一种超外差接收机性能退化评估与预测方法及系统技术方案

本发明专利技术公开了一种超外差接收机性能退化评估与预测方法及系统，涉及超外差接收机技术领域，所述方法包括：将当前时刻的输入信号输入至超外差接收机，得到所述超外差接收机的当前时刻的实际输出信号；将所述超外差接收机的输入信号和前一时刻的实际输出信号送入已训练的径向基函数RBF故障观测器，对所述超外差接收机的输出进行估计，得到所述超外差接收机的当前时刻的估计输出信号；根据所述超外差接收机的当前时刻的实际输出信号和估计输出信号，得到残差信号；利用所述残差信号，对所述超外差接收机的性能进行评估和预测。本发明专利技术能够对超外差接收机性能进行评估，并在性能评估基础上，能够对系统性能退化趋势进行预测。

【技术实现步骤摘要】

本专利技术涉及超外差接收机
，特别涉及一种超外差接收机性能退化评估与预测方法及系统。
技术介绍
超外差接收机作为电子设备接收信息的装备，广泛应用于电子信息系统中，小到收音机大到雷达接收器，超外差接收机均在设备中起着关键的作用。然而，作为国防和军队建设的重要组成部分，由于设备自身的原因，电子信息系统会处于复杂的电磁环境中，因此研究典型装备——超外差接收机，在复杂电磁环境作用下的性能评估与预测具有直接的和显而易见的效益。超外差接收机是电子信息产品中典型的模块，它常用于远程通信中，超外差接收机具有频率分辨力高、灵敏度高、动态范围宽、测频范围大等特点，由于其结构相对简单，可靠性强，已经成为电子情报侦查中必备的测频接收机。在军用电子信息产品使用过程中，一旦超外差接收机发生故障，将对信息的通讯带来极大影响，因此对超外差接收机的性能状态进行及时的评估和预测具有重要的意义，可以通过及时的维修和维护来有效地避免严重故障的发生。然而，目前几乎没有关于超外差接收机性能评估与预测的相关研究，因此本专利技术对超外差接收机进行研究，为超外差接收机的性能评估与预测提供方法支持。
技术实现思路
根据本专利技术实施例提供的一种超外差接收机性能退化评估与预测方法及系统，解决超外差接收机的性能评估与预测的技术问题。根据本专利技术实施例提供的一种超外差接收机性能退化评估与预测方法，包括：将当前时刻的输入信号输入至超外差接收机，得到所述超外差接收机的当前时刻的实际输出信号；将所述超外差接收机的输入信号和前一时刻的实际输出信号送入已训练的径向基函数RBF故障观测器，对所述超外差接收机的输出进行估计，得到所述超外差接收机的当前时刻的估计输出信号；根据所述超外差接收机的当前时刻的实际输出信号和估计输出信号，得到残差信号；利用所述残差信号，对所述超外差接收机的性能进行评估和预测。优选地，通过以下步骤得到残差信号：将所述已训练的RBF故障观测器输出的估计输出信号与所述超外差接收机当前时刻的实际输出信号作差，得到所述超外差接收机在该时刻的残差信号。优选地，通过以下步骤对所述超外差接收机的性能进行评估：通过对所述残差信号进行特征提取，得到多个残差特征；从所述多个残差特征中选取三个残差特征作为三维空间的残差特征坐标，并计算所述残差特征坐标与基准马氏空间之间的马氏距离；利用所述马氏距离，对所述超外差接收机的性能进行评估，得到所述超外差接收机的健康度。优选地，所述多个残差特征为时域特征，包括平均值、有效值、波峰因子、方根幅值。优选地，通过以下步骤对所述超外差接收机的性能进行预测：将所述超外差接收机的健康度送入已训练的Elman神经网络，对所述超外差接收机性能进行预测，得到所述超外差接收机的预测健康度。优选地，通过以下步骤得到所述已训练的RBF故障观测器：将输入信号和所述正常状态的超外差接收机的前一时刻的实际输出信号作为RBF故障观测器的输入，对RBF故障观测器进行训练，使已训练的RBF故障观测器的输出能够用来仿真所述正常状态的超外差接收机的当前时刻的实际输出信号。优选地，通过以下步骤得到所述基准马氏空间：在所述超外差接收机处于正常状态时，根据所述超外差接收机的当前时刻的实际输出信号和所述已训练的RBF故障观测器的估计输出信号，得到正常状态下的残差信号；对所述残差信号进行特征提取，得到正常状态下的残差特征，形成基准残差特征坐标，并构建基准马氏空间。优选地，通过以下步骤得到所述已训练的Elman神经网络：将所述超外差接收机的历史健康度中的前N个健康度与随后的M个健康度分别作为输入和输出送入Elman神经网络，对Elman神经网络进行训练。根据本专利技术实施例提供的存储介质，其存储用于实现上述一种超外差接收机性能退化评估与预测方法的程序。根据本专利技术实施例提供的一种超外差接收机性能退化评估与预测系统，包括：超外差接收机，用于对收到的当前时刻的输入信号进行处理，得到当前时刻的实际输出信号；RBF故障观测器，用于将所述超外差接收机的输入信号和前一时刻的实际输出信号作为输入，对所述超外差接收机的输出进行估计，得到所述超外差接收机的当前时刻的估计输出信号；残差计算装置，用于根据所述超外差接收机的当前时刻的实际输出信号和估计输出信号，得到残差信号；评估与预测装置，用于利用所述残差信号，对所述超外差接收机的性能进行评估和预测。优选地，所述评估与预测装置包括：特征提取模块，用于通过对所述残差信号进行特征提取，得到多个残差特征；性能评估模块，用于从所述多个残差特征中选取三个残差特征作为三维空间的残差特征坐标，并计算所述残差特征坐标与基准马氏空间之间的马氏距离，利用所述马氏距离，对所述超外差接收机的性能进行评估，得到所述超外差接收机的健康度；性能预测模块，用于将所述超外差接收机的健康度送入已训练的Elman神经网络，对所述超外差接收机性能进行预测，得到所述超外差接收机的预测健康度。本专利技术实施例提供的技术方案具有如下有益效果：本专利技术能够对超外差接收机性能进行评估，并在性能评估基础上，能够对系统性能退化趋势进行准确预测。附图说明图1是本专利技术实施例提供的超外差接收机性能退化评估与预测方法框图；图2是本专利技术实施例提供的超外差接收机性能退化评估与预测系统框图；图3是本专利技术实施例提供的基于距离度量和时间序列分析的超外差接收机性能评估与预测流程图；图4是本专利技术实施例提供的RBF神经网络结构图；图5是本专利技术实施例提供的基于RBF神经网络的观测器结构原理图；图6是本专利技术实施例提供的Elman神经网络结构图；图7是本专利技术实施例提供的图5超外差接收机仿真模型图；图8a是本专利技术实施例提供的正常状态下的残差仿真图；图8b是与图8a对比的电子放大器缓变故障下的残差仿真；图9是本专利技术实施例提供的电子放大器缓变故障下的性能评估结果仿真图；图10a是本专利技术实施例提供的以第140个点作为目前时刻点的性能退化趋势预测结果仿真图；图10b是本专利技术实施例提供的以第145个点作为目前时刻点的性能退化趋势预测结果仿真图；图10c是本专利技术实施例提供的以第150个点作为目前时刻点的性能退化趋势预测结果仿真图。图10d是本专利技术实施例提供的以第155个点作为目前时刻点的性能退化趋势预测结果仿真图。具体实施方式以下结合附图对本专利技术的优选实施例进行详细说明，应当理解，以下所说明的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。图1是本专利技术实施例提供的超外差接收机性能退化评估与预测方法框图，如图1所示，步骤包括：步骤S101：将当前时刻的输入信号输入至超外差接收机，得到所述超外差接收机的当前时刻的实际输出信号。步骤S102：将所述超外差接收机的输入信号和前一时刻的实际输出信号送入已训练的RBF故障观测器，对所述超外差接收机的输出进行估计，得到所述超外差接收机的当前时刻的估计输出信号。其中，需要提前训练RBF故障观测器，步骤包括：将输入信号和所述正常状态的超外差接收机的前一时刻的实际输出信号作为RBF故障观测器的输入，对RBF故障观测器进行训练，使已训练的RBF故障观测器的输出能够用来仿真所述正常状态的超外差接收机的当前时刻的实际输出信号。步骤S103：根据所述超外差接收机的当前时刻的实际输出信号和估计输出信号，得到残差信号。将所述已训练的RB本文档来自技高网...

