为了提高运载火箭地面供配气工作的效率和安全性能,各运载型号总体对地面供气系统提出了无人值守和自动供气的需求。自动供气系统可按指令自行完成供气工作,减少约70%的人员现场手动操作;具有自主系统状态监测和元件健康管理能力,且具备常见故障自动诊断的功能,有效减少了人工系统管理和故障诊断的工作。基于供气系统的无人值守需求,本文针对自动供气系统的总体方案进行理论、仿真和试验研究。本文分析了供气系统的自动化、可靠性、安全性等需求,根据现有贮箱增压、气瓶充气等典型气路的气路方案和控制策略,设计了通用化自动供气方案,可覆盖各类常用的容腔充气、动态供气和控制气供气等功能。针对动态供气工况,推导了任意工况下减压阀动静压差计算公式,并基于此公式,首次在压力控制策略中增加了目标压力动静压差补偿环节,使系统具备在供气状态下量化预判静态压力并进行调节的能力。基于总体方案,首次将概率神经网络应用于运载火箭地面供气系统的故障诊断系统设计。现有关于神经网络故障诊断系统的大部分课题集中于训练算法的研究,而关于适应系统特点的数据前处理方式和神经元激活函数的研究却相对较少。本文根据自动供气系统的数据特点,提出了自适应模糊化方法和简化径向基函数,减少了网络训练的数据量,使神经网络规模缩小约75%左右,大幅提升了诊断速度。然后,基于AMESim和Simulink进行了自动供气系统的联合仿真建模,并根据热力学第一定律和导热微分方程建立了温度计算模型,对常温气瓶充气过程的气体压力、流量和温度变化进行了仿真,仿真结果表明:自动供气系统可以准确按目标压力变化曲线进行充气,气瓶中的温度升高更加平稳,可减弱对气瓶的温度冲击;故障注入后,诊断系统也迅速做出了判定,验证了自动故障诊断系统的时效性和准确性。最后,对试验平台进行了基于动态稳定性的三维设计,并在试验平台上开展了不同目标压力变化规律的气瓶充气试验。试验结果表明:系统可准确跟踪预定压力变化规律,压力、温度变化曲线试验结果与仿真结果相差小于10%;故障诊断系统可迅速、准确定位故障注入点。