基于神经网络的故障率预测方法

  本文关键词：基于神经网络的故障率预测方法，由笔耕文化传播整理发布。

第２９卷第２期２００８年３月

航空学报

Ｖｏｌ－２９Ｎｏ．２

ＡＣＴＡＡＥＲＯＮＡＵＴＩＣＡＥＴＡＳＴＲ（）ＮＡＵＴＩＣＡＳＩＮｌＣＡＭａｒ．２００８

文章编号：１０００—６８９３（２００８）０２—０３５７—０７

基于神经网络的故障率预测方法

李瑞莹，康锐

（北京航空航天大学工程系统工程系，北京

ＦａｉｌｕｒｅＲａｔｅＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄＢａｓｅｄ

ＬｉＲｕｉｙｉｎｇ，ＫａｎｇＲｕｉ

（ＤｅｐａｒｔｍｅｎｔｏｆＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇｏｆＥｎｇｉｎｅｅｒｉｎｇ

ｏｎ

１０００８３）

ＮｅｕｒａｌＮｅｔｗｏｒｋｓ

Ｔｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄ

１０００８３，Ｃｈｉｎａ）

Ａｓｔｒｏｎａｕｔｉｃｓ，Ｂｅｉｊｉｎｇ

摘要：为了更好地预测产品故障率，提出了基于神经网络的故障率预测方法，分别给出了基于反向传播（ＢＰ）网络和径向基函数（ＲＢＦ）网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归一移动平均混合（ＡＲＭＡ）模型等统计预测方法的区别，对照故障率的特点，说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测，预测结果表明：这两种模型均适用于故障率预测，预测值与真实值的误差在２０％之内，且ＲＢＦ网络的预测效果略优于ＢＰ网络，此外通过与上述统计预测法的误差进行对比，说明神经网络法预测误差最小。关键词：神经网络；反向传播（ＢＰ）；径向基函数（ＲＢＦ）网络；可靠性；预测中图分类号：Ｖ２１５．７

Ａｂｓｔｒａｃｔ：Ｔｏｆｏｒｅｃａｓｔｆａｉｌｕｒｅ

文献标识码：Ａ

ｒａｔｅｓ

ｂｅｔｔｅｒ，ａｍｅｔｈｏｄｆｏｒｆａｉｌｕｒｅ

ｒａｔｅ

ｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄｏｆｆａｉｌｕｒｅ

ｒａｔｅ

ｏｎ

ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌ

ｏｎ

ｎｅｔ—

ｗｏｒｋｓｉｓａｄｖａｎｃｅｄ．Ｔｈｅｂａｓｉｃｉｄｅａｓ，ｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｓａｎｄ

ｓｔｅｐｓ

ｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄ

ｂａｃｋ

ｐｒｏｐａｇａｔｉｏｎ（ＢＰ）ｎｅｔｗｏｒｋａｎｄｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｔｗｏｒｋ

ａｒｅ

ｄｉｓｃｕｓｓｅｄｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｄｉｆｆｅｒｅｎｃｅｓ

ａｓ

ｂｅｔｗｅｅｎｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｏｔｈｅｒｓｔａｔｉｓｔｉｃａｌｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｓ，ｓｕｃｈａｎａｌｙｓｉｓ，ｍｏｖｉｎｇａｖｅｒａｇｅ，ｅｘｐｏｎｅｎｔｉａｌ

ｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓ，ｄｅｃｏｍｐｏｓｉｔｉｏｎ

ｓｍｏｏｔｈｉｎｇ，ｓｅｌｆ－ａｄａｐｔｉｖｅｆｉｌｔｅｒｉｎｇａｎｄａｕｔｏ－ｒｅｇｒｅｓｓｉｖｅｍｏｖｉｎｇａｖｅｒａｇｅ

（ＡＲＭＡ）ｍｏｄｅｌ，ａｒｅｃｏｍｐａｒｅｄｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｃｏｎｃｌｕｓｉｏｎｉｓｄｒａｗｎｔｈａｔｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｔｈｅｂｅｓｔｓｔａｔｉｓｔｉｃａｌ

