基于模煳神经网络的某型直升机可靠度预测.pdf

1、 50航空维修与工程 AVIATION MAINTENANCE & ENGINEERING2011/3基于模糊神经网络的某型直升机可靠度预测 张宏斌/陆军航空兵学院机载设备系杨杰/陆军航空兵学院装备部 温丽俊/61019部队摘 要：为了实现某型直升机可靠度准确预测，建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入，以可靠度为输出，通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果，与应用RBF神经网络进行可靠度预测相比速度更快，同时预测精度提高了98.4%。关键词:直升机；模糊神经网络；可靠度预测；仿真Keywo

2、rds： helicopter； fuzzy neural network； reliability prediction； simulating Reliability Prediction of Certain Helicopter Based on Fuzzy Neural Network0 引言直 升 机 可 靠 性 预 测 一 直 以 来 都 是 型号 设 计 所 关 注 的 问 题 ， 经 过 近 20年 的 实践 ， 可 靠 性 预 测 方 法 和 程 序 都 日 趋 成 熟 。目 前 ， 直 升 机 可 靠 性 预 测 常 采 用 相 似 机 型比 较 法 和 相 似 系 统

3、可 靠 性 的 预 测 两 种 方法 。 但 是 ， 由 于 运 用 以 上 两 种 方 法 进 行相 似 比 较 时 会 存 在 很 大 的 模 糊 空 间 ， 其精 度 不 能 令 人 满 意 。 针 对 此 问 题 ， 陈 圣斌 等1运 用 神 经 网 络 对 某 型 直 升 机 的 可 靠性 进 行 了 预 测 。 通 过 利 用 可 靠 性 相 关 因素 的 评 分 值 和 可 靠 性 参 数 值 建 立 了 直 升机 可 靠 性 预 测 模 型 。 但 是 该 模 型 仍 然 存在 评 分 值 模 糊 化 的 问 题 。人 工 神 经 网 络 和 模 糊 理 论 是 两 类 非常

4、有 效 的 预 测 技 术 。 模 糊 神 经 网 络 融 合了 模 糊 逻 辑 和 神 经 网 络 的 优 点 ， 既 能 表示 定 性 的 知 识 ， 又 具 有 自 学 习 和 处 理 定量 数 据 的 能 力 ， 在 学 习 时 间 、 训 练 步 数及 精 度 方 面 都 优 于 常 规 的 神 经 网 络 。 因此 已 经 有 多 位 学 者 将 模 糊 神 经 网 络 应 用于 预 测 领 域 。 例 如 ， 马 宝 民 等2应 用 模糊 神 经 网 络 对 导 弹 动 力 系 统 状 态 进 行 了准 确 的 预 测 ； 何 星 星 等3通 过 模 糊 神 经网 络 与 SAR

5、IMA相 结 合 提 出 了 一 种 时 间序 列 预 测 模 型 ， 经 过 验 证 该 模 型 具 有 很好 的 预 测 能 力 ； 李 革 臣 等4在 分 析 与 电池 剩 余 电 量 相 关 因 数 的 基 础 上 建 立 了 基于 模 糊 神 经 网 络 的 电 池 剩 余 电 量 预 测 模型 ， 经 过 现 场 试 验 的 数 据 分 析 ， 该 模 型预 测 结 果 较 准 确 ； CHEN 等5应 用 模 糊神 经 网 络 对 短 期 交 通 流 量 进 行 了 预 测 ，取 得 了 较 好 的 预 测 效 果 。 李 翔 等6通 过引 入 模 糊 神 经 网 络 对 评 判

