朱濤 張棟善

摘要：文章概述了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，分析了BP神經(jīng)網(wǎng)絡(luò)內(nèi)部的故障檢測運算方式，進(jìn)而研究了BP神經(jīng)網(wǎng)絡(luò)在航空發(fā)動機氣路故障診斷中的具體應(yīng)用，希望可以為相關(guān)人員提供參考。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);航空發(fā)動機氣路;故障診斷

中圖分類號：V263.6 ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A

航空飛行器會出現(xiàn)諸多故障，例如發(fā)動機故障、零件故障等，這會對航空飛行造成影響。因此，需要通過較為有效的方式來檢測航空飛行器的故障，最終才可以更加有效地發(fā)現(xiàn)故障并解決故障。

1 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷

2 BP神經(jīng)網(wǎng)絡(luò)內(nèi)部的故障檢測運算方式

反向傳播學(xué)習(xí)算法誕生于1986年，是由Rumelhart提出的，即BP算法。反向傳播BP神經(jīng)網(wǎng)絡(luò)是建立在誤差基礎(chǔ)上訓(xùn)練算法的多層超前網(wǎng)絡(luò)，在神經(jīng)網(wǎng)絡(luò)模型中應(yīng)用比較廣泛。這一算法可修正網(wǎng)絡(luò)各個層次的權(quán)系數(shù)，在多層網(wǎng)絡(luò)中均比較適應(yīng)。當(dāng)前BP算法應(yīng)用比較廣泛，是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中的一種，在自動控制中更為有用。其所包含的層次有輸入與輸出層，還包括輸入與輸出之間的中間層。中間層有單層與多層之分，和外界聯(lián)系較淺，也就是所謂的隱層，隱層中的神經(jīng)元即隱單元。隱層雖然與外界無法連接，但其狀態(tài)直接與輸入和輸出之間存在密切關(guān)系。這代表隱層權(quán)系數(shù)發(fā)生變化，可從整體上對多層神經(jīng)網(wǎng)絡(luò)性能加以改變。

檢測神經(jīng)網(wǎng)絡(luò)，其要點是無須事先羅列出與之對應(yīng)的模式經(jīng)驗知識和對應(yīng)的函數(shù)判別，因為其為一類自適應(yīng)性模式，可充分利用自身的學(xué)習(xí)機制，打造決策區(qū)域。網(wǎng)絡(luò)獲取某種映射關(guān)系時，需經(jīng)狀態(tài)信息訓(xùn)練不同狀態(tài)的信息，這種映射關(guān)系，會隨環(huán)境的變化而變化，適應(yīng)于多變的環(huán)境，其實際算法：輸入為“net=”輸入為“y =”輸出的導(dǎo)數(shù)為“ =y（1-y）”。

BP神經(jīng)網(wǎng)絡(luò)主要是經(jīng)諸多神經(jīng)元互相連接實現(xiàn)的，其所具備的特點是單向傳播，是多層前向網(wǎng)絡(luò)，主要分為三個層次，即輸入層、中間層與輸入層。中間層又可劃分諸多層次，對各層神經(jīng)元而言，主要是接受前一層神經(jīng)元的輸出。除此之外，BP神經(jīng)網(wǎng)絡(luò)不存在反饋，在同層的不同節(jié)點中，相互之間具有耦合作用，下一層節(jié)點輸入會受到較大的影響。

BP神經(jīng)網(wǎng)絡(luò)模型是由多層組成的，包含諸多隱含層。同層中不同神經(jīng)元互相獨立存在。輸入信號時輸入層神經(jīng)元按照先后順序通過每個隱含層神經(jīng)元，最后由輸出層神經(jīng)元接受，其中BP網(wǎng)絡(luò)模型結(jié)構(gòu)具有隱含層，隱含層神經(jīng)元個數(shù)是m，從理論上講，所代表層數(shù)有輸入層一個以及線性輸出層一個、隱含層，含有上述層的BP網(wǎng)絡(luò)可以任意精度接近連續(xù)的較微的函數(shù)。相較于系統(tǒng)內(nèi)存變量與存儲類別，可結(jié)合不同類別變量生存期與作用期，為程序設(shè)計變量的組織合理設(shè)計，使程序效率得以提升，使其內(nèi)存得以減少，于一定程度上發(fā)揮出較強的指導(dǎo)作用[2]。

3 BP神經(jīng)網(wǎng)絡(luò)在航空發(fā)動機氣路故障診斷中的具體應(yīng)用

從整體上來說，當(dāng)前航空發(fā)動機氣路故障診斷對飛參系統(tǒng)有重要意義，但也存在缺陷與不足。為有效發(fā)揮飛參系統(tǒng)功效，以下諸項極為重要。

