水平尾翼是飞机系统的重要组成部分,实现飞机水平尾翼健康信息发展趋势的早期预测对于及时发现和排除潜在隐患、保障飞机安全飞行和提高战斗机战斗力将具有重要的指导意义。本文以某型军用飞机的结构系统——水平尾翼为具体研究对象,对先进战斗机水平尾翼的健康信息发展趋势进行了预测研究。由于飞机水平尾翼的结构复杂,引起该部件健康状况发生改变的信息很多,而且各信息间的关系难以准确表示。为此,本文将灰色预测理论引入到对飞机水平尾翼健康信息发展趋势的预测研究中。在深入分析和研究灰色模型预测机理的基础上,对多变量灰色模型进行了改进。仿真试验结果表明,改进后模型的预测精度有了显著提高。在对飞机水平尾翼健康信息发展趋势进行预测的研究过程中,由于单一预测模型存在着利用系统信息不充分和预测精度低等缺点,其预测结果仅能反映水平尾翼健康信息的一种发展趋势。为了使预测结果能够全面地反映飞机水平尾翼健康信息的真实状况,本文引入了BP神经网络,并用其实现对单变量灰色模型预测结果和多变量灰色改进模型预测结果的数据融合预测。仿真试验表明,融合预测结果在预测精度和预测时间两个方面均达到了预期目标,从而验证了融合算法的有效性。