随着电子技术的快速发展,在电子设备功能日益完善的同时,其结构也日趋复杂,使得电子系统对自身的可靠性要求越来越高。电子系统的故障预测是通过充分利用系统的历史数据与当前状态,通过算法处理,从而提前估计出系统未来状态的变化趋势,为视情维修提供依据,有效降低系统故障概率,提高系统可靠性,降低保障费用。故障预测的关键在于如何提取合适的故障特征参数,并设计出性能良好的状态评估算法与故障预测算法。鉴于以上原因,本文的主要研究内容如下:(1)模拟电路多特征提取。针对当前模拟电路功能结构日益复杂,故障形式多样化等特点,本文选择进行多特征提取,从而尽可能准确的表征出被测电路的健康状态。首先介绍了常见故障特征的提取,并重点讨论了小波特征与统计特征的提取方法,并针对射频模拟电路的特殊性分析了以S参数作为其故障特征的提取方法。(2)模拟电路健康状态评估。虽然可以用单一故障特征参数来表征系统健康状态,但各个特征参数变化趋势不尽相同甚至相反,因此不能直观准确的反应出系统状态变化情况。为此,本文给出了一种基于主成分分析法改进的马氏距离来构造故障指示器值的信息融合方法,从而提高了故障指示器对早期故障与微弱故障的识别能力。(3)故障预测方法研究。本文详细介绍了极限学习机预测模型与卡尔曼预测模型的理论基础与其优缺点,并针对两种预测模型的缺点分别提出了改进方法。其中对极限学习机模型的输入权值矩阵与隐含层节点偏差提出了以差分进化算法进行优选,从而改善了传统极限学习机模型随机给定权值矩阵与节点偏差导致泛化能力不足的问题;对卡尔曼滤波预测模型采用了基于AR模型建立状态空间方程,并采用粒子群算法的对模型的阶数进行了优选。并结合实际电路,验证了预测模型的有效性。(4)故障预测软件的设计与实现。结合理论研究,本文设计并实现了一套开放式的故障预测软件,该软件集成了数据库系统、故障特征提取、状态评估、故障预测以及人机交互界面等功能模块。该软件允许用户根据实际需要对软件中的关键算法模型进行在线升级与动态更新,在满足实际需求的同时也便于将未来新的算法模型集成到该软件中,为故障预测技术推向工程实践提供了基础。最后结合实际应用验证了该软件的有效性和实用性。