3.1 大力開設(shè)BP神經(jīng)網(wǎng)絡(luò)下航空發(fā)動機氣路故障診斷探析

借助故障診斷系統(tǒng)可評估航空系統(tǒng)，掌握航空的實際飛行，給航空發(fā)動機氣路的診斷提供重要的指標(biāo)，提供技術(shù)上的支撐。在新的情形下，有關(guān)部門需在原有基礎(chǔ)上建立檢測航空與系統(tǒng)狀況的系統(tǒng)，積極對故障展開分析與研究，建設(shè)系統(tǒng)狀態(tài)檢測數(shù)據(jù)庫，構(gòu)建有效的信息資源網(wǎng)，真正為航空信息資源共享打造基礎(chǔ)，對航空加大控制與監(jiān)督[3]。

3.2 打造航空實時診斷與故障診斷支持系統(tǒng)

從理論上講，航空飛行器的實際狀況與故障的診斷離不開系統(tǒng)數(shù)據(jù)的支撐，因為此系統(tǒng)源于數(shù)據(jù)鏈上形成，可使子系統(tǒng)互相結(jié)合。簡單來說，航空飛行器的實際情況和故障診斷系統(tǒng)的設(shè)置可嚴(yán)密監(jiān)控飛行器的飛行，診斷其所存在的故障，并診斷支持系統(tǒng)。圖4是飛參系統(tǒng)內(nèi)部處理流程圖。

此系統(tǒng)所具有的特點有三個：其一，可對航空故障初次加以診斷，合理運用數(shù)據(jù)通信網(wǎng)絡(luò)傳輸飛行參數(shù)信息，借助地面專家系統(tǒng)預(yù)測系統(tǒng)故障，將所得數(shù)據(jù)上傳至航空飛行器，指導(dǎo)飛行員及時處理故障。其二，將神經(jīng)元網(wǎng)絡(luò)與數(shù)據(jù)有機結(jié)合，合理運用監(jiān)控儀器分析航空狀況，依據(jù)專家系統(tǒng)來診斷航空故障，定位航空所存在的故障，預(yù)測余下的壽命。其三，具有自動化水平。面對當(dāng)前突飛猛進(jìn)的科學(xué)技術(shù)，自動化技術(shù)尤為重要，航空的實時診斷與故障勘察離不開高超的自動化技術(shù)。自動診斷系統(tǒng)可對數(shù)據(jù)加以有效分析，這樣不僅可減少對人員的依賴，還可深度掌握數(shù)據(jù)，給航空發(fā)動機氣路故障的診斷提供強有力的技術(shù)保障[4]。

3.3 BP神經(jīng)網(wǎng)絡(luò)在航空發(fā)動機氣路故障診斷中的作用

當(dāng)前，我國對航空發(fā)動機氣路故障診斷與維修技術(shù)非常重視，其技術(shù)發(fā)展迅速，但依然有需要注意的環(huán)節(jié)。其一，故障定位不夠準(zhǔn)確。當(dāng)前的檢測方式主要是為單個設(shè)備提供必要的故障信息，以此來診斷存在的故障，如圖5所示。從全局出發(fā)，這種檢測方式不僅缺乏深度，并且虛警率比較高，導(dǎo)致故障定位比較困難，故障診斷準(zhǔn)確率比較低。其二，故障診斷的自動化程度不高。在當(dāng)前科學(xué)技術(shù)的不斷發(fā)展下，航空維修并沒有過多地采取最先進(jìn)的科學(xué)手段，另外現(xiàn)階段航空的故障診斷與壽命控制還是以人工操作為主，所以對維修人員提出了更高的要求。然而根據(jù)筆者的分析與調(diào)查，維修人員往往流動性比較大，無法保證維修人員的穩(wěn)定性，無法保證維修水平與維修效率[5]。

4 結(jié)語

BP神經(jīng)網(wǎng)絡(luò)所存在的非線性映射較強，其自身適應(yīng)能力也較強，將其實際應(yīng)用在航空故障診斷中，可以有效確定航空飛行器出現(xiàn)故障的位置與因素，這樣就可以從根本上有效降低航空故障造成的影響。

（責(zé)任編輯：武多多）

參考文獻(xiàn)：

[1]盧俊文，吳瑞，?；⑸?，等.航空發(fā)動機氣路改進(jìn)神經(jīng)網(wǎng)絡(luò)故障診斷研究[J].自動化儀表，2015，36（1）：5-8.

[2]趙國昌，徐昂，宋麗萍，等.BP與RBF神經(jīng)網(wǎng)絡(luò)在航空發(fā)動機氣路故障診斷中的應(yīng)用[J].濱州學(xué)院學(xué)報，2017，33（4）：11-17.

[3]陳恬，孫健國，郝英.基于神經(jīng)網(wǎng)絡(luò)和證據(jù)融合理論的航空發(fā)動機氣路故障診斷[J].航空學(xué)報，2006，27（6）：1014-1017.

[4]許夢陽，黃金泉，魯峰.航空發(fā)動機氣路故障診斷的SANNWA-PF算法[J].航空動力學(xué)報，2017，32（10）：2516-2525.

[5]鮮倪軍.基于ABC-BP神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機故障診斷方法[J].裝備制造技術(shù)，2018，（5）：179-181，184.