未来的火炮弹药装填系统将朝着自动化、信息化和智能化方向发展。弹药装填系统的目标就是要实现任意射角、任意方位角下的全自动弹药装填,实现工作状态的自动监测和故障诊断。协调器作为供弹装置的关键部件,其动作过程由液压系统驱动,而液压系统又是火炮故障频发的子系统之一,因其工作的封闭性,故障模式及其影响多样化,很难快速准确地定位故障并补救。所以,对协调器液压系统进行故障诊断研究至关重要。本文结合函数型主成分分析(FPCA)在特征提取过程以及神经网络在故障诊断方法中的特点,研究了一种将函数型主成分分析和BP神经网络相结合的故障诊断方法,并将其应用到协调器液压系统的故障诊断中。本文主要完成了以下工作:(1)分析了协调器及其液压系统的结构和工作原理,研究其故障机理与故障模式,总结了液压系统的共性故障和协调器液压系统的个性故障,同时建立了协调器液压系统的FMEA表格。(2)在ADAMS和AMESim中建立了协调器液压系统的联合仿真模型,确定了液压系统的故障检测信号,并结合实验数据进行对比。同时将联合仿真模型的仿真数据与MATLAB中液压模型的仿真数据相对比,进一步验证模型的正确性。(3)选取了协调器液压系统的典型故障参数,并进行仿真,为后续故障诊断提供故障数据。(4)利用函数型主成分分析对样本数据函数化后提取了特征参数,并将特征参数与故障参数之间的映射通过BP神经网络训练,验证了其可行性,最终完成故障诊断方法研究。