新型民航客機(jī)電氣系統(tǒng)故障診斷方法研究

摘要確保民航客機(jī)處于平安的飛行狀態(tài)是民用航空范圍內(nèi)恒久的中心課題。尤其是最近幾年中，隨著民航的運(yùn)輸量迅猛遞增以及出現(xiàn)新型民航客機(jī)的環(huán)境背景下，飛行平安的重要性愈加地凸顯了出來。由于科學(xué)技術(shù)的日新月異，民航客機(jī)的性能也在日趨強(qiáng)化與提高，機(jī)載的用電設(shè)備無論在種類與數(shù)量方面都呈現(xiàn)出遞增的態(tài)勢(shì)，無論就機(jī)載電源體系的供電質(zhì)量還是可靠性方面都提出了更高的要求。尤其是智能配電技術(shù)的廣泛性運(yùn)用，對(duì)于多電飛機(jī)的深入開展，其重要性更加地凸顯出來。飛機(jī)技術(shù)的開展程度情況對(duì)于多電飛機(jī)的電氣系統(tǒng)工作及其最終的性能與功能都產(chǎn)生了不可無視的作用。因而，探討如何借助于智能化的配電技術(shù)確保新型民航客機(jī)的前進(jìn)開展，研究意義非凡。因而，對(duì)客機(jī)電氣系統(tǒng)故障的診斷，及時(shí)地排除危險(xiǎn)的因子，即是當(dāng)下確保民航客機(jī)電氣系統(tǒng)處于平安飛行的一個(gè)重要方面。本論文對(duì)國(guó)內(nèi)外在本課題的研究現(xiàn)狀進(jìn)行了簡(jiǎn)單地回憶，梳理了與本課題相關(guān)的根底理論，即依次分析了飛機(jī)電氣體系的構(gòu)成和特征以及有關(guān)故障診治技術(shù)的當(dāng)下情況、開展與前景2個(gè)局部。其中，前者包括飛機(jī)電氣體系的構(gòu)成與飛機(jī)電氣體系的特征2個(gè)方面的內(nèi)容。后者那么分析了故障診治技術(shù)的當(dāng)下情況、故障診治技術(shù)開展以及故障診治技術(shù)的開展前景等3個(gè)方面的內(nèi)容。然后，本論文著重地闡述了多元化的民航電氣系統(tǒng)故障診斷的研究方法。首先，基于神經(jīng)網(wǎng)絡(luò)法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析，對(duì)BP神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)進(jìn)行設(shè)計(jì)，包括22798反向傳播網(wǎng)絡(luò)、16959BP網(wǎng)絡(luò)的設(shè)計(jì)與5401BP網(wǎng)絡(luò)算法的優(yōu)化等內(nèi)容。分析系統(tǒng)故障診斷軟件的設(shè)計(jì)與實(shí)現(xiàn)，包括根據(jù)MATLAB工具箱的軟件進(jìn)行設(shè)置與BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)準(zhǔn)那么2個(gè)方面。分析BP神經(jīng)網(wǎng)絡(luò)相關(guān)的訓(xùn)練與仿真。探討MATLAB6.1和VisualBasic6.0的集成，包括ActiveX組件及其實(shí)現(xiàn)方法以及軟件的實(shí)現(xiàn)。分析系統(tǒng)事故診治的具體實(shí)現(xiàn)，包括電氣負(fù)載管理中心事故診治、28V匯流條的故障診斷以及固態(tài)功率控制器的事故診治等內(nèi)容。分析隱含層神經(jīng)元的數(shù)量，挑選出初始權(quán)值，確定學(xué)習(xí)的速率，選定期望誤差，確定具體的算法，同時(shí)發(fā)現(xiàn)存在著訓(xùn)練時(shí)間較長(zhǎng)與徹底無法訓(xùn)練的情況，從而界定局部極小值。最后根據(jù)數(shù)值優(yōu)化法所開展的網(wǎng)絡(luò)訓(xùn)練計(jì)算方法。其次，基于知識(shí)方法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析，包括基于民航客機(jī)專家的體系化模型構(gòu)建與基于知識(shí)的表達(dá)和組織2個(gè)方面。主要從數(shù)據(jù)字典表、規(guī)那么庫(kù)以及案例庫(kù)3個(gè)方面展開研究。接著，基于故障樹方法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析，先分析了故障樹的研究方法，再分析了系統(tǒng)故障樹及其可靠性的實(shí)例研究。最后，對(duì)本論文所使用的方法進(jìn)行總結(jié)，指出優(yōu)點(diǎn)與缺點(diǎn)，并預(yù)測(cè)未來的開展趨勢(shì)。關(guān)鍵詞：新型民航客機(jī)，電氣系統(tǒng)，故障，診斷方法AbstractToensurethatthecivilaviationaircraftisinasafestateofflightisapermanentcentralissueincivilaviation.Especiallyinthelastfewyears,withtherapidincreaseinthevolumeofcivilaviationandtheenvironmentofthenewcivilaviationaircraft,theimportanceofflightsafetyhasbecomemoreandmoreimportant.Withtherapiddevelopmentofscienceandtechnology,theperformanceofcivilaviationaircraftisbecomingmoreandmoreintensive,andtheelectronicequipmentoftheairborneequipmentisincreasinginbothtypesandquantities.Inparticular,thewideuseofsmartpowerdistributiontechnology,forthedevelopmentofmultielectricaircraft,itsimportanceismoreprominent.Thedevelopmentofaircrafttechnologyhasaroleintheelectricalsystemofthemulti-electricaircraftanditsfinalperformanceandfunction.Therefore,itissignificanttostudyhowtoensurethedevelopmentofnewcivilaviationaircraftwiththeaidofintelligentdistributiontechnology.Therefore,theaircraftelectricalsystemfaultdiagnosis,timelyexclusionoftheriskfactor,thatisthemomenttoensurethatthecivilaviationaircraftelectricalsystemisaimportantaspectofthesafetyofflight.Inthisthesis,theresearchstatusofthistopicathomeandabroadisbrieflyreviewed,andthebasictheoryrelatedtothistopic,namely,thestructureandcharacteristicsoftheaircraftelectricalsystem,andthecurrentsituation,developmentandProspectoffaultdiagnosisandtreatmenttechnologyareanalyzedinthispaper.Amongthem,theformerincludes2aspects:theconstitutionoftheaircraftelectricalsystemandthecharacteristicsoftheaircraftelectricalsystem.Inthelatterpart,itanalyzesthepresentsituationoffaultdiagnosisandtreatmenttechnology,thedevelopmentoffaultdiagnosisandtreatmenttechnology,andthedevelopmentprospectoffaultdiagnosistechnology.Then,thisthesisfocusesontheresearchmethodsoffaultdiagnosisofcivilaviationelectricalsystem.Firstofall,basedontheneuralnetworkmethodforthecivilaviationelectricalsystemtostartthesystemofanalysis,theBPneuralnetworkfaultdiagnosissystemdesign,includingthereversetransmissionnetwork,BPnetworkdesignandoptimizationofBPnetworkalgorithm,etc..Designandimplementationoffaultdiagnosissoftwareforanalysissystem,including2aspectsoftheBPneuralnetworkbasedonMATLABneuralnetwork.TrainingandSimulationofBPneuralnetwork.TodiscusstheintegrationofVisual6.1andBasic6.0MATLAB,includingActiveXmoduleanditsrealizationmethodandsoftware.Theconcreterealizationofthediagnosisandtreatmentofthesystemaccident,includingtheelectricalloadmanagementcenteraccidentdiagnosisandtreatment,thefaultdiagnosisof28Vbusbarandthediagnosisandtreatmentofthesolidstatepowercontroller.Analyzethenumberofhiddenlayerneurons,pickouttheinitialweights,determinetherateoflearning,selecttheexpectederror,determinethespecificalgorithm,andfoundthatthereisalongtrainingtimeandthesituationcannotbetrained,sothattheboundaryisaforegoneconclusion.Finally,thenetworktrainingmethodbasedonnumericaloptimizationmethodiscarriedout.Secondly,basedontheknowledgemethod,thesystemofcivilaviationelectricalsystemisanalyzed,whichincludes2aspects:thesystemmodelofcivilaviationaircraftexpert,theexpressionandorganizationofknowledge.Mainlyfromthedatadictionarytable,rulebaseandcasebase3aspectsofresearch.Then,basedonthemethodoffaulttreeanalysis,theresearchmethodoffaulttreeisfirstlyanalyzed,andthereliabilityofthesystemisstudied.Finally,summarizethemethodsusedinthispaper,pointouttheadvantagesanddisadvantages,andpredictthedevelopmenttrendofthefuture.Keywords:newcivilaircraft,electricalsystem,fault,diagnosismethod目錄TOC\o"1-3"\h\u18581摘要 