基于BP神经网络的武器装备电气系统故障诊断方法研究

格式：pdf
大小：179.79 KB
文档页数：3

下载文档原格式

基于BP神经网络的变压器故障诊断及其应用

基于ＢＰ神经网络的变压器故障诊断及其应用
胡导福，文闪闪，益鸣何
（．１咸宁温泉供电公司，湖北成宁４７０；武汉大学电气工程学院，３１０２．湖北武汉４０７）３０２
摘要：针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性，研究一种基于ＢＰ神
ＡｂｔａｔＡｉｎｔｈｈｒｃｅｓｉｏａｓｏｍｅａｌａｄｔｅｌｔｔｎｏａｉｏａａｌｄａｎｓｓｓｒｃ：ｍｉｇａｅｃａａｔｒｔｆｒｎｆｒｒｆｕｔｎｈｉａｉｆｔｄｔｎｌｆｕｔｉｇｏｉｔｉｃｔｍｉｏｒｉｍｅｏｓｏａｓｒｒｈｅｐｐｒｄｖｌｐｄａＢｅｒｌｎｔｏｋｂｓｄａｇｒｔｍｏｄａｎｓｓｆｕｔｏｈｔｄｆｔｎｆｍｅ，ｔａｅｅｅｏｅＰｎｕａｅｗｒａｅｌｏｈｔｉｇｏｉａｌｆｒｏｉｔｎｆｒｅ．ＴｅｎｕａｅｗｏｋｒｒｉｅｔｉｔｒａａｌｅｅｌｒＡｐｉａｉｎｏｅｄｄｔｒｓｍｒｈｅｒｌｎｔｒｓａｅｔａｎｄｗｉｈｓｉｌｆｕｔｘｍｐａ．ｐｌｔｎｆｌａａａｏｈｏｃｃｏｉｐｏｅｅｖｌｉｆｔｅｐｏｏｅｐｒａｈｒｖｓｔａｉｔｏｒｐｓｄａｐｏｃ．ｈｄｙｈＫｅｒｓｆｕｔｄａｏｉ；ｇｓａａｙｉ；Ｂｅｒｌｎｔｒｙｗｏｄ：ａｌｉｇｓｓａｎｌｓｓＰｎｕａｅｗｏｋｎ

基于BP神经网络的某型叉车液压系统故障诊断模型研究

中图分类号：ＴＨ２４２：ＴＰ２７７文献标识码：Ａ文章编号：１００１ —０７８５（２０１４）０２— ００９７— ０４
Ａｂｓｔｒａｃｔ：Ｔｈｅｐａｐｅｒｄｅｓｃｒｉｂｅｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｆａｕｌｔｄｉａｇｎｏｓｉｓｆｏｒｔｈｅｈｙｄｒａｕｌｉｃｓｙｓｔｅｍａｎｄｉｔｓｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎｓ，ａｎｄｐｒｅｓｅｎｔｓｔｈｅｓｔｒｕｃｔｕｒｅ，ｔｒａｉｎｉｎｇｍｅｔｈｏｄ，ａｎｄａｌｇｏｒｉｔｈｍｌｆｏｗｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｍｏｄｅｌｆｏｒｃｅｒｔａｉｎｆｏｒｋｌｉｆｔｉｓｂｕｉｌｔｂａｓｅｄｏｎｔｈｉｓ．Ｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｆｅａｔｕｒｅｌｉｂｒａｒｙｏｆｔｈｅｆｏｒｋｌｉｔｆｈｙｄｒａｕｌｉｃｓｙｓｔｅｍｃａｎｂｅｃｏｎｖｅｒｔｅｄｔｏｔｈｅｓａｍ－ｐｉｅｄａｔａａｖａｉｌａｂｌｅｏｒｆｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ，ｗｉｔｈｔｈｅｓｉｍｕｌａｔｉｏｎｔｅｓｔｂｙＭａｔｌａｂ．Ｉｔ ’ Ｓｖｅｒｉｉｆｅｄｔｈａｔｔｈｅｃｏｎｖｅｒｇｅｎｃｅｐｅｒｆｏｒｍ—

