胡水鏡

摘 要： 為指導(dǎo)制定ADS?B系統(tǒng)的維護(hù)策略，提高系統(tǒng)完好率，提出一種利用GRNN神經(jīng)網(wǎng)絡(luò)對(duì)故障率進(jìn)行預(yù)測(cè)的方法。利用總使用時(shí)間、維護(hù)質(zhì)量、環(huán)境溫度和環(huán)境濕度的特征數(shù)據(jù)作為輸入向量，故障率為輸出向量，建立GRNN神經(jīng)網(wǎng)絡(luò)故障預(yù)測(cè)模型。仿真實(shí)例表明，GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有較高的預(yù)測(cè)精度、穩(wěn)定的網(wǎng)絡(luò)以及較快的收斂速度，預(yù)測(cè)結(jié)果可為科學(xué)制定維護(hù)策略提供幫助。

關(guān)鍵詞： ADS?B系統(tǒng)； GRNN神經(jīng)網(wǎng)絡(luò)； 故障率預(yù)測(cè)； 故障預(yù)測(cè)模型

中圖分類(lèi)號(hào)： TN965.6?34； V240.2 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）15?0107?03

ADS?B system′s failure rate prediction based on GRNN neural network

HU Shui?jing

（Civil Aviation Flight University of China， Guanghan 618307， China）

Abstract： In order to instruct the formulation of maintenance policy for ADS?B system and improve the system availability， a method to predict the failure rate by the aid of GRNN neural network is put forward in this paper. A GRNN neural network failure rate prediction model was established by taking the characteristic data of total working time， environment temperature， environment humidity and maintain quality as input vector， and the failure rate as output vector. The simulation example shows that the prediction model has the advantages of high?accuracy prediction， stable network and quick convergence， and the predicted results can provide a help for formulation of the scientific maintenance policy.

Keywords： ADS?B system； GRNN neural network； failure rate prediction； failure prediction model

0 引 言

廣播式自動(dòng)相關(guān)監(jiān)視系統(tǒng)（Automatic Dependent Surveillance?Broadcast，ADS?B）是利用全球衛(wèi)星定位系統(tǒng)及機(jī)載設(shè)備產(chǎn)生自身狀態(tài)數(shù)據(jù)，以地空/空空數(shù)據(jù)鏈為通信手段的一種飛機(jī)運(yùn)行監(jiān)視技術(shù)。ADS?B系統(tǒng)可實(shí)現(xiàn)空地飛機(jī)的實(shí)時(shí)跟蹤定位和相互感知，達(dá)到自動(dòng)監(jiān)控和預(yù)警，避免飛機(jī)危險(xiǎn)接近，可有效縮小飛機(jī)之間的間隔并提高運(yùn)行安全水平[1]。ADS?B系統(tǒng)作為空管領(lǐng)域的一項(xiàng)新技術(shù)，在中國(guó)民航飛行學(xué)院得到了全面應(yīng)用，替代了地面塔臺(tái)管制員靠陸空對(duì)話確定飛機(jī)的位置和高度，利用“擺棋子”、目視以及記憶等指揮飛機(jī)的傳統(tǒng)方式，雖然大大提高了飛行訓(xùn)練數(shù)量和質(zhì)量，但造成了空管指揮對(duì)ADS?B系統(tǒng)的高度依賴(lài)性，一旦該系統(tǒng)發(fā)生故障，將會(huì)影響飛行訓(xùn)練的正常運(yùn)行，甚至危及飛行安全。因此，研究如何提高ADS?B系統(tǒng)的完好率，是當(dāng)前設(shè)備維護(hù)人員亟待解決的新課題。

ADS?B系統(tǒng)故障率的準(zhǔn)確預(yù)測(cè)，將對(duì)指導(dǎo)制定維護(hù)策略，提高完好率具有重要意義。人工神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性映射能力，處理復(fù)雜性和多變性問(wèn)題具有較大的優(yōu)勢(shì)，在故障率預(yù)測(cè)方面得到了廣泛的應(yīng)用。然而，ADS?B系統(tǒng)是一種新興技術(shù)，目前尚未發(fā)現(xiàn)針對(duì)其故障率進(jìn)行預(yù)測(cè)的相關(guān)研究報(bào)道[2?5]。為此，本文提出一種基于廣義回歸神經(jīng)網(wǎng)絡(luò)（Generalized Regression Neural Network，GRNN），利用故障率影響因素的特征數(shù)據(jù)，對(duì)ADS?B系統(tǒng)故障率進(jìn)行預(yù)測(cè)的方法。

1 GRNN神經(jīng)網(wǎng)絡(luò)模型

GRNN是徑向基神經(jīng)網(wǎng)絡(luò)模型的一種，具有很強(qiáng)的非線性映射能力和柔性網(wǎng)絡(luò)結(jié)構(gòu)以及高度的容錯(cuò)性和魯棒性，適用于解決非線性問(wèn)題[6]。GRNN的結(jié)構(gòu)如圖1所示，由輸入層、模式層、求和層和輸出層四層構(gòu)成。對(duì)應(yīng)網(wǎng)絡(luò)輸入[X=[x1，x2，…，xn]T，]其輸出為[Y=[y1，y2，…，yn]T。]

1.1 輸入層

輸入層神經(jīng)元的數(shù)目等于學(xué)習(xí)樣本中輸入向量的維數(shù)，各神經(jīng)元是簡(jiǎn)單的分布元，直接將輸入變量傳遞給模式層。

