基于BP神經網絡的虛擬故障診斷的實現＊

（海軍工程大學電子工程學院 武漢 430033）

1 引言

目前，軍事通信裝備呈現出集成度更高和造價更加昂貴的特點。傳統的裝備維修保障訓練以實裝訓練為主，面臨人才培訓周期長、訓練經費高、裝備損耗嚴重和受環境和條件的限制等問題。虛擬故障診斷采用虛擬仿真技術構建裝備訓練平臺，使受訓人員能夠在虛擬的環境中接受裝備維修保障訓練，有效解決了上述問題［1］。設備故障診斷技術起源于美國，20世紀60年代末70年代初在美國、英國等國家取得較大發展。我國從20世紀80年代中期開始研究設備故障診斷技術，如今已形成高校、研究所及工廠的梯隊式研究、開發和應用模式［2］。虛擬故障診斷技術將虛擬現實技術與故障診斷技術相結合，在虛擬的環境中模擬故障診斷的整個過程，從而實現故障維修訓練的目的。當前，電子設備故障診斷系統已能夠實現電路板級的故障診斷，但是，元件級故障檢測極其復雜，主要依靠人工測量，憑經驗判決，準確性、穩定性和效率都難以保證，給日常的裝備保障維修帶來不便［3］。本系統將虛擬仿真技術應用于元件級故障診斷，以Delphi為系統平臺開發可視化界面，構建電路板的三維模型，運用Multisim 仿真工具完成電路仿真和故障模擬，生成故障數據庫［4］，經過BP 神經網絡的計算得到故障診斷結果，實現了電子設備元件級故障診斷。

2 系統設計

電子設備的虛擬故障診斷系統要求既能向受訓者展示各電路板的三維模型和拆裝過程，與受訓者進行交互，又要根據測量的信號，進行故障診斷，找出故障點，指導受訓者完成故障診斷與維修。整個過程的實現，要綜合運用虛擬仿真、電路仿真與故障模擬、故障診斷和可視化界面開發等技術。BP神經網絡是一種并行結構的信號處理網絡，具有自適應性、自學習能力和容錯性，能夠較好地解決電子設備元件級故障診斷的問題［5］。考慮到Delphi強大的可視化界面開發能力，整個系統以Delphi為開發平臺［6］。系統設計框圖如圖1所示。

圖1 系統設計框圖

3 系統實現

3．1 電路仿真與故障模擬

通過電路仿真進行故障診斷可以用圖2所示框圖［7］來表示。

圖2 仿真電路故障診斷框圖

該框圖由測試信號發生器、待測電路、標準電路和比較分析器四個模塊構成，測試信號發生器產生電路的標準輸入信號，標準電路認為是沒有故障的正常電路，待測電路是對標準電路設置某一故障后得到的電路。測試信號同時輸入給待測電路和標準電路，通過比較測試點的信號波形，就可以得到故障信號以及發生故障的元件。

某型通信設備的電源模塊由整流電路、穩壓電路、濾波電路和保護電路等構成［8］。根據實際使用和故障診斷經驗，確定電路關鍵點，作為仿真測量的節點［9］。系統以Multisim 作為電路仿真工具，通過對標準電路設置特定類型故障（如三極管基極和集電極短路）得到待測電路，仿真待測電路和標準電路，得到各測量節點的電壓，連同故障類型和故障元件編號一起存入數據庫，就可以構成該故障的所有特征信息。

3．2 BP神經網絡的實現

3．2．1 BP神經網絡的基本原理

BP神經網絡由輸入層（Input Layer）、隱含層（Hidden Layer）和輸出層（Output Layer）構成，輸入層、輸出層節點（同神經元）個數分別由輸入矢量、輸出矢量的維數決定。隱含層節點個數的確定，目前還沒有統一、準確的方法，可以參考以下三個公式［2］：

式中n，h，m分別代表輸入層、隱含層和輸出層節點數，a為1～10之間的常數。M為樣本數，當i＞h時，

三層BP神經網絡的一般結構如圖3所示。

圖3 三層BP神經網絡結構圖

設神經網絡的輸入、輸出矢量分別為x＝（x1，x2，…，xn）T，y＝（y1，y2，…，ym）T。自隱含層開始，從神經元j到i的連接權值為wij（輸入層連接權值規定為1），第u層（u＝1代表隱含層，u＝2代表輸出層）的神經元個數為Nu，第u層第k個神經元的權值向量寫為，k＝1，2，…，Nu。第u層第k個神經元的輸出記為，狀態記為，那么

在給定輸入樣本［X，Y］后，BP 神經網絡的權值將按照使式（8）目標誤差函數的值達到最小的方向進行調整。

式（8）中，Y為網絡期望的輸出，為網絡的實際輸出且，W是網絡的權值矩陣。利用梯度下降最優化算法，權值向量的修正量由式（9）確定：

其中，輸出層的由式（10）得出

對于隱含層：

上述方法就是BP 算法［2］，體現了數據正向傳遞、誤差反向傳播的過程。對于給定的訓練樣本，按照上述方法反復訓練神經網絡來調整權值，直到網絡實際輸出與期望輸出之間的誤差在允許的范圍內為止。

