基于BP神經網絡的民航甚高頻故障診斷技術研究

劉宏浩

一、甚高頻通信系統

VHF通信系統地面臺站通常由收發信機、濾波器組以及天線三大模塊構成。其中發信機組主要負責對信號進行頻率合成，它的核心設備是一個可以輸出穩定頻率的頻率合成器，合成頻率受信號調制后，由天線向外發射。相反，天線接收的信號則由接收部分處理，經過放大、濾波等步驟恢復出音頻信號。眾所周知，航班起飛和著陸階段是飛機的故障高發時段，也是飛行員進行駕駛操作最為密集的時段，如果機場VHF通信系統突然出現故障，將造成嚴重的混亂，使飛行員無法按照地面指令進行起飛或著陸。

二、BP神經網絡

BP（Back-propagation）神經網絡又稱為誤差反向傳播神經網絡，是一種最常見的神經網絡之一，其總體結構一般至少包含三層，并且各層之間不存在相互反饋和連接，BP神經網絡屬于一種前向網絡，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網絡在設備故障診斷領域中有廣泛應用，其基本原理如下：網絡的第一層{ x1 ； x2； … xn }一般用于表征故障征兆，其中每個元素都與一個神經元相對應，如果某數據恰好通過了隱含層，那么就可以在該節點處對其進行相應的運算，作為隱含層的輸入，再進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、模糊神經網絡算法

模糊神經網絡是模糊數學理論和神經網絡理論相結合而形成的一種算法體系，它一方面傳承了神經網絡的優點，另一方面還充分借助模糊數學的分析方法實現性能優化。模糊神經網絡的運用實際上是研究模糊系統和神經系統對于信息處理如何進行分工。從當前的研究結果來看，其融合方式通常有松散型、并聯型、串聯型和結構等價型四種。

VHF作為一個復雜的綜合性飛機通信系統，其故障類型是多種多樣的。為了滿足這種復雜性，本文采用了將模糊系統和神經系統進行結合運用的方案，結合形式采用串聯型，即其中一個系統的輸出作為另一個系統的輸入，如圖1所示。串聯型模糊神經系統具有原理簡單、易于編程的優點，使兩個系統對信息的處理既相對獨立，又相互聯系。例如，診斷信號首先由模糊系統進行處理，然后再由神經網絡處理，這樣可以大大提高后者的運行效率，從而得到更可靠的結論。因此，這種結構已受到生產領域的廣泛認可。

四、民航甚高頻故障診斷技術研究

（一）神經網絡工具箱

MATLAB作為一款強大的數學運算軟件，在神經網絡算法的應用上也有很大的支持力度，其中其功能主要集中在神經網絡工具箱中，是研究神經網絡算法的重要數學工具。該工具箱內預設了大量常用的激活函數，用戶在研究過程中只需要在庫中直接調用即可，而無需在激活函數的設計上花費過多精力。工具箱中不但提供了線性網絡模型、BP 網絡模型、RBF網絡模型、反饋網絡模型等各類齊全的神經網絡模型，還提供了大量這些模型的學習算法。

（二）甚高頻故障診斷的仿真

1. 模型的建立

根據筆者從事民航甚高頻通信系統地面臺站維修的多年經驗和歷史統計數據，甚高頻收發信機的故障高發點包括發射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據源。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）以及發射不連續（X4）等，因此本文將主要針對這 4 類故障進行研究。本文建立的仿真模型如圖2所示。

2. 模糊隸屬函數

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

以本文確定的 8 個故障高發參數作為模糊神經系統的輸入，在故障模式分析的基礎上，對其進行模糊化后，得出表2所示的故障樣本模式。再根據表1，即可得到相應的網絡學習樣本。

3. 仿真分析

本文采用三層 BP 神經網絡對民航VHF通信系統地面臺站故障進行診斷仿真，根據模型設計，本次仿真在BP神經網絡的輸入層建立了 8 個神經元，在輸出層建立了 4個神經元，隱含層和輸出層的激活函數分別采用工具箱中的 tansig 和logsig函數，訓練函數為n^2= 2n +1，最大步數為15000步，誤差為0.01，學習速度為0.1，根據表1表2的仿真參數，得到圖3所示的仿真結果。

仿真結果表明，本模型經過3289次訓練即完成收斂，遠未達到設定的15000步，其收斂速度很快，充分說明了模型的有效性。根據仿真模型，當輸入X=[1 0 0 0]時，輸出向量為[0.0012；0.9279；0.0153；0.0715；0.2273；0.0103；0.0042；0.6105]，這與實際故障矩陣[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。該診斷結果與筆者多年的實踐經驗和歷史統計數據是相符的，充分論證了本模型的合理性。

五、結論

本文以模糊神經網絡算法為理論依據，以MATLAB神經網絡工具箱為仿真工具，對民航甚高頻系統地面臺站故障診斷進行了深入的分析，建立一個三層 BP 神經網絡模型，以給出模糊隸屬函數，最后采用8 個輸入神經元和4 個輸出神經元對模型進行了仿真分析。仿真結果表明，本模型收斂速度快，輸出向量與實際故障矩陣十分逼近，充分說明了模型的有效性及合理性。