基于多深度置信网络融合的航空电子设备故障预测
来源：电讯技术杂志2021年第2期北京时间：
作者：梁天辰
单位：(中国西南电子技术研究所,成都 610036)
摘要：由于航空电子设备性能退化趋势与工作环境（温度、振动、负载等）存在强耦合关系，历史数据和实时数据分布存在难以量化的差异，因此航空电子设备的故障预测一直是业内难题。针对工程应用中的故障预测需求，提出了一种基于多深度置信网络（Multi-deep Belief Network，DBN）模型融合的故障预测方法，基于历史数据和实时数据对多个DBN模型进行含Dropout的迁移训练，有效解决历史域和目标域数据分布差异带来的预测偏差；采用改进遗传算法对DBN模型组进行融合，在迁移学习的基础上进一步提升故障预测的精准度。实验显示，所提方法预测的均方根误差为0.008，相对误差均值为0.9〖WT《Times New Roman》〗%〖WTBZ〗，相关度为0.964 7，预测精度高于单一DBN模型和支持向量机，在航空电子设备的故障预测领域有一定的应用价值。
关键词：航空电子设备；故障预测；深度置信网络；迁移学习；
