基于神经网络算法的某型装备专家诊断系统的研究∗

（71939部队 济南 250300）

1 引言

随着智能检测技术的发展，人工智能技术在装备故障检测中的应用越来越广泛，随着人工神经网络技术的成熟发展，它不断推动故障诊断技术向智能化方向发展。现代的武器装备越来越多的应用复杂的大规模集成电路，功能结构复杂，故障原因多样化，故障诊断的难度越来越大。鉴于神经网络具备的I/O非线性信息映射能力、自学习能力、并行处理能力为复杂故障诊断提供了新的实现方法，本文采用神经网络技术对某型装备的雷达系统的故障诊断进行了研究。

2 神经网络简介

2.1 BP网络的特点

人工神经网络也称为神经网络，它以人脑神经网络为模型，通过模拟人脑神经网络的思维方式，使系统具备人脑的感知、学习和逻辑推理能力。

BP网络是一种单向传播的多层前向网络，由输入层、隐含层和输出层3部分组成，其中隐含层可以有一个或多个。每层内部的神经元之间没有连接，上下层之间神经元实现全连接。若隐层中的作用函数采用S型传递函数，则输出为0～1间的连续变量，确定输入输出之间的非线性映射关系［1］。

图1 神经网络结构

神经网络的优点在于具有很强的自适用性学习能力，能够通过对样本的学习、训练和不断演算，掌握系统规律，获取诊断对象的模型及知识，无需对测量信号作模型假设。对故障的诊断都是在大量训练样本的基础上通过两种形式实现［2］，一是函数逼近，二是建立动态模型。

故障诊断系统的核心在于神经网络结构，故障征兆作为输人量进入神经元网络，通过神经网络的自学习能力，把外部知识转换成为网络结构的连接权值和阈值，分布在整个神经网络结构之中。在确定了网络的神经元特性、结构参数和学习算法后，网络可以自行解决进行故障诊断［3］。

2.2 神经网络知识库

基于神经网络的专家系统的知识库可以分为静态知识库和动态知识库两部分，静态知识由工程师把雷达领域专家的诊断知识以产生式规则输入。动态知识在神经网络中通过样本的学习和训练获取，包括连接权值和阈值知识、节点值等［4］。

对于故障诊断系统，首先就要建立一个故障模式样本库，也就是静态知识库。样本库的知识包括试验数据和专家经验。网络输入的是被诊断对象的故障现象，网络输出的是被诊断对象发生故障的概率。根据诊断对象故障知识确定网络的结构、算法，通过样本训练网络，直到故障类型和故障征兆之间建立正确的非线性映射关系，将知识转换为神经网络的连接权值和阈值［5］。

因此，知识库的建立可以总结为［6］

1）针对诊断对象的故障知识确定神经网络结构；

2）多途径获取大量的训练样本，形成样本库；

3）通过对样本库的训练获得网络结构的连接权值和阈值，形成知识库。

2.3 BP网络算法

BP网络的结构在确定以后，其网络的连接权值和阈值不能满足网络要求，就要通过样本库对网络进行训练，使网络参数不断得到修正，以实现输入输出之间的映射关系。BP算法的学习过程由正向传播和反向传播两部分组成，其算法为

wji为输入层第i个神经元与隐含层第j个神经元之间的连接权值，vkj为隐层第j个神经元与输出层第k个神经元之间的连接权值［7］。

1）正向传播过程

输入层:第i个单元的输出值oi也就是其输入值xi；

隐含层:隐含单元j，其输入值netj为输入层各单元的输出值oi的加权和:

3 故障诊断系统设计

在装备出现故障进行智能诊断时，神经网络通过故障样本集进行了自学习，确定了网络结构的连接权值和阈值，在输入端输入故障征兆后，神经网络通过推理找到相应的故障原因。

装备神经网络诊断的准确率与网络样本库中的数量和正确程度联系密切，因此，根据专家经验和专业理论知识创建大量的故障样本数据是实现神经网络故障诊断的关键［8］。

以某型装备的雷达系统发射机为例进行神经网络的训练和诊断。根据经验和知识，雷达系统发射机出现的故障现象和故障原因及神经网络的输入和输出如表1所示［9］。

xi=0表示没有出现此故障现象，xi=1表示有此故障现象；yi=0表示不存在此故障原因，yi=1表示存在此故障。以此建立发射机故障学习样本数据，如表2所示。

表2 发射机单元神经网络样本集

根据以上分析，以发射机故障为例设计的BP神经网络输入层神经单元数目是8，输出层神经单元是5。隐含层节点数的确定可以根据公式:

式中i为神经网络输入层神经元数量，k为神经网络输出层神经元数量，a为［1，10］之间的常数。选取隐层神经元数目是6或10，在本项目中选择6。

神经网络训练好后，对阈值和权值进行保存，形成故障诊断的知识库。我们通过任意选择一故障现象输入到训练好的神经网络进行验证。选取一组故障现象输入向量X=［1 0 1 0 0 0 0 0］，则得到的诊断结果是Y=［0.07341 0.98423 0.05184 0.02098 0.08763］，由此推断故障原因为调制器故障。

图3 故障诊断专家系统界面

专家系统采用的诊断技术很多，基于三层BP神经网络技术的专家系统，一般采用正向推理的故障诊断策略［10］，即通过故障现象，向前推理到达故障原因为止。

专家系统诊断的前提是通过神经网络知识表示法输入完整的训练样本到神经网络中进行训练和学习，修改各层神经元的权值不断完善精确神经网络知识库［11］。首先根据故障征兆利用专家系统进行故障诊断，进行故障诊断时用户通过选择故障结构输入故障现象，系统便可快速给出故障原因，系统诊断界面如图2。

4 结语

实践结果表明，人工神经网络建立起某雷达发射机故障征兆与故障原因之间的非线性映射［12］，提高了雷达故障诊断方面的效率和准确性，满足了对诊断系统可靠性和可维护性的要求，在电子系统诊断方面具有极大的应用潜力和实用价值。