BP神经网络研究综述【文献综述】

文献综述电气工程及自动化BP神经网络研究综述摘要：现代信息化技术的发展，神经网络的应用范围越来越广，尤其基于BP算法的神经网络在预测以及识别方面有很多优势。

本文对前人有关BP神经网络用于识别和预测方面的应用进行归纳和总结，并且提出几点思考方向以作为以后研究此类问题的思路。

关键词：神经网络；数字字母识别；神经网络的脑式智能信息处理特征与能力使其应用领域日益扩大，潜力日趋明显。

作为一种新型智能信息处理系统，其应用贯穿信息的获取、传输、接收与加工各个环节。

具有大家所熟悉的模式识别功能，静态识别例如有手写字的识别等，动态识别有语音识别等，现在市场上这些产品已经有很多。

本文查阅了中国期刊网几年来的相关文献包括相关英文文献，就是对前人在BP神经网络上的应用成果进行分析说明，综述如下：（一）B P神经网络的基本原理BP网络是一种按误差逆向传播算法训练的多层前馈网络它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阀值，使网络的误差平方最小。

BP网络能学习和存贮大量的输入- 输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)，如图上图。

其基本思想是通过调节网络的权值和阈值使网络输出层的误差平方和达到最小，也就是使输出值尽可能接近期望值。

（二）对BP网络算法的应用领域的优势和其它神经网络相比，BP神经网络具有模式顺向传播，误差逆向传播，记忆训练，学习收敛的特点，主要用于：（1）函数逼近：用输入向量和相应的输出向量训练一个网络以逼近一个函数；（2）模式识别：用一个待定的输出向量将它与输入向量联系起来；（3）数据压缩：减少输出向量维数以便于传输或存储；（4）分类：把输入向量所定义的合适方式进行分类；]9[BP网络实质上实现了一个从输入到输出的映射功能，，而数学理论已证明它具有实现任何复杂非线性映射的功能。

基于BP神经网络的200km／h牵引变流器故障诊断技术的研究

制２台牵引电机（车控方式），控制方法为矢量控制。采用６０Ｖ６００／０Ａ等级ＩＢ５ＧＴ元件。模块具有互换性，系统具有各类故障诊断与保护功能。
２仿真模型的建立
选取Ｄｕｅｈｓａｂｃｉ小波对定子电流信号进行６ｅ层分解。（）故障特征的提取２故障特征的提取方法不一，本文以各尺度分解系数的最大值为特征数据加以研究。具体来讲，在小波
Ａｂ瑚ｃ：Ａｍｕｔ —ｂｙｖｈｃｙａｃｓｓｍｄｌｗｇｅｔｂｉｈｄｂｏｉｉｇｔｅｆｉｌｍｅｔａａｓｓｔｌ — ｂｙｄｎｍｃ．ｙｅｆ－ｔｌｉｄｏｅｉｌｄｎｍｉｙｔｍｏｅａｓｌｅｙｃｍｂｎｎｎｔｅｅｎｎｌｉｗｉｍｕｔｅｅａｓｈｉｅｙｈｉｄｏｙａｉｓＢｏｌｐｔｒｓｌｔｎａｄｎｍｅｉａａｃｌｔｎｔｅｓｅｓｃｎｉｏｓｏｅｂｇｅｗｒｂａｎｄＥｐｃａｌ，ｓｆｅｔｐｃｌｆｃｏｓｗｉｈｈｖｍｐｒｎｕｉａｏｎｕｒｌｃｌｕａｉ．ｈｔｓｏｄｔｎｆｔｏｉｅｅｏｔｉｅ．ｓｅｉｌｅｍｕｉｃｏｒｉｈｙ０ｒｙｉａａｔｒ，ｈｃａｅｉｏｔｔＩａｃｎｒｕｏｓｔｅｄｎｍｉｈｒｃｅｓｃｎｔＳｔｔ．ｗｒｎｙｅｎｏｌｒｌｔｅｃｎｌｓｎｅｅｄａｎ．ｔｓｓｏｎｔａｅｃｔ。ｃｒｅｏｔｂｔｎｔｙａｃｃａａｔｒｔｓａｄ￥＂ＳｓｅｉｉｏｈｉｉｌｅａｅｅａａｚａｄｓＩｅｅａｖｏｃｕｉｓｗｒｒｗＩｉｈｗｔｖｌｉｌｄＴｉｏｈｏｙｕｖｒｄｕ．ｒｉａｐｔｌｖｓｎｔｅｅｔｎｔｅｄｎｍｉｈｒｃｅｓｃｎｔＳｆｅｂｇｅｗｔｉｅｎｅｒｅ．ａｉｓａｗｙ￥￣Ｃｘ３ｈｅｄｔｃｆｃｏｙａｃｃａａｔｒｔｓａｄ￥＂Ｓ０ｏｉｉｄｆｒｔｄｇｅｓｌｌｎａｉｉｓｈｉｉｌｅｈｔｈｅ

