作为一种建模理论，神经网络具有分布式、自学习等其它方法所不具备的人工智能优势。既然基于神经网络建立的模型能够表征所描述系统(或对象)，那么网络就应该存在能够体现系统稳定性的信息。如何从神经网络中提取这些信息正是本文研究工作的重点。 本文以三层BP网络为基础，系统研究了神经网络的模型及其工作原理，结合控制理论中的Jury判据，从数学上给出了一种从神经网络自身权值获得稳定性参数的方法。通过数字仿真，将其和基于时间序列建模的Jury判据进行了性能比较，验证了方法的合理性与有效性。 针对飞机颤振边界预测(Flutter Boundary Prediction，FBP)的数据特征及分析要求，论文从预测精度、抗噪性、短样本效应三个方面考察了所研究方法的适用性和可靠性。分别应用两种颤振试验数据，验证了方法在实际物理试验中的使用情况。结果表明，本文方法在预测精度和在线能力方面能够满足实际工程中对系统稳定性的监测与分析要求。