基于粒子群優化神經網絡的機電系統故障診斷*

張 鑫

（商洛學院電子信息與電氣工程學院 商洛 726000）

1 引言

隨著現代科學技術的不斷發展，飛機上的各種設備變得越來越先進和復雜，使得故障診斷技術的應用在航空領域顯得愈發重要［1～3］。在線故障診斷是無人機機電系統仿真平臺需要實現的基本功能之一。在仿真平臺下，由于采取用Simulink 模型代替實物模型作為仿真對象，因此實質上是對建立的仿真模型進行故障模擬和故障診斷。這要求平臺能夠實時獲取仿真模型的輸出信號，結合機電系統的相關故障特征，利用相關故障診斷方法對系統進行故障診斷。本文結合某型無人機機電系統的故障特點，利用基于粒子群的神經網絡故障診斷技術實現對該無人機的燃油子系統及液冷裝置的故障診斷。

2 BP神經網絡

BP 神經網絡是誤差反向傳播神經網絡（Back Propagation Neural Network）的簡稱［4］，是一種具有糾錯學習功能的多層前饋神經網絡，在目前的模式識別、故障診斷等領域中的應用比較成熟。

BP 神經網絡可以把目標與訓練樣本輸出的問題轉換為非線性的優化問題［5］，利用梯度下降法不斷迭代以得到神經元間的權值，最終通過權值反映輸入輸出間的映射關系，相當于利用訓練神經網絡模擬出一個故障的模式識別系統，該系統能夠實時接收來自模型反饋回的故障特征數據，這樣就可以利用已有的知識來根據不同的輸入模式診斷出相應的輸出結果，同時可根據需要對輸入模式再學習，以識別各種需鑒別的模式。……