多電飛機電氣系統的故障診斷措施分析

高凡

摘 要：對于多電飛機來說，電氣系統運行效率直接決定了其運行的安全性與穩定性，必須要加強對此方面的研究。對多電飛機電氣系統進行故障診斷，了解各項故障發生的原因，進而有的放矢的采取措施進行處理優化，爭取不斷提高飛機運行穩定性。文章對多電飛機電氣系統故障診斷方法進行了簡要分析，并提出了優化措施。

關鍵詞：多電飛機；電氣系統；故障診斷

多電飛機現在應用越來越廣泛，為減少運行過程中電氣系統故障的發生，就需要從實際出發，做好故障診斷分析，確定故障發生的原因，確定優化方向后采取措施進行管理。但是多電飛機電氣系統復雜程度比較高，故障診斷具有較高的難度，這樣就必須要選擇合適的方法，以免故障診斷不及時，導致故障問題嚴重化，進而出現安全事故。

1 多電飛機概述

發動機作為為飛機運行提供動力主要設備，其運行效率在根本上影響了飛機的安全性與穩定性。另外，飛機還具備二次動力，即電子設備工作、起落架收放等，對于多電飛機來說，需要電能來滿足各項二次能源部分的需求[1]?，F在多電飛機應用范圍不斷擴大，在更多新型技術應用的背景下，其供電系統的容量也在不斷增大，對電力系統的管理與維護要求也就更為嚴格。與其他類型飛機相比，多電飛機無論是從結構上、質量上還是后期維護工作等方面，均具有更大的優勢，并且所需后期維護費用較低，具有更高的經濟性。其中，電氣系統作為多電飛機的重要組成部分，主要分為供電與用電兩部分，并且供電系統作用更大，管理要求也就更高，需要采取措施進行優化，確保其正常運行來滿足飛機所有用電設備對電能的需求。這樣就決定了多電飛機供電系統故障診斷與處理的必要性，應選擇合適的故障診斷技術，完成電氣系統運行狀態的監測與管理，確保其能夠正常運行。

2 多電飛機電氣系統故障診斷技術分析

2.1 專家系統故障診斷

即以專家系統作為依據，通過專業知識推理，并利用計算機程序，輔助人工來對系統運行狀態分析診斷，整個工程包括分類、診斷、調度規劃、設計制造以及決策支持，利用專業知識與經驗來解決存在的各類問題。專業系統設置有數據庫與信息庫等，便于通過專業知識，來對飛機運行狀態進行分析，進而判斷各構件是否出現故障。在對多電飛機電氣系統進行故障診斷時，選擇應用專家系統診斷方法，通過各項數據與專業經驗，來縮小故障范圍，提高故障診斷、報警處理以及故障評級等方面共組效率。

2.2 神經系統故障診斷

傳統故障診斷方法的實施需要以數學模型為基礎，但是對于結構故障來說，會在一定程度上對結構造成影響，進而會影響到故障數據的收集。并且，在實際應用過程中，也存在復雜系統多故障源、多變量耦合等問題，數學模型建立難度比較大。這樣為提高故障診斷效率，可以將人工神經網絡應用到其中，尤其是對于以知識與規則為基礎的故障診斷。此種診斷方法主要利用大量簡單元件，使其相互聯接形成一種復雜的網絡，使得整個系統具有更高的學習能力，可以利用更短的時間來處理更多的問題，并且其分布存儲方式決定了魯棒性與容錯性效果高。將神經系統故障診斷方法應用到多電飛機中，可以利用系統具有的特點，來對復雜多模式問題進行聯想、預測以及記憶，解決傳統系統規則中所存無法工作的缺陷[2]。與其故障診斷系統相比，神經網絡可以通過不斷修改權值與結構來滿足新故障診斷要求，因此在應用上具有更高的可行性，為多電飛機維護工作的開展提供了一個全新的技術，在保證診斷效果的同時縮短所用時間，提高故障診斷的綜合效率。

