本站小編為你精心準(zhǔn)備了航電設(shè)備故障診斷參考范文，愿這些范文能點(diǎn)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(shè)備變得越來越復(fù)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(cè)量信息進(jìn)行融合處理，判定故障，其診斷識(shí)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(diǎn)［3］。本文將模糊神經(jīng)網(wǎng)絡(luò)（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(jìn)行概率賦值的轉(zhuǎn)化。針對(duì)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(shí)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(chǔ)之上［5－7］，提出一種兩級(jí)修改證據(jù)源方法，并與傳統(tǒng)證據(jù)理論方法、文獻(xiàn)［6］方法進(jìn)行比較，以提高診斷的準(zhǔn)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(luò)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(cè)設(shè)備測(cè)量設(shè)備中諸如頻率、功率、電壓、波形等電量信號(hào)，并將其分為若干個(gè)測(cè)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(luò)結(jié)構(gòu)，對(duì)設(shè)備不同故障模式進(jìn)行初步診斷。

2D－S證據(jù)理論改進(jìn)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(shí)，組合結(jié)果會(huì)發(fā)生與常理不符的情況，例如文獻(xiàn)［9］中的實(shí)例，結(jié)果判定與直覺相違背。這是因?yàn)镵→1，沖突系數(shù)過高，一個(gè)證據(jù)對(duì)m（a）和m（c）的否定抹殺了另一個(gè)證據(jù)對(duì)其高的支持度。在故障診斷中，不同特征子級(jí)對(duì)同一故障的診斷結(jié)果往往差異較大，因此，對(duì)證據(jù)融合之前需要充分考慮每個(gè)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(duì)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(jí)修改證據(jù)源的方法。第一級(jí)針對(duì)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(jí)修改針對(duì)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?jī)蓚€(gè)證據(jù)之間的相關(guān)性，如果證據(jù)間貼近度越大，則表示兩個(gè)證據(jù)相關(guān)性越大，對(duì)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(gè)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(shí)驗(yàn)驗(yàn)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(shí)驗(yàn)分析

以電臺(tái)模塊級(jí)診斷為例，機(jī)載超短波電臺(tái)電路模塊包括主接收機(jī)、救生接收機(jī)、頻率合成器、發(fā)射機(jī)和電源。電源模塊診斷單獨(dú)進(jìn)行，在電源無故障情況下，再對(duì)其它模塊進(jìn)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(shí)救生接收機(jī)不工作。融合診斷系統(tǒng)決策結(jié)果的評(píng)價(jià)指標(biāo)有兩個(gè)，即結(jié)果的準(zhǔn)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(jī)故障F2、發(fā)射機(jī)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(yàn)，采用9個(gè)指標(biāo)作為故障特征參數(shù)，建立3個(gè)子模糊神經(jīng)網(wǎng)絡(luò)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(hào)、失鎖信號(hào)為分類器3的輸入。通過查閱收集的有關(guān)該型電臺(tái)使用過程中的性能測(cè)試數(shù)據(jù)、故障數(shù)據(jù)，在各種模式下分別整理出50個(gè)樣本，用于建立和測(cè)試各子模糊神經(jīng)網(wǎng)絡(luò)分類器，測(cè)試階段每個(gè)分類器對(duì)各個(gè)故障的正確識(shí)別率及分類器的總體識(shí)別率見表1。

3．2決策融合診斷（1）診斷準(zhǔn)確率對(duì)比由表1中每個(gè)分類器對(duì)各個(gè)故障的正確識(shí)別率以及每個(gè)分類器輸出結(jié)果按照兩級(jí)修改證據(jù)源方法進(jìn)行融合后的基本概率賦值計(jì)算，利用傳統(tǒng)證據(jù)理論方法、文獻(xiàn)［6］方法以及本文方法進(jìn)行仿真。表2列出3種方法的準(zhǔn)確率對(duì)比。（2）診斷精確度對(duì)比根據(jù)沖突系數(shù)的設(shè)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(gè)正確體以及融合后的基本概率賦值。對(duì)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(cè)試樣本在單個(gè)證據(jù)體，即網(wǎng)絡(luò)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(jí)子網(wǎng)絡(luò)分類器。從表3中可以看出，僅利用單個(gè)證據(jù)體對(duì)故障進(jìn)行識(shí)別時(shí)，得出的信任測(cè)度較低。對(duì)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(shí)其它狀態(tài)的概率賦值變小，不確定度降低。3個(gè)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(duì)于樣本2數(shù)據(jù)，實(shí)際狀態(tài)應(yīng)為F3模式，E2判定錯(cuò)誤。單獨(dú)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(cuò)誤診斷，但狀態(tài)間的不確定性較大。經(jīng)過3個(gè)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(shí)際相符。證明經(jīng)過信息融合后，可修正一些證據(jù)體的錯(cuò)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(jí)修改證據(jù)源方法，抽取一些測(cè)試樣本，如圖4繪出3種方法下融合后的基本概率賦值。對(duì)于樣本1數(shù)據(jù)，傳統(tǒng)證據(jù)理論方法和文獻(xiàn)［6］方法融合后故障判斷為F2，與實(shí)際不符，判斷出錯(cuò)。本文方法在3個(gè)證據(jù)融合后判斷正確。證明了本文的兩級(jí)證據(jù)理論方法的準(zhǔn)確性高。對(duì)于樣本2數(shù)據(jù)，傳統(tǒng)證據(jù)理論在兩個(gè)證據(jù)融合時(shí)，判斷出錯(cuò)，3個(gè)證據(jù)融合判斷正確，文獻(xiàn)［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(shè)備故障診斷研究中，提出基于模糊神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的診斷模型，實(shí)驗(yàn)驗(yàn)證經(jīng)融合后的故障識(shí)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(zhǔn)確性。（2）針對(duì)沖突證據(jù)，提出一種兩級(jí)修改證據(jù)源方法，能夠充分利用各個(gè)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(duì)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(qiáng)軍 黃家成 胡秀潔 宋家友 單位：空軍第一航空學(xué)院 航空電子工程系 鄭州大學(xué) 信息工程學(xué)院