航電設備故障診斷范文

本站小編為你精心準備了航電設備故障診斷參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

隨著科技的發(fā)展，航電設備變得越來越復雜，其故障診斷不能僅靠單一特征量和診斷方法。信息融合可以將來自不同的測量信息進行融合處理，判定故障，其診斷識別能力優(yōu)于單一模型［1］。D－S證據(jù)理論［2］作為信息融合的主要方法，其基本概率賦值的獲取是難點［3］。本文將模糊神經(jīng)網(wǎng)絡（fuzzy－neuralnetwork，F(xiàn)NN）［4］診斷方法作為信息融合的局部方法，利用其診斷結(jié)果進行概率賦值的轉(zhuǎn)化。針對D－S證據(jù)組合規(guī)則無法解決高沖突證據(jù)現(xiàn)象的問題，同時考慮不同來源證據(jù)判斷故障模式的可靠性差異，在分析現(xiàn)有的規(guī)則方法基礎之上［5－7］，提出一種兩級修改證據(jù)源方法，并與傳統(tǒng)證據(jù)理論方法、文獻［6］方法進行比較，以提高診斷的準確率和精確度。

1信息融合故障診斷模型

圖1所示是信息融合故障診斷框架。采用基于模糊神經(jīng)網(wǎng)絡和D－S證據(jù)信息融合故障模型。由數(shù)據(jù)采集層和檢測設備測量設備中諸如頻率、功率、電壓、波形等電量信號，并將其分為若干個測量參數(shù)子空間作為局部融合的輸入。局部融合采用并行子模糊神經(jīng)網(wǎng)絡結(jié)構(gòu)，對設備不同故障模式進行初步診斷。

2D－S證據(jù)理論改進方法

證據(jù)理論適合處理低沖突數(shù)據(jù)情況，但在證據(jù)高沖突時，組合結(jié)果會發(fā)生與常理不符的情況，例如文獻［9］中的實例，結(jié)果判定與直覺相違背。這是因為K→1，沖突系數(shù)過高，一個證據(jù)對m（a）和m（c）的否定抹殺了另一個證據(jù)對其高的支持度。在故障診斷中，不同特征子級對同一故障的診斷結(jié)果往往差異較大，因此，對證據(jù)融合之前需要充分考慮每個證據(jù)的重要程度，即加權(quán)系數(shù)。通過加權(quán)系數(shù)的調(diào)整，對引起沖突的干擾證據(jù)使其作用減小。由此，本文提出了一種兩級修改證據(jù)源的方法。第一級針對證據(jù)源的獲取，將局部診斷產(chǎn)生的正確度作為加權(quán)系數(shù)引入證據(jù)基本概率賦值獲取。第二級修改針對于沖突證據(jù)的處理，引入貼近度加權(quán)系數(shù)修改證據(jù)源。貼近度用來度量兩個證據(jù)之間的相關性，如果證據(jù)間貼近度越大，則表示兩個證據(jù)相關性越大，對同一命題的支持度越相近，那么證據(jù)之間的沖突較低；反之兩個證據(jù)間的沖突較大。常用的貼近度法有格貼近度法、海明貼近度法、歐幾里得貼近度法、最大最小貼近度法，算術(shù)平均貼近度法。經(jīng)實驗驗證，最大最小貼近度法可以使融合后有更高精度的概率賦值。

3實驗分析

以電臺模塊級診斷為例，機載超短波電臺電路模塊包括主接收機、救生接收機、頻率合成器、發(fā)射機和電源。電源模塊診斷單獨進行，在電源無故障情況下，再對其它模塊進行診斷。工作模式有4種，即主收、雙收、定向和救生。以“主收”工作方式為例，此時救生接收機不工作。融合診斷系統(tǒng)決策結(jié)果的評價指標有兩個，即結(jié)果的準確率和結(jié)果的精確度。

3．1局部故障診斷系統(tǒng)模式分為正常模式F1和故障模式。故障模式包括接收機故障F2、發(fā)射機故障F3、頻率合成器故障F4。根據(jù)技術(shù)要求和專家經(jīng)驗，采用9個指標作為故障特征參數(shù)，建立3個子模糊神經(jīng)網(wǎng)絡分類器。射頻接收幅度、主收靈敏度和發(fā)射功率為分類器1的輸入；靜燥靈敏度、發(fā)射調(diào)制度、射頻發(fā)射幅度為分類器2的輸入；主收額定輸出、發(fā)射自聽信號、失鎖信號為分類器3的輸入。通過查閱收集的有關該型電臺使用過程中的性能測試數(shù)據(jù)、故障數(shù)據(jù)，在各種模式下分別整理出50個樣本，用于建立和測試各子模糊神經(jīng)網(wǎng)絡分類器，測試階段每個分類器對各個故障的正確識別率及分類器的總體識別率見表1。

