《计算机应用研究》|Application Research of Computers

基于改进灰色神经网络的故障预测方法研究

Research on method of fault prediction based on improved grey neural network

免费全文下载 (已被下载 次)  
获取PDF全文
作者 杨森,孟晨,王成
机构 军械工程学院 导弹工程系,石家庄 050003
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2013)12-3625-04
DOI 10.3969/j.issn.1001-3695.2013.12.028
摘要 故障预测技术是电子装备预测与健康管理(PHM)领域的核心内容, 对电子装备关键部件实施有效的预测是保证系统正常运行的关键。首先将灰色理论和人工神经网络算法相结合, 构建灰色神经网络模型并对其进行分析; 然后在此基础上通过附加动量变学习速率法对灰色神经网络的权值更新策略进行改进, 提出一种基于改进灰色神经网络的故障预测模型; 最后以某型脉冲测量雷达中频接收组合中的压控振荡器为例, 以采集的原始频率数据为基础进行仿真验证。预测结果表明, 将该预测方法应用于电子装备PHM是行之有效的, 可有效提高故障预测精度。
关键词 故障预测;预测与健康管理;灰色神经网络模型;附加动量变学习速率法;改进灰色神经网络
基金项目 国家“十一五”装备预先研究项目(51317030104)
国家自然科学基金资助项目(60771063)
本文URL http://www.arocmag.com/article/01-2013-12-028.html
英文标题 Research on method of fault prediction based on improved grey neural network
作者英文名 YANG Sen, MENG Chen, WANG Cheng
机构英文名 Dept. of Missile Engineering, Ordnance Engineering College, Shijiazhuang 050003, China
英文摘要 Fault prediction technology is the core content of electronic equipment PHM, carrying out effective prediction on the key components of electronic equipment is the guarantee of system running in normal operation. Firstly, this paper built and analyzed the general grey neural network model by combining grey theory and artificial neural network. Then improved the weight updating strategy of grey neural network by the method of additional momentum and variable learning rate, and put forward a fault prediction method based on improved grey neural network model. Finally, it took a voltage controlled oscillator(VCO) of the intermediate frequency combination in a certain pulse instrumentation radar as an example, and the collected original frequency data as the basis to simulate. The results show that applying the prediction method to electronic equipment PHM can effectively improve the fault prediction accuracy.
英文关键词 fault prediction; prognostic and health management (PHM); grey neural network model; additional momentum and variable learning rate method; improved grey neural network
参考文献 查看稿件参考文献
  [1] ANTONI J, DANIERET J, GUILLET F. Effective vibration analysis of ic engines using cyclostationarity-part I:a methodology or condition monitoring[J] . Journal of Sound and Vibration, 2002, 257(5):815-837.
[2] “十一五”通用装备保障科技信息研究成果汇编[K] . [S. l. ] :总装通用装备保障部科技信息办公室, 2011:3-13.
[3] DISCENZO F M, NICKERSON W, MITCHELL C E, et al. Open systems architecture enables health management for next generation system monitoring and maintenance[R] . [S. l. ] :OSA-CBM Development Group, 2001.
[4] HENLEY S, CURRER R, SCHEUREN B, et al. Autonomic logistics-the support concept for the 21st century[C] //Proc of IEEE Aerospace Conference. 2000:417-421.
[5] FILEV D P, TSENG F. Novelty detection based machine health prognostics[C] //Proc of International Symposium on Evolving Fuzzy Systems. 2006:193-199.
[6] 郭阳明, 蔡小斌, 张宝珍, 等. 故障预测与健康状态管理技术综述[J] . 计算机测量与控制, 2008, 16(9):1213-1216, 1219.
[7] 王雪. 测试智能信息处理[M] . 北京:清华大学出版社, 2008:33-56.
[8] 彭宇, 刘大同, 彭喜元. 故障预测与健康管理技术综述[J] . 电子测量与仪器学报, 2010, 24(1):1-9.
[9] 邓聚龙. 灰色系统基本方法[M] . 2版. 武汉:华中理工大学出版社, 2004:12-25.
[10] 黄大荣, 黄丽芬. 灰色系统理论在故障预测中的应用现状及其发展趋势[J] . 火炮发射与控制学报, 2009, 9(3):88-92.
[11] 阳树洪, 李春贵, 夏冬雪. 基于灰色神经网络的入侵检测系统研究[J] . 计算机工程与设计, 2007, 28(19):4622-4624.
[12] 纪崑, 王汉林. 基于灰色神经网络的企业风险特征指标动态预测方法研究[J] . 数学的实践与认识, 2009, 39(15):52-60.
[13] 金瑜. 基于小波神经网络的模拟电路故障诊断方法研究[D] . 成都:电子科技大学, 2004:22-26.
[14] 史峰, 王小川, 郁磊, 等. MATLAB神经网络30个案例分析[M] . 北京:北京航空航天大学出版社, 2010:258-261.
[15] 徐祥合. 基于BP神经网络的客户分类方法研究[D] . 南京:南京航空航天大学, 2004:44-67.
收稿日期
修回日期
页码 3625-3628
中图分类号 TP206;TP277
文献标志码 A