圖1 GRNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 模式層

模式層神經(jīng)元數(shù)目等于學(xué)習(xí)樣本的數(shù)目[n，]各神經(jīng)元對(duì)應(yīng)不同的樣本，模式層神經(jīng)元傳遞函數(shù)為：

[pi=exp-（X-Xi）T?（X-Xi）（2σ2）， i=1，2，…，n]

神經(jīng)元[i]的輸出為輸入變量與其對(duì)應(yīng)的樣本[X]之間Euclid距離平方的指數(shù)平方[D2i=（X-Xi）T（X-Xi）]的指數(shù)形式。其中：[X]為網(wǎng)絡(luò)輸入變量；[Xi]為第[i]個(gè)神經(jīng)元對(duì)應(yīng)的學(xué)習(xí)樣本。

1.3 求和層

求和層中使用兩種類(lèi)型神經(jīng)元進(jìn)行求和：

（1） 計(jì)算公式為[i=1nexp-（X-Xi）T（X-Xi）（2σ2），]它對(duì)所有模式層神經(jīng)元的輸出進(jìn)行算術(shù)求和，其模式層與各神經(jīng)元的連接權(quán)值為1，傳遞函數(shù)為：

[SD=i=1nPi]

（2） 計(jì)算公式為[i=1nYiexp-（X-Xi）T（X-Xi）（2σ2），]它對(duì)所有模式層的神經(jīng)元進(jìn)行加權(quán)求和，模式層中第[i]個(gè)神經(jīng)元與求和層中第[j]個(gè)分子求和神經(jīng)元之間的連接權(quán)值為第[i]個(gè)輸出樣本[Yi]中的第[j]個(gè)元素，傳遞函數(shù)為：

[SNj=i=1nyijPi， j=1，2，…，k]

1.4 輸出層

輸出層中的神經(jīng)元數(shù)目等于學(xué)習(xí)樣本中輸出向量的維數(shù)[k]，各神經(jīng)元將求和層的輸出相除，神經(jīng)元[j]的輸出對(duì)應(yīng)估計(jì)結(jié)果[Y（X）]的第[j]個(gè)元素，即：

[yj=SNjSD， j=1，2，…，k]

2 ADS?B系統(tǒng)故障率預(yù)測(cè)建模

ADS?B是由導(dǎo)航數(shù)據(jù)定位系統(tǒng)、機(jī)載設(shè)備和地面接收處理顯示系統(tǒng)組成的復(fù)雜系統(tǒng)，可分為硬件部分和軟件部件，其中硬件部分包括GBT/GPS天饋線、GBT設(shè)備、路由器、交換機(jī)、基站服務(wù)器、光配線架、傳輸網(wǎng)絡(luò)、客戶(hù)端以及設(shè)備電源，軟件部分包括數(shù)據(jù)庫(kù)管理軟件、應(yīng)用軟件和安全軟件。據(jù)ADS?B系統(tǒng)的維護(hù)數(shù)據(jù)統(tǒng)計(jì)分析得出，故障主要發(fā)生在硬件部分，而引起硬件部分故障的因素廣泛地存在于設(shè)計(jì)、制造、使用和維護(hù)的全過(guò)程，但ADS?B系統(tǒng)使用單位，往往只能關(guān)注運(yùn)行（使用、維護(hù)）環(huán)節(jié)中的因素。為此，本文從ADS?B系統(tǒng)運(yùn)行的角度，分析引起硬件部分故障的因素，提取故障率影響因素的特征數(shù)據(jù)，建立故障率預(yù)測(cè)模型。

2.1 故障率影響因素分析

影響ADS?B系統(tǒng)故障率的主要因素有：

（1） 總使用時(shí)間。ADS?B系統(tǒng)中硬件的自然損耗將引起的各種元器件、板件、接口電路、電纜接口松動(dòng)以及系統(tǒng)性能衰減等， 是誘發(fā)各類(lèi)故障的重要因素之一。由于ADS?B系統(tǒng)中硬件的自然損耗一般與總使用時(shí)間成正比，因此可將總使用時(shí)間作為影響故障率的主要因素。

（2） 維護(hù)質(zhì)量。ADS?B系統(tǒng)運(yùn)行中，需要進(jìn)行日常的保養(yǎng)（外表清潔以及內(nèi)部除塵等）、定期的維護(hù)（周、月以及年維護(hù)等）以及故障維修。上述維護(hù)作業(yè)的內(nèi)容、時(shí)間間隔以及維護(hù)人員技術(shù)水平等因素所決定的維護(hù)質(zhì)量，直接影響ADS?B系統(tǒng)影響故障率，因此可將維護(hù)質(zhì)量作為影響故障率的主要因素。

（3） 環(huán)境溫度。環(huán)境溫度交替變化，ADS?B系統(tǒng)硬件將產(chǎn)生熱應(yīng)力和應(yīng)變，引起釬焊接觸電阻增大、印刷電路板上電鍍通孔開(kāi)裂以及接頭松馳等故障。環(huán)境溫度過(guò)高，ADS?B系統(tǒng)硬件將產(chǎn)生過(guò)熱現(xiàn)象，引起零件粘接、電子電路穩(wěn)定性變差、有機(jī)材料開(kāi)裂以及斷電器接通/斷開(kāi)范圍變化等故障。在高于室內(nèi)環(huán)境溫度（20～25 ℃）條件下，故障率近似以指數(shù)規(guī)律隨溫度的升高而增加。環(huán)境溫度過(guò)低，ADS?B系統(tǒng)硬件將產(chǎn)生物質(zhì)收縮、流動(dòng)性降低以及凝結(jié)交硬，引起材料發(fā)硬變脆、零件相互咬死、電子元件性能變差以及變壓器性能變化等故障。綜上分析可知，環(huán)境溫度對(duì)ADS?B系統(tǒng)的故障率影響顯著，可作為影響故障率的主要因素。