3．2決策融合診斷（1）診斷準確率對比由表1中每個分類器對各個故障的正確識別率以及每個分類器輸出結(jié)果按照兩級修改證據(jù)源方法進行融合后的基本概率賦值計算，利用傳統(tǒng)證據(jù)理論方法、文獻［6］方法以及本文方法進行仿真。表2列出3種方法的準確率對比。（2）診斷精確度對比根據(jù)沖突系數(shù)的設定，正常證據(jù)和沖突證據(jù)使用不同的方法。下面從兩種數(shù)據(jù)分析融合后的精確度。1）正常證據(jù)的融合：正常證據(jù)融合采用傳統(tǒng)證據(jù)理論方法，圖3是故障模式2狀態(tài)下單個正確體以及融合后的基本概率賦值。對比可知，經(jīng)過融合，診斷的可信度增加，且融合證據(jù)多，可信度大。表3給出任意兩組測試樣本在單個證據(jù)體，即網(wǎng)絡分類器下輸出的基本概率賦值以及融合后的概率賦值。E1、E2、E3分別表示特征級子網(wǎng)絡分類器。從表3中可以看出，僅利用單個證據(jù)體對故障進行識別時，得出的信任測度較低。對于樣本1數(shù)據(jù)，E1和E2融合后，F(xiàn)1狀態(tài)的概率賦值變大，同時其它狀態(tài)的概率賦值變小，不確定度降低。3個證據(jù)集融合后，F(xiàn)1的概率賦值繼續(xù)增高，其它狀態(tài)的概率賦值繼續(xù)降低，不確定度由原來最高0．1056降為0．0012。證明融合后故障診斷的可信度增加，狀態(tài)間的不確定性降低，且證據(jù)集越多，故障診斷的確定性越大。對于樣本2數(shù)據(jù)，實際狀態(tài)應為F3模式，E2判定錯誤。單獨根據(jù)證據(jù)集，無法判定輸出模式。經(jīng)過E1和E2融合，狀態(tài)為F3，糾正了E2帶來的錯誤診斷，但狀態(tài)間的不確定性較大。經(jīng)過3個證據(jù)集融合，F(xiàn)2的概率賦值繼續(xù)增加，不確定性降低至0．001，判斷狀態(tài)為F3，與實際相符。證明經(jīng)過信息融合后，可修正一些證據(jù)體的錯誤判斷，有效地解決了局部診斷出現(xiàn)的誤判現(xiàn)象。2）沖突證據(jù)的融合：沖突證據(jù)融合采用兩級修改證據(jù)源方法，抽取一些測試樣本，如圖4繪出3種方法下融合后的基本概率賦值。對于樣本1數(shù)據(jù)，傳統(tǒng)證據(jù)理論方法和文獻［6］方法融合后故障判斷為F2，與實際不符，判斷出錯。本文方法在3個證據(jù)融合后判斷正確。證明了本文的兩級證據(jù)理論方法的準確性高。對于樣本2數(shù)據(jù)，傳統(tǒng)證據(jù)理論在兩個證據(jù)融合時，判斷出錯，3個證據(jù)融合判斷正確，文獻［6］方法和本文方法都判斷正確。且本文的判定結(jié)果精確度比其它兩種方法的都高。

4結(jié)束語

（1）將信息融合用于航電設備故障診斷研究中，提出基于模糊神經(jīng)網(wǎng)絡和證據(jù)理論的診斷模型，實驗驗證經(jīng)融合后的故障識別能力優(yōu)于單一FNN分類器，表明信息融合故障診斷方法可以提高診斷的可靠性和準確性。（2）針對沖突證據(jù)，提出一種兩級修改證據(jù)源方法，能夠充分利用各個證據(jù)信息，避免單一診斷模型帶來的結(jié)果不一致以及誤診的現(xiàn)象；有效解決傳統(tǒng)方法對沖突證據(jù)失效問題，且診斷正確率和精確度均優(yōu)于其它兩種方法。

作者：牛強軍 黃家成 胡秀潔 宋家友 單位：空軍第一航空學院 航空電子工程系 鄭州大學 信息工程學院