电台故障诊断模型研究范文

本站小编为你精心准备了电台故障诊断模型研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：本文针对坦克通信装备故障的特点，以实际需求为牵引，以某电台作为具体研究对象，结合BP神经网络理论构建故障诊断模型，并对模型进行故障诊断仿真测试，可为装甲机械化部队通信装备故障快速精准定位、快速排除诊断实践提供理论及应用支撑。

关键词：神经网络；电台；故障诊断

0背景

坦克通信装备作为我军装甲机械化部队战时的主要通信工具，通常安装在坦克或装甲车上，对于实现上级、下级及友邻部队间的指挥通信和协同通信起着关键作用[1]。坦克通信装备故障具有复杂性、不确定性和传播性的特点，传统的靠人工经验积累判断通信装备故障的模式已不能够适应信息化战场的需要。神经网络应用技术手段模拟人脑神经网络的结构和功能的，从微观结构和功能上对人脑的一种抽象、简化，模拟人类思维，反映了人脑功能的若干基本特征，具有很强的知识获取能力、联想记忆能力、并行计算能力、良好的容错能力、自适应滤除噪声能力等，神经网络技术运用于通信装备故障诊断，用来快速、准确定位故障，在军事领域具有非常广阔的应用前景。

1模型结构设计

基于神经网络的电台诊断模型网络结构主要由三层组成：分别为输入层、隐含层、输出层，输入层节点为故障现象，输出层节点为故障原因。

2BP网络的学习算法

BP网络的学习过程可分为两个阶段，一是信息的正向传递；二是误差的反传播。

3仿真实验

MATLAB平台下BP网络训练仿真结果本文选择采用单隐含层的三层BP网络。输入层至隐含层以及隐含层至输出层的传输函数均选用非线性S型函数—signoid函数tansig。

3.1初始权值的选择

网络初始权值的选取是影响BP网络收敛性和训练时间的主要因素之一。由于传递函数的特殊性质，为了在S型传递函数梯度最大的地方调节神经元权值，初始权值应该在（-1，1）之间。

4结论

本文针对坦克通信设备故障诊断实际需求，构建了基于BP神经网络的故障诊断模型。并比较了标准BP算法和改进型BP算法，MATLAB仿真结果表明，VLBP算法在收敛速度、网络误差等方面具有很大优势，在故障诊断中具有较高的应用价值，能够快速精确的对故障进行定位。

参考文献：

[1]梁计春.TCR-99系列短波电台工作原理与维修[M].北京：国防工业出版社，2009.

[2]杨军，冯振声，黄考利等.装备智能故障诊断技术[M].北京：国防工业出版社，2004.

[3]王玲.复杂装备故障智能诊断技术研究[D].沈阳师范大，2011.

[5]罗志勇.雷达系统智能故障诊断技术研究[D].西北工业大学，2006.

[6]王仲生.智能故障诊断与容错控制[M].西安：西北工业大学出版社，2005.

作者：马晓航 单位：61623部队通信器材修理所