I2978Abstract III248051緒論 1310751.1研究背景 1131431.2研究意義 2211511.3國(guó)內(nèi)外研究現(xiàn)狀 3181921.4研究目的 514921.5研究方法 5318551.6擬解決的關(guān)鍵性問題與技術(shù)路線 5108401.7論文的創(chuàng)新點(diǎn) 5112991.8論文的研究?jī)?nèi)容 65422根底理論 7133842.1飛機(jī)電氣體系的構(gòu)成和特征 8283902.1.1飛機(jī)電氣體系的構(gòu)成 8309222.1.2飛機(jī)電氣體系的特征 8116862.2有關(guān)故障診治技術(shù)的當(dāng)下情況、開展與前景 9100542.2.1故障診治技術(shù)的當(dāng)下情況 9152672.2.2故障診治技術(shù)開展 10250512.2.3故障診治技術(shù)的開展前景 1064673基于神經(jīng)網(wǎng)絡(luò)法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析 12305733.1BP神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)的設(shè)計(jì) 12227983.1.1反向傳播網(wǎng)絡(luò) 12169593.1.2BP網(wǎng)絡(luò)的設(shè)計(jì) 1554013.1.3BP網(wǎng)絡(luò)算法的優(yōu)化 1518453.2系統(tǒng)故障診斷軟件的設(shè)計(jì)與實(shí)現(xiàn) 18284373.2.1根據(jù)MATLAB工具箱的軟件進(jìn)行設(shè)置 18169723.2.2BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)準(zhǔn)那么 1860963.3BP神經(jīng)網(wǎng)絡(luò)相關(guān)的訓(xùn)練與仿真 1968443.4MATLAB6.1和VisualBasic6.0的集成 19298843.4.1ActiveX組件 20140503.4.2實(shí)現(xiàn)方法 21221913.4.3軟件的實(shí)現(xiàn) 211243.5系統(tǒng)事故診治的實(shí)現(xiàn) 23296053.5.1電氣負(fù)載管理中心事故診治 23255803.5.228V匯流條的故障診斷 2490953.5.3固態(tài)功率控制器的事故診治 25108333.6隱含層神經(jīng)元的數(shù)量 2682693.7挑選出初始權(quán)值 27199033.8學(xué)習(xí)速率 27194333.9選定期望誤差 27245393.10算法確實(shí)定 28212203.10.1訓(xùn)練時(shí)間較長(zhǎng) 2878403.10.2徹底無法訓(xùn)練 28308703.10.3局部極小值 28287073.11根據(jù)數(shù)值優(yōu)化法所開展的網(wǎng)絡(luò)訓(xùn)練計(jì)算方法 286044基于知識(shí)方法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析 3014144.1基于民航客機(jī)專家的體系化模型構(gòu)建 3085034.2基于知識(shí)的表達(dá)和組織 3098574.2.1數(shù)據(jù)字典表 30301444.2.2規(guī)那么庫(kù) 30292184.2.3案例庫(kù) 31267035基于故障樹方法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析 3217255.1故障樹研究方法 3281355.2系統(tǒng)故障樹及其可靠性的實(shí)例研究 34210216評(píng)述與總結(jié) 37295496.1比照改良算法與相關(guān)的函數(shù) 3752366.2比照專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的2類診治方法 3722697參考文獻(xiàn) 391緒論1.1研究背景在國(guó)民經(jīng)濟(jì)與現(xiàn)代化建設(shè)迅猛開展的背景下，中國(guó)民航運(yùn)輸行業(yè)在通用航空、航線布局、航空運(yùn)輸、機(jī)隊(duì)規(guī)模與運(yùn)送保障等多個(gè)方面獲得了不菲的成績(jī)，根底設(shè)施方面的能力也得到了迅速的提高，航空業(yè)務(wù)的規(guī)模呈現(xiàn)出迅速遞增的態(tài)勢(shì)，國(guó)內(nèi)已變?yōu)楫?dāng)下全球的航空運(yùn)送大國(guó)?？蜋C(jī)電氣系統(tǒng)是機(jī)載設(shè)施的一個(gè)關(guān)鍵組成，主要包括供電系統(tǒng)與用電設(shè)施2類。其中，后者的核心組成為客機(jī)的發(fā)動(dòng)機(jī)控制、電動(dòng)機(jī)械、照明與信號(hào)、旅客生活效勞、飛行操縱、航空電子、生命保障與防冰保溫等。前者的主要局部為飛機(jī)電源體系與飛機(jī)輸配電體系，飛機(jī)電源體系主要應(yīng)用在電能的產(chǎn)生與調(diào)節(jié)方面，飛機(jī)輸配電體系主要應(yīng)用在電能的傳遞與分配方面。飛機(jī)供電體系的功能主要在于確?？煽慷殖掷m(xù)地替用電設(shè)施，特別是和平安飛行直接相關(guān)的關(guān)鍵性用電設(shè)施提供與要求相吻合的電能。GJB181-86《客機(jī)供電特性及對(duì)用電設(shè)備的要求》等條例特別地針對(duì)機(jī)載設(shè)施的供電類型及其特點(diǎn)以及對(duì)新型民航客機(jī)在用電設(shè)施方面提出了相應(yīng)的要求?；谥绷饔秒娫O(shè)施與交流用電設(shè)施對(duì)電能種類與用電量的相關(guān)要求，認(rèn)為客機(jī)中存在著直流供電體系與交流供電體系2種，同時(shí)能夠提供直流電與交流電2類模式的電能。[1]在現(xiàn)代科學(xué)與航空技術(shù)日益興旺，客機(jī)相關(guān)的用電設(shè)備日益增多，無論是用電的數(shù)目與質(zhì)量都呈現(xiàn)出日趨強(qiáng)化，無論就客機(jī)電氣輸配電體系的可檢測(cè)性、可靠性與可維護(hù)性等方面均提出了更為嚴(yán)格的要求。民航檢測(cè)維修的導(dǎo)線在整個(gè)客機(jī)的輸配電系統(tǒng)中是根本器件，是在絕緣層中把數(shù)股銅線或是鍍銀銅絲或是鋁絲扭合起來，是各類飛機(jī)用電設(shè)施內(nèi)部的連接線路與傳遞動(dòng)力電源的關(guān)鍵設(shè)備，大多數(shù)布局在客機(jī)的不同部位，凸顯出用途廣、用量大、種類多以及工作環(huán)境復(fù)雜化等特點(diǎn)。由駕駛艙至機(jī)尾，客機(jī)導(dǎo)線的用量非常地可觀，比方，將波音737客機(jī)的全部導(dǎo)線連接后，全部的長(zhǎng)度約為280km，其中，DC-10客機(jī)導(dǎo)線的全部質(zhì)量是機(jī)載電子設(shè)施與電氣設(shè)施整體質(zhì)量的60%。而協(xié)和號(hào)的導(dǎo)線整體質(zhì)量幾乎為1500kg。[2]因?yàn)榭蜋C(jī)自身構(gòu)造的特征緣故，不單單導(dǎo)線在體積與重量方面受到一定的約束，同時(shí)導(dǎo)線能夠安裝的空間并不大，大局部導(dǎo)線基于種類通過成捆的方式敷設(shè)于各類機(jī)載用電設(shè)施內(nèi)部或是其中夾壁內(nèi)，造成長(zhǎng)期在污染、外力、潮濕、振動(dòng)、摩擦、冷熱與輻射等環(huán)境中工作，從而造成導(dǎo)線極為容易地出現(xiàn)故障的后果，連帶性地造成指示儀表指針搖晃、信號(hào)非正?；?、供電中斷、操控機(jī)械終止工作與導(dǎo)線短路，最終導(dǎo)致火災(zāi)等后果，從而對(duì)客機(jī)的平安飛行產(chǎn)生影響，同時(shí)導(dǎo)致了不少機(jī)毀人亡的后果，從而造成客導(dǎo)線的故障診治和定位問題，是全球民航界急需解決的一個(gè)重要問題。1.2研究意義在全球化的大時(shí)代環(huán)境下，飛機(jī)的便捷性及其所產(chǎn)生的重要影響不言而喻。其中，民航客機(jī)便是其中主要的一種飛機(jī)類型，它在人們的日常生活中所起到的作用日益凸顯出來。當(dāng)然，民航客機(jī)的平安性更加備受民眾所關(guān)注。當(dāng)下，在評(píng)價(jià)一個(gè)國(guó)家民族地區(qū)的航空飛行情況平安性的標(biāo)準(zhǔn)，主要有2個(gè)數(shù)據(jù)尺度：每百萬飛行小時(shí)出現(xiàn)的空難次數(shù)以及每百萬離場(chǎng)出現(xiàn)的空難次數(shù)。根據(jù)民航客機(jī)最為先進(jìn)的波音公司的相關(guān)統(tǒng)計(jì)數(shù)據(jù)資料可知，早在上個(gè)世紀(jì)的50年代-70年代，航空航天技術(shù)飛速開展，以西方興旺國(guó)家為主要代表的民航商用型飛機(jī)〔質(zhì)量超過60000磅〕的空難失事率明顯降低，然而，上個(gè)世紀(jì)的70年代末，失事率的減小走勢(shì)愈來愈趨于緩和。同時(shí)，根據(jù)相關(guān)的資料還可推知，在這段時(shí)間內(nèi)，由于飛機(jī)失事率所導(dǎo)致的死亡人數(shù)并未因?yàn)轱w機(jī)事故的減小而減少。和航機(jī)失事率相異的是，國(guó)際每年在總航班以及總離場(chǎng)的數(shù)量那么與航空事業(yè)的迅猛開展而呈現(xiàn)出同步開展、遞增的趨勢(shì)。例如，波音公司在2012年所公布的統(tǒng)計(jì)數(shù)據(jù)資料如下：國(guó)際民航機(jī)的總量將由2011年末的19890架遞增到2031年末的近39790架，而這個(gè)階段內(nèi)，國(guó)際收益旅客的公里數(shù)〔RPK〕將會(huì)以年約5%的增長(zhǎng)率遞增。反觀我國(guó)民航領(lǐng)域，隨著生產(chǎn)力的解放與不斷地開展，科學(xué)技術(shù)日新月異，我國(guó)的國(guó)民經(jīng)濟(jì)及其現(xiàn)代化建設(shè)步入到迅速開展的階段，民航運(yùn)輸事業(yè)也呈現(xiàn)出欣欣向榮的開展局面。無論是航空運(yùn)輸、機(jī)隊(duì)規(guī)模，還是運(yùn)輸保障、通用航空與航線布局等領(lǐng)域，都有了長(zhǎng)足的進(jìn)步，在此方面的根底設(shè)施能力也相應(yīng)地得到了加強(qiáng)。