陳芳

【摘 要】闡述了光通信系統(tǒng)故障診斷過程中，應用BP神經(jīng)網(wǎng)絡模型的重要性。以專家經(jīng)驗和文獻依據(jù)為途徑，建立了光信號系統(tǒng)故障知識庫。同時，選擇了基于模糊綜合評判為計算方法，建立了神經(jīng)網(wǎng)絡數(shù)學模型。最后，以光信號元件故障診斷實例為例，論證了BP神經(jīng)網(wǎng)絡法的可行性。

【關鍵詞】BP神經(jīng)網(wǎng)絡；光通信系統(tǒng)；故障診斷

【Abstract】The analysis of the fault diagnosis of optical communication system based on BP fuzzy neural network： the fault diagnosis of optical communication system in the process， the importance of application of BP neural network model. Based on expert experiences and literature basis for the way， the establishment of a knowledge base of fault signal system. At the same time， the fuzzy comprehensive evaluation based on the calculation method， the neural network model is set up. Finally， the fault diagnosis of optical signal components as examples， demonstrates the feasibility of the method of BP neural network.

【Key words】BP neural network； Optical communication system； Fault diagnosis

光通信系統(tǒng)，是一種以光波為介質(zhì)的綜合性傳輸通信系統(tǒng)。其基本的結(jié)構組成包括光纖、光發(fā)射系統(tǒng)、光接收系統(tǒng)以及指令接收器等。由于各個結(jié)構之間存在耦合關系，故該系統(tǒng)是錯綜復雜的。根據(jù)大量的案例可知，光通信系統(tǒng)在運行中，由于光纖的損耗、元件的老化等問題無法避免，將會導致系統(tǒng)發(fā)生通信線纜不暢通、光模塊損壞等故障，從而中斷信號的傳輸，嚴重影響用戶的使用。且系統(tǒng)的復雜性問題，導致故障的診斷準確性差，檢修耗時較長。因此，若能夠建立光通信系統(tǒng)的故障征兆和引發(fā)原因之間的矩陣關系，對于及時、精確地把握故障特點，減少檢修的時間，具有重要的意義。

1 光通信系統(tǒng)故障知識庫的建立

光通信系統(tǒng)故障知識庫，是一個對故障推理知識庫的求解集合。它囊括了系統(tǒng)故障中的基本事實、規(guī)律等信息。該知識庫的建立，主要依賴于業(yè)內(nèi)資深專家。故在建立過程中，專家對精度的把握，是矩陣計算準確性的關鍵。光通信系統(tǒng)故障知識庫的建立，主要從兩個環(huán)節(jié)入手。

1.1 資料搜集與統(tǒng)計[1]

通過查閱近10年來，關于光通信系統(tǒng)的故障診斷及處理案例的文獻。對案例中的故障原因和征兆進行統(tǒng)計與整理。例如，在某電力光通信系統(tǒng)的故障案例中，出現(xiàn)了OPGW外絲斷股的故障征兆，通過文獻的分析可知，造成該征兆的原因是雷擊。則分別將OPGW外絲斷股和雷擊整理至征兆和原因部分。

1.2 專家打分法

調(diào)研成都地區(qū)的部分高校以及光通信系統(tǒng)設備生產(chǎn)廠家。對30位該領域的專家進行走訪，將專家意見添加進知識庫。

在光通信系統(tǒng)的故障診斷中，知識庫的實現(xiàn)方式[2]，擬采取產(chǎn)生式。如：If接頭損耗and光纖斷裂，Then光板閃斷。

2 BP神經(jīng)網(wǎng)絡模型的建立

BP神經(jīng)網(wǎng)絡，是模擬人的大腦神經(jīng)系統(tǒng)，具有判斷功能的算法網(wǎng)絡。該系統(tǒng)是一個需要訓練的系統(tǒng)，本質(zhì)是Back Propagation算法[2]。具體的結(jié)構包括：輸入端、輸出端和隱藏區(qū)域。在該結(jié)構的設計中，隱藏區(qū)間的數(shù)量，必須≥1。本文中，選擇最小量即可，故只采用1個隱藏區(qū)間。BP算法的實質(zhì)，主要是體現(xiàn)在系統(tǒng)的學習過程中，信號分別進行正向傳播、誤差反向傳播。該過程的目標是，采用輸出誤差反傳的方法，將誤差分化，即各個單元部分，都分配部分誤差，繼而每個單元的誤差信號都能夠計算出來。由此，再對各個單元的權值，進行修正。故綜上所述，如果輸出端的結(jié)果與理想值偏差大，系統(tǒng)將開始反向傳播，然后重新修改神經(jīng)元的權值，以達到減小誤差信號的目的。

在光通信系統(tǒng)的故障診斷模型建立中，基本的操作為：（1）假設系統(tǒng)在發(fā)生故障時，表現(xiàn)出的征兆為n，則輸出向量：X=（x1，x2，…，xn）；（2）如果引發(fā)這些征兆的原因為m，則輸出向量：Y=（y1，y2，…， ym）。由此可知，對于該BP神經(jīng)網(wǎng)絡系統(tǒng)的輸入端、隱藏區(qū)間、輸出端的神經(jīng)元個數(shù)為：n、h、m；與此同時，輸入端和隱藏區(qū)間、輸出端和隱藏區(qū)間的連接權重分別為wij和wjk。式中，h的取值與范圍由具體的問題描述決定。根據(jù)經(jīng)驗值可知，取值范圍為：+1，3n。因此，BP計算方法的訓練過程[3]為：

