基于NN与CBR的雷达故障诊断专家系统设计
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于NN与CBR的雷达故障诊断专家系统设计范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
引言 随着新技术新装备的应用，些新体制雷达系统的结构组成较之传统雷达更为复杂，这给雷达故障的快速、准确诊断提出了更高的要求。由于新体制雷达大批量装备部队，使用过程中不可避免地会产生各种各样的故障，雷达的故障维修任务也越来越重。因此，如果有一种行之有效的诊断方法和手段，使现行装备各级保障体系相互配合，并能够准确快速地定位雷达故障并维修，这将对保障雷达正常使用、提高部队战斗力有着积极作用。
目前故障诊断技术已发展到智能化阶段，应用于故障诊断的几种常用的方法有：基于规则推理、基于模型和神经网络等，各种诊断方法各有特点和优点，在许多领域都有非常好的应用，但也有各自的局限性。对于雷达这样高技术复杂装备，采用单一的故障诊断方法已经越来越难满足要求。cBR又称援例推理，是通过访问知识库中过去同类问题的求解从而获得当前问题解决的一种推理模式。CBR不需要进行规则匹配，类似的案例可以通过索引检索出来而直接得到问题的解答．这就使迅速解决复杂问题成为可能。神经网络技术以强有力的学习和并行处理能力为故障诊断提供了全新的理论方法和实现手段，而专家系统是具备解释功能的基于符号的推理系统。把神经网络(nn)、基于案例推理(cbr)和专家系统理论的故障诊断方法结合起来组建一个集成的智能诊断系统．利用两种推理各自的推理优势，形成优势互补，克服了庞大丰富的知识库对系统推理效率的影响，从而可以极大地提高雷达故障诊断的正却性和效率。
基于NN的雷达故障诊断专家系统设计分为3个模块：输入模块．推理模块及管理维护模块。各模块之间的关系如图1所示。
输入模块
即接收的各种故障信息及现象。输入层从系统接收输入信息．即为经过归一化处理计算出的故障特征值。利用神经网络进行故障诊断时，首先要把故障信息或现象输入神经元网络，并把知识变换成为网络的权值和阈值，分布存储在整个神经网络之中。 推理模块 推理模块主要是通过推理机的计算和不断搜索来得到一个最满意解。通常是在一定的推理机制指导下，根据知识库中的知识和动态数据库中的实时数据进行推理判断，同时随着推理过程的不断进行把一些中间结果送入动态数据库。 管理维护模块 知识库的管理维护模块包括知识数据库的增加、修改、删除、决策和评价等功能。通常是通过对静态知识和动态知识管理与组织来实现。知识库静态和动态知识的自学习及自动扩充、更新知识库等内容。系统知识库中的知识来源于知识获取机构，其中存储了诊断对象的故障征兆、故障模式、故障成因、处理意见等内容，这是诊断的基础。
基于CBR雷达故障诊断专家系统的设计
CB雷达故障诊断模块在进行故障处理时，从故障案例库中寻找与之匹配的故障案例，若能找到完全匹配的故障案例，就会按照以前的求解思想去解决给定的问题，若找不到完全匹配的故障案例，可以通过调整搜索方式找到一个或多个类似的故障案例(集)，通过算法或人工手段对其进行适当的修正，以满足当前问题的要求，同时将这个解存储到故障案例库中。若以后遇到同样的问题，系统就不会重复上述步骤，而是直接得到一个完全匹配的解。基于CBR的雷达故障诊断专家系统设计分为：输入模块，推理模块及管理维护模块。 CBR流程如图2所示。
输入模块
输入模块包括案例信息表、设备信息表、征兆信息表、故障信息表、案例解释和附件表。完整的诊断信息是进行故障诊断的先决条件。采集到的故障症兆信息按照一定的知识表示方法表述为一个案例存放于动态数据库中，各个诊断信息即为该案例的各个属性。
推理模块
