基于灰色Verhulst-小波神经网络的装备故障预测研究-论文.pdf

《基于灰色Verhulst-小波神经网络的装备故障预测研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于灰色Verhulst一小波神经网络的装备故障预测研究：l：李静雯，杨善红(四川理工学院计算机学院，四川自贡643000)摘要：针对现代武器装备故障预测样本少、故障预测精度低、维修保障困难等问题，提出一种基于灰色Verhulst一小波神经网络组合模型的装备故障预测方法。该方法综合了灰色Verhulst模型所需样本少的优点和小波神经网络良好的时频局域化性质和学习能力，克服了小样本故障数据在BP神经网络训练中的缺陷。实验结果表明，与相关研究方法比较，所提出方法具有较高的预测精度，对于武器装备故障预测与维修保障具有一定的理论价值和现实意义

2、。关键词：灰色Verhulst模型；小波神经网络；故障预测；预测精度中图分类号：TP391文献标识码：A文章编号：0258—7998f2014)08—0091—03FaultforecastofequipmentbasedongreyVerhulstmodelandwaveletneuralnetworkLiJingwen，YangShanhong(SchoolofComputerScience，SichuanUniversityofScience＆Engineering，Zigong643000，China)Abstract：Aim

3、ingattheproblemthattherearemoredifficultiesincludinglesssamplesrequiredandlowprecisioninthefaultforecastofmodernweaponequipment，anewfaultforecastmethodforequipmentbasedongreyVerhulstmodel(GVM)andwaveletneuralnetwork(WNN)isproposed．CombiningtheadvantagesofGVMandWNN，thede

4、fectsoftheBPneuralnetworktrainingwithsmallsamplefaultdataareovercome．Theexperimentresultsshowthatcomparedwithothermethods，theproposedmethodhashighprecision．Itcancontributetotheleveloffaultforecastandmaintenanceoftheweaponequipmentbothintheoryandactivity．Keywords：greyVer

5、hulstmodel；waveletneuralnetwork；faultforecast；forecastprecision装备故障预测技术是现代军事武器装备数字化技色一小波神经网络组合模型，通过对比实验，考察灰色一术发展的必然⋯。该技术的目的不是直接消除故障，而小波神经网络组合模型的有效性，以期为装备故障预测是对即将发生的异常状态或故障具有预测的能力，为装研究提供理论参考。备的维修保障提供决策支持，实现自助式维修保障，降1灰色Verhulst一小波神经网络组合模型低使用和保障费用的目标。然而，现有装备故障预测大1．1灰色Verhu

6、lst模型多采用单一方法，比如灰色模型[2-31，神经网络模型l～灰色模型是基于理论框架而形成的一种建模方法tsi，等，往往难以保证实际预测结果。为提高预测精度，部分具有所需样本数少，弱化原始数据的随机性等优点。其学者和工程技术人员也尝试采用灰色模型与神经网络模型建立步骤如下：等组合模型16-7]进行装备故障预测，但是由于BP神经网设装备的原始非负数据序列为：络容易陷入局部最优的缺陷，也无法满足实际装备的预X‘。’：{(1)，‘。(2)，⋯，‘。’(n)}测精度要求。令‘(”=。()，=1，2，⋯，n，则X的一次累加本文基于组合模型的

7、思想，将灰色模型与小波神经i=l网络相结合，探讨灰色一小波神经网络组合模型在装备序列为：故障预测中应用价值，以某航空装备为例，建立了其灰={【l(1)，⋯(2)，⋯，’()1基金项曰：四Ji『省高校重点实验室项目(GK201306)9l《电子技术应用》2014年第40卷第8期MeasurementControlTechnologyandInstruments令z‘()=0．5x’()+0．5x(17(一1)，则的紧邻均值函数的参数，具体调整过程如下：生成序列为：计算机网络预测误差为：z‘)={z‘。(1)，‘(2)，⋯，Z‘(n)}e

8、=yn(k)-y(k)(6)则灰色模型的基本形式为：k=I‘。()+‘’(¨=6(z’(J}))(1)其中，yn(k)为模型的期望输出；y(k)为模型的预测输出。对应的白化方程为：根据预测误差e调整网络的权值和小波基函数