因?yàn)楹娇蘸教鞓I(yè)務(wù)規(guī)模的飛速遞增，中國(guó)業(yè)已成為全球航空運(yùn)輸領(lǐng)域內(nèi)的大國(guó)。根據(jù)相關(guān)的資料統(tǒng)計(jì)說明，我國(guó)在2010年正式投入運(yùn)營(yíng)的航空企業(yè)達(dá)112家，已經(jīng)注冊(cè)并使用的大型、小型以及通用運(yùn)輸航空器的數(shù)量分別約為1400架、74架以及650架，其中，波音飛機(jī)與空客飛機(jī)幾乎各占據(jù)了半壁江山〔分別占據(jù)的比例為48%、44%〕。[3]運(yùn)輸機(jī)場(chǎng)的數(shù)量約為175個(gè)，在旅客的航載量方面，其數(shù)量高達(dá)2.68億人，在近5年中將保持著每年約14.1%的遞增率增長(zhǎng)。在整個(gè)綜合化的交通運(yùn)輸系統(tǒng)中，航空運(yùn)輸旅客周轉(zhuǎn)量的遞增比例約為2.7%。通用型航空機(jī)隊(duì)的規(guī)模比以前翻了一番，數(shù)量增至1010架，新型客機(jī)類型與業(yè)務(wù)層出不窮，整體上呈現(xiàn)出縱深的開展趨勢(shì)。然而，我國(guó)民航業(yè)在較長(zhǎng)的時(shí)期中還是以成長(zhǎng)期為主，當(dāng)下，無論是民航機(jī)的數(shù)量、質(zhì)量以及故障診斷維修等方面都和興旺國(guó)家存在著一定的距離。尤其在航機(jī)的故障診斷與維護(hù)等方面還有許多的薄弱地方。與全球航空業(yè)的開展走向相一致，整合民航產(chǎn)業(yè)的內(nèi)部結(jié)構(gòu)，強(qiáng)化飛機(jī)故障的診斷與維修，更好地推動(dòng)民航業(yè)的健康快速開展，是國(guó)內(nèi)民航業(yè)未來的重要課題。事實(shí)上，無論就國(guó)外還是國(guó)內(nèi)的民航業(yè)的開展情況來看，都必須確保民航客機(jī)的平安性，加強(qiáng)飛機(jī)的故障診斷。雖然全球飛機(jī)的失事率處于平緩的趨勢(shì)，但因?yàn)閲?guó)際的航班總量仍舊保持著每年遞增的趨勢(shì)，因而，民航的載客數(shù)遞增，相應(yīng)的飛機(jī)事故及其死亡人數(shù)的增加還是可能的。根據(jù)Rose與Hasson等學(xué)者的分析觀點(diǎn)，即使失事率根本保持不變，僅僅是運(yùn)量遞增，航機(jī)所出現(xiàn)的事故數(shù)量還是難以讓民眾與民航的管理部門難以接受的。當(dāng)然，要減少失事率，首先必須保證飛機(jī)的質(zhì)量，即盡量在源頭上消除由于材料、技術(shù)上所導(dǎo)致的飛機(jī)事故，借助于先進(jìn)的科學(xué)技術(shù)來生產(chǎn)制造飛機(jī)是我國(guó)民航業(yè)開展的關(guān)鍵工程，學(xué)習(xí)掌握現(xiàn)代化的飛機(jī)故障診斷方法，提高維修的技術(shù)技能，實(shí)現(xiàn)高性能、現(xiàn)代化、國(guó)產(chǎn)化的航機(jī)，也是我國(guó)民航維修業(yè)長(zhǎng)期開展的題中之義。上述的分析正是本選題的意義所在。1.3國(guó)內(nèi)外研究現(xiàn)狀就國(guó)內(nèi)外目前所得悉的文獻(xiàn)資料而言，在研究飛機(jī)電氣系統(tǒng)故障診斷方面，主要有傳統(tǒng)的分析方法以及現(xiàn)代的研究方法。在傳統(tǒng)分析飛機(jī)電氣系統(tǒng)故障診斷方法時(shí)，由于飛機(jī)電氣系統(tǒng)在運(yùn)行過程中所受到的干擾因子不一而足，既有飛機(jī)之外的因素，包括外來不明飛行物、大氣壓力與溫度以及惡劣天氣等；也有飛機(jī)自身的原因，包括負(fù)荷性能、產(chǎn)品質(zhì)量、電網(wǎng)電壓以及安裝環(huán)境等，在糟糕的環(huán)境以及超技術(shù)領(lǐng)域中飛行。上述情況均是造成飛機(jī)系統(tǒng)故障的幾個(gè)常見緣由。表征機(jī)體中精致復(fù)雜的電氣系統(tǒng)的參量出現(xiàn)故障之后，原先所具有的功能逐漸喪失，飛機(jī)自然無法正常運(yùn)行。及時(shí)地實(shí)施行之有效的檢測(cè)方式與信息研究理論，找出非正常狀態(tài)下的信號(hào)信息，排除故障潛在的隱患，這樣才能夠確保飛機(jī)處于平安飛行的狀態(tài)之中，同時(shí)躲避不必要維修，提高工作效率。[3]具體而言，傳統(tǒng)飛機(jī)電氣系統(tǒng)故障診斷的方法有如下的幾點(diǎn)：〔1〕人體感官診斷法。一般情況下，飛機(jī)的電氣系統(tǒng)出現(xiàn)故障時(shí)，會(huì)出現(xiàn)一些比擬明顯的情況，主要有：生煙、機(jī)械設(shè)施工況異變、非正常性發(fā)熱、出現(xiàn)火花等。對(duì)于這些故障的診斷，一般無需其他精密儀器設(shè)備而只須通過該行業(yè)的專家學(xué)者的人體的視覺、聽覺、觸覺以及嗅覺等人體感覺方式即能夠找出飛機(jī)所出現(xiàn)故障的具體部位?！?〕借助于測(cè)試實(shí)驗(yàn)設(shè)備測(cè)量法。具體而言，主要的檢測(cè)方式包括帶電溫度計(jì)、超聲波檢測(cè)、新型漏電流表測(cè)試、絕緣實(shí)驗(yàn)、接地實(shí)驗(yàn)與X射線測(cè)試等。當(dāng)下，飛機(jī)電氣系統(tǒng)故障診斷法包括離線診斷與在線診斷2類。一旦找出了飛機(jī)故障之處后，更加傾向于采用離線診斷法，但這所產(chǎn)生的不良影響與經(jīng)濟(jì)損失也是不小的。在線診斷可以同步展開，因而可以及早地找出平安故障的隱患。以上的2種方法相較而言，感官診斷法根本上無需投資，但一般局限于程度不大且故障比擬明顯的場(chǎng)合，超出了一定的限度，那么此法便不怎么科學(xué)了。借助于測(cè)試實(shí)驗(yàn)設(shè)備測(cè)量法所配備的測(cè)試設(shè)施不一而足，但就某個(gè)具體的監(jiān)視體系而言，那么存在著投資與體系本身比擬復(fù)雜等情況，在具體操作過程中并不簡(jiǎn)單。因而，診斷飛機(jī)電氣系統(tǒng)故障的又一個(gè)關(guān)鍵點(diǎn)是怎樣從諸如電壓、電流等信息數(shù)據(jù)來推斷故障?？梢姡柚诰艿膬x器設(shè)備、離線診斷、豐富的專業(yè)知識(shí)等比擬復(fù)雜的條件，并不適合設(shè)備并不大且需要在線檢測(cè)的場(chǎng)合，造成的資源浪費(fèi)是顯而易見的。因此，檢測(cè)設(shè)施少、迅速診斷、科學(xué)有效的綜合診斷方法呼之欲出。綜合診斷方法。在傳統(tǒng)的檢測(cè)電氣系統(tǒng)故障診斷方法中，存在著功能簡(jiǎn)單化、智能化程度不高以及效率低下等問題。在科學(xué)技術(shù)日新月異的環(huán)境背景下，機(jī)械設(shè)施的構(gòu)造日益精細(xì)化，原先純粹地借助于單一化的診斷方法自然難以準(zhǔn)確地推斷出電氣系統(tǒng)中所存在的故障，誤報(bào)與漏報(bào)也并不少見。須將傳統(tǒng)的幾種檢測(cè)電氣系統(tǒng)故障方法結(jié)合在一起，吸取各個(gè)方法的精髓，綜合地加以運(yùn)用，提高檢測(cè)故障的準(zhǔn)確性。借助于計(jì)算機(jī)設(shè)備進(jìn)行監(jiān)測(cè)控制能夠在軟硬件設(shè)備的作用下，智能化地對(duì)故障進(jìn)行診斷，同時(shí)搜集有關(guān)發(fā)電機(jī)的轉(zhuǎn)動(dòng)速度、輸出電壓與電流以及激磁電流等數(shù)據(jù)信息，經(jīng)由串行總線通道傳遞至主控計(jì)算機(jī)，再進(jìn)行有關(guān)的演算、處理以及數(shù)據(jù)的融合等步驟，為下一步的故障定位與診斷提供重要的信息?，F(xiàn)代的檢測(cè)飛機(jī)電氣系統(tǒng)故障診斷方法，自然和傳統(tǒng)的方法有很大的不同。特別是在線性系統(tǒng)的故障診斷方法的研究日漸完善。特別是在基于解析冗余為前提的線性系統(tǒng)故障診斷領(lǐng)域更受到專家學(xué)者們的關(guān)注，理論碩果累累。但該領(lǐng)域明顯的缺乏之處在于實(shí)際的運(yùn)用方法尚需強(qiáng)化。而針對(duì)非線性系統(tǒng)的故障診斷方法也是風(fēng)生水起，特別是信號(hào)處理、模式識(shí)別、控制理論以及人工智能等理論開展迅速，為深入地研究非線性系統(tǒng)的故障診斷方法提供了不可或缺的重要理論內(nèi)容。采用解析模型理論來分析飛機(jī)電氣系統(tǒng)故障的診斷方法大多數(shù)表達(dá)在線性系統(tǒng)領(lǐng)域。因此，分析非線性系統(tǒng)的故障診斷方法的意義非凡，尤其是在魯棒性方面所出現(xiàn)的故障進(jìn)行診斷，可以說是分析的關(guān)鍵。采用信號(hào)處理的故障診斷方法起點(diǎn)早，然而具體應(yīng)用在非線性系統(tǒng)的故障診斷中并非為主流。在信號(hào)處理方法中，小波變換技術(shù)是焦點(diǎn)。采用知識(shí)方法來分析電氣系統(tǒng)的故障診斷方法不要求系統(tǒng)化的定量數(shù)學(xué)模型，因而，非常適合飛機(jī)這樣比擬復(fù)雜化的實(shí)際應(yīng)用。同時(shí)，采用定性模型法也逐步進(jìn)入到專家學(xué)者們的研究視域中。[4]此外，人工智能技術(shù)迅速開展，采用專家系統(tǒng)以及神經(jīng)網(wǎng)絡(luò)的理論來進(jìn)行電氣系統(tǒng)設(shè)備的故障診斷，也變得日益頻繁化。故障診斷理論在系統(tǒng)對(duì)象已經(jīng)給定的前提下進(jìn)行預(yù)報(bào)技術(shù)日益完善，具體有以下2點(diǎn)：系統(tǒng)的內(nèi)在結(jié)構(gòu)與參量確定，在推斷并預(yù)報(bào)故障所使用的方法主要有控制理論體系中的等價(jià)空間方法、極大似然方法、序列概率方法、廣義似然方法以及狀態(tài)觀測(cè)器與濾波器方法,且廣義似然方法以及狀態(tài)觀測(cè)器與濾波器方法應(yīng)用的范圍集中在非線性系統(tǒng)。由于系統(tǒng)對(duì)象的構(gòu)造及其參數(shù)均處于空白或半空白的狀態(tài)，因此，采用知識(shí)方法進(jìn)行推理以及人工神經(jīng)網(wǎng)絡(luò)方法比擬地多，同時(shí)考慮到殘差情況展開故障診斷的分析與模式的識(shí)別等內(nèi)容。當(dāng)找出電氣系統(tǒng)中的故障之后，然后須對(duì)故障加以定位，而此點(diǎn)亦為診斷和檢測(cè)技術(shù)之間的一個(gè)關(guān)鍵不同。當(dāng)下的故障定位技術(shù)主要有采用知識(shí)理論、控制理論等，并借助于這些理論來對(duì)相應(yīng)的模式加以識(shí)別或模糊識(shí)別。此外，電氣系統(tǒng)故障的診斷方法和普通智能化測(cè)試系統(tǒng)與故障檢測(cè)設(shè)備的又一個(gè)重要不同在于它可以完成電氣系統(tǒng)故障的機(jī)理判斷及其評(píng)斷，而當(dāng)下仍舊以基于知識(shí)理論為前提的專家系統(tǒng)為主體。在確定故障部位時(shí)，主要的理論有人工神經(jīng)網(wǎng)絡(luò)技術(shù)、控制理論以及模糊模式識(shí)別技術(shù)等。