（4） 環(huán)境濕度。潮濕環(huán)境會(huì)引起ADS?B系統(tǒng)硬件發(fā)生外觀、物理、化學(xué)以及電性能方面的劣化，引起表面吸收、毛細(xì)凝露以及松散材料擴(kuò)散等故障。特別是空氣中存在各種大氣污染物質(zhì)時(shí)，將加劇潮濕環(huán)境對(duì)故障的影響，如某些易吸收水分的塵埃將增加電子元件表面凝露和水氣吸收，加劇表面絕緣性能下降和霉菌的生成而影響電阻值等。因此，環(huán)境濕度越大，ADS?B系統(tǒng)的故障率越高，環(huán)境濕度可作為影響故障率的主要因素。

2.2 故障率影響因素的特征數(shù)據(jù)

根據(jù)影響因素中各特征對(duì)ADS?B系統(tǒng)故障率影響程度的大小，設(shè)定不同影響因子作為特征數(shù)據(jù)，見(jiàn)表1。

表1 故障率影響因素的特征數(shù)據(jù)

[影響因素＼&程度＼&特征數(shù)據(jù)＼&總工作時(shí)間＼&小時(shí)＼&1，2，…＼&＼&維護(hù)質(zhì)量＼&優(yōu)＼&0.9＼&良＼&0.8＼&中＼&0.7＼&＼&環(huán)境溫度 /℃＼&16～30＼&1＼&0～15＼&0.8＼&<0＼&0.7＼&>30＼&0.6＼&＼&環(huán)境濕度 /%＼&<20＼&0.9＼&20～80＼&0.7＼&>80＼&0.5＼&]

2.3 故障率預(yù)測(cè)建模

ADS?B系統(tǒng)故障率預(yù)測(cè)模型的輸入向量為故障率影響因素的特征數(shù)據(jù)：總使用時(shí)間（1，2，…），維護(hù)質(zhì)量影響因子（0.95，0.8，0.7），環(huán)境溫度影響因子（1，0.8，0.6，0.4），環(huán)境濕度影響因子（0.9，0.7，0.5）。故障率預(yù)測(cè)模型的輸出向量為ADS?B系統(tǒng)的千時(shí)故障率即每1 000 h發(fā)生的故障次數(shù)。基于Matlab平臺(tái)，編程建立一個(gè)GRNN神經(jīng)網(wǎng)絡(luò)，采用交叉驗(yàn)證方法訓(xùn)練網(wǎng)絡(luò)，利用已訓(xùn)練好的網(wǎng)絡(luò)對(duì)ADS?B系統(tǒng)故障率進(jìn)行預(yù)測(cè)[7]。

3 仿真實(shí)例

以中國(guó)民航飛行學(xué)院的ADS?B系統(tǒng)為例，根據(jù)5個(gè)機(jī)場(chǎng)的實(shí)際運(yùn)行情況，分析選取了40組樣本作為故障率預(yù)測(cè)模型的訓(xùn)練數(shù)據(jù)，部分訓(xùn)練數(shù)據(jù)見(jiàn)表2。

表2 訓(xùn)練樣本數(shù)據(jù)（部分）

[工作時(shí)間 /h＼&維護(hù)質(zhì)量＼&環(huán)境溫度＼&環(huán)境濕度＼&千時(shí)故障率＼&5 000＼&0.9＼&1＼&0.9＼&0.526＼&10 000＼&0.9＼&0.8＼&0.7＼&0.816＼&10 000＼&0.7＼&0.8＼&0.7＼&1.042＼&15 000＼&0.7＼&1＼&0.7＼&1.355＼&20 000＼&0.8＼&0.7＼&0.5＼&1.462＼&20 000＼&0.7＼&0.6＼&0.9＼&1.402＼&25 000＼&0.9＼&0.8＼&0.9＼&1.655＼&30 000＼&0.7＼&0.6＼&0.5＼&2.651＼&30 000＼&0.8＼&1＼&0.7＼&2.275＼&35 000＼&0.8＼&0.7＼&0.9＼&3.322＼&40 000＼&0.7＼&0.7＼&0.7＼&4.056＼&40 000＼&0.8＼&1＼&0.9＼&3.759＼&]

GRNN神經(jīng)網(wǎng)絡(luò)模型中，光滑因子對(duì)預(yù)測(cè)性能影響較大。光滑因子越大，網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)的逼近過(guò)程越光滑，但逼近誤差較大；光滑因子越小，網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)的逼近性越好，但逼近過(guò)程越不光滑，還可能出現(xiàn)過(guò)擬后現(xiàn)象。為選取最佳的光滑因子，本文采用交叉驗(yàn)證方法，確定光滑因子為0.4。根據(jù)表2中的樣本數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將4組測(cè)試數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，結(jié)果見(jiàn)表3。

