裝備性能參數(shù)預(yù)測是裝備系統(tǒng)故障預(yù)測與健康管理的重要組成部分,對于提高裝備保障效能有重大意義。本文提出了一種基于灰色模型和改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型。在灰色預(yù)測的基礎(chǔ)上,訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)進(jìn)行灰色預(yù)測的殘差修正,并通過對小波神經(jīng)網(wǎng)絡(luò)的改進(jìn)提高了網(wǎng)絡(luò)學(xué)習(xí)效率。對某型雷達(dá)中頻接受單元的壓控振蕩器輸出頻率進(jìn)行預(yù)測,實(shí)驗(yàn)證明,該組合模型結(jié)合了灰色預(yù)測和改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),有較高預(yù)測精度和泛化能力。將該組合模型應(yīng)用于裝備狀態(tài)參數(shù)預(yù)測具有可行性。 

【文章來源】：電子測量技術(shù). 2016,39(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

圖１小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

李夢妍等：基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)和灰色模型的裝備性能參數(shù)預(yù)測第３期相同統(tǒng)計(jì)特性的數(shù)據(jù)置信度高，用前一部分的數(shù)據(jù)對后一部分的數(shù)據(jù)進(jìn)行預(yù)測有一定合理性。選取前３０個數(shù)據(jù)作為樣本數(shù)據(jù)，后１５個數(shù)據(jù)作為待預(yù)測數(shù)據(jù)。實(shí)驗(yàn)比較不同建模序列長度下灰色預(yù)測均方根誤差ＲＭＳＥ和平均誤差ＭＥ的大小，如圖２所示。圖２灰色預(yù)測ＭＥ＼ＲＭＳＥ隨建模序列長度變化結(jié)合ＭＥ和ＲＭＳＥ變化趨勢可以看出，建模序列長度在１０～１４時，均方根誤差在曲線谷底。建模序列長度超過１２后，平均誤差ＭＥ增加趨勢顯著。選擇建模長度１１，由圖２可見是較為合適的。計(jì)算樣本數(shù)據(jù)實(shí)際值與灰色預(yù)測估計(jì)值的殘差序列，并進(jìn)行歸一化處理。利用改進(jìn)小波神經(jīng)網(wǎng)絡(luò)處理歸一后殘差數(shù)據(jù)，首先確定結(jié)構(gòu)設(shè)計(jì)。理論上至少一個隱含層和線性輸出層的神經(jīng)網(wǎng)絡(luò)具有逼近任何函數(shù)的能力，而非線性逼近的精度可由增加隱含層網(wǎng)絡(luò)層數(shù)或增加節(jié)點(diǎn)數(shù)來提高，增加隱含層節(jié)點(diǎn)數(shù)訓(xùn)練效果較為容易觀察和調(diào)整。為減小網(wǎng)絡(luò)復(fù)雜度，改進(jìn)小波網(wǎng)絡(luò)的結(jié)構(gòu)選取為有一個隱含層的三層結(jié)構(gòu)。用小波神經(jīng)網(wǎng)絡(luò)通過殘差序列對短期波動進(jìn)行預(yù)測，若輸入維數(shù)太多將導(dǎo)致網(wǎng)絡(luò)復(fù)雜度呈指數(shù)增長，收斂速度大大減慢，而輸入維數(shù)過少則較難提取波動特征，這里根據(jù)數(shù)據(jù)特征，設(shè)定輸入維數(shù)為８，使樣本長度內(nèi)約包含３個殘差序列的波峰（波谷）。輸出維數(shù)為１。即采用待預(yù)測波動項(xiàng)時間節(jié)點(diǎn)前８個時間點(diǎn)對應(yīng)的殘差序列作為輸入，獲得一個預(yù)測波動項(xiàng)。隱含層節(jié)點(diǎn)數(shù)的確定目前主要靠經(jīng)驗(yàn)公式與試湊法，根據(jù)隱含層最佳節(jié)點(diǎn)數(shù)參考公式ｎ１＝槡ｎ＋ｍ＋ａ，ｎ為輸入節(jié)點(diǎn)數(shù)８，ｍ為輸出節(jié)點(diǎn)數(shù)１，ａ為［１

