基于信息融合的小波神经网络航姿系统故障诊断方法研究

　　0　引言

　　航姿系统是一种综合型仪表,可以指示飞机的全部姿态,包括飞机磁航向,陀螺航向以及俯仰角、倾斜角、侧滑角等;该系统结构复杂,故障与征兆之间成非线性对应关系。小波变换、神经网络作为新技术,在故障诊断领域越来越引起人们的重视,信息融合作为信息科学领域内的新成果得到广泛的应用与研究。神经网络故障诊断方法从信息融合角度讲,属于数据-特征融合输入/决策输出过程。本文将信息融合技术与小波神经网络相结合,应用于航姿系统的故障诊断中。

　　1　小波神经网络算法

　　小波神经网络是在小波分析的基础上提出的一种多层前馈型网络,小波分析与人工神经网络的结合方式可分为松散型结合和紧密型结合。本文所采用的紧密型结合小波神经网络是用小波函数和尺度函数形成神经元,将小波和神经网络直接融合的一类新型前馈网络。由于紧密型小波神经网络结合了小波变换良好的时频局部化性质和传统神经网络的自学习能力,具有较强的逼近和容错能力,可使网络训练避免局部最优并且加快收敛速度。下面对小波网络的算法进行简单介绍。

　　2　信息融合的集成小波神经网络诊断系统的构建

　　集成神经网络的基本思想是将整个故障征兆空间和整个故障原因空间分别分解为若干个故障征兆子网络和故障原因子网络,然后根据每个子网络的故障征兆和故障原因设计子小波神经网络,各子网络分别完成各自征兆子空间到原因子空间的映射关系。这样就将高维空间的映射关系分解成为低维空间的映射关系,从而解决单个神经网络进行故障诊断中出现的问题,最大限度提高确诊率。

　　2.1　集成网络的基本结构

　　首先,对设备输出的信号进行数据采集与信号调理,作为Ⅰ级网络的输入。Ⅰ级网络为管理型网络,将整个故障空间按不同信号类型分类,完成信号向各设备的定位。Ⅱ级网络由子网络并联而成,属于诊断型网络,各子网络从不同角度完成对故障的诊断,其中某些子网络可完成局部信息融合。子网络的结果送入决策融合网络进行融合,最终得出诊断结果,这种融合属于全局性融合。集成神经网络是由Ⅰ、Ⅱ、Ⅲ三级网络串联而成,其中Ⅱ级网络形成子网的并联结构。Ⅱ级网络的子网络进行故障诊断时应采用不同类型的信号作为不同网络的输入,这样保证不同输入向量的相关性,可以多角度全面反映故障,提高故障诊断的准确率。

　　2.2　决策网络的信息融合方案设计

　　Ⅱ级网络的子网络诊断结果送入决策融合网络进行故障信息融合并判断故障原因。各诊断子网络的输出经数据融合作为决策融合网络的输入,保证决策融合网络输出节点始终等于故障类型数。设子网络1形成的故障向量为Bi=[b1ib2i…bni]T,对每类故障的置信权向量为Ai=[ai1ai2…ain]T,由此得故障矩阵B和置信权值矩阵A: