导弹武器在现代战争中具有着非常重要的地位,是每个国家守护国民和土地的重要保障,在和平年代,导弹的维修维护就显得格外重要。传统的导弹维修维护方式效率非常低且耗资较大,以此为契机,找寻一种新的导弹维修维护方法势在必行,故障预测理念就是一种新型的可实现的导弹维护方式。近些年神经网络在预测领域显示出其特有的算法优势,将其运用在导弹故障预测中会大大缩减由于导弹维修维护产生的人力物力。神经网络以其并行运算的思想灵活运用数学手段实现机器学习,但计算机软件在运行神经网络的时候,都是串行运算,无法完全发挥出神经网络的优势,所以本文提出一种用硬件手段实现神经网络对电子设备故障的预测。本文首先分析了各种元器件的失效模式和失效机理,确定了课题中参与预测的元器件种类和个数,明确了故障注入方法和故障模拟方式。然后设计了三种典型的导弹武器中的常用电路结构,分别对电路中待预测元器件进行故障注入,通过对这三种电路中关键点电压值的采集,建立完整的故障数据库,每一种故障对应一组电压值。将建立的故障数据库用于对概率神经网络的训练和验证,不断调整算法的语句和算法的参数,通过MATLAB实现概率神经网络对故障的预测,将预测结果与真实结果进行对比,验证了程序代码的准确性和算法的可行性,之后通过Vivado实现概率神经网络的故障预测在FPGA中实现,输出以FPGA板上的四个LED灯作为指示灯,经过试验证明,概率神经网络算法在FPGA上实现的预测输出结果与实际情况完全切合,即验证了本课题的导弹系统电子设备的故障预测在FPGA上实现的研究。最后提出两种优化方式,可以减少预测时间的思路和降低预测风险的想法并验证,再讲数据输入至优化后的程序中,将仿真运行结果与原试验结果进行对比,验证了优化的可行性和合理性。