了新的贮存寿命预测方法研究。首先,从系统的实际可靠性物理模型和由定期监测得到的贮存数据所包含的贮存失效率和贮存可靠度变化规律出发,可建立比较实用的可靠度预测模型。由可靠度预测模型可预测武器系统贮存一段时间后相应的贮存可靠度,再根据贮存失效率、贮存可靠度和贮存寿命之间的相互关系,进而可得到武器系统的贮存寿命。本文结合国内外文献,总结了现在比较实用的六种可靠度预测模型,并重点讨论了这六种可靠度预测模型的建模方法、贮存寿命数据分析方法和基于可靠度预测模型预测武器系统贮存寿命的方法,并用实例证明了基于可靠度预测模型预测武器系统贮存寿命的可行性,比较了六种预测模型的预测精度。得出了可靠度预测模型形式简单,参数估计容易,预测精度较好,基于可靠度预测模型预测武器系统贮存寿命的方法适用于工程应用的结论。但可靠度预测模型随武器系统型号、贮存环境、人为因素的影响而预测效果会有所不同。因此建议,在实际应用中,应从中挑选几种共同进行预测并进行预测性能比较,从而选择更为合适的预测模型。其次,本文研究了分别将神经网络、灰色理论、组合预测方法引入武器系统的贮存寿命预测中,通过适当改进,融合相应的贮存信息,得到相应的基于神经网络预测模型、灰色预测模型、组合预测模型预测武器系统贮存寿命的方法。改善了现在常用贮存寿命预测方法不适于复杂、多应力因素、小样本武器系统贮存寿命预测的局限性。并分别用具体实例证明了这些方法的有效性及优越性,得出了在大量数据保证的基础上,网络结构设计、算法选择合理,神经网络预测模型适合预测影响因素复杂、物理模型不明确的武器系统贮存寿命;基于灰色模型预测武器系统贮存寿命方法预测小样本武器系统贮存寿命方法简单且具有较高的预测精度,但由于灰色预测模型主要是基于数据处理进行的预测,缺乏可靠的物理模型,而我们收集的数据信息有时往往由于人为因素等而失真,如何将数据信息还原成符合真实信息的数据从而提高预测精度非常重要;基于组合预测模型预测武器系统的贮存寿命相比于单项预测模型,充分利用贮存信息,大大提高了预测精度的结论。最后,根据灰色模型、组合模型在数据处理中能够提高预测精度和固有特性,将它们引入了常规的加速贮存寿命试验的数据处理中,得到基于改进的加速贮存寿命试验数据处理方法。该方法的基本思想是以高应力下的寿命特征为原始序列建立灰色模型或组合模型,进而预测正常应力下的寿命特征。克服了常规加速贮存寿命试验都是针对一种贮存失效模式和失效机理进行,对于复杂的整机,难以选定合理的加速应力,以及依赖大样本数据的局限性。并用实例证明了该方法的有效性。同时,提出了区别于一般加速寿命试验方法的注意事项,即改进的加速贮存寿命试验的加速应力应等间隔选取,正常应力与加速应力相差等间隔的整数倍,最好是一倍。