本文研究的特种车是航天领域的重要设备,其性能的可靠性对航天任务的完成至关重要。由于频繁使用和设备复杂化的缘故,特种车在任务的执行过程中会经常出现故障,影响任务的正常进行。随着特种车设备集成化、综合化和智能化水平的提高,设备研制的风险越来越大、周期越来越长、费用越来越高,同时,对设备运行状态的监测以及维修手段也提出了更高的要求。为了实现对特种车的综合健康管理,本文在研究故障树分析法、专家系统分析法以及BP神经网络的基础之上,提出了一种新的混合故障诊断方法,即基于故障树和规则的专家系统,同时,建立了特种车的BP神经网络预测模型,对特种车的可能故障进行预测。论文首先在分析特种车实际需求的基础之上,设计了特种车故障预测与健康管理系统的体系结构和软件框架,并通过分析特种车的原始测试数据,实现了测试数据的导入和相关文件的配置;然后,在分析特种车故障模式的基础之上建立了特种车的故障树模型,并通过对故障树节点属性的配置,实现了基于CStatic控件的图形绘制与显示功能;最后,在分析特种车历史运行数据的基础之上,建立了特种车的健康等级样本,通过建立的样本对特种车的BP神经网络预测模型进行训练和优化,将训练好的BP神经网络预测模型进行固化并嵌入到软件平台。论文的创新点主要有两个方面:一是特种车故障预测与健康管理软件平台的通用性,通过导入一系列的配置文件,如算法配置文件、规则配置文件以及故障树配置文件等,使得软件平台不依赖于具体的某一种特种车,只要具备数据文件和相关的配置文件,就可以对任意系列的特种车进行健康管理;二是基于CStatic控件的故障树图形显示方法,结合故障树的节点属性和CStatic控件,实现了故障树图形的可视化和多元化,通过该方法可实现故障树的全自动绘制,而且用户可以根据自己的需求浏览故障树。通过特种车的历史运行数据对故障预测与健康管理系统进行实际验证,软件的诊断和预测结果体现了系统的通用性和实用性,符合实际需求。