6、 模 型 进 行 优化 ， 并 进 行 了 优 化 ， 从 而 有 效 地 提 高 了评判的最终精度。在 此 基 础 之 上 ， 本 文 提 出 了 一 种 基于 自 适 应 神 经 网 络 模 糊 推 理 系 统 的 某 型直 升 机 可 靠 度 预 测 方 法 ， 并 建 立 了 可 靠度 预 测 模 型 。1 某 型 直 升 机 可 靠 度 预 测 模 型 建模基础自 适 应 神 经 网 络 模 糊 推 理 系 统（ ANFIS） 通 过 一 个 给 定 的 输 入 输 出 数据 集 构 造 出 一 个 模 糊 推 理 系 统 ， 然 后 用一 个 单 独 的 反 向 传 播 算 法 或

7、 该 算 法 与 最小 二 乘 法 相 结 合 完 成 对 系 统 隶 属 函 数 参数的调节。ANFIS网 络7可 以 用 来 表 达 如 下 两条 if-then模 糊 规 则 ， 规 则 包 含 x和 y两 个前提和一个结论。R1：if x is A1and y is B1，then f 1= p1x+q1y+r1R2：if x is A2and y is B2，then f 2= p2x+q2y+r2网 络 各 层 节 点 的 活 动 函 数 根 据 其 功能的差别而不同。第 1层 ： 计 算 各 语 义 变 量 的 隶 属 函数，第 i个节点的节点函数为)(1xUOiAi= （1）式

8、中： x节点 i的输入 Ai语义变量)(1xUOiAi= 成员函数第 2层 ： 计 算 各 条 规 则 的 激 活 强度，第 i个节点的节点函数为工 程 ENGINEERING51AVIATION MAINTENANCE & ENGINEERING2011/3 航空维修与工程图1 扩充可靠性数据与原始可靠性数据拟合曲线图2 两参数威布尔分布模型拟合曲线)()( xUxUWiiBAi= 2-1=i 第 3层 ： 计 算 各 条 规 则 的 激 活 强 度 对所 有 规 则 的 激 活 强 度 之 和 的 比 率 （ 归 一化 激 活 强 度 ） ， 第 i个 节 点 的 节 点 函 数 为)/(

9、 21 WWWW ii += (3)第 4层 ： 计 算 各 条 规 则 的 加 权 输出，第 i个节点的节点函数为)(4iiiiiiiryqxpWfWO += (4)其中, pi,qi,ri称为结论参数集。第 5层 ： 网 络 输 出 层 ， 仅 包 含 一 个节 点 ， 计 算 系 统 的 整 体 输 出 ， 其 节 点 函数为 =iiiiiiiiiWfWfWO /)(5(5)通 过 以 上 步 骤 ， ANFIS网 络 可 以 通过 误 差 梯 度 下 降 算 法 有 效 的 学 习 历 史 数据 ， 获 取 经 验 知 识 ， 从 而 实 现 输 入 与 输出的精确映射。2 基 于 自

10、 适 应 模 糊 神 经 网 络 的 某型直升机可靠度预测2.1 可靠性数据扩充某 型 直 升 机 是 目 前 国 内 比 较 先 进 的直 升 机 ， 其 发 动 机 、 旋 翼 系 统 以 及 航 电系 统 等 方 面 都 采 用 了 较 为 先 进 的 技 术 。但 是 ， 由 于 该 型 直 升 机 可 靠 性 数 据 积 累较 少 ， 因 此 在 对 这 型 直 升 机 应 用 自 适 应模 糊 神 经 网 络 进 行 可 靠 度 预 测 过 程 中 ，不 能 完 全 反 映 其 可 靠 性 数 据 分 布 规 律 ，无 法 进 行 可 靠 度 预 测 。 本 文 借 鉴 文 献 8

11、的 方 法 ， 应 用 径 向 基 函 数 (Radial Basis Function, RBF)神经网络对可靠性数据进行 扩 充 ， 扩 充 后 的 可 靠 性 数 据 与 原 始 可靠 性 数 据 具 有 相 同 的 失 效 统 计 规 律 。 具体步骤如下。1） 以 收 集 的 可 靠 性 数 据 为 训 练 样本 对 RBF神 经 网 络 进 行 训 练 。 以 可 靠 度R(t)作 为 神 经 网 络 的 输 入 ， 以 故 障 间 隔时间作为神经网络的输出。2）对RBF 神经网络进行训练。3） 将 随 机 产 生 100个 可 靠 度 数 据 收入 训 练 完 成 的 RBF神

