预防火炮在作战过程中出现故障一直都是防范安全事故的重中之重。开展行之有效的故障诊断的课题研究对火炮在短时间内完成高强度的作战任务具有重要意义。在作战过程中,火炮传动机构的作用力变化巨大,其故障率也不断上升。因此,本文针对火炮方向机与高低机的传动机构运用自适应信号处理的方法进行故障诊断。其主要研究内容如下:1)基于LMD与排列熵的方向机故障诊断因火炮方向机在作战过程中环境极其恶劣,其采集的信号中常常混有大量的噪声,为解决这一困难问题,本文特提出一种有效的故障诊断方法---基于LMD与排列熵的故障诊断。通过江苏千鹏公司的齿轮故障数据验证此方法的实用性,然后在应用于火炮方向机数据。将其主要研究过程及步骤描述如下:使用LMD的信号处理方法处理振动信号,还原信号的有效信息,分解得到数个频率由高到低的PF分量;经过数据分析验证排列熵的三个最佳计算参数,然后,计算数个PF状态分量的排列熵,有效提取其特征状态信息;最后,使用上面的特征状态信息训练、测试支持向量机,完成模式识别。构建EMD-PE-SVM诊断模型与上述方法对比,突出本文方法的优势。于诊断精度而言,本文所采用的方法得到了更好的结果,具有一定的工程意义。2)基于改进的CEEMDAN与多尺度熵的高低机故障诊断因方向机的振动信号是非线性、非平稳的,并具备提取特征困难的弊端,为解决这一问题,本文提出了一种基于改进的自适应噪声集成经验模态分解的多尺度熵的识别方法。本节先利用西储大学轴承故障数据验证该方法的有效性,然后在应用于火炮高低机数据。将其主要研究过程及步骤描述如下:使用改进的CEEMDAN算法处理振动信号,去除信号中无效信息,分解得到若干个IMF分量;然后,选取包含有效故障信息最多的前六个IMF,计算其多尺度熵(MSE),提取其特征状态信息;最后,利用特征信息测试、训练概率神经网络(PNN),成功实现传动系统的故障诊断研究。为了充分证明改进的CEEMDAN-MSE 方法的优越性,将其与 EMD-MSE、EEMD-MSE、CEEMDAN-MSE、改进的CEEMDAN-AE和改进的CEEMDAN-SE方法进行了比较。实验结果表明,该方法大大提高了诊断精度,突出了该方法的优点。3)传动系统故障诊断的GUI设计在前面两部分的基础上,借助MATLAB的GUIDE,设计了《基于LMD与排列熵的齿轮故障诊断系统》和《基于改进的CEEMDAN与多尺度熵的轴承故障诊断系统》,使得诊断过程方便快捷,同时也使得诊断更为集成化和实用化。