基于BP神经网络的民航甚高频故障诊断技术研究

刘宏浩

一、甚高频通信系统

VHF通信系统地面台站通常由收发信机、滤波器组以及天线三大模块构成。其中发信机组主要负责对信号进行频率合成，它的核心设备是一个可以输出稳定频率的频率合成器，合成频率受信号调制后，由天线向外发射。相反，天线接收的信号则由接收部分处理，经过放大、滤波等步骤恢复出音频信号。众所周知，航班起飞和着陆阶段是飞机的故障高发时段，也是飞行员进行驾驶操作最为密集的时段，如果机场VHF通信系统突然出现故障，将造成严重的混乱，使飞行员无法按照地面指令进行起飞或着陆。

二、BP神经网络

BP（Back-propagation）神经网络又称为误差反向传播神经网络，是一種最常见的神经网络之一，其总体结构一般至少包含三层，并且各层之间不存在相互反馈和连接，BP神经网络属于一种前向网络，第一层是输入层，最后一层则为输出层，中间各层由于对外不可见，因此又称为隐含层。

BP网络在设备故障诊断领域中有广泛应用，其基本原理如下：网络的第一层{ x1 ； x2； … xn }一般用于表征故障征兆，其中每个元素都与一个神经元相对应，如果某数据恰好通过了隐含层，那么就可以在该节点处对其进行相应的运算，作为隐含层的输入，再进一步变换后即可获得输出信号{ y1 ； y2； … yn }，该输出就代表了故障的类别。

三、模糊神经网络算法

模糊神经网络是模糊数学理论和神经网络理论相结合而形成的一种算法体系，它一方面传承了神经网络的优点，另一方面还充分借助模糊数学的分析方法实现性能优化。模糊神经网络的运用实际上是研究模糊系统和神经系统对于信息处理如何进行分工。从当前的研究结果来看，其融合方式通常有松散型、并联型、串联型和结构等价型四种。

VHF作为一个复杂的综合性飞机通信系统，其故障类型是多种多样的。为了满足这种复杂性，本文采用了将模糊系统和神经系统进行结合运用的方案，结合形式采用串联型，即其中一个系统的输出作为另一个系统的输入，如图1所示。串联型模糊神经系统具有原理简单、易于编程的优点，使两个系统对信息的处理既相对独立，又相互联系。例如，诊断信号首先由模糊系统进行处理，然后再由神经网络处理，这样可以大大提高后者的运行效率，从而得到更可靠的结论。因此，这种结构已受到生产领域的广泛认可。

四、民航甚高频故障诊断技术研究

（一）神经网络工具箱

MATLAB作为一款强大的数学运算软件，在神经网络算法的应用上也有很大的支持力度，其中其功能主要集中在神经网络工具箱中，是研究神经网络算法的重要数学工具。该工具箱内预设了大量常用的激活函数，用户在研究过程中只需要在库中直接调用即可，而无需在激活函数的设计上花费过多精力。工具箱中不但提供了线性网络模型、BP 网络模型、RBF网络模型、反馈网络模型等各类齐全的神经网络模型，还提供了大量这些模型的学习算法。

（二）甚高频故障诊断的仿真

1. 模型的建立

根据笔者从事民航甚高频通信系统地面台站维修的多年经验和历史统计数据，甚高频收发信机的故障高发点包括发射DC（F1）、频率合成器（F6）、音频压缩放大器（F2）、中放电路（F7）、静噪电路（F4）、射频预选择器（F5）、话筒电路（F3）以及天线（F8）等，因此这些地方将作为本模型的数据源。对于故障类型，则以无音频信号输出（X1）、灵敏度低（X2）、频率选择不匹配（X3）以及发射不连续（X4）等，因此本文将主要针对这 4 类故障进行研究。本文建立的仿真模型如图2所示。

2. 模糊隶属函数

本文把VHF的故障现象表示为“正常Y”和“故障N”两个模糊集，因此VHF通信系统的故障原因存在的隶属函数可以定为模糊语言值，如表 1 所示。

以本文确定的 8 个故障高发参数作为模糊神经系统的输入，在故障模式分析的基础上，对其进行模糊化后，得出表2所示的故障样本模式。再根据表1，即可得到相应的网络学习样本。

3. 仿真分析

本文采用三层 BP 神经网络对民航VHF通信系统地面台站故障进行诊断仿真，根据模型设计，本次仿真在BP神经网络的输入层建立了 8 个神经元，在输出层建立了 4个神经元，隐含层和输出层的激活函数分别采用工具箱中的 tansig 和logsig函数，训练函数为n^2= 2n +1，最大步数为15000步，误差为0.01，学习速度为0.1，根据表1表2的仿真参数，得到图3所示的仿真结果。

仿真结果表明，本模型经过3289次训练即完成收敛，远未达到设定的15000步，其收敛速度很快，充分说明了模型的有效性。根据仿真模型，当输入X=[1 0 0 0]时，输出向量为[0.0012；0.9279；0.0153；0.0715；0.2273；0.0103；0.0042；0.6105]，这与实际故障矩阵[0.00；0.95；0.0 0；0.00；0.25；0.00；0.00；0.65]十分逼近，也就是说，本次仿真的没有音频信号故障与接收音频放大器和天线有关。该诊断结果与笔者多年的实践经验和历史统计数据是相符的，充分论证了本模型的合理性。

五、结论

本文以模糊神经网络算法为理论依据，以MATLAB神经网络工具箱为仿真工具，对民航甚高频系统地面台站故障诊断进行了深入的分析，建立一个三层 BP 神经网络模型，以给出模糊隶属函数，最后采用8 个输入神经元和4 个输出神经元对模型进行了仿真分析。仿真结果表明，本模型收敛速度快，输出向量与实际故障矩阵十分逼近，充分说明了模型的有效性及合理性。