由表3可得出，以總使用時(shí)間、維護(hù)質(zhì)量、環(huán)境溫度、環(huán)境濕度的特征數(shù)據(jù)為輸入向量，利用GRNN神經(jīng)網(wǎng)絡(luò)對(duì)ADS?B系統(tǒng)故障率進(jìn)行預(yù)測(cè)，預(yù)測(cè)相對(duì)誤差在-4%～4%以?xún)?nèi)，具有較高的預(yù)測(cè)精度。

4 結(jié) 語(yǔ)

將影響ADS?B系統(tǒng)故障率的因素設(shè)定合理的特征數(shù)據(jù)，以這些特征數(shù)據(jù)作為輸入向量，每1 000 h發(fā)生故障的數(shù)量作為輸出向量，利用GRNN神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型，可獲得較高的預(yù)測(cè)精度、穩(wěn)定的訓(xùn)練過(guò)程以及較快的收斂速度。ADS?B系統(tǒng)故障率的預(yù)測(cè)結(jié)果，可為科學(xué)制定維護(hù)策略，提高系統(tǒng)的完好率提供幫助。

參考文獻(xiàn)

[1] 李敏，王幫峰，丁萌.ADS?B在機(jī)場(chǎng)場(chǎng)面監(jiān)視中的應(yīng)用研究[J].中國(guó)民航飛行學(xué)院學(xué)報(bào)，2014，25（1）：11?14.

[2] 楊婷，楊根科，潘常春.基于BP神經(jīng)網(wǎng)絡(luò)的汽車(chē)故障率預(yù)測(cè)[J].計(jì)算機(jī)仿真，2009，26（1）：267?270.

[3] 李瑞瑩，康銳.基于神經(jīng)網(wǎng)絡(luò)的故障率預(yù)測(cè)方法[J].航空學(xué)報(bào)，2008，29（2）：357?363.

[4] 李瑞瑩，康銳.基于ARMA的故障率預(yù)測(cè)方法[J].系統(tǒng)工程與電子技術(shù)，2008，30（8）：1588?1591.

[5] 郭斌，孟令啟，杜勇，等.基于GRNN神經(jīng)網(wǎng)絡(luò)的中厚板軋機(jī)厚度預(yù)測(cè)[J].中南大學(xué)學(xué)報(bào)，2011，42（4）：960?965.

[6] 高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].北京：機(jī)械工業(yè)出版社，2010.

[7] 王小川，史峰，郁磊，等.Matlab神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2013.

1.3 求和層

求和層中使用兩種類(lèi)型神經(jīng)元進(jìn)行求和：

（1） 計(jì)算公式為[i=1nexp-（X-Xi）T（X-Xi）（2σ2），]它對(duì)所有模式層神經(jīng)元的輸出進(jìn)行算術(shù)求和，其模式層與各神經(jīng)元的連接權(quán)值為1，傳遞函數(shù)為：

[SD=i=1nPi]

（2） 計(jì)算公式為[i=1nYiexp-（X-Xi）T（X-Xi）（2σ2），]它對(duì)所有模式層的神經(jīng)元進(jìn)行加權(quán)求和，模式層中第[i]個(gè)神經(jīng)元與求和層中第[j]個(gè)分子求和神經(jīng)元之間的連接權(quán)值為第[i]個(gè)輸出樣本[Yi]中的第[j]個(gè)元素，傳遞函數(shù)為：

[SNj=i=1nyijPi， j=1，2，…，k]

1.4 輸出層

輸出層中的神經(jīng)元數(shù)目等于學(xué)習(xí)樣本中輸出向量的維數(shù)[k]，各神經(jīng)元將求和層的輸出相除，神經(jīng)元[j]的輸出對(duì)應(yīng)估計(jì)結(jié)果[Y（X）]的第[j]個(gè)元素，即：

[yj=SNjSD， j=1，2，…，k]

2 ADS?B系統(tǒng)故障率預(yù)測(cè)建模

ADS?B是由導(dǎo)航數(shù)據(jù)定位系統(tǒng)、機(jī)載設(shè)備和地面接收處理顯示系統(tǒng)組成的復(fù)雜系統(tǒng)，可分為硬件部分和軟件部件，其中硬件部分包括GBT/GPS天饋線、GBT設(shè)備、路由器、交換機(jī)、基站服務(wù)器、光配線架、傳輸網(wǎng)絡(luò)、客戶(hù)端以及設(shè)備電源，軟件部分包括數(shù)據(jù)庫(kù)管理軟件、應(yīng)用軟件和安全軟件。據(jù)ADS?B系統(tǒng)的維護(hù)數(shù)據(jù)統(tǒng)計(jì)分析得出，故障主要發(fā)生在硬件部分，而引起硬件部分故障的因素廣泛地存在于設(shè)計(jì)、制造、使用和維護(hù)的全過(guò)程，但ADS?B系統(tǒng)使用單位，往往只能關(guān)注運(yùn)行（使用、維護(hù)）環(huán)節(jié)中的因素。為此，本文從ADS?B系統(tǒng)運(yùn)行的角度，分析引起硬件部分故障的因素，提取故障率影響因素的特征數(shù)據(jù)，建立故障率預(yù)測(cè)模型。

2.1 故障率影響因素分析

影響ADS?B系統(tǒng)故障率的主要因素有：

（1） 總使用時(shí)間。ADS?B系統(tǒng)中硬件的自然損耗將引起的各種元器件、板件、接口電路、電纜接口松動(dòng)以及系統(tǒng)性能衰減等， 是誘發(fā)各類(lèi)故障的重要因素之一。由于ADS?B系統(tǒng)中硬件的自然損耗一般與總使用時(shí)間成正比，因此可將總使用時(shí)間作為影響故障率的主要因素。