整體而言，國(guó)內(nèi)外在研究電氣系統(tǒng)故障診斷領(lǐng)域內(nèi)還是以知識(shí)推理方法最為常用，特別是人工神經(jīng)網(wǎng)絡(luò)方法可以深入地描繪電氣系統(tǒng)的內(nèi)部結(jié)構(gòu)、參量與特點(diǎn)，且對(duì)于那些非確定化的對(duì)象以及非線性的對(duì)象可以給出更為科學(xué)合理的解釋。在神經(jīng)網(wǎng)絡(luò)方法方面，小波變換理論以及觀測(cè)器技術(shù)具有代表性。1.4研究目的通過本論文的研究，主要到達(dá)以下的研究目的：首先，了解最新民航客機(jī)的相關(guān)理論知識(shí)；其次，設(shè)計(jì)民航客機(jī)電氣系統(tǒng)故障的診斷方法。1.5研究方法本論文主要采用的研究方法如下：〔1〕文獻(xiàn)綜述法。即通過對(duì)于本論文課題的相關(guān)文獻(xiàn)資料檢索，搜集并整理出文獻(xiàn)資料，主要包括期刊雜志論文與博士、碩士論文等，通過閱讀的根底上，對(duì)本課題有一定的了解，為本論文的研究打下研究的根底。〔2〕多元化的民航電氣系統(tǒng)故障診斷的研究方法。本論文主要采用的是故障樹法、知識(shí)方法以及神經(jīng)網(wǎng)絡(luò)方法等3種，通過這些方法比擬深入而又全面地研究新型民航客機(jī)電氣系統(tǒng)故障診斷方法。1.6擬解決的關(guān)鍵性問題與技術(shù)路線本論文擬解決的關(guān)鍵性問題如下：基于故障樹法對(duì)民航電氣系統(tǒng)故障展開診斷方法的分析；基于知識(shí)方法對(duì)民航電氣系統(tǒng)故障展開診斷方法的分析；基于神經(jīng)網(wǎng)絡(luò)方法對(duì)民航電氣系統(tǒng)故障展開診斷方法的分析。本論文的技術(shù)路線如下：首先，系統(tǒng)化地對(duì)民航及其新型民航客機(jī)的概念、類型、特點(diǎn)等方面的內(nèi)容展開梳理；其次，簡(jiǎn)述飛機(jī)電氣系統(tǒng)故障的診斷方法；最后，分別從故障樹法、知識(shí)專家系統(tǒng)以及神經(jīng)網(wǎng)絡(luò)法系統(tǒng)化地設(shè)計(jì)、分析民航電氣系統(tǒng)故障診斷方法。1.7論文的創(chuàng)新點(diǎn)本論文的創(chuàng)新點(diǎn)主要包括如下的幾點(diǎn)：第一，分析的課題對(duì)象比擬新穎，即新型民航客機(jī)電氣系統(tǒng)的故障診斷方法進(jìn)行分析，筆者通過搜索之后，發(fā)現(xiàn)與文論文課題完全一致的文獻(xiàn)寥寥無幾。因此，在分析其系統(tǒng)故障診斷方法之后，更具針對(duì)性，為現(xiàn)代化的民航客機(jī)提供借鑒。第二，采用了現(xiàn)代化的電氣系統(tǒng)故障診斷方法，并選取了具有代表性的方法進(jìn)行設(shè)計(jì)，同時(shí)，還加以比照，分析它們的優(yōu)缺點(diǎn)，從而找到最正確的民航客機(jī)電氣系統(tǒng)故障的診斷方法。1.8論文的研究?jī)?nèi)容本論文的研究?jī)?nèi)容主要包括如下的幾點(diǎn)：梳理最新民航客機(jī)的理論內(nèi)容；選擇最新民航客機(jī)電氣系統(tǒng)故障診斷方法；分別基于故障樹法、知識(shí)方法以及神經(jīng)網(wǎng)絡(luò)方法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析。2根底理論2.1飛機(jī)電氣體系的構(gòu)成和特征2.1.1飛機(jī)電氣體系的構(gòu)成飛機(jī)電氣系統(tǒng)的構(gòu)成主要有供電系統(tǒng)與用電設(shè)備2個(gè)核心局部。其中，前者主要包括的是飛機(jī)電源體系與飛機(jī)配電體系。大多數(shù)的情況下，飛機(jī)電源一般應(yīng)用在對(duì)于電能的產(chǎn)生與調(diào)節(jié)；而飛機(jī)配電體系主要應(yīng)用在電能的分配與管理方面。[5]后者主要的構(gòu)成局部如下：飛機(jī)飛行操縱、航空電子、生命保障、照明與信號(hào)、旅客生活效勞、發(fā)動(dòng)機(jī)掌控、電動(dòng)機(jī)械、武器操縱以及防冰加溫等多元化的體系。飛機(jī)供電系統(tǒng)的功能主要是可靠地替用電設(shè)備，特別為和平安飛行存在著直接內(nèi)在關(guān)聯(lián)性的關(guān)鍵性用電設(shè)備供給與要求相符合的電能。2.1.2飛機(jī)電氣體系的特征2.1.2.1電源系統(tǒng)的特征飛機(jī)電源體系為整個(gè)飛機(jī)供電體系的一個(gè)重要組成局部，被認(rèn)為是飛機(jī)上電能出現(xiàn)、協(xié)調(diào)、掌控與電能改變局部的全部整體，一般的構(gòu)成局部包括主電源、輔助電源、外部電源、二次電源以及應(yīng)急電源等。大多數(shù)情況下所說的飛機(jī)電源種類指的即為主電源種類，其全部電源體系所使用的通道共有4個(gè)，其分布如下所述：[6]第一，l、2通道的發(fā)電機(jī)安置于飛機(jī)左邊的2臺(tái)發(fā)動(dòng)機(jī)中；第二，3、4通道的發(fā)電機(jī)安置于飛機(jī)右邊的2臺(tái)發(fā)動(dòng)機(jī)中。另外，單個(gè)通道的核心構(gòu)成主要如下：發(fā)電機(jī)控制裝置〔GCU〕、互感器、組合傳動(dòng)發(fā)電機(jī)〔IDG〕、主接觸器以及發(fā)電機(jī)掌控開關(guān)等。2.1.2.2配電體系的特征飛機(jī)配電體系是飛機(jī)發(fā)電機(jī)和地面或是應(yīng)急電源的電能展開改換、傳遞、分配和控制保護(hù)的體系。它的核心主要有：配電組件、饋電電纜、匯流條以及配電板等。[7]配電體系保證飛機(jī)不同的局部能夠穩(wěn)固地輸配電能，從而管理各種電氣負(fù)載且保護(hù)好用電的相關(guān)設(shè)備。多種用電設(shè)備的關(guān)鍵性及其在整個(gè)飛行不同時(shí)期所發(fā)揮的功能也存在著差異性，無論是戰(zhàn)斗、巡航、起飛與著陸等不同時(shí)期能夠?qū)嵤┒喾N的負(fù)載管理方案。在產(chǎn)生故障時(shí)，相應(yīng)的管理模式也應(yīng)該加以及時(shí)的變更。在具體飛行時(shí)，需綜合性地顧及到多元化的因子，從而界定切換負(fù)載的模式，或是改變成應(yīng)急式的供電模式，從而保障關(guān)鍵性設(shè)備供電的連續(xù)性與可靠性。具體而言，負(fù)載管理模式包括人工管理與自動(dòng)管理2類，其中，前者的判斷與操控主體為空勤人員，后者的主體為計(jì)算機(jī)，即基于事先設(shè)置的管理模式展開智能化的管理。[8]負(fù)載自動(dòng)管理那么能夠確保電網(wǎng)通常處于最好的情況中。2.1.2.3用電設(shè)備的特征用電設(shè)備是從供電體系接受電功率的單個(gè)設(shè)備或是整套設(shè)備，基于機(jī)上安置時(shí)所提出的要求來降低線路的電壓〔調(diào)壓點(diǎn)和用電設(shè)備功率輸入端內(nèi)部的電壓差〕區(qū)別，大體上細(xì)化成A、B與C等3種。[9]2.2有關(guān)故障診治技術(shù)的當(dāng)下情況、開展與前景2.2.1故障診治技術(shù)的當(dāng)下情況就國(guó)內(nèi)外在該領(lǐng)域所具有的資料而言，有關(guān)線性系統(tǒng)的故障診治技術(shù)的研究資料非常豐富。最近幾年中，在解析冗余指導(dǎo)下的線性系統(tǒng)故障診治技術(shù)也在不斷地前進(jìn)開展，獲得了豐富的理論成果。然而，和其余比擬成熟化的理論成果相較而言，該領(lǐng)域的運(yùn)用研究那么仍舊需要進(jìn)一步的強(qiáng)化。[10]當(dāng)下，有關(guān)非線性體系的故障診治技術(shù)研究依舊處于開展的態(tài)勢(shì)中，特別是信號(hào)處理、模式辨識(shí)、控制理論以及人工智能等多元學(xué)科都需要進(jìn)一步的研究，從而替非線性體系的故障診治技術(shù)打下了扎實(shí)的理論前提。根據(jù)解析模型故障診治方法的理論研究成果，根本上集中于線性體系范圍內(nèi)，通過深入的研究之后發(fā)現(xiàn)，非線性體系的故障診治技術(shù)分析凸顯出一定的意義,尤其是魯棒性故障診治問題，其重要性更加凸顯出來。根據(jù)處理信號(hào)的故障診治法的研究雖然開展較為完備，然而就非線性體系的故障診治而言，其運(yùn)用的數(shù)量并不少。其中，小波變換技術(shù)在最近幾年中備受關(guān)注。[11]根據(jù)知識(shí)的研究方法并不需要系統(tǒng)化的定量式數(shù)學(xué)模型，因而，就復(fù)雜化的工業(yè)流程而言，該方法的實(shí)際性與應(yīng)用性價(jià)值還是非常明顯的。另外，根據(jù)定性模型所展開的計(jì)算方法在最近幾年中獲得更為深入的開展。在人工智能技術(shù)蓬勃興起之際，根據(jù)專家系統(tǒng)以及神經(jīng)網(wǎng)絡(luò)的故障診治法亦呈現(xiàn)出愈來愈深入的開展態(tài)勢(shì)。在故障診治領(lǐng)域，相關(guān)的理論研究和應(yīng)用技術(shù)也在日益成熟。在研究給定系統(tǒng)確定性故障的測(cè)試、推斷與預(yù)報(bào)技術(shù)等維度比擬地成熟，主要是對(duì)象的結(jié)構(gòu)與參量。此時(shí)，推斷與預(yù)報(bào)故障所使用的方法大體上是根據(jù)控制理論的等價(jià)空間法、極大似然法、濾波器法、序列概率法、廣義似然法以及狀態(tài)觀測(cè)器法等。[12]其中，狀態(tài)觀測(cè)器法與濾波器法主要針對(duì)的對(duì)象為非線性系統(tǒng)；對(duì)象結(jié)構(gòu)與參量并不得知或是局部尚不得知的情況下，大多是所使用的是根據(jù)知識(shí)所開展的推理技術(shù)、根據(jù)人工神經(jīng)網(wǎng)絡(luò)的狀態(tài)評(píng)估，同時(shí)考慮殘差研究的診治技術(shù)與模式辨識(shí)技術(shù)等。當(dāng)系統(tǒng)故障被界定之后，深入診治的目的即在于完成故障的定位，此即為診治技術(shù)和檢測(cè)技術(shù)的一個(gè)主要區(qū)別。當(dāng)下，故障定位大體上所使用的是根據(jù)知識(shí)推理的專家系統(tǒng)技術(shù)、構(gòu)建于控制理論前提下的模式辨識(shí)技術(shù)與模糊辨識(shí)技術(shù)等。故障診治系統(tǒng)和通常意義上的自動(dòng)檢測(cè)體系與故障檢測(cè)設(shè)備的又一個(gè)重要區(qū)別在于可以完成故障的機(jī)理研究及其評(píng)估。當(dāng)下，大多數(shù)所使用的是根據(jù)知識(shí)推理理論所構(gòu)建的專家系統(tǒng)。故障定位的分析在當(dāng)下亦有很多成熟的技術(shù)及其成功的運(yùn)用，比方，根據(jù)控制理論所展開的研究方法、根據(jù)模糊模式辨識(shí)技術(shù)與人工神經(jīng)網(wǎng)絡(luò)技術(shù)等。根據(jù)知識(shí)所開展的推理技術(shù)廣泛地運(yùn)用于診治技術(shù)范圍內(nèi)，特別是人工神經(jīng)網(wǎng)絡(luò)技術(shù)的運(yùn)用可以深入地描繪對(duì)象的構(gòu)造、參量與特點(diǎn)，特別就非確定化對(duì)象與非線性的對(duì)象而言，可以給出更為科學(xué)合理化的描述。