导弹等尖端武器作为国家重要的战略资源,具有长期贮存、一次使用的特点,其贮存周期在整个生命周期中占据绝大部分,必须保证其在出库前不发生变质,因此对贮存环境有着极为严格的要求,贮存装置内部环境状态的有效监测逐渐受到重视。本文将分析影响贮存装置内部健康状态的主要因素,研究其变化过程和变化规律,并基于优化后的神经网络算法对贮存装置内环境进行健康诊断和故障预测,最终实现对贮存装置内环境健康度评估和剩余寿命的预测,为贮存装置的维护和维修规划提供一个有效的数据依据。首先,根据贮存装置的使用特点,结合监测系统的功能和使用环境要求,设计了一套贮存装置内环境监测系统,针对便携式、可移动性和智能健康诊断的特点,进行系统测试需求指标分析,将整个系统分为实时监测的下位机系统和进行健康诊断的上位机系统,确定数据通信过程,完成系统总体硬件设计与布局,编写相对应的系统控制程序。其次,基于遗传算法对神经网络进行优化。对影响贮存装置内部环境的主要因素进行分析,利用优化神经网络进行训练和学习,完成健康度评估和智能学习算法研究。利用LabVIEW编制上位机系统软件,实现传感器与下位机之间、下位机与上位机之间的数据传输,实现贮存装置内部状态参数的实时读取、曲线显示、超标报警和智能预测功能,对该系统的健康程度做出评判。最后,对贮存装置内环境监测及健康诊断系统进行功能试验,针对本系统软件的特点,设计一套试验方法,评价系统健康度评估结果的可靠性,验证贮存装置健康状态维持时间预测结果的准确性,分析误差产生原因并提出改进方案。