基于BP神經(jīng)網(wǎng)絡(luò)的光通信系統(tǒng)故障診斷

陳芳

【摘 要】闡述了光通信系統(tǒng)故障診斷過(guò)程中，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型的重要性。以專家經(jīng)驗(yàn)和文獻(xiàn)依據(jù)為途徑，建立了光信號(hào)系統(tǒng)故障知識(shí)庫(kù)。同時(shí)，選擇了基于模糊綜合評(píng)判為計(jì)算方法，建立了神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。最后，以光信號(hào)元件故障診斷實(shí)例為例，論證了BP神經(jīng)網(wǎng)絡(luò)法的可行性。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)；光通信系統(tǒng)；故障診斷

【Abstract】The analysis of the fault diagnosis of optical communication system based on BP fuzzy neural network： the fault diagnosis of optical communication system in the process， the importance of application of BP neural network model. Based on expert experiences and literature basis for the way， the establishment of a knowledge base of fault signal system. At the same time， the fuzzy comprehensive evaluation based on the calculation method， the neural network model is set up. Finally， the fault diagnosis of optical signal components as examples， demonstrates the feasibility of the method of BP neural network.

【Key words】BP neural network； Optical communication system； Fault diagnosis

光通信系統(tǒng)，是一種以光波為介質(zhì)的綜合性傳輸通信系統(tǒng)。其基本的結(jié)構(gòu)組成包括光纖、光發(fā)射系統(tǒng)、光接收系統(tǒng)以及指令接收器等。由于各個(gè)結(jié)構(gòu)之間存在耦合關(guān)系，故該系統(tǒng)是錯(cuò)綜復(fù)雜的。根據(jù)大量的案例可知，光通信系統(tǒng)在運(yùn)行中，由于光纖的損耗、元件的老化等問(wèn)題無(wú)法避免，將會(huì)導(dǎo)致系統(tǒng)發(fā)生通信線纜不暢通、光模塊損壞等故障，從而中斷信號(hào)的傳輸，嚴(yán)重影響用戶的使用。且系統(tǒng)的復(fù)雜性問(wèn)題，導(dǎo)致故障的診斷準(zhǔn)確性差，檢修耗時(shí)較長(zhǎng)。因此，若能夠建立光通信系統(tǒng)的故障征兆和引發(fā)原因之間的矩陣關(guān)系，對(duì)于及時(shí)、精確地把握故障特點(diǎn)，減少檢修的時(shí)間，具有重要的意義。

1 光通信系統(tǒng)故障知識(shí)庫(kù)的建立

光通信系統(tǒng)故障知識(shí)庫(kù)，是一個(gè)對(duì)故障推理知識(shí)庫(kù)的求解集合。它囊括了系統(tǒng)故障中的基本事實(shí)、規(guī)律等信息。該知識(shí)庫(kù)的建立，主要依賴于業(yè)內(nèi)資深專家。故在建立過(guò)程中，專家對(duì)精度的把握，是矩陣計(jì)算準(zhǔn)確性的關(guān)鍵。光通信系統(tǒng)故障知識(shí)庫(kù)的建立，主要從兩個(gè)環(huán)節(jié)入手。

1.1 資料搜集與統(tǒng)計(jì)[1]

通過(guò)查閱近10年來(lái)，關(guān)于光通信系統(tǒng)的故障診斷及處理案例的文獻(xiàn)。對(duì)案例中的故障原因和征兆進(jìn)行統(tǒng)計(jì)與整理。例如，在某電力光通信系統(tǒng)的故障案例中，出現(xiàn)了OPGW外絲斷股的故障征兆，通過(guò)文獻(xiàn)的分析可知，造成該征兆的原因是雷擊。則分別將OPGW外絲斷股和雷擊整理至征兆和原因部分。

1.2 專家打分法

調(diào)研成都地區(qū)的部分高校以及光通信系統(tǒng)設(shè)備生產(chǎn)廠家。對(duì)30位該領(lǐng)域的專家進(jìn)行走訪，將專家意見(jiàn)添加進(jìn)知識(shí)庫(kù)。

在光通信系統(tǒng)的故障診斷中，知識(shí)庫(kù)的實(shí)現(xiàn)方式[2]，擬采取產(chǎn)生式。如：If接頭損耗and光纖斷裂，Then光板閃斷。