12、经 网 络 ， 得 到 对 应的模拟故障间隔时间。4） 将 产 生 的 100组 扩 充 可 靠 性 数 据剔 除 坏 点 后 ， 得 到 了 90组 可 靠 性 数 据 。扩 充 可 靠 性 数 据 与 原 始 可 靠 性 数 据 拟 合程度如图1所示。为 了 检 验 模 拟 生 成 数 据 与 原 数 据 是否 具 有 相 同 的 失 效 统 计 规 律 ， 分 别 应 用 最小 二 乘 法 法 对 原 始 可 靠 性 数 据 和 扩 充 可 靠性 数 据 进 行 模 型 的 建 立 及 参 数 估 计 。原 始 可 靠 性 数 据 分 布 模 型 为 双 参 数威布尔模型：)26.343

13、6/3215.1()(tetR=扩 充 可 靠 性 数 据 分 布 模 型 也 为 双 参数威布尔模型：)8901.1580/1935.1()(tetR= 将 扩 充 后 的 两 参 数 威 布 尔 分 布 模型 和 初 始 两 参 数 威 布 尔 分 布 模 型 与 原 始可 靠 性 数 据 进 行 拟 合 。 拟 合 曲 线 如 图 2所 示 。由 图 2可 以 看 出 ， 扩 充 后 的 两 参 数威 布 尔 分 布 模 型 对 原 始 可 靠 性 数 据 拟 合乘 法 相 结 合 的 混 合 算 法 作 为 ANFIS网络 的 学 习 算 法 ， 令 误 差 容 忍 限 为 0， 训练

14、 步 数 为 30， 对 ANFIS网 络 进 行 训 练 。经 过 5步 训 练 后 ， 训 练 均 方 差 达 到 了0.00091699。 由 此 可 见 ， ANFIS网 络 具有 很 强 的 非 线 性 映 射 能 力 。 故 障 间 隔 时间 隶 属 函 数 训 练 前 后 曲 线 比 较 如 图 3所示 。为 了 检 验 生 成 的 ANFIS网 络 模 型的 准 确 性 和 有 效 性 ， 将 检 测 数 据 输 入 训练 完 成 的 ANFIS网 络 ， 检 测 平 均 误 差 为0.001184。 结 果 证 明 ， 生 成 的 ANFIS网络模型是有效的。将 测 试 数

15、据 输 入 A N F I S网 络 ，拟 合 曲 线 如 图 4所 示 ， 可 靠 度 预 测 最大 绝 对 值 误 差 为 0.0053， 平 均 误 差 为0.0014298。 具体测试结果见表1。2.3 ANFIS 和 RBF 神经网络可靠度预测结果比较为 了 说 明 ANFIS网 络 预 测 结 果 的得 更 好 。 因 此 ， 扩 充 的 可 靠 性 数据 与 原 始 数 据 具 有 相 同 的 统 计 分布 规 律 ， 应 用 其 进 行 可 靠 性 预 测是可信的。2.2 模型建立及仿真将 得 到 的 该 型 直 升 机 可 靠 性数 据 平 均 分 为 三 组 ， 分 别 作

16、 为 建立 ANFIS网 络 的 训 练 样 本 、 检 测样 本 和 测 试 样 本 。 将 故 障 间 隔 时间作为模型输入。为 了 确 保 ANFIS网 络 预 测 的准 确 性 将 可 靠 性 数 据 中 的 故 障 间隔 时 间 做 归 一 化 处 理 ， 置 入 0， 1区间。确 定 输 入 变 量 后 ， 以 可 靠 度R(t)作 为 输 出 构 造 一 阶 的 ANFIS网络模型。将 模 型 的 训 练 数 据 输 入 网络 ， 选 择 Gauss函 数 作 为 输 入 数 据的 隶 属 函 数 ， 选 择 线 性 函 数 作 为输出的隶属函数。选 择 反 向 传 播 算 法

