4的組合，Y 1是輸出向 量，也就是（X1X2X3XAi)的組合，其中（11????)代表底事件。表中的1代表發(fā)生了該事件， 0代表沒有發(fā)生該事件。
[0080] 表2 FTA整理的訓(xùn)練樣本
[0081]
[0082] 5)由于輸入向量X已正交，雙極化后，利用公式
化十算權(quán)值矩陣M :
[0083]
[0084] 根據(jù)實測點Si (i = 1，2, 3, 4)的所有監(jiān)測數(shù)據(jù)，得到該方法的實際診斷結(jié)果，如表 3所示。
[0085] 表3故障診斷結(jié)果表
[0086]
[0087] 經(jīng)驗證，16種故障均與檢測故障一致。
[0088] 根據(jù)實驗結(jié)果可知，F(xiàn)TA與BAM結(jié)合方法能準(zhǔn)確地診斷導(dǎo)致飛行機組呼叫系統(tǒng)中 飛行員呼叫乘務(wù)員功能失效事件的所有故障。而且這種融合方法不僅能夠解決單一故障， 對于多源故障也能夠有效處理。
[0089] (2)故障現(xiàn)象不明顯的故障采用聯(lián)合BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行故障診斷。以飛行機組 呼叫系統(tǒng)中的典型放大電路故障為例。
[0090] 1)假設(shè)共有3類故障，分別為三極管、電阻、二極管故障，具體又可分為7種故障， 如表4所示。采用Multisim對放大電路進(jìn)行仿真，模擬7種故障，并選取15個測試點進(jìn)行 數(shù)據(jù)采集。
[0091] 表4典型放大電路故障分類表
[0092]
[0093] 2)利用MATLAB對采集的數(shù)據(jù)進(jìn)行歸一化處理，得到BP網(wǎng)絡(luò)的訓(xùn)練樣本。為了減 小訓(xùn)練誤差，網(wǎng)絡(luò)訓(xùn)練采用的是附加動量法的改進(jìn)BP算法。利用MATLAB的newff函數(shù)對 BP網(wǎng)絡(luò)進(jìn)行建立，采用init函數(shù)來初始化設(shè)置的參數(shù)。
[0094] 3)利用建立好的BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。網(wǎng)絡(luò)輸入向量范圍在0~1之間，分別 選用logsig、purelin函數(shù)作為隱層和輸出層神經(jīng)元的傳遞函數(shù)。分別選用traingdm、 Iearngdm函數(shù)作為訓(xùn)練函數(shù)與梯度下降動量學(xué)習(xí)函數(shù)。設(shè)置1個隱層，其中包含10個神經(jīng) 元?？偛介L數(shù)設(shè)為5000,全局收斂誤差和學(xué)習(xí)率分別設(shè)為0. 001和0. 05。
[0095] 訓(xùn)練結(jié)束之后，針對以上7種故障，分別選擇3組樣本，經(jīng)過歸一化后，來完成對網(wǎng) 絡(luò)的檢驗。
[0096] 表5為神經(jīng)網(wǎng)絡(luò)實際診斷結(jié)果，訓(xùn)練結(jié)果如圖6所示。
[0097] 表5神經(jīng)網(wǎng)絡(luò)實際診斷結(jié)果
[0098]
[0099]
[0100] 由表5可以看出，在21組檢驗數(shù)據(jù)中，有2組檢驗結(jié)果出現(xiàn)了問題，其余19組均 正確，故檢驗準(zhǔn)確率約為19/21*100% ~ 90. 48%。所以，與BP網(wǎng)絡(luò)聯(lián)合的診斷方法應(yīng)用于 航電系統(tǒng)是有效的，解決了二者各自的不足之處。
[0101] 綜合表3可以得出，基于FTA、BAM神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)三種方法聯(lián)合的航電系 統(tǒng)故障診斷方法是可行的，有效解決了三種單一方法應(yīng)用于航電故障診斷時存在的問題， 從而能夠快速而有效地診斷出航電系統(tǒng)的各種故障，在實際工作中具有很好的實用性和準(zhǔn) 確性。