基于BP神经网络方法的航空活塞发动机故障诊断

金肇鹏邹葆华阎成鸿
６８０１３７）（中国民航飞行学院四川广汉
摘
要：Ｂ神经网络在机械故障诊断领域内已取得较多的成功经验。本文调用Ｐ
Ｍａａｔｂ中的神经网络工具箱，运用ＢｌＰ神经网络对ＣＳＮ．２的航空活塞发动机进行故障ＥＳＡ１Ｒ７
ＮＯＶ．２ＯｌＯ
中国民航飞行学院学报
ＪｕａｏＣｉｉＡｖａｉｎＦｉｈＵｎｖｒｉｏＣｈｎｏｒｌｆｎｖｌｉｔｌｔｏｇｉｅｓｙｔｆｉａ３９
ＶＯ．ｌ．１ＮＯ６２
基于ＢＰ神经网络方法的航空活塞发动机故障诊断
障征兆，提出维护建议。因此，将Ｂ神经网络Ｐ
分布表示：ｘｌ仪表指示偏高；ｘ２仪表指示偏一一
低；Ｘ３仪表指示摆动；Ｘ — 仪表无指示；Ｙｌ一４一
更换仪表相应的传感器：Ｙ２因接触不良而调整＿或者重新安装仪表相应的传感器；Ｙ３因污染、一
法处理速度较慢不能适应信息时代高效工作的不足，可以在具体的实际应用环境下自学习、自适
应。
２ＢＰ神经网络的建立
民航发动机故障诊断常用的神经网络模型为
排Ｙｌｌｌｌｌ故Ｙ２ｌｌｌｌ措施Ｙ３ｌｌｌｌ
神经网络是解决某些传统方法所无法解决的问题的有力工具，而Ｂ神经网络由于其优越性Ｐ

基于BP神经网络的变压器故障诊断

实例分析，证明了该方法的有效性
关键词变压器Ｉ）【～特诊气体神经网络故障诊断中图分类号ｒ｝｛Ｉ６５’ ，３文献标识码Ａ文章编号１０００ — ３９３２（２０１３）０４－０４９４ — ０４
。
ＢＰ神经网络学习过程中的误差反向传播过
程是通过使一个目标函数（实际输出和期望输出
之ห้องสมุดไป่ตู้ 的平方和）的最小化来完成的。这个目标函数可以通过梯度下降法得到。设第ｋ个输出神经元的期望输出为为Ｙ，而实际输出Ｏ，则系统平
Ｃ２Ｈ６／ＣＨ４，Ｃ２Ｈ６／Ｈ２，ＣＨ４／Ｈ２，Ｃ２Ｈ２／总烃，Ｈ２／总烃，Ｃ：Ｈ／总烃，ＣＨ／总烃，Ｃ２Ｈ／总烃，（ＣＨ＋
层调各层的权值和阈值，这就是反向调节的过程。通过反复多次，可以达到要求的精度。在ＢＰ神经网络中，输入神经元编号为ｉ，隐含
输入为ｎｅｔ＝∑ｗｋｊｆ），相应的输出为０＝ｎｅｔ）。基于ＢＰ神经网络的故障诊断过程中，ＢＰ网络中的传输函数）通常取）＝：一
Ｉ十ｅ
多，其中油中溶解气体分析法（ＤＧＡ）是目前使用最广泛的办法之一一，该办法是利用不同类型故障

