基于深度置信网络的通信控制设备故障诊断
2020-05-18陈子兆矫文成孙慧贤
探测与控制学报 2020年2期
陈子兆,矫文成,孙慧贤,陈 旭
(陆军工程大学石家庄校区,河北 石家庄 050003)
0 引言
通信控制机作为指控系统重要通信控制设备,对其故障诊断在保障战时通信网络的安全稳定中具有重要作用。目前,故障诊断的方法主要分为定性分析和定量分析两类[1]。在定性分析方法中以基于专家系统和故障树的故障诊断方法最为常用[2-4]。范跃华等采用故障树分析法构建推理策略和推理机,对故障源逐层进行排查诊断[5];刘斌斌通过多个故障树模型和专家系统完成对指控装备的故障诊断[6];苏利敏利用神经网络对数据进行预处理,改善数据库的结构和性能,从而提高专家系统的诊断效率[7]。在基于定量分析方法中,由于系统结构复杂难以构建准确的故障模型,故而常常使用基于支持向量机的方法[8-9]和神经网络的方法[10-11]。罗民将BP神经网络应用于无人机指挥控制系统的故障诊断,解决了专家系统推理时间长、效率低的问题[12];王格芳采用Agent技术构建智能故障诊断模型对炮兵指挥自动化系统的故障诊断[13]。
但是由于指挥控制系统结构的日趋复杂和领域专家缺少,无法对故障系统进行准确建模和缺少必要的专家知识库,使得基于故障树和专家系统的方法耗时耗力且效果较差;同时由于设备故障类型多样且造成原因未知,使用基于支持向量机和BP神经网络的方法易致使故障类型无法准确区分、出现“维数爆炸”等问题。传统的故障诊断方法已无法满足当前装备故障诊断中对时效性和准确性的要求。……
登录APP查看全文