[13]因此，神經(jīng)網(wǎng)絡(luò)體系亦能夠被廣泛地運(yùn)用于各類智能運(yùn)用范疇中。當(dāng)下研究資料并不少、同時(shí)較為成熟化的技術(shù)包括觀測(cè)器技術(shù)以及小波變換技術(shù)等方面。2.2.2故障診治技術(shù)開展毫無疑問，基于解析冗余指導(dǎo)的故障診治技術(shù)源自于上個(gè)世紀(jì)的70年代，其發(fā)源地與開展之地為美國(guó)。麻省理工學(xué)院學(xué)者Beard通過研究后率先提出了基于解析冗余方法來研究硬件冗余，同時(shí)基于系統(tǒng)自組織的根底確保整個(gè)系統(tǒng)處于閉環(huán)的穩(wěn)定狀態(tài)，基于比對(duì)觀測(cè)器的輸出獲取系統(tǒng)的故障信息數(shù)據(jù)。[14]Beard的運(yùn)作標(biāo)示著此門技術(shù)的問世。上個(gè)世紀(jì)的80年代早期，國(guó)內(nèi)的局部學(xué)者開始著手研究控制系統(tǒng)故障診治技術(shù)。通過專家學(xué)者約20多年的努力奮斗之后，當(dāng)下的許多研究成果均受到了全球同行們的認(rèn)可。最近幾年中，控制系統(tǒng)的故障測(cè)試和診治技術(shù)日趨完善，備受控制界的高度關(guān)注。局部知名的自動(dòng)控制學(xué)術(shù)會(huì)議，諸如ACC以及CDC等均設(shè)置了相關(guān)課題的專題性研究。[15]從上個(gè)世紀(jì)的90年代初〔1991年〕開始，IFAC根本上會(huì)每3年舉辦一次全球化的控制體系故障診治專題性的學(xué)術(shù)會(huì)議。2.2.3故障診治技術(shù)的開展前景在人工智能、計(jì)算機(jī)科學(xué)技術(shù)、現(xiàn)代控制理論以及模式辨識(shí)等多種技術(shù)開展的背景下，被看做交叉學(xué)科的控制系統(tǒng)的故障測(cè)試和診治技術(shù)也呈現(xiàn)出前進(jìn)開展的態(tài)勢(shì)。當(dāng)下，故障診治領(lǐng)域比擬熱門的一個(gè)理論問題依舊為魯棒診治性問題。[16]特別為非線性系統(tǒng)而言，相關(guān)的研究資料就線性系統(tǒng)而言并不多，因此，深入地探究非線性系統(tǒng)所存在的通用性故障診治技術(shù)的意義顯而易見。因?yàn)樵诠收显\治過程中，大多數(shù)所使用的是均為借助于低階模型來描述高階的非線性對(duì)象，因而存在著所謂的“非建模式動(dòng)態(tài)”誤差性問題。由于模型誤差的客觀存在，從而造成操作變量出現(xiàn)突變的后果，進(jìn)而也許會(huì)對(duì)整個(gè)系統(tǒng)帶來明顯的擾動(dòng)，有可能會(huì)造成故障診治系統(tǒng)產(chǎn)生誤報(bào)的情況。[17]怎樣削減操作的變量及其對(duì)故障診治系統(tǒng)所造成的影響，亦為當(dāng)下急需解決的核心問題。任一故障診治方法的直接性目的均為了強(qiáng)化故障的檢測(cè)率，減少誤報(bào)率與漏報(bào)率，從而更為準(zhǔn)確地推斷出故障產(chǎn)生的精確時(shí)間，產(chǎn)生故障的具體部位，同時(shí)估測(cè)其大小。因?yàn)楝F(xiàn)實(shí)系統(tǒng)所具有的復(fù)雜性特點(diǎn)，造成了無論是辨識(shí)故障的時(shí)間與別離出的故障具體部位都并不容易。因而，如何別離故障依舊被認(rèn)為是當(dāng)下的一個(gè)前沿性的課題。此外，和許多故障診治的方法相較而言，故障診治技術(shù)的現(xiàn)實(shí)運(yùn)用及其研究成果并不豐富，特別是故障診治體系于工業(yè)設(shè)備中的現(xiàn)實(shí)長(zhǎng)期性運(yùn)行的研究資料并不多。因此，學(xué)術(shù)界的專家學(xué)者們還必須深入地展開研究，改良相關(guān)的技術(shù)，同時(shí)將其推廣至現(xiàn)實(shí)的生產(chǎn)運(yùn)用領(lǐng)域內(nèi)。[18]須值得關(guān)注的是，因?yàn)榱鞒坦I(yè)本身所具有的復(fù)雜性與大規(guī)模性等特點(diǎn)，從而導(dǎo)致此類對(duì)象準(zhǔn)確建模的困難性。因而，那些需準(zhǔn)確定位的數(shù)學(xué)模型及其故障診治法無法在此類對(duì)象中得以深入的推廣。至于根據(jù)知識(shí)的方法以及根據(jù)信號(hào)處理的方法因?yàn)闊o需對(duì)象的準(zhǔn)確化的數(shù)學(xué)模型構(gòu)建，因而更加適合運(yùn)用在流程工業(yè)范圍的故障診治程序中。3基于神經(jīng)網(wǎng)絡(luò)法對(duì)民航電氣系統(tǒng)展開系統(tǒng)化的分析3.1BP神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)的設(shè)計(jì)有關(guān)人工化的神經(jīng)網(wǎng)絡(luò)的模型并不少，常見的有自適應(yīng)線性元件、霍普菲爾德網(wǎng)絡(luò)、對(duì)傳網(wǎng)絡(luò)、感知器、傳播網(wǎng)絡(luò)與自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)等。[19]將反向傳播(BP)網(wǎng)絡(luò)當(dāng)做多電飛機(jī)電氣系統(tǒng)故障診斷的手段，其目的在于BP網(wǎng)絡(luò)的相關(guān)研究比擬，算法也日趨完善，廣泛地應(yīng)用在故障診斷中。3.1.1反向傳播網(wǎng)絡(luò)3.1.1.1模型與構(gòu)造簡(jiǎn)言之，人工神經(jīng)網(wǎng)絡(luò)〔ArtificialNeuralNetwork-ANN)所應(yīng)用的是物理層面的元件、系統(tǒng)或是計(jì)算機(jī)媒介來對(duì)人腦的構(gòu)造與功能進(jìn)行模擬，同時(shí)構(gòu)建起比擬完備的人工系統(tǒng)。[20]它的組成主要是許多結(jié)構(gòu)比擬簡(jiǎn)單的神經(jīng)元，通過神經(jīng)元廣泛地相互聯(lián)系，形成計(jì)算的結(jié)構(gòu)體系，就某個(gè)維度而言，能夠?qū)θ四X的神經(jīng)系統(tǒng)加以模擬，并形成相應(yīng)的工作流程。人工神經(jīng)元的前提根底是生物神經(jīng)元的構(gòu)造與工作特點(diǎn)。我們將神經(jīng)元視為單個(gè)多輸入〔假定其數(shù)量為n〕以及單方輸出的非線性的組件。相關(guān)的輸入輸出關(guān)聯(lián)性即能夠表達(dá)成如下的函數(shù)式：〔3-1〕〔3-2〕須注意的是，上述參量xj〔j=1-n〕所表示的是神經(jīng)元的輸出信號(hào)；參量所表示的是此神經(jīng)元的閾值；參量所表示的是由神經(jīng)元單元j至神經(jīng)元單元i的持續(xù)性權(quán)值；參量sj所表示的是神經(jīng)元所處的情況；f〔si〕所表示的是某類函數(shù)，它把神經(jīng)元所處的狀態(tài)si改換為神經(jīng)元的輸出參量yi，因而，又把神經(jīng)元的輸出函數(shù)或是傳遞函數(shù)命名為激活函數(shù)。出于簡(jiǎn)易化的表達(dá)，我們將上式〔3-1〕改寫為〔3-3〕：〔3-3〕其中，上式中的參量，x0=1。神經(jīng)元模型結(jié)構(gòu)內(nèi)所涉及到的傳遞函數(shù)f〔si〕的表達(dá)模式不一而足，一般使用的方式包括如下的幾類：限幅線性函數(shù)、高斯型函數(shù)、閥值單元模型、Sigmoid型函數(shù)以及概率神經(jīng)元模型等。[21]BP網(wǎng)絡(luò)一般所應(yīng)用的主要函數(shù)是Sigmoid型函數(shù)。神經(jīng)網(wǎng)絡(luò)一般主要通過許多神經(jīng)元相互聯(lián)系后構(gòu)建起一個(gè)完整的網(wǎng)絡(luò)系統(tǒng)。基于連接模式的區(qū)別，神經(jīng)網(wǎng)絡(luò)的主要構(gòu)造主要包括2類:層狀結(jié)構(gòu)與網(wǎng)狀結(jié)構(gòu)。其中，前者的神經(jīng)網(wǎng)絡(luò)的構(gòu)成主要是假設(shè)干層，其中一層是網(wǎng)絡(luò)的輸入層，另一層那么是網(wǎng)絡(luò)輸出層，其他處于輸入層和輸出層內(nèi)部的那么是網(wǎng)絡(luò)的隱含層。每層均涵蓋一定數(shù)目的神經(jīng)元。在相連層內(nèi)，神經(jīng)元通過單向度加以連接，至于同層中的神經(jīng)元內(nèi)部并沒有存在連接的關(guān)聯(lián)性?；诓煌瑢觾?nèi)部是否存在著反應(yīng)式的連接關(guān)系，層狀構(gòu)造的神經(jīng)網(wǎng)絡(luò)又能夠深入細(xì)化成“前饋網(wǎng)絡(luò)”和“反應(yīng)網(wǎng)絡(luò)”2類。[22]其中，前者又名前向網(wǎng)絡(luò)，它的特征在于前后相連的2層內(nèi)部神經(jīng)元能夠相互連接起來，在不同神經(jīng)元內(nèi)部間并無反應(yīng)關(guān)系。單一化的神經(jīng)元能夠基于前一層接納數(shù)個(gè)輸入，同時(shí)會(huì)產(chǎn)生出單個(gè)輸出，并將其傳遞至下一層中的不同神經(jīng)元對(duì)象，信息僅僅只可以通過輸入層逐一地向前傳遞。前饋網(wǎng)絡(luò)含有多層，然而通過證明可知，3層前饋網(wǎng)絡(luò)即能夠滿足現(xiàn)實(shí)運(yùn)用的所需。反向傳播網(wǎng)絡(luò)即屬于比擬典型化的前饋網(wǎng)絡(luò)。反向傳播網(wǎng)絡(luò)(BP網(wǎng)絡(luò))主要針對(duì)的是非線性可微分函數(shù)，并據(jù)此展開權(quán)值訓(xùn)練，屬于多層次的前向網(wǎng)絡(luò)。[23]BP網(wǎng)絡(luò)所對(duì)應(yīng)的激活函數(shù)必然表達(dá)出每處均可微的特點(diǎn)，因而，大多數(shù)應(yīng)用Sigmoid型函數(shù)(即S型函數(shù))加以表示，可參見下式3-4與3-5所示。也即通常應(yīng)用的Sigmoid型函數(shù)主要有如下的2類：(3-4)(3-5)作為一類持續(xù)可微的函數(shù)，f〔x〕存在著一階導(dǎo)數(shù)。由于是一種多層結(jié)構(gòu)網(wǎng)絡(luò)，通過此類激活函數(shù)所區(qū)分的范圍不再只是線性的區(qū)分，因此，其分類和線性劃分相比，更為合理與準(zhǔn)確，同時(shí)也有突出的容錯(cuò)性。此外，另一個(gè)重要的特點(diǎn)是f〔x〕能夠嚴(yán)格地使用梯度法展開計(jì)算，其修正權(quán)值的解析式非常地明晰化，它的計(jì)算方法被命名是誤差反向傳播〔BP算法〕，此網(wǎng)絡(luò)又名BP網(wǎng)絡(luò)。由于S型函數(shù)本身凸顯出非線性與放大系數(shù)的特點(diǎn)，它所輸入的信號(hào)范圍包括負(fù)無窮大至正無窮大，同時(shí)改變?yōu)?1至+1的形式加以輸出。至于較大者，其放大系數(shù)偏??