（2） 維護(hù)質(zhì)量。ADS?B系統(tǒng)運(yùn)行中，需要進(jìn)行日常的保養(yǎng)（外表清潔以及內(nèi)部除塵等）、定期的維護(hù)（周、月以及年維護(hù)等）以及故障維修。上述維護(hù)作業(yè)的內(nèi)容、時(shí)間間隔以及維護(hù)人員技術(shù)水平等因素所決定的維護(hù)質(zhì)量，直接影響ADS?B系統(tǒng)影響故障率，因此可將維護(hù)質(zhì)量作為影響故障率的主要因素。

（3） 環(huán)境溫度。環(huán)境溫度交替變化，ADS?B系統(tǒng)硬件將產(chǎn)生熱應(yīng)力和應(yīng)變，引起釬焊接觸電阻增大、印刷電路板上電鍍通孔開(kāi)裂以及接頭松馳等故障。環(huán)境溫度過(guò)高，ADS?B系統(tǒng)硬件將產(chǎn)生過(guò)熱現(xiàn)象，引起零件粘接、電子電路穩(wěn)定性變差、有機(jī)材料開(kāi)裂以及斷電器接通/斷開(kāi)范圍變化等故障。在高于室內(nèi)環(huán)境溫度（20～25 ℃）條件下，故障率近似以指數(shù)規(guī)律隨溫度的升高而增加。環(huán)境溫度過(guò)低，ADS?B系統(tǒng)硬件將產(chǎn)生物質(zhì)收縮、流動(dòng)性降低以及凝結(jié)交硬，引起材料發(fā)硬變脆、零件相互咬死、電子元件性能變差以及變壓器性能變化等故障。綜上分析可知，環(huán)境溫度對(duì)ADS?B系統(tǒng)的故障率影響顯著，可作為影響故障率的主要因素。

（4） 環(huán)境濕度。潮濕環(huán)境會(huì)引起ADS?B系統(tǒng)硬件發(fā)生外觀、物理、化學(xué)以及電性能方面的劣化，引起表面吸收、毛細(xì)凝露以及松散材料擴(kuò)散等故障。特別是空氣中存在各種大氣污染物質(zhì)時(shí)，將加劇潮濕環(huán)境對(duì)故障的影響，如某些易吸收水分的塵埃將增加電子元件表面凝露和水氣吸收，加劇表面絕緣性能下降和霉菌的生成而影響電阻值等。因此，環(huán)境濕度越大，ADS?B系統(tǒng)的故障率越高，環(huán)境濕度可作為影響故障率的主要因素。

2.2 故障率影響因素的特征數(shù)據(jù)

根據(jù)影響因素中各特征對(duì)ADS?B系統(tǒng)故障率影響程度的大小，設(shè)定不同影響因子作為特征數(shù)據(jù)，見(jiàn)表1。

表1 故障率影響因素的特征數(shù)據(jù)

[影響因素＼&程度＼&特征數(shù)據(jù)＼&總工作時(shí)間＼&小時(shí)＼&1，2，…＼&＼&維護(hù)質(zhì)量＼&優(yōu)＼&0.9＼&良＼&0.8＼&中＼&0.7＼&＼&環(huán)境溫度 /℃＼&16～30＼&1＼&0～15＼&0.8＼&<0＼&0.7＼&>30＼&0.6＼&＼&環(huán)境濕度 /%＼&<20＼&0.9＼&20～80＼&0.7＼&>80＼&0.5＼&]

2.3 故障率預(yù)測(cè)建模

ADS?B系統(tǒng)故障率預(yù)測(cè)模型的輸入向量為故障率影響因素的特征數(shù)據(jù)：總使用時(shí)間（1，2，…），維護(hù)質(zhì)量影響因子（0.95，0.8，0.7），環(huán)境溫度影響因子（1，0.8，0.6，0.4），環(huán)境濕度影響因子（0.9，0.7，0.5）。故障率預(yù)測(cè)模型的輸出向量為ADS?B系統(tǒng)的千時(shí)故障率即每1 000 h發(fā)生的故障次數(shù)?；贛atlab平臺(tái)，編程建立一個(gè)GRNN神經(jīng)網(wǎng)絡(luò)，采用交叉驗(yàn)證方法訓(xùn)練網(wǎng)絡(luò)，利用已訓(xùn)練好的網(wǎng)絡(luò)對(duì)ADS?B系統(tǒng)故障率進(jìn)行預(yù)測(cè)[7]。

3 仿真實(shí)例

以中國(guó)民航飛行學(xué)院的ADS?B系統(tǒng)為例，根據(jù)5個(gè)機(jī)場(chǎng)的實(shí)際運(yùn)行情況，分析選取了40組樣本作為故障率預(yù)測(cè)模型的訓(xùn)練數(shù)據(jù)，部分訓(xùn)練數(shù)據(jù)見(jiàn)表2。