下邊界分別為４和１３，逐個試湊，結(jié)合訓(xùn)練誤差和樣本收斂速度，最后取隱含層節(jié)點(diǎn)數(shù)為８。隱含層的小波函數(shù)選擇Ｍｏｒｌｅｔ函數(shù)，其用于非線性時間序列預(yù)測效果較好。更新小波神經(jīng)網(wǎng)絡(luò)的權(quán)值選擇較為通用的最速梯度下降法。學(xué)習(xí)速率綜合考慮穩(wěn)定性和訓(xùn)練時間，一般選取在０．０１至０．８。附加動量變速學(xué)習(xí)過程中設(shè)定學(xué)習(xí)速率最小值０．０１，最大值０．０２，學(xué)習(xí)次數(shù)為５００。學(xué)習(xí)速率固定為０．０１的小波神經(jīng)網(wǎng)絡(luò)和附加動量變速學(xué)習(xí)法改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)誤差進(jìn)化過程對比如圖３和圖４所示。圖３小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差進(jìn)化過程圖４改進(jìn)小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差進(jìn)化過程相較之下，附加動量變速學(xué)習(xí)法改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)收斂速度快且更穩(wěn)定。圖５為灰色預(yù)測實(shí)際誤差與改進(jìn)小波神經(jīng)網(wǎng)絡(luò)預(yù)測的波動項(xiàng)對比。圖５灰色預(yù)測實(shí)際誤差與改進(jìn)小波神經(jīng)網(wǎng)絡(luò)預(yù)測波動項(xiàng)·２１·

【參考文獻(xiàn)】：
期刊論文
[1]小波分析概述及其應(yīng)用研究[J]. 彭丹.  裝備制造技術(shù). 2014(06)
[2]健康管理技術(shù)綜述及衛(wèi)星應(yīng)用設(shè)想[J]. 于功敬,熊毅,房紅征.  電子測量與儀器學(xué)報(bào). 2014(03)
[3]基于改進(jìn)灰色神經(jīng)網(wǎng)絡(luò)的故障預(yù)測方法研究[J]. 楊森,孟晨,王成.  計(jì)算機(jī)應(yīng)用研究. 2013(12)
[4]基于GM模型進(jìn)行艦船縱搖參數(shù)預(yù)測[J]. 楊麗麗.  國外電子測量技術(shù). 2013(03)
[5]基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺系統(tǒng)辨識[J]. 楊維新,唐伶俐,汪超亮,李子揚(yáng).  儀器儀表學(xué)報(bào). 2013(03)
[6]基于離散型灰色DGM（1,1）預(yù)測模型在澇災(zāi)預(yù)測中的應(yīng)用[J]. 吳秀明,遲道才,潘香岑,李雪,張?zhí)m芬,王堃.  沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào). 2013(01)
[7]基于改進(jìn)型小波神經(jīng)網(wǎng)絡(luò)的滅火系統(tǒng)故障診斷[J]. 謝永成,賀方君,李光升,魏寧.  電子測量技術(shù). 2012(04)
[8]礦井瓦斯涌出量灰色動態(tài)預(yù)測可視化研究[J]. 曹愛虎,吳德義,陳凱,周世威.  礦業(yè)工程研究. 2011(01)
[9]故障預(yù)測與健康管理技術(shù)綜述[J]. 彭宇,劉大同,彭喜元.  電子測量與儀器學(xué)報(bào). 2010(01)
[10]BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的實(shí)際問題研究[J]. 宋振宇,王秋彥,丁小峰.  海軍航空工程學(xué)院學(xué)報(bào). 2009(06)



本文編號：3258417