【主權(quán)項】
1. 多方法聯(lián)合的航電系統(tǒng)故障診斷方法，其特征在于：當(dāng)故障現(xiàn)象明顯時，采用FTA與 BAM神經(jīng)網(wǎng)絡(luò)融合的故障診斷模型，首先利用FTA得到系統(tǒng)的故障模式，分析歸納出BAM的 訓(xùn)練樣本，最后BAM通過聯(lián)想記憶矩陣并行聯(lián)想，得到診斷結(jié)果；當(dāng)故障現(xiàn)象不明顯或者故 障實例庫沒有此故障時，采用聯(lián)合BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型，對BP神經(jīng)網(wǎng)絡(luò)采集到的訓(xùn) 練樣本進(jìn)行學(xué)習(xí)，最后利用訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行故障診斷。2. 根據(jù)權(quán)利要求1所述的多方法聯(lián)合的航電系統(tǒng)故障診斷方法，其特征在于：明顯的 故障現(xiàn)象包括著火、煙、霧、異味、火花、器件損壞、接口松動、零件老化、零件震動或抖動。3. 根據(jù)權(quán)利要求1所述的多方法聯(lián)合的航電系統(tǒng)故障診斷方法，其特征在于：不明顯 的故障現(xiàn)象包括由電源接觸不良或內(nèi)部損壞、短路或斷路造成的肉眼無法感知的現(xiàn)象。4. 根據(jù)權(quán)利要求1所述的多方法聯(lián)合的航電系統(tǒng)故障診斷方法，其特征在于：所述當(dāng) 故障現(xiàn)象明顯時，采用FTA與BAM神經(jīng)網(wǎng)絡(luò)融合的故障診斷模型，具體步驟如下： 1-1、建立故障樹； 1-2、求出最小割集； 1-3、FTA整理出訓(xùn)練樣本：根據(jù)步驟1-2中得到的最小割集建立改進(jìn)的故障樹模型，從 而得到正交的樣本輸入向量；所述改進(jìn)的故障樹模型，是指在結(jié)構(gòu)上，利用最小割集對故障 樹進(jìn)行優(yōu)化處理而得到的簡化故障樹； 1-4、雙極化處理：對樣本輸入向量采用雙極化處理，所述雙極化處理通過如下公式計 算出來： X. = 2 -1 (1-1) 式中A為樣本輸入向量，；為雙極化處理后的樣本輸入向量； 1-5、計算BAM權(quán)值矩陣：在MATLAB中建立BAM神經(jīng)網(wǎng)絡(luò)模型，利用BAM神經(jīng)網(wǎng)絡(luò)模型 對FTA整理出的訓(xùn)練樣本進(jìn)行學(xué)習(xí)和記憶，計算權(quán)值矩陣；所述的權(quán)值矩陣通過如下公式 計算出來：式中M為BAM神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和記憶后的權(quán)值矩陣，^為雙極化后樣本輸入向量， 即故障現(xiàn)象，1為樣本輸出向量，即故障原因； 1-6、獲得監(jiān)測點的狀態(tài)向量值：通過對故障監(jiān)測點進(jìn)行監(jiān)測，獲得BAM神經(jīng)網(wǎng)絡(luò)的樣 本輸入向量Y- 1-7、BAM聯(lián)想回憶：BAM神經(jīng)網(wǎng)絡(luò)進(jìn)行聯(lián)想回憶，輸出聯(lián)想回憶結(jié)果，所述的聯(lián)想回憶 結(jié)果通過如下公式計算出來： Y=XM (1-3) 式中Y為BAM神經(jīng)網(wǎng)絡(luò)聯(lián)想回憶輸出的故障診斷結(jié)果，I為BAM神經(jīng)網(wǎng)絡(luò)的樣本輸入 向量，即故障現(xiàn)象，M為權(quán)值矩陣； 1-8、輸出故障診斷結(jié)果：根據(jù)步驟1-7中BAM的聯(lián)想回憶結(jié)果，輸出相應(yīng)的故障診斷結(jié) 果。5. 