；至于較小者，其放大系數(shù)偏大，因此，借助于S型激活函數(shù)即能夠處置與逼近非線性有關(guān)輸入與輸出的內(nèi)在關(guān)聯(lián)性。但是，假設(shè)在輸出層使用的是S型函數(shù)，那么輸出即被約束于極小的范疇中了，如果使用的是線性激活函數(shù)，那么能夠確保網(wǎng)絡(luò)系統(tǒng)輸出任一值。因而，僅僅約束網(wǎng)絡(luò)輸出，比方將其約束于0與1范圍內(nèi)，那么輸出層那么須含有S型的激活函數(shù)。在大多數(shù)時(shí)，都是于隱含層中使用S型的激活函數(shù)，至于輸出層所使用的是線性激活函數(shù)。3.1.1.2反向傳播網(wǎng)絡(luò)的計(jì)算方法BP網(wǎng)絡(luò)主要?dú)w結(jié)在BP算法的獲取途徑。從類型而言，BP算法歸屬為S算法，屬于監(jiān)督式的學(xué)習(xí)算法。它的核心理念如下:有q個(gè)輸進(jìn)的學(xué)習(xí)樣本:plp2，…，pq，相應(yīng)的輸出樣本如下為:T1，T2，…，Tq。學(xué)習(xí)的目的主要在于通過網(wǎng)絡(luò)渠道獲取現(xiàn)實(shí)性的輸出樣本，即A1,A2，…，Aq以及目標(biāo)矢量T1,T2，…，Tq內(nèi)部的誤差情況修改權(quán)值，確保An(n=1,2,…，9)和期望的Tn之間趨于接近的狀態(tài)，也就是確保網(wǎng)絡(luò)的輸出層的誤差平方和趨于最小化。也即基于持續(xù)性地在相對(duì)誤差函數(shù)的斜率遞減的方向上演算出網(wǎng)絡(luò)權(quán)值與偏差的改變情況，進(jìn)而日漸趨于目標(biāo)。每次權(quán)值與偏差的改變均和網(wǎng)絡(luò)誤差所帶來的影響成正比例關(guān)系，并通過反向傳播的渠道傳遞至每層中。BP計(jì)算方法主要包括2局部：信息的正向傳遞和誤差的反向傳遞。[24]其中，前者所輸進(jìn)的信息由輸入層通過隱含層逐次地演算并傳遞至輸出層，每層神經(jīng)元的輸出會(huì)對(duì)下層中的神經(jīng)元的輸進(jìn)產(chǎn)生一定的影響。假設(shè)輸出層未能和期望輸出相吻合，那么對(duì)輸出層相應(yīng)的誤差改變值加以計(jì)算，再轉(zhuǎn)向反向進(jìn)行傳遞，經(jīng)由網(wǎng)絡(luò)渠道把誤差信號(hào)順著原先的連接通路渠道傳遞后加以必要的修改，即對(duì)各層中的神經(jīng)元權(quán)值加以修改后，最終和期望目標(biāo)相一致。為了使得研究更為明確化，本論文以2層網(wǎng)絡(luò)為例展開BP計(jì)算方法的推導(dǎo)。[25]假定輸進(jìn)入的參量設(shè)置成P,輸進(jìn)的神經(jīng)元數(shù)量是r個(gè)，隱含層內(nèi)有sl個(gè)神經(jīng)元，激活函數(shù)為Fl,輸出層內(nèi)有s2個(gè)神經(jīng)元，對(duì)應(yīng)的激活函數(shù)參量為F2，輸出參量設(shè)置成A，目標(biāo)矢量設(shè)置成T，那么有如下的函數(shù)式：〔1〕我們將信息的正向傳遞參量設(shè)置為al，隱含層內(nèi)第i個(gè)神經(jīng)元所輸出的函數(shù)式如下：(i=1,2,...,sl)〔3-6〕輸出層第k個(gè)的神經(jīng)元的輸出函數(shù)式如下：(k=1,2,...,s2)〔3-7〕對(duì)誤差函數(shù)式的含義界定如下：〔3-8〕〔2〕基于梯度下降法對(duì)權(quán)值改變與誤差的反向傳播進(jìn)行求解。其中，輸出層的權(quán)值改變所涉及到的第i個(gè)輸進(jìn)至第k個(gè)輸出的權(quán)值函數(shù)式如下：(3-9)其中，還可以推導(dǎo)出如下的函數(shù)式：〔3-10〕〔3-11〕相類似地，可以推導(dǎo)出如下的函數(shù)式：〔3-12〕在分析隱含層權(quán)值的改變情況時(shí)，就第j個(gè)輸進(jìn)至第i個(gè)輸出的權(quán)值而言，存在如下的函數(shù)式，即〔3-13〕相類似地，可以推導(dǎo)出如下的函數(shù)式：〔3-14〕3.1.2BP網(wǎng)絡(luò)的設(shè)計(jì)在設(shè)計(jì)BP網(wǎng)絡(luò)時(shí)，本節(jié)主要分析的是網(wǎng)絡(luò)層數(shù)維度。根據(jù)相關(guān)的理論內(nèi)容可知，它具有一定的偏差特點(diǎn)，同時(shí)具有單個(gè)S型的隱含層結(jié)構(gòu)，同時(shí)還應(yīng)該附加單個(gè)線性輸出層結(jié)構(gòu)狀網(wǎng)絡(luò)，即可以到達(dá)任一有理函數(shù)。[26]據(jù)此提出了單個(gè)根底設(shè)置BP網(wǎng)絡(luò)的原那么。遞增層數(shù)關(guān)鍵在于能夠深入地減少誤差，加強(qiáng)精度，然而也導(dǎo)致網(wǎng)絡(luò)變得日益復(fù)雜化，進(jìn)而加大了網(wǎng)絡(luò)權(quán)值相應(yīng)的訓(xùn)練時(shí)間。至于誤差精度的強(qiáng)化也能夠通過遞增隱含層內(nèi)的神經(jīng)元數(shù)量來獲取，它的訓(xùn)練效果和遞增層數(shù)相比而言更加地便捷，也可以更好地加以調(diào)整。因此，大多數(shù)狀況下，須先考慮的是遞增隱含層內(nèi)的神經(jīng)元數(shù)目。此外，能否只是使用具備非線性激活函數(shù)的單層網(wǎng)絡(luò)化解存在的問題?根據(jù)研究的結(jié)論如下：無此必要性或是效果不佳。原因在于可以通過單層式非線性的網(wǎng)絡(luò)體系完美地化解可能存在的問題，通過自適應(yīng)的線性網(wǎng)絡(luò)即可以順利地化解問題，同時(shí)在展開自適應(yīng)線性的網(wǎng)絡(luò)時(shí)，其演算速度更加迅捷。[27]此外，對(duì)于僅僅借助于非線性函數(shù)化解的問題是不夠的，同時(shí)單層的精度也并不高，必須通過遞增層數(shù)的方式才可以獲得預(yù)期的目的。3.1.3BP網(wǎng)絡(luò)算法的優(yōu)化化解BP網(wǎng)絡(luò)系統(tǒng)訓(xùn)練的缺陷還必須通過對(duì)計(jì)算方法加以訓(xùn)練的方式進(jìn)行。我們可以通過以下圖3-1來加以說明：圖3-1BP網(wǎng)絡(luò)計(jì)算方法構(gòu)架示意圖根據(jù)標(biāo)準(zhǔn)梯度遞減的計(jì)算方法主要有如下的幾種：〔1〕附加動(dòng)量法該法使得網(wǎng)絡(luò)在進(jìn)行權(quán)值修正過程中，不單單考慮的是誤差在梯度層面上的功能，同時(shí)顧及到誤差曲面上改變走向所帶來的影響。它的功能好似單個(gè)低通濾波器，它同意網(wǎng)絡(luò)無視其中出現(xiàn)的細(xì)小改變特點(diǎn)。在不存在附加動(dòng)量的影響下，網(wǎng)絡(luò)也許進(jìn)入到局部局限性的極小值循環(huán)系統(tǒng)中，基于附加動(dòng)量的功能也許會(huì)滑落到極小值的范疇中。[28]此法為基于反向傳播法的前提下于每個(gè)權(quán)值改變的前提下再增加一項(xiàng)正比和前次權(quán)值改變量的值，并基于反向傳播法的方法制造出新的權(quán)值改變現(xiàn)象。具有附加動(dòng)量因子的權(quán)值調(diào)整函數(shù)式如下所示：〔3-15〕〔3-16〕在上述式子中，k所表示的是訓(xùn)練數(shù)量參考，mc表示的是動(dòng)量參量，其取值約為0.95。從本質(zhì)上說，附加動(dòng)量法是把最后改變了的權(quán)值及其影響，經(jīng)過單個(gè)動(dòng)量因子來加以傳輸。假設(shè)動(dòng)量的數(shù)值等于零時(shí)，權(quán)值的改變主要是基于梯度下降法所出現(xiàn)的。假設(shè)動(dòng)量的取值等于1，那么新的權(quán)值改變那么必須設(shè)置成最后改變了的權(quán)值。根據(jù)梯度法所產(chǎn)生的改變局部那么被無視了。據(jù)此，當(dāng)遞增了動(dòng)量項(xiàng)之后，導(dǎo)致權(quán)值的調(diào)整及其改變趨向于誤差曲面基部的平均軸向。[29]在網(wǎng)絡(luò)權(quán)值步入至誤差曲面基部比擬平坦的范圍內(nèi)，參量那么會(huì)變得極小，因此，又有〔3-17〕這樣便能夠躲避的產(chǎn)生，從而使得網(wǎng)絡(luò)不步入至誤差曲面的范圍中；在出現(xiàn)新的誤差改變變化率時(shí)，且此值超出了預(yù)先設(shè)置的最大化誤差改變率時(shí)，也須逐漸地取消計(jì)算的權(quán)值改變情況。其中，最大的誤差變化率能夠被界定為任一不小于1的數(shù)值。比擬典型的數(shù)值可以選取為1.04。因而，在展開附加動(dòng)量法的訓(xùn)練流程設(shè)計(jì)過程中，須添加條件判斷目的在于更為準(zhǔn)確地應(yīng)用相關(guān)的權(quán)值修正函數(shù)式。有關(guān)訓(xùn)練流程有關(guān)動(dòng)量法的推斷條件如下所示：〔3-18〕〔2〕自適應(yīng)的學(xué)習(xí)速率就某個(gè)確定的問題而言，假設(shè)要真正地挑選出恰宜的學(xué)習(xí)速率并不簡(jiǎn)單。一般通過經(jīng)驗(yàn)或是實(shí)驗(yàn)來取得，倘假設(shè)如此，在訓(xùn)練之初可以到達(dá)良好的學(xué)習(xí)速率，也并不一定有利于以后的訓(xùn)練。為了化解此問題，一般會(huì)聯(lián)想到讓網(wǎng)絡(luò)在訓(xùn)練流程中自動(dòng)地去調(diào)節(jié)學(xué)習(xí)的速率。一般對(duì)學(xué)習(xí)速率加以調(diào)節(jié)的原那么如下：對(duì)權(quán)值的修正值進(jìn)行檢測(cè)，確定其是否真正地減少了誤差函數(shù)，假設(shè)確實(shí)這樣，那么就外表確定的學(xué)習(xí)速率數(shù)值遞減了，能夠遞增另外的一個(gè)量，如果非如此，卻出現(xiàn)了過調(diào)的后果，那么須削減學(xué)習(xí)速率的數(shù)值。和附加動(dòng)量法所對(duì)應(yīng)的推斷條件相類似，假設(shè)新誤差都超出舊誤差一定范圍的倍數(shù)后，學(xué)習(xí)的速率會(huì)出現(xiàn)遞減的情況；反之，學(xué)習(xí)速率將維持穩(wěn)定的狀態(tài)；假設(shè)新誤差低于舊誤差之際，學(xué)習(xí)的速率會(huì)出現(xiàn)遞增的情況。該方法能夠確保網(wǎng)絡(luò)總是通過最大化的能夠接納的學(xué)習(xí)速率范圍展開訓(xùn)練。假設(shè)學(xué)習(xí)速率比擬地大，仍能夠讓網(wǎng)絡(luò)處于穩(wěn)定的狀態(tài)進(jìn)行學(xué)習(xí)，從而減少誤差，那么學(xué)習(xí)的速率遞增，從而根據(jù)更高的學(xué)習(xí)速率展開學(xué)習(xí)。假設(shè)學(xué)習(xí)速率調(diào)整得過大，但無法確保誤差能夠持續(xù)性地遞減，那么遞減的學(xué)習(xí)速率一直確保學(xué)習(xí)過程處于穩(wěn)定的狀態(tài)為止。以下的函數(shù)式提供的正是自適應(yīng)學(xué)習(xí)速率的調(diào)整公式：〔3-19〕最初的學(xué)習(xí)速率所確定的范疇凸顯出較大的隨意性?！?