电力系统故障诊断

电力系统故障诊断技术发展趋势2011-09-28 来源：中国仪表网电力系统故障诊断是通过利用有关电力系统及其保护装置的广泛知识和继电保护等信息来识别故障的元件位置（区域）、类型和误动作的装置，其中故障元件的识别是关键问题。

电力系统故障诊断研究具有重要的现实意义。

随着电力系统规模的不断扩大和结构的日益复杂，大量的报警信息在短时间内涌人调度中心，远远超过运行人员的处理能力，易使调度员误判、漏判，为了适应各种简单和复杂事故情况下故障的快速、准确识别，需要电力系统故障诊断系统进行决策参考。

同时，由于电力系统调度自动化水平不断提高，越来越丰富的报警信息通过各变电所的远程终端装置（RTU），传送到各级电网调度中心，使得利用采集的实时信息进行电力系统故障诊断成为可能。

另外，对于电力系统故障的仿真分析和模拟培训，也可以通过电力系统故障诊断系统来提升调度员的经验和水平。

目前，国内外提出了许多电力系统故障诊断的技术和方法，主要有专家系统、人工神经网络、优化技术、Petri网络、模糊集理论、粗糙集理论、多代理技术。

本文首先综述了电力系统故障诊断的各种研究方法，评述了这些方法中需要改进之处，并进一步指出了该领域所需解决的关键技术问题和主要发展趋势。

它们对构建电力系统故障诊断智能辅助决策系统具有重要的指导意义，对保证电力系统的安全运行、减少事故的经济损失具有重要的理论和现实意义。

一、国内外研究发展状况1.1基于专家系统的诊断方法专家系统（expertsystem）利用专家推理方法的计算机模型来解决问题，己获得日益广泛的应用。

目前，专家系统用于电力系统故障诊断是比较成功的。

根据故障诊断的知识表示和所用推理策略的不同，专家系统主要有2类:1）基于启发式规则推理的系统。

此类系统把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，采用数据驱动的正向推理将所获得的征兆与知识库中的规则进行匹配，进而获得故障诊断的结论。

基于BP神经网络的火炮反后坐装置故障诊断

ＡｂｔａｔＴｈａｌｄｉｇｏｉｏｕｎｉｅｏｌｍｅｈｎｓａｏｔｄｔｒｅｌｖｌＢＰｎｕａｅｗｏｋｓｒｃ：ｅｆｕｔａｎｓｓｆｇｎａｔ— ｃｉｒｃａｉｍｄｐｅｈｅ — ｅｅｒｌｎｔｒ．Ｂａｅｔｎａｄｅｓｄｏｎｓａｄｒｇａｉｎｅｃｎｌｏｉｈｏｍｐｏｅｌｏｉｈｏｔｎａｄｎｍｅｉａｏｉｚｔ，ａｇｒｔｍｅｆｒｎｅｒｂｅｒｄｅｔｄｓｅｔａｇｒｔｍｒｉｒｖｄａｇｒｔｍｆｓａｄｒｕｒｃｌｐｔｍｉａｉｏｎｌｏｉｈｐｒｏｍａｃ，ｐｏｌｍｃｍｐｅｉｙｔｅｓｚｆｓｍｐｅｓｔｎｔｒｉｅｎｔｒｒｏｏｌａｄｐｏｌｍｙｅｒｏｓｄｒｄｏａｃｌｔｏｏｌｘｔ，ｈｉｅｏａｌｅ，ｅｗｏｋｓｚ，ｅｗｏｋｅｒｒｇａｎｒｂｅｔｐｓｗｅｅｃｎｉｅｅ．Ｓｍｅｃｌｕａｉｎｒｓｌｓｏｅｏｖｌｏｉｈｗａａｅｓｔｅｌａｎｎａｅｕｔｆｒｓｌｅａｇｒｔｍｓｔｋｎａｈｅｒｉｇｓｍｐｅｓｔｏｅｒｌｎｔｒ；ａｄｔｅｆｕｔｉａｌｅｆＢＰｎｕａｅｗｏｋｎｈａｌｓｎｓｍｐｅｂｓｎｌａｅａｄｔｅｔａｎｎａｈｒｉｉｇｓｍｐｌｓｏａｌｒａｏｒａｃｌｔｄｂｏｒｓｏｄｎｑａｉｎｎｈａｌｄａｎｓｓｗａｅｌｅ．ｅｆｕｔｅｓｎｗｅｅｃｌｕａｅｙｃｒｅｐｎｉｇｅｕｔｏｓａｄｔｅｆｕｔｉｇｏｉｆｓｒａｉｄｚＫｅｗｏｄ：ｙｒｓＧｕｎｉｒｃｉｍｅｈｎｓ；ａｌｄａｎｓｓｎａｔｅｏｌ — ｃａｉｍＦｕｔｉｇｏｉ；ＢＰｎｕａｅｗｏｋｅｒｌｔｒｓｎ

