APP下载
登录
摘要：快速有效地诊断和排除雷达故障是当前装备维修保障工作的重点。对雷达这样复杂的设备进行故障源的充分暴露和故障定位，仅依靠传统单一的方法有较大的局限性，故设计并实现基于神经网络(NN)与基于案例推理(CBR)的雷达故障诊断专家系统。该系统主要由输入模块，推理模块及管理维护模块等组成。诊断实例表明，运用NN与CBR相结合的技术建立的故障诊断专家系统，诊断结果与实际吻合，且具有诊断速度快、针对性强等优点。
引言
随着新技术新装备的应用，一些新体制雷达系统的结构组成较之传统雷达更为复杂，这给雷达故障的快速、准确诊断提出了更高的要求。由于新体制雷达大批量装备部队，使用过程中不可避免地会产生各种各样的故障，雷达的故障维修任务也越来越重。因此，如果有一种行之有效的诊断方法和手段，使现行装备各级保障体系相互配合，并能够准确快速地定位雷达故障并维修，这将对保障雷达正常使用、提高部队战斗力有着积极作用。
目前故障诊断技术已发展到智能化阶段，应用于故障诊断的几种常用的方法有：基于规则推理、基于模型和神经网络等，各种诊断方法各有特点和优点，在许多领域都有非常好的应用，但也有各自的局限性。对于雷达这样高技术复杂装备，采用单一的故障诊断方法已经越来越难满足要求。CBR又称援例推理，是通过访问知识库中过去同类问题的求解从而获得当前问题解决的一种推理模式。CBR不需要进行规则匹配，类似的案例可以通过索引检索出来而直接得到问题的解答，这就使迅速解决复杂问题成为可能。神经网络技术以强有力的学习和并行处理能力为故障诊断提供了全新的理论方法和实现手段，而专家系统是具备解释功能的基于符号的推理系统。把神经网络(NN)、基于案例推理(CBR)和专家系统理论的故障诊断方法结合起来组建一个集成的智能诊断系统，利用两种推理各自的推理优势，形成优势互补，克服了庞大丰富的知识库对系统推理效率的影响，从而可以极大地提高雷达故障诊断的正确性和效率。
基于NN的雷达故障诊断专家系统设计
基于NN的雷达故障诊断专家系统设计分为3个模块：输入模块，推理模块及管理维护模块。各模块之间的关系如图1所示。
输入模块
即接收的各种故障信息及现象。输入层从系统接收输入信息，即为经过归一化处理计算出的故障特征值。利用神经网络进行故障诊断时，首先要把故障信息或现象输入神经元网络，并把知识变换成为网络的权值和阈值，分布存储在整个神经网络之中。
热门文章