【技术保护点】
一种超外差接收机性能退化评估与预测方法，其特征在于，包括：将当前时刻的输入信号输入至超外差接收机，得到所述超外差接收机的当前时刻的实际输出信号；将所述超外差接收机的输入信号和前一时刻的实际输出信号送入已训练的径向基函数RBF故障观测器，对所述超外差接收机的输出进行估计，得到所述超外差接收机的当前时刻的估计输出信号；根据所述超外差接收机的当前时刻的实际输出信号和估计输出信号，得到残差信号；利用所述残差信号，对所述超外差接收机的性能进行评估和预测。

【技术特征摘要】
2016.09.06 CN 201610802863X1.一种超外差接收机性能退化评估与预测方法，其特征在于，包括：将当前时刻的输入信号输入至超外差接收机，得到所述超外差接收机的当前时刻的实际输出信号；将所述超外差接收机的输入信号和前一时刻的实际输出信号送入已训练的径向基函数RBF故障观测器，对所述超外差接收机的输出进行估计，得到所述超外差接收机的当前时刻的估计输出信号；根据所述超外差接收机的当前时刻的实际输出信号和估计输出信号，得到残差信号；利用所述残差信号，对所述超外差接收机的性能进行评估和预测。2.根据权利要求1所述的方法，其特征在于，通过以下步骤得到残差信号：将所述已训练的RBF故障观测器输出的估计输出信号与所述超外差接收机当前时刻的实际输出信号作差，得到所述超外差接收机在该时刻的残差信号。3.根据权利要求1所述的方法，其特征在于，通过以下步骤对所述超外差接收机的性能进行评估：通过对所述残差信号进行特征提取，得到多个残差特征；从所述多个残差特征中选取三个残差特征作为三维空间的残差特征坐标，并计算所述残差特征坐标与基准马氏空间之间的马氏距离；利用所述马氏距离，对所述超外差接收机的性能进行评估，得到所述超外差接收机的健康度。4.根据权利要求3所述的方法，其特征在于，所述多个残差特征为时域特征，包括平均值、有效值、波峰因子、方根幅值。5.根据权利要求3所述的方法，其特征在于，通过以下步骤对所述超外差接收机的性能进行预测：将所述超外差接收机的健康度送入已训练的Elman神经网络，对所述超外差接收机性能进行预测，得到所述超外差接收机的预测健康度。6.根据权利要求1-4任意一项所述的方法，其特征在于，通过以下步骤得到所述已训练的RBF故障观测器：将输入信号和所述正常状态的超外差接收机的前一时刻的实际输出信号作为RBF故障观测器的输入，对RBF故障观测...

【专利技术属性】
技术研发人员：袁航，周博，齐乐，孙锦文，王满喜，
申请(专利权)人：北京航空航天大学，电子信息系统复杂电磁环境效应国家重点实验室，
类型：发明
国别省市：北京;11