[发明专利]基于BP神经网络的评估设备对功能故障影响的方法

说明书

本发明公开了一种基于BP神经网络的评估设备对功能故障影响的方法，包含以下步骤：1、收集复杂系统的设备组成关系以及具备功能，分别组成设备字符队列和功能字符队列；2、确定单个功能故障与各设备的状态的关系；3、确定组合功能故障与各设备的状态的关系；4、根据步骤3的结果在设备字符队列和功能字符队列的对应位置进行编码；5、以设备字符队列作为输入，功能字符队列作为输出，建立设备‑系统功能矩阵；6、建立GA‑BP神经网络；7、训练系统功能‑设备状态模型；8、求解系统功能‑设备状态模型中输入节点静态权重、设备关联功能数、设备失效率；9、评估设备对功能影响。

技术领域

本发明属于健康管理及故障诊断领域，涉及一种基于BP神经网络的评估设备对功能故障影响的方法，用于实现对复杂系统中每个设备对功能故障的影响度进行评估，找到复杂系统的薄弱环节。

背景技术

对于复杂系统(例如综合射频系统)而言，迅速找到复杂系统中的薄弱环节以及开展故障诊断是一项十分必要的工作，根据找到的薄弱环节设计师可以在设计阶段迅速调整设计，改善薄弱环节，根据故障诊断结果可以使维修人员根据故障发生的现象迅速排查出故障根源所在，大大缩短了排故、定位时间。然而受限于综合射频系统的复杂交联关系、系统包含层级繁琐、故障突发性强、故障特征参数提取困难等情况，通常采用故障树分析方法来确定薄弱环节，但无法形成有效的故障诊断方法，而随着综合射频系统逐步向综合化、通用化、多功能化演进，这无疑会使功能和设备之间的关系更加复杂，薄弱环节的定位以及故障关联设备状态的诊断也会越发困难。与此同时，在开展故障树分析时可以有效建立起系统单个功能与设备的关系。因此，若能在此基础上建立多功能与多设备之间的交联关系，那么在薄弱环节定位以及故障诊断方面均有重大意义。

发明内容

本发明的发明目的在于提供一种基于BP神经网络的评估设备对功能故障影响的方法，用以解决由于交联关系复杂的复杂系统所引起的薄弱环节分析难以确定以及故障诊断困难的问题。

本发明的发明目的通过以下技术方案实现：

一种基于BP神经网络的评估设备对功能故障影响的方法，包含以下步骤：

步骤1、收集复杂系统的设备组成关系以及具备功能，分别组成设备字符队列和功能字符队列；

步骤2、确定单个功能故障与各设备的状态的关系；

步骤3、确定组合功能故障与各设备的状态的关系；

步骤4、根据步骤3的结果在设备字符队列和功能字符队列的对应位置进行编码；

步骤5、以编码后的设备字符队列作为输入，编码后的功能字符队列作为输出，建立设备-系统功能矩阵；

步骤6、建立BP神经网络；

步骤7、将设备-系统功能矩阵放入BP神经网络训练系统功能-设备状态模型；

步骤8、求解系统功能-设备状态模型中输入节点静态权重、设备关联功能数、设备失效率；

步骤9、根据求得的每个设备在功能故障中所占的静态权重、设备关联功能数、设备失效率实现设备对功能影响的评估。

优选地，建立BP神经网络的过程为：根据设备-系统功能矩阵、及输入节点个数、输出节点个数确定BP神经网络拓扑结构并初始化权值和阈值，利用遗传算法GA对初始化权值和阈值进行优化，得到BP神经网络的最优权值和阈值后完成BP神经网络的建立。

优选地，所述步骤9的计算公式为：

R＝Q*W*λ

其中，Q为静态权重设，W为设备关联功能数，λ为设备失效率，R为评估度；

当功能之间存在优先级排序时，设优先级系数为S，那么此时该设备对系统功能故障的影响的评估度度R为：