[发明专利]一种基于BP神经网络模型的故障预测方法及预测系统

说明书

本发明涉及属于雷达系统故障预测技术领域，具体是涉及一种基于BP神经网络模型的故障预测方法及预测系统。该故障预测方法包括向BP神经网络模型输入收发组件的状态参数的归一化样本数据，计算状态参数的预测值，将所述状态参数的预测值与其参考值作比较分析，输出故障预测结果。采用BP神经网络模型预测数字收发组件的状态参数，能够在已有的样本数据的基础上预测出下一时刻的状态参数值，得出故障预测结果，方便快捷，能够使维修人员根据故障预测结果及时获知数字收发组件的工作状态，为实现组件的预测性维修提供支撑，提高雷达系统的可靠性。

技术领域

本发明涉及属于雷达系统故障预测技术领域，具体是涉及一种基于BP神经网络模型的故障预测方法及预测系统。

背景技术

随着无人机、隐身飞机、弹道导弹、临近空间目标新型威胁目标的探测要求，相控阵和数字化技术在雷达中获得广泛应用。相控阵雷达中系统，数字收发组件的数量多、成本高，是雷达系统最关键部分，其性能的正常与否直接影响到雷达系统性能的发挥。数字收发组件集成了雷达对电磁波信号的发射和接收，具有较高的故障率。

数字收发组件的状态参数发生异常时，维修人员无法及时获取这一信息，进而不能及时检修和维护，导致数字收发组件工作在异常状态下，降低了雷达系统的可靠性。

发明内容

为解决上述技术问题，本发明的目的之一是提供了一种基于BP神经网络模型的数字收发组件故障预测方法。使用该故障预测方法能够在已有的样本数据的基础上，计算状态参数的预测值，得出故障预测结果，使维修人员及时获知数字收发组件的工作状态，为实现组件的预测性维修提供支撑，提高雷达系统的可靠性。

为实现上述目的，本发明采用了以下技术方案：

一种基于BP神经网络模型的数字收发组件故障预测方法，该故障预测方法包括向BP神经网络模型输入收发组件的状态参数的归一化样本数据，计算状态参数的预测值，将所述状态参数的预测值与其参考值作比较分析，输出故障预测结果；

计算状态参数的预测值的步骤如下：

S11，对状态参数的样本数据进行归一化处理：

其中,a_i为状态参数的第i个样本数据，n为状态参数的样本数据的总数，max(a_i)和min(a_i)分别为状态参数的最大值和最小值，x_i为归一化的第i个样本数据；

S12，建立BP神经网络模型的拓扑结构，所述网络的拓扑结构包括输入层、隐含层和输出层，向BP神经网络模型的输入层输入归一化的样本数据，计算隐含层的输出值，根据隐含层的输出值，计算输出层所输出的状态参数的预测值。

优选的，S12的具体步骤如下：

S121，计算隐含层的第j个神经元的输出值h_j：

S122，计算输出层第k个神经元输出的状态参数的预测值y_k：

其中，m为输入层神经元个数，即向输入层输入的归一化的样本数据的数量,m≤n；g为输出层神经元个数，即需要输出的预测值的数量；f为隐含层神经元个数，x_i为公式(1)归一化的第i个样本数据作为BP神经网络模型输入层第i个神经元的输入值；w_ij为BP神经网络模型输入层的第i个神经元与隐含层的第j个神经元之间的权值；w_jk为BP神经网络模型隐含层的第j个神经元与输出层的第k个神经元之间的权值；θ_j为BP神经网络模型隐含层的第j个神经元的阈值；θ_k为BP神经网络模型输出层的第k个神经元的阈值。