电子器件或电子系统的高功率微波易损性评估是一个困难的问题。这主要是因为，高功率微波作用于电子器件或电子系统时，存在大量的不确定因素影响其作用结果。用实验研究高功率微波作用于电子器件或电子系统的损伤效应时，电子系统的易损性估计或毁伤阈值往往受到多个高功率微波源参数的影响，它们随高功率微波源参数变化的关系，从数学的角度来看，是一个多变量、非线性的关系。模糊理论为处理不确定性信息提供了的一种方法。神经网络常用于非线性映射的逼近。模糊神经网络吸收了模糊系统和神经网络二者的优点，是一种常用的处理非线性预测问题的有力工具。本论文讨论了 T-S 型模糊神经网络及其学习算法的一些不足，提出了改进的方法，并从模糊理论的角度出发，研究了模糊理论和模糊神经网络在电子系统 HPM 易损性评估中的应用方法。本论文的主要工作有以下几个方面：（1） 总结了模糊神经网络的发展历史、现状和可能的发展方向。讨论了电子系 统 HPM 易损性评估的概率方法以及从模糊信息处理的角度考虑电子系统 HPM 易损性评估的必要性和可能性。（2） 讨论了 T-S 型模糊神经网络的学习算法，分析了两种学习算法的特点，指 出了它们的优点和不足。（3） 提出了一个二次函数的优化算法，在理论上证明了所提算法的正确性。用 仿真实例对所提算法与共轭梯度法进行了比较。把算法推广到了对一般函 数的优化求解中。最后指出，把提出的算法应用到 T-S 模糊神经网络的混 合学习算法中，能够改善混合学习算法中最小二乘估计的稳定性。（4） 提出一种基于偏最小二乘回归分析的 T-S 模糊神经网络混合学习算法，克 服了在应用原混合学习算法时样本数和网络规则数要满足一定关系的限 制，使得 T-S 型模糊神经网络具有了更好的自适应性，更易于实际应用。 仿真实例验证了所提方法的有效性。（5） 应用模糊神经网络的非线性拟合能力，解决器件失效阈值随 HPM 参数变 化关系的拟合和预测问题。结合实验数据的特点，以模糊信息处理的观点， 提出了用可能性分布来估计器件失效可能性分布的方法，并对所得的结果 进行了分析。（6） 总结全文的结果，并提出了进一步的工作设想。