巫婕妤, 胡 刚, 吕海飞, 汪智萍

(上海无线电设备研究所,上海201109)

0 引言

复杂电子装备是由大量相互关联、相互制约的电子元器件、电路板和组件组成的。由于电子元器件参数的离散性及不同环境条件下的性能变化会对装备性能指标产生影响,一般需要设置多个可调参数,并根据测试结果选配最优的调试参数。目前电子装备调试依赖人工经验,调试效率低、准确度差、反复次数多,大大影响了复杂电子装备的生产效率及成品率。通过对复杂电子装备的电路特性进行分析,可知其性能和调试元器件参数之间存在关联关系,但无法得出精确的数学模型。基于神经网络建立的非参数化模型,可模拟电子装备性能和调试参数的关系,用于调试参数的预测。

神经网络是近几年国内外人工智能领域的研究热点,其基本思想来源于人脑神经元的构造。神经网络具有大规模并行运算、自适应、自组织和自学习能力,适用于处理需要同时考虑多个因素和条件的模糊信息问题[1]。范爱锋等[2]在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型,并将该模型应用于某型雷达磁控管的高压数据预测。李静雯等[3]将灰色Verhulst模型与小波神经网络相结合,来解决小样本故障数据在误差反向传播(back propagation,BP)神经网络训练中存在缺陷的问题,提出了基于灰色Verhulst-小波神经网络的组合预测模型,并在某型航空设备工作电压的故障预测中对该模型进行了验证。……