基于BP神經(jīng)網(wǎng)絡(luò)的民航甚高頻故障診斷技術(shù)研究

劉宏浩

一、甚高頻通信系統(tǒng)

VHF通信系統(tǒng)地面臺站通常由收發(fā)信機(jī)、濾波器組以及天線三大模塊構(gòu)成。其中發(fā)信機(jī)組主要負(fù)責(zé)對信號進(jìn)行頻率合成，它的核心設(shè)備是一個(gè)可以輸出穩(wěn)定頻率的頻率合成器，合成頻率受信號調(diào)制后，由天線向外發(fā)射。相反，天線接收的信號則由接收部分處理，經(jīng)過放大、濾波等步驟恢復(fù)出音頻信號。眾所周知，航班起飛和著陸階段是飛機(jī)的故障高發(fā)時(shí)段，也是飛行員進(jìn)行駕駛操作最為密集的時(shí)段，如果機(jī)場VHF通信系統(tǒng)突然出現(xiàn)故障，將造成嚴(yán)重的混亂，使飛行員無法按照地面指令進(jìn)行起飛或著陸。

二、BP神經(jīng)網(wǎng)絡(luò)

BP（Back-propagation）神經(jīng)網(wǎng)絡(luò)又稱為誤差反向傳播神經(jīng)網(wǎng)絡(luò)，是一種最常見的神經(jīng)網(wǎng)絡(luò)之一，其總體結(jié)構(gòu)一般至少包含三層，并且各層之間不存在相互反饋和連接，BP神經(jīng)網(wǎng)絡(luò)屬于一種前向網(wǎng)絡(luò)，第一層是輸入層，最后一層則為輸出層，中間各層由于對外不可見，因此又稱為隱含層。

BP網(wǎng)絡(luò)在設(shè)備故障診斷領(lǐng)域中有廣泛應(yīng)用，其基本原理如下：網(wǎng)絡(luò)的第一層{ x1 ； x2； … xn }一般用于表征故障征兆，其中每個(gè)元素都與一個(gè)神經(jīng)元相對應(yīng)，如果某數(shù)據(jù)恰好通過了隱含層，那么就可以在該節(jié)點(diǎn)處對其進(jìn)行相應(yīng)的運(yùn)算，作為隱含層的輸入，再進(jìn)一步變換后即可獲得輸出信號{ y1 ； y2； … yn }，該輸出就代表了故障的類別。

三、模糊神經(jīng)網(wǎng)絡(luò)算法

模糊神經(jīng)網(wǎng)絡(luò)是模糊數(shù)學(xué)理論和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合而形成的一種算法體系，它一方面?zhèn)鞒辛松窠?jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，另一方面還充分借助模糊數(shù)學(xué)的分析方法實(shí)現(xiàn)性能優(yōu)化。模糊神經(jīng)網(wǎng)絡(luò)的運(yùn)用實(shí)際上是研究模糊系統(tǒng)和神經(jīng)系統(tǒng)對于信息處理如何進(jìn)行分工。從當(dāng)前的研究結(jié)果來看，其融合方式通常有松散型、并聯(lián)型、串聯(lián)型和結(jié)構(gòu)等價(jià)型四種。

VHF作為一個(gè)復(fù)雜的綜合性飛機(jī)通信系統(tǒng)，其故障類型是多種多樣的。為了滿足這種復(fù)雜性，本文采用了將模糊系統(tǒng)和神經(jīng)系統(tǒng)進(jìn)行結(jié)合運(yùn)用的方案，結(jié)合形式采用串聯(lián)型，即其中一個(gè)系統(tǒng)的輸出作為另一個(gè)系統(tǒng)的輸入，如圖1所示。串聯(lián)型模糊神經(jīng)系統(tǒng)具有原理簡單、易于編程的優(yōu)點(diǎn)，使兩個(gè)系統(tǒng)對信息的處理既相對獨(dú)立，又相互聯(lián)系。例如，診斷信號首先由模糊系統(tǒng)進(jìn)行處理，然后再由神經(jīng)網(wǎng)絡(luò)處理，這樣可以大大提高后者的運(yùn)行效率，從而得到更可靠的結(jié)論。因此，這種結(jié)構(gòu)已受到生產(chǎn)領(lǐng)域的廣泛認(rèn)可。

