唐壽根中國民航飛行學(xué)院

?

PNN神經(jīng)網(wǎng)絡(luò)在甚高頻通信收發(fā)機(jī)故障診斷中的應(yīng)用

唐壽根
中國民航飛行學(xué)院

摘要：為提高甚高頻通信收發(fā)機(jī)通信失真故障診斷的效率和準(zhǔn)確性，提出了一種利用PNN神經(jīng)網(wǎng)絡(luò)進(jìn)故障診斷的方法。利用甚高頻通信收發(fā)機(jī)輸出信號(hào)中的9個(gè)參數(shù)作為故障特征輸入向量，5類故障模式作為輸出向量，建立PNN神經(jīng)網(wǎng)絡(luò)故障診斷模型。仿真實(shí)例表明，該診斷方法可行、有效，可大大提高診斷效率和準(zhǔn)確性。

關(guān)鍵字：甚高頻 概率神經(jīng)網(wǎng)絡(luò) 故障診斷 航空電子設(shè)備

1　引言

甚高頻通信收發(fā)機(jī)是飛機(jī)機(jī)載通信系統(tǒng)的重要電子設(shè)備，主要由通信系統(tǒng)、著陸系統(tǒng)以及全向信標(biāo)系統(tǒng)組成，實(shí)現(xiàn)空地、空空之間的通信聯(lián)絡(luò)和導(dǎo)航等功能，對(duì)保證飛行安全十分重要。甚高頻通信收發(fā)機(jī)通常采用多電路板集成系統(tǒng)，系統(tǒng)交聯(lián)程度高，故障診斷十分困難。如何提高故障效率和準(zhǔn)確性，一直是維修人員所關(guān)注的問題。人工神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性映射能力和并行處理能力，處理復(fù)雜性和多變性問題具有較大的優(yōu)勢(shì)，在故障診斷和預(yù)測(cè)等方面得到了大量應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)中，概率神經(jīng)網(wǎng)絡(luò)（PNN）是一類結(jié)構(gòu)簡單、訓(xùn)練簡潔以及善于處理分類問題的人工神經(jīng)網(wǎng)絡(luò)。為此，本文提出一種從甚高頻通信收發(fā)機(jī)的輸出信號(hào)中提取故障特征數(shù)據(jù)作為輸入向量，利用PNN神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的方法，旨在提高故障診斷的效率和準(zhǔn)確性。

2　PNN神經(jīng)網(wǎng)絡(luò)模型

PNN神經(jīng)網(wǎng)絡(luò)是徑向基函數(shù)網(wǎng)絡(luò)的一個(gè)分支，利用Bayes分類規(guī)則和Parzen窗口的概率密度函數(shù)估計(jì)方法進(jìn)行分類模式識(shí)別，已在各類故障診斷中得到廣泛的應(yīng)用。

2.1 PNN的算法原理

基于Baves理論，設(shè)有兩種已知的故障模式鼠、如，待診斷的故障特征向量炸0t，x：，．．．z。），

2.2 PNN的網(wǎng)絡(luò)結(jié)構(gòu)

PNN的網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、模式層、求和層和輸出層共四層構(gòu)成。

1）輸入層。輸入層接收故障特征向量x，神經(jīng)元數(shù)目等于故障特征向量的維數(shù)，各神經(jīng)元為單輸入單輸出，傳遞函數(shù)為線性，直接將特征向量傳遞給模式層。

2）模式層。模式層計(jì)算輸入特征向量與訓(xùn)練樣本中的故障模式的匹配關(guān)系，神經(jīng)元數(shù)目等于各個(gè)故障模式的訓(xùn)練樣本的總數(shù)目Ⅳ。

3）求和層。求和層將屬于某類故障模式的概率累計(jì)并乘以代價(jià)因子，從而得到各故障模式的估計(jì)概率密度函數(shù)。該層的神經(jīng)元數(shù)目等故障模式的數(shù)量，每一類故障模式對(duì)應(yīng)一個(gè)求和層單元，求和層單元只與屬于自己類的模式層單元相加，與模式層的其它單元無連接。求和層單元的輸出與各類基于內(nèi)核的概率密度的估計(jì)成比例，通過輸出層的歸一化處理，得到各類故障模式的概率估計(jì)。

4）輸出層。輸出層主要執(zhí)行判決功能，它的神經(jīng)元是一種競(jìng)爭神經(jīng)元，每一個(gè)神經(jīng)元分別對(duì)應(yīng)一種故障模式，神經(jīng)元數(shù)目等于故障模式的數(shù)量，它接收從求和層輸出的各類概率密度函數(shù)，概率密度函數(shù)最大的神經(jīng)元輸出為1，即所對(duì)應(yīng)的那一類為待識(shí)別的樣本故障模式，其它神經(jīng)元輸出全為0。