根據(jù)權(quán)利要求1所述的多方法聯(lián)合的航電系統(tǒng)故障診斷方法，其特征在于：所述當(dāng) 故障現(xiàn)象不明顯或者故障實例庫沒有此故障時，采用聯(lián)合BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型，具 體步驟如下： 2-1、獲取BP訓(xùn)練樣本； 2-2、樣本預(yù)處理：利用MATLAB對BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本進(jìn)行預(yù)處理，然后在MATLAB中利用神經(jīng)網(wǎng)絡(luò)工具箱建立BP神經(jīng)網(wǎng)絡(luò)模型； 2-3、BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練：利用BP神經(jīng)網(wǎng)絡(luò)模型對訓(xùn)練樣本進(jìn)行學(xué)習(xí)，提取待診斷對象的 特征參數(shù)，利用訓(xùn)練后的網(wǎng)絡(luò)輸出故障診斷結(jié)果。6. 根據(jù)權(quán)利要求5所述的多方法聯(lián)合的航電系統(tǒng)故障診斷方法，其特征在于：步驟2-1 所述獲取BP訓(xùn)練樣本，采用監(jiān)測設(shè)備、實驗仿真、故障手冊或者相關(guān)專業(yè)人員獲取BP神經(jīng) 網(wǎng)絡(luò)的訓(xùn)練樣本；所述監(jiān)測設(shè)備是指電流表、電壓表、溫度傳感器；所述實驗仿真是指利用 Multisim軟件對數(shù)據(jù)進(jìn)行仿真提?。凰龉收鲜謨允侵负诫娤到y(tǒng)相關(guān)的故障手冊；所述相 關(guān)專業(yè)人員是指從事航電維修的專業(yè)維修人員、航電結(jié)構(gòu)設(shè)計專業(yè)設(shè)計人員、航電相關(guān)專 家。7. 根據(jù)權(quán)利要求1所述的多方法聯(lián)合的航電系統(tǒng)故障診斷方法，其特征在于：步驟2-2 所述對BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本進(jìn)行預(yù)處理，由MATLAB對神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本進(jìn)行歸一化處 理，使提取的訓(xùn)練樣本保持在〇~1之間。
【專利摘要】本發(fā)明公開了一種基于FTA、BAM神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)三種方法聯(lián)合的航電系統(tǒng)故障診斷方法。分別建立了FTA與BAM神經(jīng)網(wǎng)絡(luò)融合的故障診斷模型、聯(lián)合BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型。當(dāng)故障現(xiàn)象明顯時，采用FTA與BAM神經(jīng)網(wǎng)絡(luò)融合的故障診斷模型，首先利用FTA得到系統(tǒng)的故障模式，分析歸納出BAM的訓(xùn)練樣本，最后BAM通過聯(lián)想記憶矩陣并行聯(lián)想，得到診斷結(jié)果；當(dāng)故障現(xiàn)象不明顯或者故障實例庫沒有此故障時，采用聯(lián)合BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型，對BP神經(jīng)網(wǎng)絡(luò)采集到訓(xùn)練樣本即電壓、溫度等數(shù)據(jù)進(jìn)行學(xué)習(xí)，最后利用訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行故障診斷。兩種故障診斷模型優(yōu)勢互補，彌補各自的不足之處，有效解決了航電系統(tǒng)故障診斷存在的上述問題，提高了故障診斷的準(zhǔn)確性和效率性。
【IPC分類】G06N3/02
【公開號】CN104915715
【申請?zhí)枴緾N201510355414
【發(fā)明人】吳紅蘭, 劉軍, 孫有朝, 宮淑麗
【申請人】南京航空航天大學(xué)
【公開日】2015年9月16日
【申請日】2015年6月24日