神经网络专家系统在电源系统诊断中的应用*

2012-03-20安若铭

航天控制 2012年3期

安若铭王均

哈尔滨工业大学航天学院，哈尔滨150001

由于卫星这类大型复杂系统的各部件之间联系广泛、复杂，致使故障征兆和故障原因之间也表现出错综复杂的关系，它们之间往往具有关联的不确定性，因此这类系统的故障诊断一直是一个难题。随着人工智能技术的快速发展，特别是专家系统、模糊理论和神经网络等在故障诊断领域得到的广泛应用，通过有效地获取、传递、处理、再生和利用诊断信息，能够模拟人类专家，以灵活的诊断策略对监控对象的运行状态和故障做出正确判断和决策。但是，由于每一种诊断方法都具有其独特的信息特征，面对故障表象与故障机理间错综复杂的关系，往往带有一定的局限性，因而基于多种方法融合的故障诊断［1－2］是航天器诊断的一个重要发展方向。本文针对单种诊断方法考虑角度的单一性，同时采用可信度BP神经网络和不确定性推理专家系统进行诊断，以取长补短，并采用模糊综合评判模型融合2种诊断方法的结果形成最终的诊断结论，既可有效避免单一方法由于对特定故障的不适用造成的误诊，又可通过多方法的相互确认提高诊断结果的正确性和可信度，从而达到提高故障诊断的准确性和稳定性的目的。成功地应用于某卫星电源系统的故障诊断中，获得了很好的诊断效果。