2 BP神經(jīng)網(wǎng)絡(luò)模型的建立

BP神經(jīng)網(wǎng)絡(luò)，是模擬人的大腦神經(jīng)系統(tǒng)，具有判斷功能的算法網(wǎng)絡(luò)。該系統(tǒng)是一個(gè)需要訓(xùn)練的系統(tǒng)，本質(zhì)是Back Propagation算法[2]。具體的結(jié)構(gòu)包括：輸入端、輸出端和隱藏區(qū)域。在該結(jié)構(gòu)的設(shè)計(jì)中，隱藏區(qū)間的數(shù)量，必須≥1。本文中，選擇最小量即可，故只采用1個(gè)隱藏區(qū)間。BP算法的實(shí)質(zhì)，主要是體現(xiàn)在系統(tǒng)的學(xué)習(xí)過(guò)程中，信號(hào)分別進(jìn)行正向傳播、誤差反向傳播。該過(guò)程的目標(biāo)是，采用輸出誤差反傳的方法，將誤差分化，即各個(gè)單元部分，都分配部分誤差，繼而每個(gè)單元的誤差信號(hào)都能夠計(jì)算出來(lái)。由此，再對(duì)各個(gè)單元的權(quán)值，進(jìn)行修正。故綜上所述，如果輸出端的結(jié)果與理想值偏差大，系統(tǒng)將開始反向傳播，然后重新修改神經(jīng)元的權(quán)值，以達(dá)到減小誤差信號(hào)的目的。

在光通信系統(tǒng)的故障診斷模型建立中，基本的操作為：（1）假設(shè)系統(tǒng)在發(fā)生故障時(shí)，表現(xiàn)出的征兆為n，則輸出向量：X=（x1，x2，…，xn）；（2）如果引發(fā)這些征兆的原因?yàn)閙，則輸出向量：Y=（y1，y2，…， ym）。由此可知，對(duì)于該BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入端、隱藏區(qū)間、輸出端的神經(jīng)元個(gè)數(shù)為：n、h、m；與此同時(shí)，輸入端和隱藏區(qū)間、輸出端和隱藏區(qū)間的連接權(quán)重分別為wij和wjk。式中，h的取值與范圍由具體的問(wèn)題描述決定。根據(jù)經(jīng)驗(yàn)值可知，取值范圍為：+1，3n。因此，BP計(jì)算方法的訓(xùn)練過(guò)程[3]為：

（1）定義wij和wjk的初始權(quán)值。定義的手段為隨機(jī)選取法。該步驟中，設(shè)置2個(gè)約束條件：①wij≠wjk；②取值區(qū)間為：（0，1）。

（2）輸入學(xué)習(xí)樣本（Xp，Yp），計(jì)算輸出值Op。

（3）對(duì)比計(jì)算結(jié)果。把Op值與理想值進(jìn)行對(duì)比，計(jì)算二者的誤差。

（4）選擇誤差最小值法，修正權(quán)值的矩陣。

（5）規(guī)定閾值。該環(huán)節(jié)的實(shí)施，主要是結(jié)合專家經(jīng)驗(yàn)，由專家結(jié)合該系統(tǒng)的特點(diǎn)，定義一個(gè)確定的閾值？姿。然后，將輸出向量結(jié)果與該值比較。若結(jié)果ym 大于閾值，計(jì)算過(guò)程結(jié)束，得出結(jié)果。否則，結(jié)果無(wú)法確定，認(rèn)為輸入信息不全，重新調(diào)整參數(shù)，又重步驟（2）開始循環(huán)計(jì)算。

整個(gè)過(guò)程中，步驟（1）和（2）的傳播方向?yàn)橄蚯?；步驟（3）和（4）的傳播方向?yàn)橄蚝蟆Ｋ胁襟E中，都必須達(dá)到一定的精度要求[4]。

