[發明專利]復雜電子設備故障預測的方法

在審

• 申請號: 201611054050.3
• 申請日: 2016-11-25
• 公開（公告）號: CN106650022A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 趙昶宇;胡亮
• 申請（專利權）人: 天津津航計算技術研究所
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/08;G06N3/12
• 代理公司: 中國兵器工業集團公司專利中心11011
• 代理人: 劉東升

技術領域

本發明涉及故障預測技術領域，具體涉及一種復雜電子設備故障預測的方法。

背景技術

目前最常見的故障預測的方法有：

1)趨勢圖分析法

該方法通過趨勢分析來掌握復雜電子設備的運行狀態。但是，由于影響復雜電子設備運行狀態的原因很多，一旦某部分的統計規律發生變化，該方法無法對其未來的運行狀態進行預測。

2)曲線擬合法

該方法只適合于曲線的參數方程比較明確的預測工作，對于一些復雜電子設備具有的非線性、時變性等特點，很難建立合適的曲線方程，預測效果并不理想。

3)時間序列法

該方法對于線性、平穩隨機時間序列的預測能夠起到較好的預測效果，應用范圍受到限制。

4)基于灰色理論的預測方法

該方法僅適用于有一定上升或下降趨勢的弱隨機性時間序列的預測，對于復雜電子設備中隨機性較強的系統進行預測時，還需進一步改進。

5)人工神經網絡預測方法

人工神經網絡以其獨特的聯想、記憶、存儲和學習功能以及高度的非線性映射能力在設備的故障診斷和故障預測中被廣泛應用。但是，在實際應用中也存在著以下問題：

a)訓練樣本的獲取常常存在一定困難，神經網絡的泛化能力有待提高；

b)神經網絡的收斂速度和收斂性無法保證；

c)神經網絡的訓練容易陷入局部最小。

發明內容

(一)要解決的技術問題

本發明要解決的技術問題是:如何設計一種復雜電子設備故障預測的方法，以便能夠有效的對復雜電子設備進行故障預測。

(二)技術方案

為了解決上述技術問題，本發明提供了一種復雜電子設備故障預測的方法，所述方法包括以下步驟：首先利用差別矩陣的屬性約簡方法建立復雜電子設備最小故障診斷特征子集，并對屬性樣本進行歸一化處理；然后根據改進的遺傳算法獲得最佳神經元初始權值和閾值；對BP神經網絡進行改進，動態調整學習速率，并用改進后的訓練算法訓練網絡的連接強度；最后對預測的故障樣本進行反歸一化處理，得到復雜電子設備的故障樣本的預測值。

(三)有益效果

本發明利用粗糙集屬性約簡方法對樣本數據進行預處理，粗糙集理論具有很強的定性分析能力，能在保留關鍵信息的前提下對樣本數據進行約簡，達到簡化訓練樣本的目的；根據改進的遺傳算法獲得最佳神經元初始權值和閾值，對經典遺傳算法進行改進，以網絡誤差最小作為進化準則，經過多次迭代，最后獲得BP神經網絡開始訓練的初始權值和閾值；基于改進的BP神經網絡訓練算法訓練網絡的連接強度，計算BP神經網絡輸出層的預測值，為進一步縮短訓練時間，對BP神經網絡進行改進，動態調整學習速率，提高了網絡的收斂速度。對樣本數據進行反歸一化處理，得到復雜電子設備故障樣本數據的預測值。

具體實施方式

為使本發明的目的、內容、和優點更加清楚，下面結合實施例，對本發明的具體實施方式作進一步詳細描述。

對于復雜電子設備，可以設為自定義的一些電子設備。

本發明實施例的復雜電子設備故障預測的方法包括以下步驟：首先利用差別矩陣的屬性約簡方法建立復雜電子設備最小故障診斷特征子集，并對屬性樣本進行歸一化處理；然后根據改進的遺傳算法獲得最佳神經元初始權值和閾值；對BP神經網絡進行改進，動態調整學習速率，并用改進后的訓練算法訓練網絡的連接強度；最后對預測的故障樣本進行反歸一化處理，得到復雜電子設備的故障樣本的預測值。該方法具體包括以下步驟：

S₁：將采集得到的復雜電子設備的原始數據通過特征提取獲得每一個故障對應的所有故障征兆，選取能體現復雜電子設備狀況的特征參數作為條件屬性，發生故障的類型作為決策屬性。對復雜電子設備的條件屬性和決策屬性進行編碼，建立復雜電子設備的決策表T。

假設C是復雜電子設備的條件屬性(是決策表T的差別矩陣，是一個n乘以n的方陣)，D是復雜電子設備的決策屬性，c(w)是記錄w在屬性c(c∈C)上的值，C_ij為差別矩陣中第i行第j列的元素，則差別矩陣C可表示為：

基于差別矩陣的屬性約簡方法如下：(A是屬性約簡后的條件屬性集合，C是決策表T的差別矩陣，)a_k∈{c_ij}，C₀為核屬性集合)

1)定義集合B、集合Q、集合R，且初始值均為空集；