作为火炮核心部件之一,供输弹系统是复杂的高速运行的机电液一体化系统,在高温高压高冲击的环境下需要完成弹药输送、自动装填以及击发任务。是故障发生频率较高的子系统之一,其可靠性一直制约着火炮性能的发挥。因此,对其进行早期故障诊断具有重要的价值和意义。本文对供输弹系统的工作原理、常见故障进行分析,运用现代信号处理方法进行滤波、提取信息熵微弱特征,运用信息融合技术对供输弹系统早期故障进行诊断。首先,对供输弹系统的组成、结构、工作原理、常见故障进行归纳总结分析,在此基础上进行传感器测点的布置和多场信息采集。通过对实测多场信息信号研究分析,对正常、恶化中、故障三种工况,选取振动测点3、振动测点5、声压测点2进行分析。原始信号中往往混杂着大量噪声,所以采用自适应广义形态滤波对信号进行去噪。信息熵具有优良特性,通过分析信息熵的概念、定义、性质后,采用基于近似熵和样本熵微弱特征提取方法。对射击过程中的共194发炮弹信号进行近似熵和样本熵的提取。之后运用Elman神经网络对供输弹系统早期故障进行初步识别,得到初步诊断结果。单个测点的故障诊断正确率并不是很高,为了能够全面反映供输弹系统的运行状态,提高诊断的正确率,采用基于D-S证据理论的多场信息融合方法。将Elman神经网络的输出归一化后作为证据体的基本概率分配,为了避免证据体间的冲突,采用证据关联系数加权平均融合模型,进行决策级的信息融合,最后得到了多测点信息融合决策诊断结果。诊断结果分析表明:本文将自适应广义形态滤波、信息熵、Elman神经网络和信息融合理论运用于供输弹系统早期故障诊断中,具有有效性和优越性;经过证据加权平均融合后,159个测试样本中有149个正确诊断识别,准确率高达93.71%,说明本文提出的方法对供输弹系统的早期故障诊断有一定的实用性,为其提供了一种新思路。