推理机是整个诊断的核心，也是CBR雷达故障诊断的主体。由故障检索、修正和调整、执行部门、知识精化。故障存储查找失败原因等过程组成。根据动大数据库中的当前案例．从案例库中检索出相似的案例与之匹配，若案例完全相同，则直接调出历史案例的解决方案作为当前问题的解决办法：若案例相似，则须调整个旧案例的解法，以适应当前问题。 管理维护模块 案例库的管理维护主要包括案例库的增加、修改、删除、决策及评价等功能。CBB系统中的案例库是由领域专家以前解决过的一些历史案例组成的。故障案例库存储着按一定结构存放的故障案例，每一条案例都有具体的说明、结论、解决方案等。处理失败的故障案例也存储其中，并指明了失败的原因。除了成功或失败的具体故障案例之外，一般性案例若存在也会被作为故障案例存储其中，一般性案例表示的故障案例记录了对同桌源、同性质的故障在各种环境条件下的数据。 基于NN与CBR的雷达故障诊断 专家系统的实例 针对雷达故障案例，以某型雷达通信系统为例，介绍雷达故障诊断过程。雷达通信系统是现代雷达的重要配套设备。传统意义上，雷达通信系统一方面可以把雷达所探测到的信息传输到指挥所，供指挥人员掌握动态变化的战场情况，把握战机；另一方面．指挥人员利用雷达通信系统可以远离战场对雷达设备操作指令和进行控制。随着新体制雷达的发展，雷达通信系统的传输内容由单纯的雷达情报数据、话音传输演变为雷达图像、网络数据以及高速、保密的话音传输，雷达所探测的动态战场情况更加准确，信息量更大，新型雷达装备的接收系统、信号处理、显示系统等已形成了一个基于TCP／IP协议的局域网。雷达与指挥所之间要传输的信息内容更多，例如雷达成像信息、雷达阵地视频信息、网络信息等。可见，对雷达通信系统的故障诊断具有十分重要的现实意义。 雷达故障诊断专家系统组成及故障诊断流程 基于NN与CBR的雷达故障诊断专家系统的总体结构如图3所示。系统主要由输入模块、推理模块和管理维护模块组成。输入模块包含数据采集、故障征兆参数两个子模块。推理模块包括两个部分：一部分采用正向推理，进行神经网络的计算，由已知的征兆向量经过计算获得故障向量，完成由输入模式到输出模式的非线性映射：另一部分从故障案例库中检索相似的案例，若案例完全相同，则直接调出历史案例的解决方案作为当前问题的解决方法，若案例相似，则须调整这个旧案例的解法，以适应当前的问题。管理维护模块包括对知识库和案例库的增加、修改、删除、决策及评价等功能。本系统的知识库在雷达故障诊断过程中至关重要，对故障的诊断必须利用知识库进行推理，给出用户需要的绪论。系统诊断流程如图4所示。 基于NN与CBR的专家系统雷达通信系统故障诊断 雷达诊断专家系统在诊断过程中首先使用基于神经网络的诊断方法，神经网络对应各自的故障征兆，利用
知识库中的已有知识和解释机制对其进行故障解释，给出故障原因和维修建议，得到诊断结果和解决方法：如果故障诊断失败或者还存在其它故障时，再用基于案例的推理进行故障诊断，采用人机交互的方式，根据诊断对象的症状，在案例库中检索最相似的案例。在案例库中收集到的新故障案例，经过评价，若有价值则按一定的存储策略存入案例库中，也可以用于构造和训练新的神经网络模型，同时案例的不断积累使案例库增大，降低效率，因此对于可通过神经网络正确诊断的案例，可从案例库中删除，提高诊断效率。通过对新体制雷达通信系统的各种故障现象、故障类型进行分析，确定故障样本集如下：a.输入变量即征兆变量，在表2中依次为射频发射组件、射频接收组件、中频发组件、中频收组件、射频电源、中频电源、帧同步、纠错，共8个输入变量。这些参数通过系统预处理，变成0、1两种形式，更能直观地反映故障的特点：b．输出变量即故障模式，包括无输出功率、接收视频脉冲无输出、终端异常以及多故障4种模式，0表示无故障，1表示有故障。因受篇幅限制，本文仅列出征兆／故障样本数据中的12组数据，如表1所示。
实际的神经网络输入神经元数为8，输出神经元数为4，取RBF的分布常数spread为1.2。利用Matlab创建一个RBF网络，训练完成后，取表1中的2、4、7号样本来进行测试，得到的网络输出及诊断结果如表2所示。取阈值为0.85，当神经网络输出值大于0.8s时，判定为故障，由表2可见神经网络诊断的有效性：当神经网络诊断结果不理想时，转入基于案例推理的诊断系统，按照上述cBR诊断的步骤，对案例库进行检索，搜寻相似案例，需要时将进行修改后得出的案例作为结果案例提交给用户，并及时对案例进行更新。其它类型的故障诊断依此类推。 结束语
本文从分析雷达故障诊断专家系统工作原理出发，分别阐述了基于神经网络设计和基于案例推理设计的两种故障诊断方法，在此基础上，给出了雷达故障智能诊断专家系统的一种新的实现方法，即基于神经网络与基于案例推理相结合的雷达故障诊断。该方法综合运用神经网络、基于案例推理和专家系统理论，发挥各自技术的长处，并通过实例证明了该方法的有效性。本文的研究成果可以提高雷达故障诊断的效率，并促进故障诊断的自动化和智能化，提高雷达故障诊断的成功率，从而为雷达故障智能诊断的研究提供了一种新方法和新思路。