【技术实现步骤摘要】
机载电子产品故障预测方法
本专利技术涉及一种主要用于飞机健康管理系统或地面数据分析系统，基于多深度置信网络融合的机载电子产品故障预测方法。
技术介绍
机载电子产品是飞机上各类电子产品的总称，是目前民航采用的一种包括通信、导航、仪表及自动控制系统的电子产品。机载电子产品具有多层次性和复杂性，其各个系统和内部单元存在着各种各样的复杂联系，导致了机载电子产品出现故障时的严峻性。同时随着机载电子产品的综合化和智能化程度不断提高，其内部结构间的强耦合和强相关性也导致了产品故障的随机性和关联性明显提升。机载电子产品在不同外部条件下执行任务导致差异的环境剖面和复杂多变的外界应力，使得采集到的历史数据具有强非线性和差异性，这也对机载电子产品故障预测方法的鲁棒性、适应性和准确度提出了较大的挑战。传统的人工检测维护手段已经无法满足现代化机载设备的支持保障要求。在电子电路的故障诊断中，最常见的是模拟电路的故障诊断方法和数字电路的诊断分析。模拟电路涉及连续函数形式的模拟信号电子电路，由于模拟电路的非线性特性、连续性和元器件的容差等因素，使得...
【技术保护点】
1.一种机载电子产品故障预测方法，具有如下特征：基于多深度置信网络DBN融合，预设传感器采集机载电子产品关键组件的表征参数，获取机载电子产品历史数据和实时监测数据，根据监测信号将历史数据和实时监测数据划分为DBN模型训练样本集、迁移学习样本集和预测样本集，对样本进行归一化处理，构建归一化的DBN模型训练样本集、迁移学习样本集和预测样本集；利用DBN模型训练样本集训练多个结构不同DBN模型，初始化多个不同DBN模型的结构范围参数，构造多层受限波尔兹曼机RBM，完成模型的初训练；在迁移学习中，将迁移学习样本集输入初训练后的DBN模型组，用迁移学习样本集对深度置信网络DBN模型组...
【技术特征摘要】
1.一种机载电子产品故障预测方法，具有如下特征：基于多深度置信网络DBN融合，预设传感器采集机载电子产品关键组件的表征参数，获取机载电子产品历史数据和实时监测数据，根据监测信号将历史数据和实时监测数据划分为DBN模型训练样本集、迁移学习样本集和预测样本集，对样本进行归一化处理，构建归一化的DBN模型训练样本集、迁移学习样本集和预测样本集；利用DBN模型训练样本集训练多个结构不同DBN模型，初始化多个不同DBN模型的结构范围参数，构造多层受限波尔兹曼机RBM，完成模型的初训练；在迁移学习中，将迁移学习样本集输入初训练后的DBN模型组，用迁移学习样本集对深度置信网络DBN模型组进行迁移训练和目标域的全局精调，实现从历史场景到实际场景的迁移；再利用改进的遗传算法将多个DBN模型目标域的预测性能进行融合，对融合权重全局寻优迭代确定每个DBN模型的融合权重，将DBN模型组集成为一个完整的预测框架，使预测性能达到最大化；利用预测框架和传感器实时发回的监测数据预测机载电子产品的降级演化，根据预测分析得到的故障预测结果进行维修决策。
2.如权利要求1所述的机载电子产品故障预测方法，其特征在于：在机载电子产品历史数据和实时监测数据划分并归一化为DBN模型训练样本集、迁移学习样本集和预测样本集中；采用DBN模型训练样本集对DBN模型组进行模型训练；深度置信网络DBN结构包括输入层、隐藏层1、隐藏层2、隐藏层3、全连接层和输出层。
3.如权利要求1所述的机载电子产品故障预测方法，其特征在于：将迁移学习样本集输入各个DBN模型进行迁移学习，前向计算均方误差，然后根据均方误差和代价函数反向逐层训练DBN，完成从历史数据到实时场景数据的误差修正。
4.如权利要求1所述的机载电子产品故障预测方法，其特征在于：根据改进遗传算法和DBN模型组的预测误差对各个DBN的融合权重进行全局寻优，获取最优融合权重，利用最优融合权重，将DBN模型组集成为完整的预测框架；将预测样本集输入预测框架，完成对机载电子产品故障的识别。
5.如权利要求1所述的机载电子产品故障预测方法，其特征在于：采集机载电子产品关键组件的表征参数，其中表征参数包括电压、电流或温度数据。
6.如权利要求1所述的机载电子产品故障预测方法，其特征在于：根据预测的步长N，将全寿命周期长度为M的历史数据构建为样本集中样本数为M-N，每个样本包含N+1个信号值，第一个样本为(x1,x2...
【专利技术属性】
技术研发人员：梁天辰，文佳，王晓，
申请(专利权)人：西南电子技术研究所中国电子科技集团公司第十研究所，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。