BP神经网络在自行火炮电启动系统故障诊断中的应用

ｎ输人单元，，，，系统接收输人信息；个 … 从第二层为隐含层，输入得到的信息进行内部学习把和处理，１２ … ，；＝１２ … ，是第一层与 ∞（，，ｎ－，，）『第二层的连接权，．、、是阀值；三层为输０、 … 第出层，针对输人经调整权系数而得到所期望的结果，有ｍ个输出单元ｙ，２… ，，（１ｙ，＝１２ … ，ｚ，，；＝１２，，是第二层与第三层的连接权，、、， … ｍ） …、是阀值。
自行火炮电启动系统的工作状态，行在线故障诊进断，利于快速分析确定故障的部位和性质，大缩有大
短检修时间。
ＢＰ神经网络是一种多层前馈型网络，结构如其
图１所示。一般由三层组成。第一层为输人层，有
（）３
式中：网络输出误差，表第Ｐ个样本，Ｅ为Ｐ代ｉ
为输出单元数，＿Ｄｐ为单元期望输出，Ｙ为单元的实
际输出，Ｄ）出层第ｉ神经元在模式Ｐ（一输个
（）３由输人的某一权值和阈值计算输出值。隐含层神经元输出：
维普资讯
２００７年
第４期
移
动
电
源
与
车
辆
２９
Ｊ颤拢门蟛 ■张 ■ 膨ｌ
■
使用维修ｉ
疆疆 ■ 蒯ｆ
ＢＰ神经网络在自行火炮电启动系统故障诊断中的应用

一种改进的CPSO-BP神经网络故障诊断技术研究

的故障预报、监测和诊断，及早地发现故障，避免更大的经济损失。由于液压系统故障征兆与故障原
ＰＳＯ算法的各参数进行调节，构成ＣＰＳＯ算法，并用该算法来优化ＢＰ网络，就柱塞泵的常见故障构建ＣＰＳＯ．ＢＰ神经网络。之后与只进行惯性权重Ｗ改进的ＰＳＯ．ＢＰ网络进行比较，实验结果表明ＣＰＳＯ — ＢＰ网络在收敛率及诊断精度上都取得了较好的
到了有效；混沌；粒子群算法；ＢＰ神经网络
中图分类号：ＴＰ１８３文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３．２０５７．２０１３．０５．００５
摘要：针对ＢＰ神经网络对液压泵进行故障诊断时存在收敛速度慢、诊断精度不高的问题，文中提
出了一种ｃＰＳＯ — ＢＰ诊断网络。该网络用混沌运动对ＰＳＯ算法进行改进，构成ＣＰＳＯ算法，克服了ＰＳＯ
算法早熟的缺点。然后采用ＣＰＳＯ算法对ＢＰ网络的权值及闻值进行优化，用该网络对柱塞泵的常见故障进行诊断，并与ＰＳＯ — ＢＰ网络的诊断结果进行比较。实验表明该网络的故障诊断能力及诊断精度都得
常采用ＰＳＯ算法对ＢＰ网络参数进行优化，且这种
代表解空间的一个候选解，解的优劣程度由适应度函数决定，适应度函数根据优化目标函数确定。粒

