某火炮自动供输弹系统存在时常发生故障的问题,且故障的检测和排查困难。为了对系统进行深入的故障因素和故障模式分析,需要对其进行精确的动力学建模。本文以自动供输弹系统的子系统弹药协调器为例,针对弹药协调器的数学模型和虚拟样机模型的特点,分别采用基于差分进化的方法和基于主成分分析(PCA)和支持向量回归(SVR)的方法进行了故障因素的参数辨识。本文对弹药协调器进行了动力学分析,根据动力学方程和控制系统原理,建立其数学模型后,使用Simulink求解。为了进一步的对弹药协调器进行仿真,使用RecurDyn建立弹药协调器虚拟样机模型并与Simulink建立的控制模型和小平衡机模型联合仿真。根据模型仿真结果和弹药协调器使用过程中常见故障确定故障因素为:蓄能器初压、测速电机灵敏度和气体多变指数。针对数学模型运行时间快的特点,采用基于差分进化和时间序列相似度的方法对其进行了故障因素的参数辨识。在使用标准差分进化的参数辨识过程中,存在容易陷入局部最优解和过早停止迭代等问题。针对这些问题,对差分进化算法进行改进:1.采用拉丁超立方采样方法替代随机初始化策略。2.变异因子采用自适应递减策略。3.交叉概率采用线性递减策略。改进后的差分进化对仿真数据的辨识误差平均为0.2%,1.4%和4%。虚拟样机模型能够更精确的对弹药协调器进行建模和仿真,但是一次运行时间长,本文基于PCA和SVR对其进行了故障因素的参数辨识。使用PCA对样本数据进行降维以降低算法复杂度和避免引入噪声;使用决定系数作为辨识结果的评价指标;使用网格搜索对SVR的超参数进行调优。基于PCA和SVR的辨识误差范围为±0.09,±0.03和±0.15。本文最后以台架实验的方式验证了两种参数辨识方法在弹药协调器故障因素的参数辨识中的可行性与有效性。