表2 訓(xùn)練樣本數(shù)據(jù)（部分）

[工作時(shí)間 /h＼&維護(hù)質(zhì)量＼&環(huán)境溫度＼&環(huán)境濕度＼&千時(shí)故障率＼&5 000＼&0.9＼&1＼&0.9＼&0.526＼&10 000＼&0.9＼&0.8＼&0.7＼&0.816＼&10 000＼&0.7＼&0.8＼&0.7＼&1.042＼&15 000＼&0.7＼&1＼&0.7＼&1.355＼&20 000＼&0.8＼&0.7＼&0.5＼&1.462＼&20 000＼&0.7＼&0.6＼&0.9＼&1.402＼&25 000＼&0.9＼&0.8＼&0.9＼&1.655＼&30 000＼&0.7＼&0.6＼&0.5＼&2.651＼&30 000＼&0.8＼&1＼&0.7＼&2.275＼&35 000＼&0.8＼&0.7＼&0.9＼&3.322＼&40 000＼&0.7＼&0.7＼&0.7＼&4.056＼&40 000＼&0.8＼&1＼&0.9＼&3.759＼&]

GRNN神經(jīng)網(wǎng)絡(luò)模型中，光滑因子對(duì)預(yù)測(cè)性能影響較大。光滑因子越大，網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)的逼近過(guò)程越光滑，但逼近誤差較大；光滑因子越小，網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)的逼近性越好，但逼近過(guò)程越不光滑，還可能出現(xiàn)過(guò)擬后現(xiàn)象。為選取最佳的光滑因子，本文采用交叉驗(yàn)證方法，確定光滑因子為0.4。根據(jù)表2中的樣本數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將4組測(cè)試數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，結(jié)果見(jiàn)表3。

由表3可得出，以總使用時(shí)間、維護(hù)質(zhì)量、環(huán)境溫度、環(huán)境濕度的特征數(shù)據(jù)為輸入向量，利用GRNN神經(jīng)網(wǎng)絡(luò)對(duì)ADS?B系統(tǒng)故障率進(jìn)行預(yù)測(cè)，預(yù)測(cè)相對(duì)誤差在-4%～4%以?xún)?nèi)，具有較高的預(yù)測(cè)精度。

4 結(jié) 語(yǔ)

將影響ADS?B系統(tǒng)故障率的因素設(shè)定合理的特征數(shù)據(jù)，以這些特征數(shù)據(jù)作為輸入向量，每1 000 h發(fā)生故障的數(shù)量作為輸出向量，利用GRNN神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型，可獲得較高的預(yù)測(cè)精度、穩(wěn)定的訓(xùn)練過(guò)程以及較快的收斂速度。ADS?B系統(tǒng)故障率的預(yù)測(cè)結(jié)果，可為科學(xué)制定維護(hù)策略，提高系統(tǒng)的完好率提供幫助。

參考文獻(xiàn)

[1] 李敏，王幫峰，丁萌.ADS?B在機(jī)場(chǎng)場(chǎng)面監(jiān)視中的應(yīng)用研究[J].中國(guó)民航飛行學(xué)院學(xué)報(bào)，2014，25（1）：11?14.

[2] 楊婷，楊根科，潘常春.基于BP神經(jīng)網(wǎng)絡(luò)的汽車(chē)故障率預(yù)測(cè)[J].計(jì)算機(jī)仿真，2009，26（1）：267?270.

[3] 李瑞瑩，康銳.基于神經(jīng)網(wǎng)絡(luò)的故障率預(yù)測(cè)方法[J].航空學(xué)報(bào)，2008，29（2）：357?363.

[4] 李瑞瑩，康銳.基于ARMA的故障率預(yù)測(cè)方法[J].系統(tǒng)工程與電子技術(shù)，2008，30（8）：1588?1591.

[5] 郭斌，孟令啟，杜勇，等.基于GRNN神經(jīng)網(wǎng)絡(luò)的中厚板軋機(jī)厚度預(yù)測(cè)[J].中南大學(xué)學(xué)報(bào)，2011，42（4）：960?965.

[6] 高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].北京：機(jī)械工業(yè)出版社，2010.

[7] 王小川，史峰，郁磊，等.Matlab神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2013.

1.3 求和層

求和層中使用兩種類(lèi)型神經(jīng)元進(jìn)行求和：

（1） 計(jì)算公式為[i=1nexp-（X-Xi）T（X-Xi）（2σ2），]它對(duì)所有模式層神經(jīng)元的輸出進(jìn)行算術(shù)求和，其模式層與各神經(jīng)元的連接權(quán)值為1，傳遞函數(shù)為：

[SD=i=1nPi]

（2） 計(jì)算公式為[i=1nYiexp-（X-Xi）T（X-Xi）（2σ2），]它對(duì)所有模式層的神經(jīng)元進(jìn)行加權(quán)求和，模式層中第[i]個(gè)神經(jīng)元與求和層中第[j]個(gè)分子求和神經(jīng)元之間的連接權(quán)值為第[i]個(gè)輸出樣本[Yi]中的第[j]個(gè)元素，傳遞函數(shù)為：

[SNj=i=1nyijPi， j=1，2，…，k]

1.4 輸出層

輸出層中的神經(jīng)元數(shù)目等于學(xué)習(xí)樣本中輸出向量的維數(shù)[k]，各神經(jīng)元將求和層的輸出相除，神經(jīng)元[j]的輸出對(duì)應(yīng)估計(jì)結(jié)果[Y（X）]的第[j]個(gè)元素，即：

[yj=SNjSD， j=1，2，…，k]

