随动系统是火炮武器装备的重要组成部分,根本用途是实现高精度自动瞄准,提升火炮战斗时的系统反应能力和自动化、智能化、自主化能力,它的运行状态直接影响着火炮的整体性能。因此开展火炮随动系统的故障诊断对提高武器装备的维修性和安全性有重要的现实意义。本文在对火炮随动系统常见的故障模式及其故障机理、造成影响进行分析的基础上,从故障特征提取和故障模式识别两个方面入手对其故障诊断进行深入研究。简述了火炮随动系统的组成以及两种常见故障模式——伺服驱动器中的逆变器故障和减速器中的滚动轴承故障,重点分析了两种故障的故障特征,并利用MATLAB/Simulink对伺服驱动器中的逆变器故障模式进行建模和仿真分析。随后,选用小波包对信号特征进行提取,利用小波包分解的方法对故障信号进行3层分解,将小波包重构后得到的小波包频带能量值作为其特征向量,为后续模式识别提供良好的训练样本和测试样本。针对支持向量机（Support Vector Machines,SVM）的参数选择由于缺乏大量的理论与数据源支撑,从而依赖于经验选取的情况,可借助灰狼优化算法（Grey Wolf Optimizer,GWO）对支持向量机的相关重要参数进行优化。考虑到实验条件所限,为了获取随动系统的故障信息,对其进行故障仿真就成为必不可少的环节,因此,本文结合凯斯西储大学实验台数据和伺服驱动器仿真数据,利用小波包将提取到的特征向量输入到支持向量机以及经过灰狼优化算法参数寻优的支持向量机中,并就分类准确率和参数寻优时间进行故障诊断仿真验证。通过对仿真结果的对比可证明,本文提出的基于小波包和GWO-SVM的诊断方法不仅可以有效地提取故障特征,准确地进行故障识别,而且在故障分类准确率方面具有显著优势。借助基于MATLAB软件的图形界面（Graphical User Interfaces,GUI）工具对系统进行开发,对系统整体框架进行设计,实现了火炮随动系统故障特征提取和故障模式识别的功能。对设计的故障诊断GUI系统进行可行性测试,测试结果说明该系统具有一定的实用性,简化了故障诊断流程,提高了便利性和人机交互性。