故障诊断是根据设备运行状态信息查找故障源,并确定相应决策的一门综合性的新兴学科。随着科技的发展、工业设备的复杂化以及自动化程度的提高，设备的安全性能也需要得到相应的改善，要提高复杂系统的可靠性，必须重视故障诊断技术的研究。因此开展设备状态监测与故障诊断技术研究，已成为当前的重要课题。　　机载航炮是战斗机的一个重要作战武器，其工作情况的好坏直接影响到战机的攻击和自卫能力，因此，对机载航炮的故障诊断受到航空兵部队普遍关注。航空兵部队对机载航炮故障诊断主要依赖于该领域诊断专家的经验，在无法保证专家随时随到的情况下，就会增加排除故障的难度。研究机载航炮的排故方法，并能为航空兵部队广大官兵所掌握，由此提高战机的战斗率和保障训练的质量，成为研究工作的重点。随着智能诊断技术的迅速发展，改善机载航炮故障诊断方法势在必行。　　本文首先分析研究了国内外故障诊断系统的发展状况，以及武器装备的智能故障诊断方法。介绍了人工神经网络技术的基本理论知识，并重点介绍了BP网络的基本结构、工作原理及其学习算法。分析了某型机载航炮发生故障的特点，并研究了常见故障的故障机理。通过对机载航炮大量故障现象、故障原因、故障样本的收集、分析和整理，利用BP神经网络建立了机载航炮智能诊断模型。该网络采用了三层结构、17个输入量、10个输出量的故障诊断系统，较完善地反映了机载航炮的故障类型。经故障诊断实例检验，该系统诊断结果正确，有良好的实用价值。　　仿真试验表明，基于神经网络的故障诊断结果与实际状况具有良好的一致性，只要选择足够典型的原始故障样本训练BP神经网络，网络的容错性和稳定性就较好。针对设备运行的复杂性，仅选用单一的诊断参数往往会做出错误的判断，而基于神经网络的故障模式识别方法能充分利用信息特征，实现输入与输出之间的映射关系，得出准确的诊断结果。人工神经网络为状态监测和故障诊断提供了新的理论方法和技术手段，这种故障诊断方法完全可用于机载航炮和飞机上其它装备设备的故障诊断，因而具有广泛的应用前景。