2 ADS?B系統(tǒng)故障率預(yù)測(cè)建模

ADS?B是由導(dǎo)航數(shù)據(jù)定位系統(tǒng)、機(jī)載設(shè)備和地面接收處理顯示系統(tǒng)組成的復(fù)雜系統(tǒng)，可分為硬件部分和軟件部件，其中硬件部分包括GBT/GPS天饋線、GBT設(shè)備、路由器、交換機(jī)、基站服務(wù)器、光配線架、傳輸網(wǎng)絡(luò)、客戶(hù)端以及設(shè)備電源，軟件部分包括數(shù)據(jù)庫(kù)管理軟件、應(yīng)用軟件和安全軟件。據(jù)ADS?B系統(tǒng)的維護(hù)數(shù)據(jù)統(tǒng)計(jì)分析得出，故障主要發(fā)生在硬件部分，而引起硬件部分故障的因素廣泛地存在于設(shè)計(jì)、制造、使用和維護(hù)的全過(guò)程，但ADS?B系統(tǒng)使用單位，往往只能關(guān)注運(yùn)行（使用、維護(hù)）環(huán)節(jié)中的因素。為此，本文從ADS?B系統(tǒng)運(yùn)行的角度，分析引起硬件部分故障的因素，提取故障率影響因素的特征數(shù)據(jù)，建立故障率預(yù)測(cè)模型。

2.1 故障率影響因素分析

影響ADS?B系統(tǒng)故障率的主要因素有：

（1） 總使用時(shí)間。ADS?B系統(tǒng)中硬件的自然損耗將引起的各種元器件、板件、接口電路、電纜接口松動(dòng)以及系統(tǒng)性能衰減等， 是誘發(fā)各類(lèi)故障的重要因素之一。由于ADS?B系統(tǒng)中硬件的自然損耗一般與總使用時(shí)間成正比，因此可將總使用時(shí)間作為影響故障率的主要因素。

（2） 維護(hù)質(zhì)量。ADS?B系統(tǒng)運(yùn)行中，需要進(jìn)行日常的保養(yǎng)（外表清潔以及內(nèi)部除塵等）、定期的維護(hù)（周、月以及年維護(hù)等）以及故障維修。上述維護(hù)作業(yè)的內(nèi)容、時(shí)間間隔以及維護(hù)人員技術(shù)水平等因素所決定的維護(hù)質(zhì)量，直接影響ADS?B系統(tǒng)影響故障率，因此可將維護(hù)質(zhì)量作為影響故障率的主要因素。

（3） 環(huán)境溫度。環(huán)境溫度交替變化，ADS?B系統(tǒng)硬件將產(chǎn)生熱應(yīng)力和應(yīng)變，引起釬焊接觸電阻增大、印刷電路板上電鍍通孔開(kāi)裂以及接頭松馳等故障。環(huán)境溫度過(guò)高，ADS?B系統(tǒng)硬件將產(chǎn)生過(guò)熱現(xiàn)象，引起零件粘接、電子電路穩(wěn)定性變差、有機(jī)材料開(kāi)裂以及斷電器接通/斷開(kāi)范圍變化等故障。在高于室內(nèi)環(huán)境溫度（20～25 ℃）條件下，故障率近似以指數(shù)規(guī)律隨溫度的升高而增加。環(huán)境溫度過(guò)低，ADS?B系統(tǒng)硬件將產(chǎn)生物質(zhì)收縮、流動(dòng)性降低以及凝結(jié)交硬，引起材料發(fā)硬變脆、零件相互咬死、電子元件性能變差以及變壓器性能變化等故障。綜上分析可知，環(huán)境溫度對(duì)ADS?B系統(tǒng)的故障率影響顯著，可作為影響故障率的主要因素。

（4） 環(huán)境濕度。潮濕環(huán)境會(huì)引起ADS?B系統(tǒng)硬件發(fā)生外觀、物理、化學(xué)以及電性能方面的劣化，引起表面吸收、毛細(xì)凝露以及松散材料擴(kuò)散等故障。特別是空氣中存在各種大氣污染物質(zhì)時(shí)，將加劇潮濕環(huán)境對(duì)故障的影響，如某些易吸收水分的塵埃將增加電子元件表面凝露和水氣吸收，加劇表面絕緣性能下降和霉菌的生成而影響電阻值等。因此，環(huán)境濕度越大，ADS?B系統(tǒng)的故障率越高，環(huán)境濕度可作為影響故障率的主要因素。

2.2 故障率影響因素的特征數(shù)據(jù)

根據(jù)影響因素中各特征對(duì)ADS?B系統(tǒng)故障率影響程度的大小，設(shè)定不同影響因子作為特征數(shù)據(jù)，見(jiàn)表1。

表1 故障率影響因素的特征數(shù)據(jù)

[影響因素＼&程度＼&特征數(shù)據(jù)＼&總工作時(shí)間＼&小時(shí)＼&1，2，…＼&＼&維護(hù)質(zhì)量＼&優(yōu)＼&0.9＼&良＼&0.8＼&中＼&0.7＼&＼&環(huán)境溫度 /℃＼&16～30＼&1＼&0～15＼&0.8＼&<0＼&0.7＼&>30＼&0.6＼&＼&環(huán)境濕度 /%＼&<20＼&0.9＼&20～80＼&0.7＼&>80＼&0.5＼&]