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

占了较大比例．因此，如何对电气系统进行快速准
确的故障诊断，对提高武器装备的战斗力具有非常重要的现实意义．武器装备电气系统具有非线性特性＿】］，而ＢＰ神经网路具有较强的处理非线性、自组织性、并行
因为任意闭区间内的连续函数都可以用一个
矗矗
有故障特征的训练样本．训练样本见表１．
表１训练原因
２装备电气系统故障诊断实例
以某型号鱼雷武器装备接收机系统为例，介
性和自学习的能力，因此ＢＰ神经网络在非线性故障诊断方面具有很大的优势＿２＿３］．本文通过将ＢＰ神经网络应用于武器装备电气系统的故障诊
断，能够极大地提高故障诊断的效率．
绍ＢＰ神经网络在装备电气系统故障诊断中的应
用．
２．１ＢＰ网络诊断模型设计
建立接收机故障征兆集．Ｘ一｛，．ｚ。，ｚ。，ｚ，
ｚ５，ｚ６｝和故障原因集Ｙ一｛，２，。，４，ｓ｝．式
０引
言
的相似性、联想能力和通过学习不断调整权值与
域值来实现的．
随着现代科学技术的不断发展，大量高新武
应用神经网络进行故障诊断一般建立输入层、隐层和输出层３层网络．以故障征兆作为网络输入，诊断结果作为网络输出．故障诊断前，首先利用已知的故障征兆和诊断结果对网络进行学习
Ｖｏ１．３７ＮＯ．２
ＡＤｒ．２Ｏ１３
基于ＢＰ神经网络的武器装备电气系统故障诊断方法研究
丰少伟” 梁远华
（海军工程大学科研部” 武汉
邵成明。
４３００３３）
４３００３３）（海军工程大学兵器工程系” 武汉
（中国人民解放军海军９１４９２部队” 青岛２６６０００）
摘要：武器装备电气系统具有非线性特性，利用ＢＰ神经网络处理非线性特性的能力可以提高故障
诊断效率．建立了ＢＰ神经网络的故障诊断模型，分析了故障特征提取与样本预处理的方法，并将
１ＢＰ神经网络的故障诊断模型
故障诊断其实就是一个模式分类与识别的问
题，而ＢＰ神经网络进行故障诊断就是利用网络
收稿日期：２０１２ — １２ — １４
中：ｚ为左陷波点电压异常；为右陷波点电压异常；。为左右陷波点电压差异常；为噪声门陷波器频率异常；－ｚ为多普勒门限值异常；为噪声门限值异常；ｙ．为左陷波器故障；Ｙ为右陷
训练，通过不断修改权值和域值使得网络记忆故
器装备部队，这些武器装备技术复杂，战技术性能优越，具有良好的精确打击能力，但同时也给部队技术人员的武器装备保障能力提出了更高的要求．在日益复杂的高新武器装备结构中，电气系统
所占的比重越来越大，根据部队技术人员统计，在
障征兆与诊断结果之间的关系；故障诊断时，利用已经学习训练好的网络，通过输入一个新的反映
系统状态的故障征兆，得到相应的诊断结果．
整个武器装备系统发生的故障中，电气系统故障
第３７卷第２期
２０１３年４月
武汉理工大学学报（交通科学与工程版）
ＪｏｕｒｎａｌｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＴｒａｎｓｐｏｒｔａｔｉｏｎＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ）
其应用于武器装备电气系统的故障诊断中．该方法对于提高武器装备电气系统故障诊断的准确率
具有良好的实际应用价值．
关键词：ＢＰ神经网络；故障诊断；武器装备；电气系统
中图法分类号：ＴＰ２０６＋．３ｄｏｉ：１０．３９６３／ｊ．ｉｓｓｎ．２０９５－３８４４．２０１３．０２．０３３
丰少伟（１９７４一）：男，硕士，高级工程师，主要研究领域为装备保障
第２期
丰少伟，等：基于ＢＰ神经网络的武器装备电气系统故障诊断方法研究
・３６７・
波器故障；Ｙ。为噪声门电路故障；为多普勒门限电路故障；Ｙ为噪声门限电路故障．