ｍｅｔｈｏｄｏｆｔｈｅｍａｃｃｏｒｄｉｎｇａｉｒｌｉｎｅｃｏｍｐａｎｙａｂｌｅｆｏｒｆａｉｌｕｒｅｅｆｆｅｃｔｏｆｆａｉｌｕｒｅ

ｒｏｒｓ

ａｒｅ

ｔＯｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｆａｉｌｕｒｅｒａｔｅｓ．Ｔｈｅｆａｉｌｕｒｅ

ｔＯ

ｒａｔｅｓ

ｏｆＢｏｅｉｎｇｆｌｉｇｈｔｓｉｎ

ａ

ｃｅｒｔａｉｎｓｕｉｔ－ｔｈｅ

ｅｒ—

ｆｏｒｅｃａｓｔｅｄａｃｃｏｒｄｉｎｇ

ｔｈｅｓｅｔｗｏｍｏｄｅｌｓ．Ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｂｏｔｈｏｆｔｈｅｓｅｍｏｄｅｌｓ

ａｒｅ

ａｒｅ

ｒａｔｅｒａｔｅ

ｆｏｒｅｃａｓｔｉｎｇ，ｅｒｒｏｒｓｂｅｔｗｅｅｎｐｒｅｄｉｃｔｅｄｖａｌｕｅａｎｄｏｂｓｅｒｖｅｄｖａｌｕｅｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄ

ｏｎ

ｌｅｓｓｔｈａｎ

２０％，ａｎｄ

ｔＯ

ＲＢＦｎｅｔｗｏｒｋｉｓｂｅｔｔｅｒｔｈａｎｔｈａｔ

ｒａｔｅ

ｂａｓｅｄ

ｏｎ

ＢＰｎｅｔｗｏｒｋ．Ｂｙｃｏｍｐａｒｅｄ

ａｒｅ

ｏｆｔｈｏｓｅｓｔａｔｉｓｔｉｃａｌｍｅｔｈｏｄｓ，ｅｒｒｏｒｓｏｆｆａｉｌｕｒｅ

ｆｏｒｅｃａｓｔｉｎｇ

ｂａｓｅｄ

ｏｎ

ｎｅｕｒａｌｎｅｔｗｏｒｋｓｍｕｃｈｓｍａｌｌｅｒ．

Ｋｅｙｗｏｒｄｓ：ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｂａｃｋｐｒｏｐａｇａｔｉｏｎ；ｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｔｗｏｒｋ；ｒｅｌｉａｂｉｌｉｔｙ；ｆｏｒｅｃａｓｔｉｎｇ

产品使用过程中不可避免地会发生各种各样的故障，产品故障率对指导备件贮存策略有非常重要的作用。然而，，传统的可靠性预计和可靠性试验评估都很难给出令人满意的预测效果。据统计，预测值与真实值的相对误差高达百分之几十到百分之几千不等ｎ］。

为了解决故障率预测不准确的问题，国内外学者进行了多方面的努力，也取得了一定成果。美国Ｂｅｌｌｃｏｒｅ实验室、美国Ｔｅｌｃｏｒｄｉａ公司、美国可靠性分析中心（ＲＡＣ）、法国工业协会先后尝试了通过过程评估、试验数据、使用数据对研制阶段

收稿日期：２００７—０６—０１：修订日期：２００７—１１一０５

基金项目：国防科技工业技术基础科研项目（Ｚ１３２００６１３００１）通讯作者：李瑞莹Ｅ－ｍａｉｌ：ｌｉｒｕｉｙｉｎｇ＠ｄｓｅ．ｂｕａａ．ｅｄｕ．ｅｎ

的传统可靠性预计进行修正的方法［２ｑ］，相继颁布了标准，形成了软件工具，如ＰＲＩＳＭ；以美国马里兰大学Ｐｅｔｃｈ教授为代表的学者将故障物理技术应用于研制阶段的故障率预测，形成了两套软件工具ＣＡＤＭＰ一２（组件级）和ＣＡＬＣＥ（板级）［５－ｓ］，并进入了ＩＥＥＥ标准１４１３．１［９］。然而这些方法复杂，在实际操作上存在一定困难，应用效果也有待于进一步验证。同时产品使用环境复杂，能用于研制阶段分析或试验评价的信息有限，因此，确实难以在研制阶段获得准确的故障率预测结果。

相比而言，使用数据最能够反映真实的产品故障率水平［１０｜，它们可以看做是一系列随时间发展变化的数据，将其按时间顺序排列起来，便能组成一组时间序列。因此采用时间序列法对使用统计

  本文关键词：基于神经网络的故障率预测方法，由笔耕文化传播整理发布。