系统工程与电子技术2023，Vol.45Issue(10) ：3329-3337.DOI:10.12305/j.issn.1001-506X.2023.10.38

基于半监督深度学习的雷达收发组件故障诊断

Fault diagnosis of radar T/R module based on semi-supervised deep learning

陈毓坤 于晖 陆宁云
系统工程与电子技术2023，Vol.45Issue(10) ：3329-3337.DOI:10.12305/j.issn.1001-506X.2023.10.38
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于半监督深度学习的雷达收发组件故障诊断

Fault diagnosis of radar T/R module based on semi-supervised deep learning

陈毓坤 1于晖 2陆宁云1
扫码查看

作者信息

  • 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
  • 折叠

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.

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

Key words

phased array radar/T/R module/fault diagnosis/deep belief network(DBN)/deep auto-encoder(AE)/firework algorithm(FWA)

引用本文复制引用

基金项目

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(MC-MS-I-0121G03)

中国航空发动机集团有限公司产学研合作项目(HFZL2020CXY011)

出版年

2023
系统工程与电子技术
中国航天科工防御技术研究院 中国宇航学会 中国系统工程学会

系统工程与电子技术

CSTPCDCSCD北大核心
影响因子：0.847
ISSN：1001-506X
参考文献量4
段落导航相关论文