基于半监督深度学习的雷达收发组件故障诊断

作     者：陈毓坤 于晖 陆宁云 CHEN Yukun;YU Hui;LU Ningyun

作者机构：南京航空航天大学自动化学院江苏南京211106 中国电子科技集团公司第三十八研究所安徽合肥230088 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2023年第45卷第10期

页      面：3329-3337页

核心收录：

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基　　金：国家自然科学基金(62020106003,61873122) 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)资助课题 

主　　题：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 

摘      要：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。