-
题名基于CNN的机载综合射频系统健康状态评估方法
- 1
-
-
作者
丁宸聪
-
机构
海军研究院
-
出处
《电讯技术》
北大核心
2025年第6期921-929,共9页
-
文摘
针对综合射频系统中的故障预测与健康管理技术模型泛化能力弱、数据成本高及均衡性差的问题,提出了一种空地协同的系统设计方法。为优化泛化能力,降低数据成本并增强数据均衡性,该方法对机载射频系统、数字孪生系统及人工智能(Artificial Intelligence,AI)控制中心进行整合,实现数据共享和模型同步。进一步,通过采集不同模块通用单元的多种传感器特征以扩充数据集,并集合K-means聚类算法与生成对抗网络生成极端数据,改善了数据平衡性。最终,基于卷积神经网络实现对机载射频系统可靠性的评估,预测值与实际值之间高度拟合,均方差为0.0002,平均绝对误差为0.0089,决定系数达到0.9452。本研究为综合射频系统中的故障预测与健康管理技术的发展提供了新的思路和方法。
-
关键词
机线综合射频系统
故障预测与健康管理(PHM)
卷积神经网络(CNN)
反向传播神经网络(BPNN)
生成对抗网络(GAN)
-
Keywords
airborne integrated RF system
prognostics and health management(PHM)
convolutional neural network(CNN)
back propagation neural network(BPNN)
generative adversarial network(GAN)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