四、民航甚高頻故障診斷技術(shù)研究

（一）神經(jīng)網(wǎng)絡(luò)工具箱

MATLAB作為一款強(qiáng)大的數(shù)學(xué)運(yùn)算軟件，在神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用上也有很大的支持力度，其中其功能主要集中在神經(jīng)網(wǎng)絡(luò)工具箱中，是研究神經(jīng)網(wǎng)絡(luò)算法的重要數(shù)學(xué)工具。該工具箱內(nèi)預(yù)設(shè)了大量常用的激活函數(shù)，用戶在研究過程中只需要在庫中直接調(diào)用即可，而無需在激活函數(shù)的設(shè)計(jì)上花費(fèi)過多精力。工具箱中不但提供了線性網(wǎng)絡(luò)模型、BP 網(wǎng)絡(luò)模型、RBF網(wǎng)絡(luò)模型、反饋網(wǎng)絡(luò)模型等各類齊全的神經(jīng)網(wǎng)絡(luò)模型，還提供了大量這些模型的學(xué)習(xí)算法。

（二）甚高頻故障診斷的仿真

1. 模型的建立

根據(jù)筆者從事民航甚高頻通信系統(tǒng)地面臺站維修的多年經(jīng)驗(yàn)和歷史統(tǒng)計(jì)數(shù)據(jù)，甚高頻收發(fā)信機(jī)的故障高發(fā)點(diǎn)包括發(fā)射DC（F1）、頻率合成器（F6）、音頻壓縮放大器（F2）、中放電路（F7）、靜噪電路（F4）、射頻預(yù)選擇器（F5）、話筒電路（F3）以及天線（F8）等，因此這些地方將作為本模型的數(shù)據(jù)源。對于故障類型，則以無音頻信號輸出（X1）、靈敏度低（X2）、頻率選擇不匹配（X3）以及發(fā)射不連續(xù)（X4）等，因此本文將主要針對這 4 類故障進(jìn)行研究。本文建立的仿真模型如圖2所示。

2. 模糊隸屬函數(shù)

本文把VHF的故障現(xiàn)象表示為“正常Y”和“故障N”兩個(gè)模糊集，因此VHF通信系統(tǒng)的故障原因存在的隸屬函數(shù)可以定為模糊語言值，如表 1 所示。

以本文確定的 8 個(gè)故障高發(fā)參數(shù)作為模糊神經(jīng)系統(tǒng)的輸入，在故障模式分析的基礎(chǔ)上，對其進(jìn)行模糊化后，得出表2所示的故障樣本模式。再根據(jù)表1，即可得到相應(yīng)的網(wǎng)絡(luò)學(xué)習(xí)樣本。

3. 仿真分析

本文采用三層 BP 神經(jīng)網(wǎng)絡(luò)對民航VHF通信系統(tǒng)地面臺站故障進(jìn)行診斷仿真，根據(jù)模型設(shè)計(jì)，本次仿真在BP神經(jīng)網(wǎng)絡(luò)的輸入層建立了 8 個(gè)神經(jīng)元，在輸出層建立了 4個(gè)神經(jīng)元，隱含層和輸出層的激活函數(shù)分別采用工具箱中的 tansig 和logsig函數(shù)，訓(xùn)練函數(shù)為n^2= 2n +1，最大步數(shù)為15000步，誤差為0.01，學(xué)習(xí)速度為0.1，根據(jù)表1表2的仿真參數(shù)，得到圖3所示的仿真結(jié)果。

仿真結(jié)果表明，本模型經(jīng)過3289次訓(xùn)練即完成收斂，遠(yuǎn)未達(dá)到設(shè)定的15000步，其收斂速度很快，充分說明了模型的有效性。根據(jù)仿真模型，當(dāng)輸入X=[1 0 0 0]時(shí)，輸出向量為[0.0012；0.9279；0.0153；0.0715；0.2273；0.0103；0.0042；0.6105]，這與實(shí)際故障矩陣[0.00；0.95；0.0 0；0.00；0.25；0.00；0.00；0.65]十分逼近，也就是說，本次仿真的沒有音頻信號故障與接收音頻放大器和天線有關(guān)。該診斷結(jié)果與筆者多年的實(shí)踐經(jīng)驗(yàn)和歷史統(tǒng)計(jì)數(shù)據(jù)是相符的，充分論證了本模型的合理性。

五、結(jié)論

本文以模糊神經(jīng)網(wǎng)絡(luò)算法為理論依據(jù)，以MATLAB神經(jīng)網(wǎng)絡(luò)工具箱為仿真工具，對民航甚高頻系統(tǒng)地面臺站故障診斷進(jìn)行了深入的分析，建立一個(gè)三層 BP 神經(jīng)網(wǎng)絡(luò)模型，以給出模糊隸屬函數(shù)，最后采用8 個(gè)輸入神經(jīng)元和4 個(gè)輸出神經(jīng)元對模型進(jìn)行了仿真分析。仿真結(jié)果表明，本模型收斂速度快，輸出向量與實(shí)際故障矩陣十分逼近，充分說明了模型的有效性及合理性。