3　PNN神經(jīng)網(wǎng)絡(luò)故障診斷方法

3.1故障分析

甚高頻通信收發(fā)機(jī)的故障可分為：顯示故障、機(jī)件不工作、通信失真、VOR／LOC導(dǎo)航故障、發(fā)射故障、GS不工作、旋鈕及其它故障。在這些故障中，通信失真故障較為常見，且故障診斷最為困難，故障涉及到從輸入到輸出電路的所有模塊的線路及器件。引起甚高頻通信收發(fā)機(jī)通信失真的原因主要有五種：1）電源故障；2一射頻信號(hào)處理電路故障；3）中

頻電路故障；4）調(diào)解電路故障；5）AGC電路故障。按照傳統(tǒng)的故障診斷方法，需對(duì)上述五種可能的原因逐一進(jìn)行分析排查，最后才能實(shí)現(xiàn)準(zhǔn)確的診斷，需耗費(fèi)大量的時(shí)間與精力。

3.2 PNN神經(jīng)網(wǎng)絡(luò)故障診斷模型

甚高頻通信收發(fā)機(jī)結(jié)構(gòu)復(fù)雜、交聯(lián)程度高，引起通信失真的故障原因多，不易快速進(jìn)行故障診斷。為此，可采用PNN神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行診斷?；谝延械木S修經(jīng)驗(yàn)和大量的試驗(yàn)表明，甚高頻通信收發(fā)機(jī)輸出信號(hào)中的頻率、失真度、信噪比、正過沖、負(fù)過沖、上升時(shí)間、下降時(shí)間以及正脈沖寬度負(fù)脈沖寬度9種參數(shù)可表征大量的故障信息。因此，將上述9種參數(shù)作為PNN神經(jīng)網(wǎng)絡(luò)的故障特征輸入向量，用于通信失真的故障診斷。甚高頻通信收發(fā)機(jī)通信失真的故障模式為：電源故障、射頻信號(hào)處理電路故障、中頻電路故障、調(diào)解電路故障、AGC電路故障。為便于孫礬神經(jīng)網(wǎng)絡(luò)計(jì)算，分別將電源故障、射頻信號(hào)處理電路故障、中頻電路故障、調(diào)解電路故障、AGC電路故障設(shè)置故障代碼為：1、2、3、5，將這些故障代碼作為PNN神經(jīng)網(wǎng)絡(luò)的輸出向量。PNN神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元的個(gè)數(shù)為9，輸出層神經(jīng)元個(gè)數(shù)為5，模式層和求和層神經(jīng)元個(gè)數(shù)由實(shí)際訓(xùn)練樣本數(shù)目確定。

3.3 PNN故障診斷仿真

以某甚高頻通信收發(fā)機(jī)為例，試驗(yàn)獲得20組樣本作為故障診斷的訓(xùn)練數(shù)據(jù)。

4　結(jié)束語

以甚高頻通信收發(fā)機(jī)輸出信號(hào)中的9個(gè)參數(shù)作為故障診斷的特征向量，利用PNN神經(jīng)網(wǎng)絡(luò)建立故障診斷模型，經(jīng)對(duì)診斷模型進(jìn)行訓(xùn)練后，可對(duì)故障進(jìn)行有效的診斷。PNN神經(jīng)網(wǎng)絡(luò)診斷方法相對(duì)傳統(tǒng)診斷方法，不僅可大大提高診斷效率，而且可獲得較高的診斷正確率。本文所提出的故障診斷方法，不僅己成功應(yīng)用于甚高頻通信收發(fā)機(jī)通信失真故障診斷中，而且可為其它航空電子設(shè)備故障診斷提供參考借鑒。

參考文獻(xiàn)

［1］錢偉，楊江，王海斌甚高頻通信收發(fā)機(jī)典型故障及其排故分析［J］．桂林航天工業(yè)學(xué)院學(xué)報(bào)，2014，74（2）：95—98．

［2］郭陽明，冉從寶，姬聽禹，等．基于組合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷［J］．西北工業(yè)大學(xué)學(xué)報(bào)，2013，31（1）：44—48．

［3］吳江基于LVQ神經(jīng)網(wǎng)絡(luò)的飛機(jī)減震器故障預(yù)測(cè)方法［J］．潤滑與密封，2014，39（7）：107—110．

［4］李天玉，吳楠．基于概率神經(jīng)網(wǎng)格模型的異步電機(jī)故障診斷［J］．電機(jī)與控制應(yīng)用，2013，40（1）：35—38．

［5］李冬輝，劉浩．基于概率神經(jīng)網(wǎng)絡(luò)的故障診斷方法及應(yīng)用［J］．系統(tǒng)工程與電子技術(shù)，2004，26（7）：997—999．