[发明专利]基于改进BP神经网络的通信安全设备智能诊断方法及系统

说明书

本发明公开了基于改进BP神经网络的通信安全设备智能诊断方法及系统，所述智能诊断方法包括步骤S1：运用故障树分析法，建立通信安全设备的典型故障树；S2：分析确定故障的关键因素，以及相应底事件对顶事件的影响程度，选择合适的监测对象；S3：基于BP神经网络和改进粒子群算法，构建NPSOSA‑BP神经网络模型；S4：对通信安全设备进行合理的布置监测点，采用连续循环监测模式采集实时的监测对象数据，输入NPSOSA‑BP神经网络模型中进行故障诊断。该诊断方法经验证对处理电子通信设备的故障诊断有着更高的拟合度，诊断结果更加准确。基于NPSOSA‑BP神经网络模型的智能诊断系统可通过网络实现与维保人员的技术交流，也可通过离线故障库直接对故障进行离线智能诊断。

技术领域

本发明涉及通信安全设备智能诊断技术领域，尤其涉及基于改进BP神经网络的通信安全设备智能诊断方法及系统。

背景技术

近年来，随着经济的发展，社会的进步，电子设备对人们生活的重要性越来越大，人们对电子设备的需求量也在逐步提高。电子设备作为使用性产品，使用过程中难免会出现故障问题，长期使用更是会带来损耗。由于电子设备往往具有高技术性，元器件往往需要高精度的技术支持；同时，电子设备在运行过程中，受其个部件的影响较大，往往一处功能上的不协调或是不稳定，都将对电子设备带来较大的影响。因此，电子设备的故障诊断往往从各部件的诊断着手，通过对部件运行状态的识别，及时做出判断，进而有效检测是否存在故障问题。电子设备智能故障诊断长期以来是一个关注度较高的问题，在计算机的飞速发展的背景下，有关电子设备的智能诊断问题也有了较大的突破。

一般而言，现有的智能诊断的方法大体是基于知识的方法上延伸而来，主要几种为：基于专家系统、基于模糊理论、基于神经网络、基于模糊粗糙集等诊断方法。

基于专家系统的方法是一种在某专业领域内，利用人类专家的知识、经验，以解决该领域内相关问题的方法。将专家系统运用到故障诊断中，即通过计算机采集待诊断对象数据信息后，利用设置好的各种规则、算法机制，进行推理计算，迅速的找到故障原因，并由用户证实的一种方法。该系统中存储了专家的知识、经验，能利用其解决实际故障问题。往往专家系统没有算法解，但是该方法的使用条件限制较小，可以在非完全信息的条件下实现诊断功能。

模糊逻辑是用来描述、处理自然界和人类社会中不精确、不完整信息的数学工具。设备运行的过程中，除了正常、故障状态外，还有一种“临界”的状态。在该状态下，设备即将故障却暂时表现正常，因此对该设备表现的征兆及故障情况有一个模糊值，用以表示故障程度、可能性等指标。

人工神经网络(Artificial Neural Network，ANN)是模拟人脑的一种数学模型，是由大量的神经元连接组成的网络。基于神经网络的诊断，其实质是一种模式分类并识别的问题。传统模式识别方法是利用特定的函数，以输出值将数据样本进行分类并归入某以决策区域的过程，难点在于数据样本的分布特点无法把握，选择的函数拟合度无法保证。由此可见，现有的智能诊断方法均存在不同程度的问题。

发明内容

针对上述存在的问题，本发明旨在提供一种基于改进BP神经网络的通信安全设备智能诊断方法，基于故障树和粒子群退火的改进BP神经网络算法对通信安全设备进行智能诊断，实现全局最优求解，对通信安全设备的诊断更加精确。

为了实现上述目的，本发明所采用的技术方案如下：

基于改进BP神经网络的通信安全设备智能诊断方法，其特征在于，包括以下步骤，

S1：运用故障树分析法，建立通信安全设备的典型故障树；

S2：根据典型故障树分析确定故障的关键因素，以及相应底事件对顶事件的影响程度，选择合适的监测对象；

S3：利用步骤S2中的监测对象数据，基于BP神经网络和改进粒子群算法，构建NPSOSA-BP神经网络模型；