17、与 最 小 二原始可靠性数据扩充可靠性数据0.80.70.60.50.40.30.20.10可靠度0 200 400 600 800 1000 1200 1400 1600故 障间隔时间 t/h原始可靠性数据曲线扩充前威布尔分布曲线扩充后威布尔分布曲线0.80.70.60.50.40.30.20.100.90 200 400 600 800 1000 1200 1400 1600故障间隔时间 t/h可靠度（2）52航空维修与工程 AVIATION MAINTENANCE & ENGINEERING2011/3表1 ANFIS网络和RBF神经网络预测结果比较故障间隔时间 t(h)R(t)ANFI

18、S网络模型预测 R(t)RBF神经网络预测 R(t)167.0838 0.7317 0.7295 0.92846200.9665 0.6653 0.6646 0.84633206.4759 0.6548 0.6546 0.83358245.8679 0.5895 0.5902 0.7519247.383 0.5874 0.5881 0.74915282.2298 0.5454 0.545 0.69483319.6936 0.5148 0.514 0.65456334.4312 0.506 0.5055 0.64305347.5159 0.4993 0.4992 0.63446407.4304

19、0.4764 0.4777 0.60653437.4565 0.4661 0.4667 0.59403469.8241 0.453 0.4524 0.57774499.8502 0.4374 0.4361 0.55849575.3287 0.3784 0.3791 0.49177600.9473 0.3543 0.3555 0.46521774.7681 0.257 0.2567 0.32613881.3746 0.2427 0.2423 0.30761934.9533 0.2334 0.2343 0.30105987.7056 0.2162 0.2167 0.284461067.592 0.

20、1634 0.1619 0.229951092.108 0.1408 0.1403 0.206541136.046 0.0991 0.1009 0.159931202.709 0.0487 0.0501 0.089361320.472 0.0132 0.011 0.0163721333.832 0.0116 0.01 0.0135481405.592 0.0066 0.0076 0.0082211429.695 0.0054 0.0063 0.006861446.361 0.0046 0.005 0.0053111467.572 0.0035 0.0026 0.0027211514.264 0

21、.0001 -0.0052 0.000766准 确 性 ， 本 文 应 用 RBF神 经 网 络 对 某 型 直 升 机 可 靠 度 进 行了 预 测 。 以 ANFIS网 络 的 训 练 数 据 作 为 RBF神 经 网 络 的 训练 数 据 ， 以 ANFIS网 络 的 测 试 数 据 作 为 RBF神 经 网 络 的 测试 数 据 。 RBF神 经 网 络 经 过 30步 训 练 后 ， 训 练 最 大 误 差 为0.00269， 平 均 误 差 为 0.000867。 将 测 试 数 据 输 入 训 练 完 成的 RBF神 经 网 络 ， 得 到 预 测 结 果 的 最 大 误 差 为

22、 0.19676， 平均误差为0.08947，具体结果如表1所示。应 用 ANFIS网 络 和 RBF神 经 网 络 对 某 型 直 升 机 可 靠 度进行预测的结果比较如图5所示。由 图 5可 见 ， ANFIS网 络 得 到 的 预 测 结 果 与 测 试 数 据几 乎 完 全 重 合 ， 其 预 测 精 度 要 远 远 高 于 应 用 RBF神 经 网 络进行可靠度预测的精度。3 结论本 文 通 过 将 某 型 直 升 机 可 靠 性 数 据 应 用 神 经 网 络 进行 拟 合 生 成 扩 充 的 可 靠 性 数 据 。 扩 充 的 可 靠 性 数 据 具 有 与原 始 可 靠 性 数

