李英顺，李润濠，张杨，熊伟，郑宏利

(1.北京石油化工学院 信息工程学院，北京 102617；2.沈阳顺义科技有限公司，辽宁 沈阳 110000；3.陆军装备部驻包头地区第一军事代表室，内蒙古 包头 014000)

坦克作为国防力量中必不可少的部分，近年来，国内的专家学者们对坦克的关注度逐步提高。坦克的火力输出主要来源于火炮、弹药以及火控系统，如果能对其核心的火控系统进行故障预测[1-3]，预知系统的健康状态，便可有效地提高坦克在战场上的作战效率，避免因某部件的故障造成火炮命中率下降，甚至使得坦克直接失去火力输出的能力。

故障预测方法有基于模型、数据驱动的方法等，基于模型的方法精确度虽高，但因系统复杂造成数学模型难以建立的情况，导致其不太实用。因此现阶段故障预测方法主要以数据驱动[4-6]的方式为主。数据驱动的方法则不需要了解系统精确的数学模型，通过传感器获取的数据利用智能算法建立输入输出之间的关系模型，能够实现故障预测。常见的有神经网络、支持向量机和相关向量机等算法，如文献[7]中对航空电子装备采用遗传神经网络这种融合智能算法的方式，解决了神经网络鲁棒性差，评价指标单一等问题。文献[8]中针对动调陀螺仪采用时序分析和神经网络的故障预测方法，为动调陀螺仪的故障预测走向实际工程应用提供了有效的途径。文献[9]中针对陀螺仪电源幅值状态趋势的在线预测采用了改进的最小二乘支持向量机的方法。……