3 基于BP神經網絡故障診斷技術分析

3.1 多層前饋網絡模型

BP神經網絡即以誤差反向傳播算法為基礎的多層前向神經網絡，利用光滑活化函數，利用權值來完成相鄰兩層之間的連接，共具有1個輸入層、1個輸出層，以及1個或者多個隱含層。BP神經網絡為前傳網絡，其所處理信息逐層向前流動，在對權值進行學習時，需要以理想輸出與實際輸出誤差為依據，采取由前向后的方式依次來對權值進行修改[3]。多層前向神經網絡中應用最為廣泛的BP網絡，并且其核心即BP算法。

以3層前向神經網絡為例，對BP算法進行分析。在3層前饋網絡中，輸入向量為X=（x1，x2，...，xi，...，xn）T，如果加入x0=-1，可為隱含層神經元引入閾值，輸出層輸出向量為Y=（Y1，Y2，...，Yk，...，Yi）T，期望輸出向量為d=（d1，d2，...，dk，...，di）T，輸入層到隱含層之間權值矩陣用V表示，則V=（V1，V2，...，Vj，...，Vm）T，其中向量Vj表示隱含層第j個神經元所對應的權向量，而Vij表示輸入層第i個神經元到第j個神經元的權向量，隱含層到輸出層之間權值矩陣用W表示，則W=（W1，W2，...，Wk，...，Wl）T，其中列向量Wk表示輸出層第k個神經元對應的權向量，Wjk表示隱含層第j個神經元到輸出層第k個神經元權向量。則可以確定各層信號之間的關系：

對輸出層，Yk=f（nk），nk=■Wjkyi ， k=1，2，...，l

對隱含層，Yj=f（nj），nj=■VijXi=1，2，...，m

其中，轉移函數f（x）均為單極性sigmoid函數：f（x）=l/（1+e-x），并且f（x）具有連續與可導特點，f'（x）=f（x）[1-f（x）]，這樣三個公式即構建了3層前饋網絡數學模型。

3.2 BP算法

算法的實現主要根據訓練網絡誤差函數Ep對各個神經元輸出的偏導數，來計算得出誤差Ep對所有連接權值的偏導數，然后通過非線性優化問題的求解，完成各個連接權值的修改。如果誤差Ep滿足實際要求，則訓練停止，同時結束專家系統知識獲取過程。在此階段中，專家經驗即會轉變為神經網絡各個神經元之間的連接強度，將神經網絡轉變為專家知識數據庫。而如果輸出層未得到期望輸出，即可確實際輸出與期望輸出值之間存有誤差，這樣整個系統即轉入反向傳播過程，誤差信號運動方式為原路返回，對各層神經元權值進行修改，完成各輸入層傳播的計算。完成以上步驟后再次經過正向傳播過程，并且在最大程度上來降低誤差信號，兩個過程需要采取反復作用的方式運行。

3.3 BP算法編程

第一，初始化。對權值矩陣W、V賦隨機數，設置樣本模式計數器P以及訓練次數計數器q為1，設置誤差E為0，而學習率η為0～1間任何小數，網絡訓練后可達到精度Emin為正小數。第二，計算。將訓練樣本模式對輸入后，對各層輸出進行計算。通過當前樣本Xp、dp對向量數組X、d賦值，分別計算出y與Y分量。對于網絡輸出誤差，應將代價函數E設置為神經元期望輸出dk以及實際輸出Yk之差平方的一半，i為第i個節點，則E=■■（dk-Yk）2，最后通過要求訓練確保E比某個值小。第三，調整。對各層誤差信號進行計算，然后根據結果來對各層權值進行適當的調整，并利用權值調整公式來計算出W、V的分量。第四，檢查。檢查所有樣本是否均完成一次訓練，如果p

4 結束語

為提高多電飛機電氣系統運行穩定性，需要基于其特點，選擇合適的故障診斷方法來確定其運行狀態，并針對此來采取相應的措施進行優化，提高飛機運行安全性。

參考文獻

[1]謝致清，楊柳，羅彥俠.多電飛機電氣系統的故障診斷研究[J].科技風，2015，6：37.

[2]楊傳道，韓建定.基于BP神經網絡的多電飛機電氣系統故障診斷研究[J].自動化技術與應用，2007，6：71-73.

[3]徐潔.多電飛機分布式智能配電技術研究[D].電子科技大學，2013.