系统工程与电子技术

作者：陈毓坤, 于晖, 陆宁云

单位：1. 南京航空航天大学自动化学院, 江苏 南京 211106；2. 中国电子科技集团公司第三十八研究所, 安徽 合肥 230088

关键词：相控阵雷达,T/R组件,故障诊断,深度置信网络,深度自编码器,烟花算法

基金：国家自然科学基金(62020106003);国家自然科学基金(61873122);机械结构力学及控制国家重点实验室(南京航空航天大学)自主研究课题(MCMS-I-0121G03);中国航空发动机集团有限公司产学研合作项目(HFZL2020CXY011)

新一代相控阵雷达针对T/R组件部署了大量传感器, 为数据驱动的组件故障诊断提供了良好基础。然而, 实际监测数据大多没有表征其故障模式的标签。结合深度置信网络(deep belief network, DBN)在特征自学习方面的优势和自编码器(auto-encoder, AE)重构输入数据的能力, 提出一种基于DBN-AE半监督学习模型的故障特征提取及智能诊断方法, 并应用烟花算法优化模型结构。该方法利用原始无标签状态数据训练DBN-AE模型, 提取深层特征, 再通过有监督再训练建立深层特征与故障模式之间的关系模型。所提方法在某型相控阵雷达T/R模块上得到了实验验证, 有效提升了故障识别准确率和智能水准。

来源：2023年第10期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2023年第10期