基干BP神经网络光通信系统故障诊断.docVIP

基于BP神经网络的光通信系统故障诊断 　　【摘 要】阐述了光通信系统故障诊断过程中，应用BP神经网络模型的重要性。以专家经验和文献依据为途径，建立了光信号系统故障知识库。同时，选择了基于模糊综合评判为计算方法，建立了神经网络数学模型。最后，以光信号元件故障诊断实例为例，论证了BP神经网络法的可行性 【关键词】BP神经网络；光通信系统；故障诊断 【Abstract】The analysis of the fault diagnosis of optical communication system based on BP fuzzy neural network： the fault diagnosis of optical communication system in the process， the importance of application of BP neural network model. Based on expert experiences and literature basis for the way， the establishment of a knowledge base of fault signal system. At the same time， the fuzzy comprehensive evaluation based on the calculation method， the neural network model is set up. Finally， the fault diagnosis of optical signal components as examples， demonstrates the feasibility of the method of BP neural network. 【Key words】BP neural network； Optical communication system； Fault diagnosis 光通信系统，是一种以光波为介质的综合性传输通信系统。其基本的结构组成包括光纤、光发射系统、光接收系统以及指令接收器等。由于各个结构之间存在耦合关系，故该系统是错综复杂的。根据大量的案例可知，光通信系统在运行中，由于光纤的损耗、元件的老化等问题无法避免，将会导致系统发生通信线缆不畅通、光模块损坏等故障，从而中断信号的传输，严重影响用户的使用。且系统的复杂性问题，导致故障的诊断准确性差，检修耗时较长。因此，若能够建立光通信系统的故障征兆和引发原因之间的矩阵关系，对于及时、精确地把握故障特点，减少检修的时间，具有重要的意义 1 光通信系统故障知识库的建立 光通信系统故障知识库，是一个对故障推理知识库的求解集合。它囊括了系统故障中的基本事实、规律等信息。该知识库的建立，主要依赖于业内资深专家。故在建立过程中，专家对精度的把握，是矩阵计算准确性的关键。光通信系统故障知识库的建立，主要从两个环节入手 1.1 资料搜集与统计[1] 通过查阅近10年来，关于光通信系统的故障诊断及处理案例的文献。对案例中的故障原因和征兆进行统计与整理。例如，在某电力光通信系统的故障案例中，出现了OPGW外丝断股的故障征兆，通过文献的分析可知，造成该征兆的原因是雷击。则分别将OPGW外丝断股和雷击整理至征兆和原因部分 1.2 专家打分法 调研成都地区的部分高校以及光通信系统设备生产厂家。对30位该领域的专家进行走访，将专家意见添加进知识库 在光通信系统的故障诊断中，知识库的实现方式[2]，拟采取产生式。如：If接头损耗and光纤断裂，Then光板闪断 2 BP神经网络模型的建立 BP神经网络，是模拟人的大脑神经系统，具有判断功能的算法网络。该系统是一个需要训练的系统，本质是Back Propagation算法[2]。具体的结构包括：输入端、输出端和隐藏区域。在该结构的设计中，隐藏区间的数量，必须≥1。本文中，选择最小量即可，故只采用1个隐藏区间。BP算法的实质，主要是体现在系统的学习过程中，信号分别进行正向传播、误差反向传播。该过程的目标是，采用输出误差反传的方法，将误差分化，即各个单元部分，都分配部分误差，继而每个单元的误差信号都能够计算出来。由此，再对各个单元的权值，进行修正。故综上所述，如果输出端的结果与理想值偏差大，系统将开始反向传播，然后重新修改神经元的权值，以达到减小误差信号的目的 在光通信系统的故障诊断模型建立中，基本的操作为：（1）假设系统在发生故障时，表现出的征兆为n，则输出向量：X=（x1，x2，…，xn）；（2）如果引发这些征兆的原因为m，则输出向量：Y=（y1，y2