（1）定義wij和wjk的初始權值。定義的手段為隨機選取法。該步驟中，設置2個約束條件：①wij≠wjk；②取值區(qū)間為：（0，1）。

（2）輸入學習樣本（Xp，Yp），計算輸出值Op。

（3）對比計算結(jié)果。把Op值與理想值進行對比，計算二者的誤差。

（4）選擇誤差最小值法，修正權值的矩陣。

（5）規(guī)定閾值。該環(huán)節(jié)的實施，主要是結(jié)合專家經(jīng)驗，由專家結(jié)合該系統(tǒng)的特點，定義一個確定的閾值？姿。然后，將輸出向量結(jié)果與該值比較。若結(jié)果ym 大于閾值，計算過程結(jié)束，得出結(jié)果。否則，結(jié)果無法確定，認為輸入信息不全，重新調(diào)整參數(shù)，又重步驟（2）開始循環(huán)計算。

整個過程中，步驟（1）和（2）的傳播方向為向前；步驟（3）和（4）的傳播方向為向后。所有步驟中，都必須達到一定的精度要求[4]。

3 故障征兆向量的選擇

假設某光通信系統(tǒng)中，故障征兆向量為：x1，x2，…，xn；而原因向量為：y1，y2，…，ym；顯然，二者之間并不是一一對應的，表現(xiàn)出了一定的模糊性。所以，準確的計算模型是不可能建立起來的。在這種狀態(tài)下，擬選擇模糊數(shù)學[4]中的語義征兆法，來界定二者的對應關系。具體操作是，按照系統(tǒng)故障的嚴重程度，把語義征兆劃分為：很嚴重、比較嚴重、嚴重、一般 、輕微 、比較輕微、很輕微、不存在。然后，由專家規(guī)定隸屬度。相應的隸屬度取值范圍為：[1，0.9]，[0.9，0.7]，[0.7，0.6]，[0.6，0.4]，[0.4，0.3]，[0.3，0.1]，[0.1，0]，0。例如，某光纖通信系統(tǒng)發(fā)生了故障，癥狀為：光纜線路衰減量較大，數(shù)據(jù)無法配置，輸入端輕微松動，由此可得征兆的向量：（0.75，0.97，0.35）。

4 計算案例分析

以某光通信系統(tǒng)為例，假設在運行環(huán)節(jié)中，系統(tǒng)發(fā)生故障，癥狀表現(xiàn)為：x1（數(shù)據(jù)配置錯誤），x2（信號衰減），x3（光波失效），x4（電源輸入中斷），x5（脈沖波形失真）。由知識庫可知，造成故障的可能原因為：y1（光纖斷裂），y2（接頭損耗），y3（光纜老化），y4（再生電路故障），y5（檢測器故障），y6 （耦合器損壞）。假設在系統(tǒng)單次運行中，表現(xiàn)出了3個征兆：x1，x2，x5；根據(jù)嚴重程度確定的征兆向量為 0.7，0.3，0.6。由此可知，輸出向量X=（0.70 0.30 0 0 0.60）。

由上述故障表現(xiàn)可知，BP神經(jīng)網(wǎng)絡模型中，輸入端、輸出端和隱藏區(qū)間的數(shù)量為：5、6、8；根據(jù)公式（1）與（2）可知，整體誤差為 0.8。此時，將學習樣本表輸入，Xi為1時，表示該故障的征兆發(fā)生；Yi為1時，則表示故障的原因確定；否則，取值為0。然后，將故障模糊向量輸入，結(jié)果表示為原因向量。根據(jù)計算結(jié)果可知，發(fā)生故障的原因為y3，即光纜老化，該結(jié)論與現(xiàn)場診斷的結(jié)果相符合。

5 結(jié)論

通過構建光通信系統(tǒng)的BP神經(jīng)網(wǎng)絡模型，定義了系統(tǒng)故障的表現(xiàn)癥狀和引發(fā)原因之間的模糊關系。再選擇模糊綜合評判的方法進行計算，快速地確定了引發(fā)故障的原因。但是，閾值和隸屬度的確定，主要依賴專家的經(jīng)驗，具有一定的主觀性和局限性。所以，隸屬度和閾值的精度，需要在今后系統(tǒng)的進一步開發(fā)過程中，不斷修正和完善，以達到提高系統(tǒng)整體診斷精度的要求。

【參考文獻】

[1]劉建忠.電力系統(tǒng)光纖通信故障的檢測與排除[J].科技信息，2010（17）：359-360.

[2]王旭，潘嶠.基于BP模糊神經(jīng)網(wǎng)絡的水輪機進水蝶閥故障診斷方法的研究[J].水利電力科技，2011，37（1）：20-23.

[3]王浩全.基于BP神經(jīng)網(wǎng)絡提高偽裝目標識別概率的研究[J].光學與光譜分析，2010，30（12）：3316-3319.

[4]李士勇.工程模糊數(shù)學及應用[M].哈爾濱：哈爾濱工業(yè)出版社，2004.

[責任編輯：朱麗娜]