〕彈性BP的計(jì)算方法BP網(wǎng)絡(luò)一般所使用的是方法是S型激活型函數(shù)的隱含層。[30]通常情況下，S型的函數(shù)被譽(yù)為“壓扁”函數(shù)，它把單個(gè)無限化的輸入范疇壓縮至比擬有限化的輸出范疇。它的特征在于假設(shè)輸入值極大時(shí)，斜率那么趨于0，此會(huì)造成算法內(nèi)的梯度幅值極小，從而造成修正網(wǎng)絡(luò)權(quán)值根本上處于暫停的狀態(tài)。彈性BP的計(jì)算方法僅僅選取的是偏導(dǎo)數(shù)符號(hào)，而并不顧及其幅值。偏導(dǎo)數(shù)符號(hào)對(duì)權(quán)值更新取向產(chǎn)生決定性的影響，至于權(quán)值改變的大小的決定權(quán)取決于單個(gè)獨(dú)立化的“更新值”。[31]如果在持續(xù)2次的迭代中，目標(biāo)函數(shù)就某項(xiàng)權(quán)值的偏導(dǎo)數(shù)符號(hào)并不會(huì)產(chǎn)生變號(hào)的影響，因此，遞增對(duì)應(yīng)的“更新值”，比方，在前面的一次“更新值”的前提下與1.3的乘積。假設(shè)出現(xiàn)變號(hào)之后，那么相應(yīng)的“更新值”也會(huì)出現(xiàn)遞減的情況，即在前次“更新值”的前提下與1.05相乘之積。在具有彈性BP算法過程中，如果訓(xùn)練出現(xiàn)明顯的振蕩現(xiàn)象時(shí)，相應(yīng)的權(quán)值改變量會(huì)出現(xiàn)遞減的情況；假設(shè)在數(shù)次的迭代流程內(nèi)，權(quán)值的改變方向始終如一，那么權(quán)值的改變量會(huì)出現(xiàn)遞增的情況。3.2系統(tǒng)故障診斷軟件的設(shè)計(jì)與實(shí)現(xiàn)3.2.1根據(jù)MATLAB工具箱的軟件進(jìn)行設(shè)置根據(jù)MATLAB工具箱展開軟件維度的設(shè)置，關(guān)鍵包括以下的3點(diǎn)：〔1〕BP神經(jīng)網(wǎng)絡(luò)的形成與初始化。[32]BP神經(jīng)網(wǎng)絡(luò)所采用的是newff函數(shù)，并據(jù)此生成BP網(wǎng)絡(luò)。newff函數(shù)所使用的通用格式如下：〔3-20〕其中，PR表示的是RX2維的矩陣參量，表示的是R維輸進(jìn)矢量?jī)?nèi)每維所輸進(jìn)的最小值和最大值內(nèi)部的范疇。假定神經(jīng)網(wǎng)絡(luò)的層數(shù)為N層，那么[Sl,S2,...,SN]內(nèi)不同的元素依次所表示的不同層次的神經(jīng)元及其數(shù)量；{TF1,TF2,...,TFN}內(nèi)部不同元素所代表的是不同層次神經(jīng)元所對(duì)應(yīng)的激活函數(shù)，缺省值默認(rèn)為‘tansig'，同時(shí)也能夠設(shè)置成logsig或是purelin等屬于可微函數(shù)類型。BTF所代表的是通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練之際所選用的訓(xùn)練函數(shù)，同時(shí)也能夠設(shè)置成trainbfg、trainscg、trainlm或trainrp等屬于BP算法的訓(xùn)練函數(shù)，其中，缺省值為‘trainlm'；而BLF那么主要應(yīng)用在指定權(quán)值與閉值領(lǐng)域的學(xué)習(xí)函數(shù)，缺省值為‘learngdm'，也能夠被看為其他使用BP算法的學(xué)習(xí)函數(shù)；PF那么主要應(yīng)用在確定網(wǎng)絡(luò)的性能函數(shù)，能夠被設(shè)置成mse以及msereg等屬于可微的性能函數(shù)，其缺省值是‘mse'，而net那么屬于生成之后的BP網(wǎng)絡(luò)對(duì)象。[33]newff在形成BP網(wǎng)絡(luò)之際即對(duì)網(wǎng)絡(luò)中的不同層次的權(quán)值與閑值展開了智能化的最初化處理。3.2.2BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)準(zhǔn)那么因?yàn)闃?biāo)準(zhǔn)化的BP學(xué)習(xí)計(jì)算方法自身存在著一定的制約與缺陷，從而產(chǎn)生了上節(jié)所涉及到的各類改良計(jì)算方法。MATLAB神經(jīng)網(wǎng)絡(luò)工具箱所提供的是上述通過改良之后的計(jì)算方法函數(shù)，目的在于滿足化解多元問題所需。[34]比方，啟發(fā)式學(xué)習(xí)方法內(nèi)涉及到的自適應(yīng)學(xué)習(xí)速率法(traingda函數(shù))、彈性BP算法(trainrp函數(shù))以及附加動(dòng)量法(traingdm函數(shù)〕等；數(shù)值優(yōu)化的方法所涉及到的共軛梯度法(包括traincgp、trainscg、traincgf以及traincgb等函數(shù))、擬牛頓法(包括trainbfg與trainoss等函數(shù))與Levenberg-Marquardt優(yōu)化方法(trainlm函數(shù))等。3.3BP神經(jīng)網(wǎng)絡(luò)相關(guān)的訓(xùn)練與仿真在形成BP神經(jīng)網(wǎng)絡(luò)與最初化處理之后，即能夠使用現(xiàn)存的“輸入-目標(biāo)”樣本矢量數(shù)據(jù)優(yōu)化并訓(xùn)練網(wǎng)絡(luò)系統(tǒng)。訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)時(shí)一般所使用的是train函數(shù)。由于問題不同，因此，訓(xùn)練前須恰當(dāng)?shù)卦O(shè)計(jì)訓(xùn)練函數(shù)的參量net.trainParam.在完成參量的設(shè)置之后，即能夠調(diào)用train函數(shù)來對(duì)BP網(wǎng)絡(luò)系統(tǒng)加以訓(xùn)練。train函數(shù)通常使用的格式為:〔3-21〕其中，上述式子(3-21)中的P所表示的是輸入樣本的矢量集參量；T所表示的是相應(yīng)目標(biāo)樣本矢量集；式子等號(hào)左邊與右邊的net依次所代表的是訓(xùn)練之前與之后的神經(jīng)網(wǎng)絡(luò)對(duì)象目標(biāo)；tr所代表的是開展存儲(chǔ)訓(xùn)練流程時(shí)的步數(shù)信息與誤差信息參量。在具體訓(xùn)練時(shí)，訓(xùn)練函數(shù)那么會(huì)基于設(shè)置的net.trainParam.show值智能化地顯示出目前訓(xùn)練結(jié)果數(shù)據(jù)信息，同時(shí)表現(xiàn)出網(wǎng)絡(luò)誤差同步的改變曲線。假設(shè)訓(xùn)練步數(shù)超出了net.trainParam.epochs，而訓(xùn)練的誤差低于net.trainParam.goal，訓(xùn)練的時(shí)間大于net.trainParam.time，或者是誤差的梯度值低于net.trainParam.min_grad時(shí)，不同的訓(xùn)練工程均會(huì)出現(xiàn)智能化終止的情況，同時(shí)返回至訓(xùn)練之后的神經(jīng)網(wǎng)絡(luò)對(duì)象處。訓(xùn)練單個(gè)BP網(wǎng)絡(luò)，需演算出網(wǎng)絡(luò)加權(quán)輸進(jìn)的矢量與網(wǎng)絡(luò)的輸出以及誤差的矢量等，再求出誤差的平方和即可。假設(shè)所訓(xùn)練的矢量誤差平方之和低于誤差的目標(biāo)，那么應(yīng)立即終止訓(xùn)練，反之，在輸出層演算出誤差的改變數(shù)值，同時(shí)采用反向傳播學(xué)習(xí)的規(guī)那么協(xié)調(diào)權(quán)值，同時(shí)反復(fù)地操作該流程。假設(shè)并不滿意訓(xùn)練的結(jié)果，一般使用的是多層次的網(wǎng)絡(luò)與相應(yīng)的神經(jīng)元，也許可以獲取更佳的結(jié)果。[35]但是，遞增神經(jīng)元及其層數(shù)，也相應(yīng)加大了網(wǎng)絡(luò)的復(fù)雜化與相應(yīng)的訓(xùn)練時(shí)間。通常被認(rèn)為是非明智的選擇。能夠取代的方法是挑選出假設(shè)干組多元化的最初條件來訓(xùn)練網(wǎng)絡(luò)，據(jù)此確定出最正確的結(jié)果。借助于sim函數(shù)能夠仿真訓(xùn)練之后的網(wǎng)絡(luò)。3.4MATLAB6.1和VisualBasic6.0的集成根據(jù)神經(jīng)網(wǎng)絡(luò)的新型民航客機(jī)展開電氣系統(tǒng)故障診治軟件的研發(fā)環(huán)境主要是操作系統(tǒng)Windows98，診治事故的流程主要是MATLAB6.1加以編制，處理數(shù)據(jù)庫(kù)與設(shè)置界面所使用的是VisualBasic6.0加以編制。因?yàn)樯窠?jīng)網(wǎng)絡(luò)的層數(shù)并不少，同時(shí)每層的神經(jīng)元數(shù)目也并不少，由于輸進(jìn)的矢量組數(shù)也并不小，這就造成使用普通的程序會(huì)產(chǎn)生循環(huán)套循環(huán)較為復(fù)雜化的嵌套流程，進(jìn)而導(dǎo)致編程變得費(fèi)時(shí)且難以調(diào)通，難以設(shè)計(jì)出性能更為優(yōu)越的網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)。就此點(diǎn)而言，MATLAB神經(jīng)網(wǎng)絡(luò)工具箱能夠比擬全面地表達(dá)出優(yōu)越的地方。其所有的運(yùn)算都使用的是矩陣模式，從而快捷地簡(jiǎn)化了訓(xùn)練的流程。其能夠讓網(wǎng)絡(luò)的設(shè)置主體由非常復(fù)雜化的編程中掙脫出來，將更多的精力去思考并化解相關(guān)的問題，進(jìn)而強(qiáng)化效率。當(dāng)然，MATLAB的缺陷主要如下：第一，其難以擺脫編譯的環(huán)境來運(yùn)行；第二，其具備界面的編寫功能，然而就比擬綜合復(fù)雜化的軟件而言，它的界面顯得比擬地簡(jiǎn)易與粗糙化，也比不上VB編寫顯得直接與快捷化。VB圖形頁(yè)面具備非常完備的編程功能，無論是快捷方式、菜單還是工具條等方面，在實(shí)現(xiàn)時(shí)都并不難，同時(shí)形成的應(yīng)用程序能夠擺脫VB的編譯環(huán)境而獨(dú)立地運(yùn)作。把MATLAB6.1比擬完善化的神經(jīng)網(wǎng)絡(luò)工具箱功能和VisualBasic6.0在整個(gè)圖形用戶頁(yè)面研發(fā)與數(shù)據(jù)庫(kù)研發(fā)所具有的優(yōu)點(diǎn)整合之后，完成根據(jù)神經(jīng)網(wǎng)絡(luò)體系的新型民航客機(jī)的電氣系統(tǒng)事故診治軟件包的無縫式集成，從而有利于有效地減少研發(fā)的周期，并優(yōu)化整個(gè)系統(tǒng)的性能。3.4.1ActiveX組件此組件的研發(fā)主體為Microsoft公司，其主要提供的是應(yīng)用在板塊集成方面的新協(xié)議，其為VisualBasic工具箱的一個(gè)擴(kuò)充成分。