王小召，张建新，张 震，李永保，李 锋，谢立中

(湖北江山重工有限责任公司，湖北襄阳 441005)

0 引言

在未来的信息化战争中，保障行动对整个作战体系的支撑作用至关重要。作战方式的多样性对保障的时效性和精确性提出更高的要求[1]。武器装备的智能故障诊断和预测是实现预知维修和自主式保障的重要手段[2]。

神经网络具有极强的非线性映射能力，在故障预测方面受到广泛关注。动态神经网络对过程或工况参数建立动态模型，输出不仅依赖当前的输入，还与当前和过去的输入、输出有关。其中，NARX(nonlinear autoregressive network with exogenous inputs)神经网络性能优越，是非线性动态系统中应用最广泛的一种神经网络[3]。

目前，针对火箭炮状态预测的研究较少，文献[4]采用Elman神经网络针对时间序列的内在特性对防空火箭炮交流伺服系统的速度量进行了预测，但没有考虑其它外在因素的影响。由于服役条件复杂多变，火箭炮状态受环境、振动、冲击等多种因素的影响。基于NARX神经网络引入模糊理论，提出了将多种外部输入的影响因素进行综合评分，以综合评分作为NARX神经网络的外部输入量的预测方法。通过对比分析，该方法能够在保证预测精度满足要求的前提下，使得NARX神经网络的规模减小、收敛速度提高，同时提高了NARX神经网络对火箭炮发火回路状态变化趋势的预测精度。

1 火箭炮发火回路

1.1 关键要素

火箭炮发火系统用于点燃火箭发动机的发火药，将火箭弹按指令要求的顺序和间隔发射出去。……