自动装填控制系统是火炮自动供输弹系统的关键子系统，其性能的好坏将直接影响火炮的威力和自身的生存能力，而自动装填控制系统又是火炮上故障发生率较高的子系统之一，故如何预防其故障的发生对火炮的总体作战效能将起到至关重要的作用。随着军事装备系统结构的复杂化，采用传统的故障诊断方法已经很难满足自动装填控制系统故障诊断的精度需求。为了保证自动装填装置能够在规定的时间内和复杂的工作环境下完成预期的功能，本文采用混沌粒子群优化神经网络的方法对某火炮的自动装填控制系统的故障诊断进行了实验性的研究。首先，介绍了自动装填系统的国内外发展现状以及对其进行故障诊断的重大意义。分析了自动装填系统的组成及其动作顺序，研究了自动装填控制系统的硬件组成和软件设计模块。根据自动装填控制系统的工作原理，统计分析了自动装填系统的主要故障模式。其次，研究了粒子群优化算法和神经网络相结合的可行性及其基本原理，并使用粒子群优化算法对BP神经网络的权值和阈值进行优化。粒子群优化算法具有简单、易于实现、没有太多调整参数等特点，但其在后期的优化过程中种群的多样性逐渐降低，导致停滞早熟等现象的发生。故本文对粒子群优化算法进行了改进，将混沌优化策略引入粒子群优化算法中，这样既丰富了种群的多样性，也进一步提高了混合算法的整体效能。最后，构建了神经网络故障诊断系统。在MATLAB平台上分别实现了BP算法、PSO-BP算法和CPSO-BP算法对BP网络的训练仿真及测试，并对这三种算法的训练和测试结果进行了比较分析，最后结论得出CPSO-BP算法对自动装填控制系统系统来说是一种比较理想的故障诊断算法，具有更高的诊断效率与精度。