唐 颜，徐天蒙，周 伟，王改堂，蔡睿洁

(西安现代控制技术研究所，西安 710065)

0 引言

弹载计算机作为弹上的控制中心，其硬件性能是决定武器系统运行状态的重要因素[1]，因此需要对其硬件性能进行充分鉴定。

目前的鉴定方式中，弹载计算机的检测状态通过总线接口以十六进制数据形式输出，形成对应文本文件[2]，测试人员对数据逐一分析判定是否存在异常。然而，文本文件中数据规模大，若要充分鉴定硬件性能，就面临着巨大的数据分析，采用现有的人工分析方式耗时长且容易出现疏漏。

神经网络可用来对数据进行故障分类，但目前基于神经网络的分类方式多以单一特征量作为故障提取依据；而弹载计算机的每帧检测数据含有多个故障特征量，因此传统的神经网络方式难以直接进行分类。

针对上述问题，提出一种基于概率神经网络PNN的弹载计算机故障诊断方法。该方法可将每个文件的存储数据由矩阵形式简化为向量，以此作为数据输入的特征向量；然后采用特定编码方案，对所有特征量进行映射，得到与之对应的唯一编码输出，形成故障编码集；同时采用PNN对编码集的输入输出进行模型训练，实现多故障特征量、大容量数据输入下的故障分类，仿真结果验证了该方法的可行性及有效性。

1 故障编码集建立

1.1 故障输入数据处理

检测结果中的数据帧由帧头、测试项1结果、测试项2结果、…、测试项n结果、校验和构成。对于每一数据帧而言，将其测试结果以A表示：