ActiveX組件遵從于ActiveX標(biāo)準(zhǔn)，屬于可執(zhí)行性的代碼編制，例如，單個(gè).exe.dll或是.ocx文件等。程序內(nèi)添加ActiveX組件后，其會(huì)變成研發(fā)與具體運(yùn)作環(huán)境的一個(gè)組成局部，同時(shí)提供給用流程全新化的功能。該組件維持了局部一般VisualBasic控件方法、屬性與事件等。ActiveX組件所具備的特殊化方法與屬性在很大程度上強(qiáng)化了流程設(shè)計(jì)者所具有的功能與靈活性。Microsoft將全部基于COM為前提的技術(shù)命名成ActiveX技術(shù)。智能化是絕大局部的ActiveX技術(shù)的前提，它能夠讓具有詮釋性的宏語言(比方VisualBasic)在無法知道應(yīng)用流程的情況下，完成相關(guān)的細(xì)節(jié)，同時(shí)掌控智能化的對(duì)象。就某個(gè)層面而言，ActiveX的相關(guān)技術(shù)及其運(yùn)用好似DDE鏈接，然而其功能更優(yōu)于DDE的鏈接，因而在ActiveX產(chǎn)生之后，鏈接DDE法并不再備受歡送了。和ActiveX的鏈接變成核心的鏈接方法。ActiveX事實(shí)上為組件的一類調(diào)用媒介，而并不要求此組件相關(guān)的流程處于運(yùn)作的狀態(tài)，從而強(qiáng)化相關(guān)的功能。當(dāng)下的新軟件大多數(shù)支持的是ActiveX組件的嵌入，因此使得當(dāng)下的流程設(shè)計(jì)不只是孤立化的流程，同時(shí)也能夠是局部在不同方面占據(jù)長(zhǎng)處的軟件集成。此確實(shí)為軟件業(yè)的一項(xiàng)關(guān)鍵性改革。MATLAB完成了ActiveX智能化效勞的支持任務(wù)，在VisualBasic環(huán)境中經(jīng)由ActiveX智能化接口能夠把MATLAB當(dāng)做VisualBasic中的ActiveX組件加以調(diào)用。MATLAB所支持的ActiveX包括2層含義：(1)在VisualBasic流程中運(yùn)作MATLAB的ActiveX組件；(2)在MATLAB環(huán)境中運(yùn)作VisualBasic流程中的ActiveX組件。此軟件一般所采用的是第一類方法。3.4.2實(shí)現(xiàn)方法MATLABActiveX智能化效勞的核心功能關(guān)鍵是在MATLAB工作空間中執(zhí)行有關(guān)MATLAB的相關(guān)命令，同時(shí)直接地由工作空間中存取相關(guān)的矩陣等，以以下舉的是MATLAB智能化效勞所支持的假設(shè)干核心方法，它的參量與返回值的種類使用的是ActiveX智能化協(xié)議所確定的和語言沒有關(guān)系的種類描述:〔1〕BSTRExecute([in]BSTRCommand)。其中，BSTR所代表的是寬字符串種類，其和VB的存儲(chǔ)字符串使用的數(shù)據(jù)格式相一致。此法所接收的字符串命令主要是于MATLAB內(nèi)所展開，然后把結(jié)果通過字符串的方式加以返回?！?〕voidGetFullMatrix([in]BSTRName,[in]BSTRWorkspace,[in,out]SAFEARRAY(double)*pr,[in,out]SAFEARRAY(double)*pi)。此法由確定的工作空間中確定一個(gè)比擬完善的一維或是二維的實(shí)型或是虛mxArray,它的實(shí)部與虛部依次被放置于2個(gè)獨(dú)立的Double型數(shù)組內(nèi)。〔3〕voidPutFullMatrix([in]BSTRName，[in]BSTRWorkspace，[in]SAFEARRAY(double)pr,[in]SAFEARRAY(double)pi)。此法把單個(gè)mxArray存放在確定的工作空間中。不同參量的涵義及其調(diào)用方法和GetFullMatrix法雷同。3.4.3軟件的實(shí)現(xiàn)此軟件屬于通用型的軟件，應(yīng)用的是自適應(yīng)學(xué)習(xí)速率法(主要是traingda函數(shù))、共軛梯度法(主要是trainscg函數(shù))、Levenberg-Marquardt法(trainlm函數(shù))、附加動(dòng)量法(traingdm函數(shù))、彈性BP算法(trainrp函數(shù))以及擬牛頓法(trainbfg函數(shù))等6類BP網(wǎng)絡(luò)的改良計(jì)算方法，并據(jù)此展開相應(yīng)的事故診治，同時(shí)把所總結(jié)出的診治結(jié)果展開比對(duì)、研究與總結(jié)。本節(jié)主要分析的是Trainlm函數(shù)診治流程的編制程序，其余5類函數(shù)診治流程的編制和此雷同，故從略。此軟件主要包括以下的4大模塊：3.4.3.1訓(xùn)練模塊基于BP網(wǎng)絡(luò)展開相關(guān)事故的診治，須先基于診治體系的根底上界定系統(tǒng)的輸入層、隱含層與中間層的相關(guān)神經(jīng)元數(shù)量，再基于實(shí)驗(yàn)獲取訓(xùn)練的樣本，并將其傳遞至trainlm函數(shù)展開網(wǎng)絡(luò)的訓(xùn)練。假設(shè)訓(xùn)練的結(jié)果與要求相吻合，那么存儲(chǔ)訓(xùn)練之后的網(wǎng)絡(luò)，否那么須重新地挑選出相關(guān)的樣本展開新的訓(xùn)練，直至與確定的要求相一致。3.4.3.2驗(yàn)證模塊此模塊關(guān)鍵運(yùn)用于測(cè)試訓(xùn)練之好的網(wǎng)絡(luò)，檢測(cè)其與性能要求是否相匹配，假設(shè)通過驗(yàn)證樣本，能夠確保至少80%與性能要求相匹配，那么該網(wǎng)絡(luò)可以判定為成功訓(xùn)練的性質(zhì)，反正那么必須重新地進(jìn)行訓(xùn)練。相關(guān)的流程示意圖可參見以下圖3-1所示：開始開始輸進(jìn)驗(yàn)證的樣本輸進(jìn)驗(yàn)證的樣本調(diào)用訓(xùn)練完備的網(wǎng)絡(luò)展開仿真實(shí)驗(yàn)調(diào)用訓(xùn)練完備的網(wǎng)絡(luò)展開仿真實(shí)驗(yàn)驗(yàn)證結(jié)果與要求是否相匹配驗(yàn)證結(jié)果與要求是否相匹配否是把BP網(wǎng)絡(luò)放置于知識(shí)庫(kù)內(nèi)把BP網(wǎng)絡(luò)放置于知識(shí)庫(kù)內(nèi)至訓(xùn)練模塊重新進(jìn)行訓(xùn)練結(jié)束結(jié)束結(jié)束結(jié)束圖3-1神經(jīng)網(wǎng)絡(luò)系統(tǒng)驗(yàn)證模塊的流程示意圖3.4.3.3知識(shí)庫(kù)模塊此模塊主要是通過VB所編制的數(shù)據(jù)庫(kù)，關(guān)鍵在于用來儲(chǔ)存已訓(xùn)練并通過驗(yàn)證了的網(wǎng)絡(luò)，目的在于診治時(shí)加以運(yùn)用。此模塊須存放每一個(gè)網(wǎng)絡(luò)所對(duì)應(yīng)的隱含層神經(jīng)元的數(shù)目、診治的體系名稱、學(xué)習(xí)速率、輸入層/輸出層的神經(jīng)元數(shù)目、訓(xùn)練所須攀至的最小方差以及MATLAB.mat文件名稱等。診斷模塊在構(gòu)建起完整的神經(jīng)網(wǎng)絡(luò)知識(shí)庫(kù)之后，即能夠輸進(jìn)準(zhǔn)備診治的數(shù)據(jù)文本，并從中調(diào)出知識(shí)庫(kù)中能夠使用的數(shù)據(jù)展開診治，然后輸出診治的結(jié)果。具體可參見以下圖3-2所示：開始開始調(diào)進(jìn)事故診斷知識(shí)庫(kù)調(diào)進(jìn)事故診斷知識(shí)庫(kù)輸進(jìn)含有不同工程事故現(xiàn)象數(shù)值的輸進(jìn)矢量輸進(jìn)含有不同工程事故現(xiàn)象數(shù)值的輸進(jìn)矢量輸出診斷的結(jié)果輸出診斷的結(jié)果結(jié)束結(jié)束圖3-2基于神經(jīng)網(wǎng)絡(luò)的診斷模塊示意圖3.5系統(tǒng)事故診治的實(shí)現(xiàn)3.5.1電氣負(fù)載管理中心事故診治主要有如下的幾類事故診治種類：〔1〕270V匯流條的事故診治首先分析訓(xùn)練的結(jié)果。分析電氣負(fù)載管理中心搜集270士15V直流匯流條數(shù)據(jù)的硬件電路圖的原理如下：把高壓經(jīng)由電阻展開分壓的處理，變化為低壓后傳遞至單片機(jī)內(nèi)。其中的分壓公式如下：(輸進(jìn)的電壓值X5/275)。在分壓的作用下，0~4.6363V內(nèi)部的電壓值屬于欠壓事故，而范圍的電壓值屬于正常，超出5.1818V那么能夠判定是過壓事故。搜集所得的數(shù)據(jù)通過電氣負(fù)載管理中心處傳遞至供電系統(tǒng)的處理機(jī)處，然后再研究并處理相關(guān)的數(shù)據(jù)，假設(shè)為事故數(shù)據(jù)，那么供電系統(tǒng)處理機(jī)替電氣負(fù)載管理中心處傳遞出控制的相關(guān)命令，傳遞出切換匯流條的指令?？梢匀稳∫唤M所搜集到的數(shù)據(jù)，同時(shí)把它視為訓(xùn)練的樣本加以訓(xùn)練，它的單位是伏特。假設(shè)訓(xùn)練的結(jié)果難以滿足要求，那么須展開數(shù)次的訓(xùn)練，一直到達(dá)最正確的訓(xùn)練效果。6類計(jì)算方法挑選出的樣本及其訓(xùn)練結(jié)果可見所述：270V匯流條展開進(jìn)行網(wǎng)絡(luò)訓(xùn)練時(shí)之后所得到的隱含層的神經(jīng)元數(shù)量都是11。有關(guān)收斂速度，能夠通過網(wǎng)絡(luò)渠道到達(dá)同意的誤差平方和及其相應(yīng)的訓(xùn)練步數(shù)來加以證實(shí)。實(shí)際上，當(dāng)目標(biāo)的誤差平方和等于0.001時(shí)，有關(guān)trainlm函數(shù)訓(xùn)練的步數(shù)等于6,trainbfg函數(shù)訓(xùn)練的步數(shù)為509。假設(shè)目標(biāo)誤差平方和等于0.01時(shí)，trainscg函數(shù)訓(xùn)練步數(shù)等于134,trainrp函數(shù)的訓(xùn)練步數(shù)等于1087,traingda函數(shù)的訓(xùn)練步數(shù)等于3421。假設(shè)目標(biāo)的誤差平方和等于0.011時(shí)，traingdm函數(shù)的訓(xùn)練步數(shù)為11084。因此，訓(xùn)練方法各異時(shí)，收斂的速度存在著差異。Trainlm函數(shù)的收斂速度首屈一指，其次的排列順序?yàn)閠rainbfg函數(shù)、trainscg函數(shù)。trainrp函數(shù)的收斂速度都慢于前3類函數(shù)，traingda函數(shù)那么更加地慢。因?yàn)樽陨淼挠?jì)算方法緣故，存在著明顯的振蕩現(xiàn)象，而traingdm函數(shù)那么在訓(xùn)練速度方面最慢。〔2〕驗(yàn)證結(jié)果就驗(yàn)證結(jié)果而言，不同函數(shù)的性能均與要求相一致，因而將訓(xùn)練網(wǎng)絡(luò)儲(chǔ)存至知識(shí)庫(kù)內(nèi)，同時(shí)展開相應(yīng)的診治?！?〕診斷結(jié)果基于訓(xùn)練所獲取的網(wǎng)絡(luò)模型，把搜集獲取的其他電壓數(shù)據(jù)當(dāng)做網(wǎng)