3 故障征兆向量的選擇

假設(shè)某光通信系統(tǒng)中，故障征兆向量為：x1，x2，…，xn；而原因向量為：y1，y2，…，ym；顯然，二者之間并不是一一對(duì)應(yīng)的，表現(xiàn)出了一定的模糊性。所以，準(zhǔn)確的計(jì)算模型是不可能建立起來(lái)的。在這種狀態(tài)下，擬選擇模糊數(shù)學(xué)[4]中的語(yǔ)義征兆法，來(lái)界定二者的對(duì)應(yīng)關(guān)系。具體操作是，按照系統(tǒng)故障的嚴(yán)重程度，把語(yǔ)義征兆劃分為：很嚴(yán)重、比較嚴(yán)重、嚴(yán)重、一般 、輕微 、比較輕微、很輕微、不存在。然后，由專家規(guī)定隸屬度。相應(yīng)的隸屬度取值范圍為：[1，0.9]，[0.9，0.7]，[0.7，0.6]，[0.6，0.4]，[0.4，0.3]，[0.3，0.1]，[0.1，0]，0。例如，某光纖通信系統(tǒng)發(fā)生了故障，癥狀為：光纜線路衰減量較大，數(shù)據(jù)無(wú)法配置，輸入端輕微松動(dòng)，由此可得征兆的向量：（0.75，0.97，0.35）。

4 計(jì)算案例分析

以某光通信系統(tǒng)為例，假設(shè)在運(yùn)行環(huán)節(jié)中，系統(tǒng)發(fā)生故障，癥狀表現(xiàn)為：x1（數(shù)據(jù)配置錯(cuò)誤），x2（信號(hào)衰減），x3（光波失效），x4（電源輸入中斷），x5（脈沖波形失真）。由知識(shí)庫(kù)可知，造成故障的可能原因?yàn)椋簓1（光纖斷裂），y2（接頭損耗），y3（光纜老化），y4（再生電路故障），y5（檢測(cè)器故障），y6 （耦合器損壞）。假設(shè)在系統(tǒng)單次運(yùn)行中，表現(xiàn)出了3個(gè)征兆：x1，x2，x5；根據(jù)嚴(yán)重程度確定的征兆向量為 0.7，0.3，0.6。由此可知，輸出向量X=（0.70 0.30 0 0 0.60）。

由上述故障表現(xiàn)可知，BP神經(jīng)網(wǎng)絡(luò)模型中，輸入端、輸出端和隱藏區(qū)間的數(shù)量為：5、6、8；根據(jù)公式（1）與（2）可知，整體誤差為 0.8。此時(shí)，將學(xué)習(xí)樣本表輸入，Xi為1時(shí)，表示該故障的征兆發(fā)生；Yi為1時(shí)，則表示故障的原因確定；否則，取值為0。然后，將故障模糊向量輸入，結(jié)果表示為原因向量。根據(jù)計(jì)算結(jié)果可知，發(fā)生故障的原因?yàn)閥3，即光纜老化，該結(jié)論與現(xiàn)場(chǎng)診斷的結(jié)果相符合。

5 結(jié)論

通過(guò)構(gòu)建光通信系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型，定義了系統(tǒng)故障的表現(xiàn)癥狀和引發(fā)原因之間的模糊關(guān)系。再選擇模糊綜合評(píng)判的方法進(jìn)行計(jì)算，快速地確定了引發(fā)故障的原因。但是，閾值和隸屬度的確定，主要依賴專家的經(jīng)驗(yàn)，具有一定的主觀性和局限性。所以，隸屬度和閾值的精度，需要在今后系統(tǒng)的進(jìn)一步開發(fā)過(guò)程中，不斷修正和完善，以達(dá)到提高系統(tǒng)整體診斷精度的要求。

【參考文獻(xiàn)】

[1]劉建忠.電力系統(tǒng)光纖通信故障的檢測(cè)與排除[J].科技信息，2010（17）：359-360.

[2]王旭，潘嶠.基于BP模糊神經(jīng)網(wǎng)絡(luò)的水輪機(jī)進(jìn)水蝶閥故障診斷方法的研究[J].水利電力科技，2011，37（1）：20-23.

[3]王浩全.基于BP神經(jīng)網(wǎng)絡(luò)提高偽裝目標(biāo)識(shí)別概率的研究[J].光學(xué)與光譜分析，2010，30（12）：3316-3319.

[4]李士勇.工程模糊數(shù)學(xué)及應(yīng)用[M].哈爾濱：哈爾濱工業(yè)出版社，2004.

[責(zé)任編輯：朱麗娜]