基于GA-GM(1,1)模型的航空发电机状态趋势分析结果较GM(1,1)模型所得结果平均相对误差降低0.14个百分点，分析结果更加精确，为灰色分析模型及其优化模型在航空发电机剩余使用寿命预测技术研究中的应用奠定基础。同时也说明遗传优化算法在航空发电机状态趋势分析中的应用是可行的且具有实际科学意义。这也为GA-GM(1,1)模型在其他领域中的应用指明了道路。-GA-GM (1,1) model-based aviation generator status trend analysis resul

elman神经网络用于预测回转支承寿命的，效果不错-elman neural network to predict the slewing life, good results

径向基（RBF）神经网络进行剩余寿命预测,绝对可运行！(Radial Basis Function (RBF) neural network to predict the remaining life)