23、 据 相 同 的 统 计 规 律 。 因 此 ， 扩 充 的 可 靠 性 数据可以被用来进行可靠性预测研究。以 扩 充 的 某 型 直 升 机 的 故 障 间 隔 时 间 作 为 ANFIS网 络模 型 的 输 入 ， 可 靠 度 作 为 输 出 ， 建 立 了 ANFIS网 络 模 型 。通 过 检 测 数 据 证 明 ， ANFIS网 络 模 型 对 某 型 直 升 机 进 行 可靠 度 预 测 是 有 效 的 ， 并 应 用 该 模 型 进 行 了 可 靠 度 预 测 ，预 测 结 果 的 平 均 误 差 为 0.0014298。 而 通 过 RBF神 经 网 络进 行 某 型 直 升

24、机 可 靠 度 预 测 的 结 果 平 均 误 差 为 0.08947。与 之 相 比 ， 应 用 ANFIS网 络 进 行 可 靠 度 预 测 的 精 度 提 高 了(0.08947-0.0014298)/0.08947=98.4%。 同 时 通 过 两 种 方 法训 练 步 数 可 见 ， ANFIS网 络 的 训 练 速 度 要 远 远 高 于 RBF神图3 故障间隔时间隶属函数训练前后比较图图4 ANFIS网络测试数据拟合曲线训练前训练后故障间隔时间（归一化处理后）0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10.50隶属度测试数据： 模型输出：0.70

25、.60.50.40.30.20.10可靠度0 5 10 15 20 25 30样本序号图5 ANFIS网络和RBF神经网络预计结果比较故障间隔时间 t/h测试数据ANFIS网络输出数据RBF神经网络输出数据0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 11.210.80.60.40.20-0.2可靠度工 程 ENGINEERING53AVIATION MAINTENANCE & ENGINEERING2011/3 航空维修与工程0 引言发 动 机 在 工 作 中 因 机 件 严 重 磨 损 、燃 油 泄 漏 、 电 气 着 火 等 原 因 可 能 出 现 火警 ，

26、 若 不 加 以 控 制 ， 不 仅 会 严 重 损 坏 发动 机 ， 还 将 直 接 危 及 飞 行 安 全 。 现 代 飞机 均 设 置 了 发 动 机 的 火 警 探 测 系 统 ， 在发 动 机 发 生 火 情 时 ， 可 以 及 时 准 确 地 发出 火 警 信 号 ， 并 可 对 发 动 机 实 施 灭 火 。然 而 据 统 计 ， 发 动 机 火 警 系 统 误 报 警 事件 频 频 发 生 。 这 不 仅 导 致 航 空 公 司 巨 大的 经 济 损 失 ， 而 且 给 操 作 人 员 带 来 了 极大 的 心 理 压 力 ， 造 成 安 全 隐 患 。 因 此 提出 研 制

27、发 动 机 火 警 传 感 器 校 验 仪 ， 以 降低火警探测时的虚警率。图 1所 示 为 待 测 发 动 机 火 警 传 感 器发动机火警传感器校验仪的研制 胡志伟 任仁良中国民航大学Development of Engine Fire Sensor Verifier摘 要：主要介绍了基于C8051单片机的发动机火警传感器校验仪的研制，讨论了该校验仪硬件电路的设计以及对温度非线性进行曲线拟合的方法。实验结果表明该校验仪能够全自动地检测出火警传感器的动作情况，并且具有较高的温度检测精度和稳定性。关键词： C8051单片机；发动机火警传感器；温度非线性；曲线拟合Keywords: C8051

28、MCU； enqine fire sensor； nonlinear temperature； curve fitting 工 作 原 理 图 。 该 校 验 仪 由 快 速 形 变 金 属片 和 慢 速 形 变 隔 热 金 属 片 组 成 。 常 温 下两 块 金 属 片 通 过 双 金 属 连 接 点 连 接 在 一起 ， 传 感 器 正 负 极 短 路 。 在 （ 传 感 器 ）温 度 缓 慢 升 高 的 过 程 中 ， 两 块 金 属 片 向相 同 的 方 向 弯 曲 。 当 到 达 截 止 温 度 时 ，探 测 器 温 度 截 止 门 槛 阻 碍 慢 速 形 变 隔 热金 属 片 继