3．2．2 BP神經網絡的Matlab實現

Matlab神經網絡工具箱nnet（Neural Network Toolbox）提供了豐富的神經網絡實現函數，有圖形用戶界面函數，神經網絡創建、訓練和仿真函數，繪圖函數以及Simulink支持。

BP神經網絡的Matlab實現主要用到以下三個函數：

newff（·）：BP神經網絡創建函數；

train（·）：網絡訓練函數；

sim（·）：使用網絡進行仿真。

BP神經網絡的Matlab實現程序流程圖如圖4所示。

3．3 Matlab與Delphi的混合編程

Matlab能快速實現數值計算、信號處理和圖形分析等功能，編程效率高。Delphi使用全新的可視化編程環境，在工程開發中可以方便高效地實現人機交互、數據采集和端口操作等功能。但是，Delphi在數值計算和圖形分析方面，其編程效率遠遠低于Matlab。因此，Matlab 和Delphi混合編程，優勢互補，能為系統的實現提供更簡單高效的途徑。

目前應用較多的是利用COM 接口實現Matlab與Delphi的混合編程。在較早版本的Matlab中，用戶可以利用COM tool命令啟動COM Builder的圖形用戶界面，然后通過添加類和函數文件，再進行相關的設置就可以生成COM 組件文件。但是，新版本的Matlab 軟件已不再提供COM tool，取而代之的是Deploy Project工具［10］。

圖4 BP神經網絡的Matlab程序流程圖

系統以Matlab R2011a為開發工具。混合編程的過程可概括為：配置編譯環境、新建COM 工程、添加類和方法，最后編譯完成。

這里，類名決定了導入Delphi的組件的名稱，方法可以是Matlab的函數文件，其一般格式如下：

function

［y1，y2，…，yn］＝func（x1，x2，…，xn）

…

y＝f（x1，x2，…，xn）；

這里定義了一個函數func。

編譯完成后，工程文件夾下將會生成兩個文件夾distrib和src，distrib文件夾，里面存放的是動態鏈接庫形式的COM 組件File＿name＿1＿0．dll，1＿0代表版本信息。

在使用組件之前，必須對組件進行注冊。Matlab在編譯完成之后會自動對組件進行注冊。在Delphi中安裝此組件，編寫以下程序［11］實現COM組件的調用。

上述程序中，COM＿Name是被調用組件的名稱，func是該組件的方法。

3．4 系統實例

電路展示（V）菜單用于展示被測電路板的模型。通過故障模擬菜單可以選擇不同類型的故障，這些故障數據事先已存儲在數據庫中。建立BP神經網絡，設置好網絡參數，輸入故障數據矢量，系統能完成故障診斷，并定位故障點（元件），給出故障原因，生成維修策略。可以對系統進行性能分析，包括神經網絡的性能分析和維修策略的分析。

4 結語

本系統基于BP神經網絡的故障診斷方法，利用虛擬現實技術、電路仿真技術、BP 神經網絡的Matlab實現以及Delphi的可視化開發技術，實現了某型通信設備的虛擬故障診斷系統的設計。本系統能夠有效解決有關故障維修人員在培訓中遇到實際問題。經驗證，該系統能夠可靠運行，具有實際價值。

［1］趙經成，付戰平，鐘小平，等．虛擬仿真訓練系統設計與實踐［M］．北京：國防工業出版社，2008：25-28．

［2］夏虹，劉永闊，謝春麗．設備故障診斷技術［M］．哈爾濱：哈爾濱工業大學出版社，2010：180-203．

［3］張琪，侯加林，閆銀發，等．基于虛擬儀器的電路板故障檢測與診斷系統的研究［J］．電子測量與儀器學報，2011，25（2）：135-140．

［4］常高祥，徐曉剛，王建國．虛擬維修訓練系統中數據庫的應用［J］．工程圖學學報，2010（5）：157-162．

［5］陳斌，王高山，楊林輝．基于BP神經網絡的復雜電子設備實時故障診斷專家系統［J］．海軍工程大學學報，2004，16（5）：105-108．

［6］李淵，陳斌，楊路剛．基于EON 的通信裝備虛擬維修系統的設計［J］．通信技術，2013，46（1）：95-97．

［7］何力．虛擬實驗系統中仿真電路故障診斷的研究與實現［D］．武漢：華中科技大學，2004．

［8］呂志軍，高俊，關建新．基于高速DSP的跳頻通信系統設計［J］．信息安全與通信保密，2006（8）：97-99．

［9］朱大奇，于盛林，陳小平．基于故障樹分析及虛擬儀器的電子部件故障診斷系統［J］．儀器儀表學報，2002，23（1）：16-19．

［10］宋廣東，劉統玉，王晶，等．基于COM 組件的VB 與Matlab混合編程實現振動信號處理［J］．山東科學，2010，23（1）：32-35．

［11］胡勁松，周方潔．基于COM 的Matlab與Delphi混合編程研究［J］．計算機應用研究，2005（1）：165-166．