何超

摘要：機(jī)場助航燈的正常運(yùn)行勢必影響航空器的起降安全以及跑道的使用效率。為了能夠預(yù)測助航燈的使用壽命，建立了遺傳算法（GA）優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)模型（GM）。由仿真結(jié)果可知，遺傳算法優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)模型與單一模型相比，提高了預(yù)測準(zhǔn)確度和穩(wěn)定性，為預(yù)防性維修的可行性奠定了基礎(chǔ)。

關(guān)鍵詞：助航燈;遺傳算法;灰色神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）06-0176-02

機(jī)場的助航燈燈光系統(tǒng)分為滑行道燈光系統(tǒng)、進(jìn)近燈光系統(tǒng)以及跑道燈光系統(tǒng)，是飛機(jī)起降和機(jī)場內(nèi)滑行的重要引導(dǎo)裝置，保證了飛機(jī)在能見度低的情況下能夠正常起降運(yùn)行。助航燈燈光系統(tǒng)的運(yùn)行工況與飛行安全和飛行效率有緊密的關(guān)系。機(jī)場的助航燈數(shù)量多達(dá)幾千甚至上萬盞，如果采用人工巡查的方式，效率低下，勢必造成機(jī)場滑行道和跑道的可用度下降。因此，有必要監(jiān)控助航燈的運(yùn)行狀態(tài)，采用故障預(yù)測技術(shù)，預(yù)測助航燈的剩余壽命，進(jìn)行合理的預(yù)防性維修，提高機(jī)場跑道和滑行道的使用效率。

1GA優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)建模

本方案建立了遺傳算法（GA）優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)模型對助航燈的使用壽命進(jìn)行預(yù)測。

灰色系統(tǒng)建立的模型稱為灰色模型（GM），灰色神經(jīng)網(wǎng)絡(luò)是一種研究少數(shù)據(jù)、貧信息、不確定性問題的方法。為了使數(shù)據(jù)擁有一定的規(guī)律，首先需要對GM模型的數(shù)據(jù)做一次累加操作，接著使用典型曲線擬合累加后的數(shù)據(jù)。設(shè)有時(shí)間數(shù)據(jù)序列x^（o）：

將式（7）映射到一個(gè)擴(kuò)展的BP神經(jīng)網(wǎng)絡(luò)，得到一個(gè)灰色神經(jīng)網(wǎng)絡(luò)，該灰色神經(jīng)網(wǎng)絡(luò)擁有n個(gè)輸入，1個(gè)輸出，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。

由灰色神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可知，灰色神經(jīng)網(wǎng)絡(luò)有ABCD四層。其中，t為輸入?yún)?shù)，y2（t），…yn（t）為網(wǎng)絡(luò)輸入?yún)?shù)，ω21，ω22，…，ω2n，ω31，ω32，…，ω3n為網(wǎng)絡(luò)權(quán)值，y1為網(wǎng)絡(luò)預(yù)測值。

在灰色神經(jīng)網(wǎng)絡(luò)建模過程中，其權(quán)值和閾值最初是隨機(jī)生成的，而且灰色神經(jīng)網(wǎng)絡(luò)收斂速度很快，網(wǎng)絡(luò)很快會陷入局部最優(yōu)，無法繼續(xù)修正參數(shù)。本方案采用遺傳算法（GA）優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)，使用GA求得灰色神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，再帶人灰色神經(jīng)網(wǎng)絡(luò)，這樣可以更好的預(yù)測函數(shù)的輸出。GA的步驟可以分為種群初始化操作：個(gè)體編碼方法為實(shí)數(shù)編碼，把個(gè)體對應(yīng)灰色神經(jīng)網(wǎng)絡(luò)預(yù)測誤差作為個(gè)體適應(yīng)度值;適應(yīng)度函數(shù)操作;選擇操作：采用輪盤賭法;交叉操作：實(shí)數(shù)交叉法;變異操作。

2GA化的灰色神經(jīng)網(wǎng)絡(luò)模型驗(yàn)證

助航燈的額定功率為220W，由前文公式計(jì)算可知，工作電壓在14V到33V之間。選擇第三燈光等級進(jìn)行測試實(shí)驗(yàn)。助航燈在第三燈等級下的電壓為u=IR=4.1*5=20.5V。由于電壓存在一定的波動(dòng)，助航燈在第三燈光等級下的工作電壓在19V到22V之間，故將故障報(bào)警值設(shè)為19V。隨著助航燈工作伴隨的老化問題，助航燈內(nèi)阻會逐漸減小，導(dǎo)致助航燈的實(shí)際工作電壓逐漸降低?？紤]可以通過監(jiān)測助航燈兩端電壓值對助航燈壽命進(jìn)行判斷，以達(dá)到視情維修，提高機(jī)場跑道使用效率的目的。讓助航燈持續(xù)工作一段時(shí)間，采集燈具兩端的工作電壓，如表1數(shù)據(jù)所示，采集時(shí)間間隔為24小時(shí)，共采集了50次。使用前40組數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，網(wǎng)絡(luò)的學(xué)習(xí)進(jìn)化次數(shù)為100次，用余下的10組數(shù)據(jù)測試網(wǎng)絡(luò)的預(yù)測性能。

根據(jù)神經(jīng)網(wǎng)絡(luò)原理，在MATLAB中編程實(shí)現(xiàn)遺傳算法優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)助航燈故障預(yù)測程序。

1）對原始數(shù)據(jù)做歸一化處理。如果輸入輸出的數(shù)量級差別過大，則會造成較大的預(yù)測誤差。在預(yù)測前，將所有數(shù)據(jù)都轉(zhuǎn)化為[0，1]之間的數(shù)。本方案使用最大最小法進(jìn)行數(shù)據(jù)歸一化處理。

5）判斷訓(xùn)練是否結(jié)束，如果沒有，返回步驟3）再次展開計(jì)算。

采用GA優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)對助航燈壽命進(jìn)行預(yù)測，使用MATLAB進(jìn)行仿真分析，預(yù)測結(jié)果如圖3所示，由GA優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測值更加趨近真實(shí)值具有更好的預(yù)測效果。

圖4為兩種模型的絕對誤差，GA優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)模型絕對誤差更小，預(yù)測準(zhǔn)確度更高。

3結(jié)論

為了實(shí)現(xiàn)對助航燈工作壽命的預(yù)測，建立了GA優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)模型。通過對模型的訓(xùn)練和預(yù)測，采用GA優(yōu)化后的灰色神經(jīng)網(wǎng)絡(luò)提高了預(yù)測準(zhǔn)確度，仿真結(jié)果表明該方法能夠較好地預(yù)測助航燈工作壽命，印證了該方法的有效性，為預(yù)防性維修提供了可能，應(yīng)用前景廣闊。