2.3 故障率預(yù)測(cè)建模

ADS?B系統(tǒng)故障率預(yù)測(cè)模型的輸入向量為故障率影響因素的特征數(shù)據(jù)：總使用時(shí)間（1，2，…），維護(hù)質(zhì)量影響因子（0.95，0.8，0.7），環(huán)境溫度影響因子（1，0.8，0.6，0.4），環(huán)境濕度影響因子（0.9，0.7，0.5）。故障率預(yù)測(cè)模型的輸出向量為ADS?B系統(tǒng)的千時(shí)故障率即每1 000 h發(fā)生的故障次數(shù)?；贛atlab平臺(tái)，編程建立一個(gè)GRNN神經(jīng)網(wǎng)絡(luò)，采用交叉驗(yàn)證方法訓(xùn)練網(wǎng)絡(luò)，利用已訓(xùn)練好的網(wǎng)絡(luò)對(duì)ADS?B系統(tǒng)故障率進(jìn)行預(yù)測(cè)[7]。

3 仿真實(shí)例

以中國(guó)民航飛行學(xué)院的ADS?B系統(tǒng)為例，根據(jù)5個(gè)機(jī)場(chǎng)的實(shí)際運(yùn)行情況，分析選取了40組樣本作為故障率預(yù)測(cè)模型的訓(xùn)練數(shù)據(jù)，部分訓(xùn)練數(shù)據(jù)見(jiàn)表2。

表2 訓(xùn)練樣本數(shù)據(jù)（部分）

[工作時(shí)間 /h＼&維護(hù)質(zhì)量＼&環(huán)境溫度＼&環(huán)境濕度＼&千時(shí)故障率＼&5 000＼&0.9＼&1＼&0.9＼&0.526＼&10 000＼&0.9＼&0.8＼&0.7＼&0.816＼&10 000＼&0.7＼&0.8＼&0.7＼&1.042＼&15 000＼&0.7＼&1＼&0.7＼&1.355＼&20 000＼&0.8＼&0.7＼&0.5＼&1.462＼&20 000＼&0.7＼&0.6＼&0.9＼&1.402＼&25 000＼&0.9＼&0.8＼&0.9＼&1.655＼&30 000＼&0.7＼&0.6＼&0.5＼&2.651＼&30 000＼&0.8＼&1＼&0.7＼&2.275＼&35 000＼&0.8＼&0.7＼&0.9＼&3.322＼&40 000＼&0.7＼&0.7＼&0.7＼&4.056＼&40 000＼&0.8＼&1＼&0.9＼&3.759＼&]

GRNN神經(jīng)網(wǎng)絡(luò)模型中，光滑因子對(duì)預(yù)測(cè)性能影響較大。光滑因子越大，網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)的逼近過(guò)程越光滑，但逼近誤差較大；光滑因子越小，網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)的逼近性越好，但逼近過(guò)程越不光滑，還可能出現(xiàn)過(guò)擬后現(xiàn)象。為選取最佳的光滑因子，本文采用交叉驗(yàn)證方法，確定光滑因子為0.4。根據(jù)表2中的樣本數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將4組測(cè)試數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，結(jié)果見(jiàn)表3。

由表3可得出，以總使用時(shí)間、維護(hù)質(zhì)量、環(huán)境溫度、環(huán)境濕度的特征數(shù)據(jù)為輸入向量，利用GRNN神經(jīng)網(wǎng)絡(luò)對(duì)ADS?B系統(tǒng)故障率進(jìn)行預(yù)測(cè)，預(yù)測(cè)相對(duì)誤差在-4%～4%以?xún)?nèi)，具有較高的預(yù)測(cè)精度。

4 結(jié) 語(yǔ)

將影響ADS?B系統(tǒng)故障率的因素設(shè)定合理的特征數(shù)據(jù)，以這些特征數(shù)據(jù)作為輸入向量，每1 000 h發(fā)生故障的數(shù)量作為輸出向量，利用GRNN神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型，可獲得較高的預(yù)測(cè)精度、穩(wěn)定的訓(xùn)練過(guò)程以及較快的收斂速度。ADS?B系統(tǒng)故障率的預(yù)測(cè)結(jié)果，可為科學(xué)制定維護(hù)策略，提高系統(tǒng)的完好率提供幫助。

參考文獻(xiàn)

[1] 李敏，王幫峰，丁萌.ADS?B在機(jī)場(chǎng)場(chǎng)面監(jiān)視中的應(yīng)用研究[J].中國(guó)民航飛行學(xué)院學(xué)報(bào)，2014，25（1）：11?14.

[2] 楊婷，楊根科，潘常春.基于BP神經(jīng)網(wǎng)絡(luò)的汽車(chē)故障率預(yù)測(cè)[J].計(jì)算機(jī)仿真，2009，26（1）：267?270.

[3] 李瑞瑩，康銳.基于神經(jīng)網(wǎng)絡(luò)的故障率預(yù)測(cè)方法[J].航空學(xué)報(bào)，2008，29（2）：357?363.

[4] 李瑞瑩，康銳.基于ARMA的故障率預(yù)測(cè)方法[J].系統(tǒng)工程與電子技術(shù)，2008，30（8）：1588?1591.

[5] 郭斌，孟令啟，杜勇，等.基于GRNN神經(jīng)網(wǎng)絡(luò)的中厚板軋機(jī)厚度預(yù)測(cè)[J].中南大學(xué)學(xué)報(bào)，2011，42（4）：960?965.

[6] 高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].北京：機(jī)械工業(yè)出版社，2010.

[7] 王小川，史峰，郁磊，等.Matlab神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2013.