刘兆政， 肖明清， 朱海振， 李剑峰， 张 磊， 杨亚军

(1.空军工程大学航空工程学院， 西安， 710038； 2.国防大学联合勤务学院， 北京， 100858；3. 95910部队， 甘肃酒泉， 735018)

机载导弹故障诊断是使导弹处于良好战备状态，发挥其作战效能，完成空中作战任务的重要保证。随着高新技术在机载导弹上的运用，机载导弹性能不断提升的同时，也增加了系统的复杂性，涉及到机械、电子、计算机等多个领域[1]，而装备越复杂，故障诊断任务就越繁重，诊断难度也就越大[2]。在这种情况下，准确地诊断并隔离各种故障对于提高导弹的完好率和作战效能具有重要意义[3]。

目前，国内外对故障诊断技术进行了大量研究，主要可分为基于数据驱动的故障诊断技术和基于模型的故障诊断技术两大类。基于数据驱动的故障诊断技术主要包括：BP神经网络[4]、粗糙集方法[5]、主元分析法[6]等。此类方法主要依赖历史数据，对历史数据的质量要求较高，但在实际故障诊断过程中，由于导弹本身具有可靠性高、可长期贮存、一次使用的特点，故障率比较低，故障样本较少，可能会造成数据不平衡，因此不适合用数据驱动的方法。基于模型的故障诊断方法相关研究成果主要包括基于物理模型的故障诊断技术和基于经验模型的故障诊断技术[7]。这类方法的优点是不完全依赖数据，能够克服数据驱动的方法造成的过拟合问题，缺点是诊断精度依赖专家的经验知识[8]，如果专家构建的模型不准确，必然会导致诊断结果不准确。……