航空发电机作为飞机供电系统的一个重要组成部分,是飞机各系统正常工作的基石,研究并实现航空发电机健康状态的早期预测,可以及时掌握发电机健康状态的变化趋势,从而可保障飞机的飞行安全,提高其作战效能。本文以某型真实军用航空发电机为具体研究对象,对其健康状态的有效预测进行了深入研究。通过采用真实航空发电机专用加速寿命试验平台对发电机进行长期使用寿命试验,获取了输入转速、负载、电压、进出口油温、进出口压力和注油压力等健康状态表征参数,在对试验数据预处理的基础上,本文将最小二乘支持向量机预测和灰色预测理论引入到航空发电机健康状态的预测研究中,深入分析其预测过程,设计预测算法,并通过软件编程实现其预测效能,得到预测结果。试验结果表明,最小二乘支持向量机预测平均误差为7.02%,灰色预测平均误差为19.22%。由于灰色模型预测误差较大,不能满足预测要求,因此,将引入神经网络组建灰色神经网络模型对航空发电机健康状态进行预测,预测平均误差为9.86%,证明预测效果明显提高。在航空发电机健康状态预测过程中,由于单项预测模型利用信息的不充分性,不能准确反映发电机状态的变化趋势,同时,基于组建灰色神经网络模型的思想,为使预测结果能够更真实、准确、全面的反映航空发电机的健康状态,本文引入变权组合预测模型,对航空发电机健康状态进行了预测研究,并且在权重分配的计算上将D-S证据理论思想应用其中,与传统的权重分配组合模型进行对比。试验表明,基于D-S证据理论权重分配的组合预测平均误差为6.35%。预测效果达到了期望的目标,从而验证组合算法的合理性。