29、 续 弯 曲 ， 而 快 速 形 变 金 属 片 继续 形 变 ， 使 得 两 金 属 片 断 开 ， 传 感 器 正负极断路，触发报警。1 校验仪整体设计方案该 校 验 仪 的 设 计 主 要 分 两 个 部 分 ，一 部 分 是 高 温 加 热 阱 的 设 计 。 将 高 温 加热 圈 （ 镶 嵌 K型 热 电 偶 ） 内 嵌 在 阱 的 中间 ， 周 围 塞 满 隔 热 石 棉 ， 加 热 和 温 度 反馈 导 线 穿 过 隔 热 板 接 入 温 度 控 制 系 统 ，由 控 制 系 统 输 出 的 脉 宽 调 制 （ PWM）信 号 通 过 控 制 电 流 大 小 来 控 制 加 热

30、阱 温度 。 另 一 部 分 是 温 度 控 制 系 统 的 设 计 。以 C8051 F020单 片 机 为 控 制 核 心 ， 该 器件 是 完 全 集 成 的 混 合 信 号 系 统 级 MCU芯片 ， 内 部 采 用 高 速 、 流 水 线 结 构 ， 最 高处 理 速 度 可 达 25MIPS。 由 于 该 芯 片 自带 64K FLASH与 4K RAM， 足 以 满 足 程序 需 要 ， 因 此 不 需 要 外 扩 程 序 和 数 据 存储 器 。 系 统 还 辅 以 温 度 采 样 电 路 、 温 度传 感 器 检 测 电 路 和 电 流 输 出 控 制 电 路 。温 度 控

31、制 系 统 采 用 闭 环 控 制 形 式 ， 其 结构 框 图 如 图 2所 示 。 具 体 工 作 过 程 为 ：经 网 络 的 训 练 速 度 。 本 文 所 建 立 的 某 型直 升 机 可 靠 度 预 测 模 型 对 于 直 升 机 可 靠度预测工作具有很好的参考价值。参考文献1 陈 圣 斌 ,周 晓 光 ,陈 大 禄 . 基 于 神经 网 络 的 直 升 机 可 靠 性 预 测 J. 直 升 机技术,2009,3:31-34. 2 马 宝 民 ,孟 建 琦 ,田 路 . 基 于 模 糊神 经 网 络 的 导 弹 动 力 系 统 状 态 预 测 J.控制工程,2007,14(增刊):

32、42-44.3 何 星 星 ,孙 德 山 . 模 糊 神 经 网 络 与SAMRIMA结 合 的 时 间 序 列 预 测 模 型 J.计 算 机 技 术 与 发 展 ,2008,18(8):61-64.4 李 革 臣 ,江 海 ,王 海 英 . 基 于 模 糊神 经 网 络 的 电 池 剩 余 电 量 计 算 模 型 J. 测试技术学报,2007,21(5): 405-409.5 CHEN Long,WANG Feiyue. A neoro fuzzy system approach for forecasting short term trafc owsC. Proc of the IEEE

33、 5th International Conference on Intelligent Transportation Systems,2002:451-471.6 李 翔 ,苏 成 ,王 韶 君 . 基 于 模 糊神 经 网 络 的 综 合 评 判 方 法 J. 计 算 机 工程, 2009,35(6):200-201.7 M.Sugeno,G.T.Kang. Structure identification of fuzzy modelJ. Fuzzy Sets and Systems,1988,28(1):15-33.8 王 进 才 ,陈 振 林 ,曾 家 有 .可 靠 性数 据 模 拟 生 成 的 研 究 J.电 子 产 品 可 靠 性与环境实验, 2001,19(1):2-6.作者简介张宏斌，博士，讲师，主要研究方向为直升机可靠性、人工智能。