弹药自动装填系统是自动武器系统的重要组成部分,而协调器是弹药自动装填系统的核心,并以液压传动作为驱动方式。因液压系统具有故障频率高,故障隐蔽性强以及故障模式多样化等特点,故障发生后难以准确快速定位以采取补救措施。为提高其可靠性,本文以某国防在研项目为背景,运用AMESim与ADAMS仿真技术,结合神经网络开展了相应的故障智能诊断研究。本文研究内容分为以下几个方面:(1)剖析了火炮药协调器系统的组成、结构及工作原理,对协调臂液压系统进行故障模式梳理,总结了液压系统的共性故障和火炮药协调器液压系统的个性故障,并以此进行了故障模式与影响分析(FMEA)。(2)分析推导了协调臂电液伺服系统数学模型,建立了药协调器的ADAMS与AMESim机液联合仿真模型,分析了药协调器液压系统的动态特性。并结合多模型对比、测试试验来验证模型的准确性,对模型参数进行了优化。(3)选取了具有代表性的五种故障模式进行了大量仿真分析,以液压油缸的压力,协调角速度、角位移为监测量,确定了具有代表性故障特征,并提取相应的特征值,构建了故障样本。(4)建立了 BP神经网络学习算法,进行学习训练,并利用部分样本作为检验数据验证其可行性,结果表明其该BP神经网络能够准确的识别药协调器液压系统的五种故障模式,达到了故障诊断的目的。