13、基于GA - BP神经网络的INS/GNSS/CNS组合导航系统故障诊断及航空产品生产系统可靠性优化研究

基于GA - BP神经网络的INS/GNSS/CNS组合导航系统故障诊断及航空产品生产系统可靠性优化研究

1. GA - BP神经网络在INS/GNSS/CNS组合导航系统故障诊断中的应用

在组合导航系统中，故障诊断至关重要。BP神经网络具有容错性强、自学习和自适应等特点，近年来在具有非线性误差的组合导航故障检测中得到广泛应用。它能在不建立系统解析模型的情况下，处理输入的故障数据并计算输出数据。然而，BP神经网络需要长时间的预训练，且容易陷入局部极小值。为解决这一问题，可采用遗传算法优化BP神经网络，即GA - BP神经网络。

1.1 BP神经网络原理与结构

BP神经网络是一种误差相对于信号反向传播的智能优化算法，通常由输入层、隐藏层和输出层组成。其基本原理是梯度下降，通过改变权重和阈值，使误差函数沿最快下降方向逼近。迭代公式为：
[x_{k + 1} = x_{k} - a_{k}g_{k}]
其中，(x_{k})和(x_{k + 1})分别是第(k)次和第((k + 1))次迭代的权重，(a_{k})和(g_{k})分别表示第(k)次学习率和误差函数梯度。

在实际应用中，BP神经网络根据已知训练数据获取实际输出信息值，与预期输出值比较，得到误差并反馈到网络，调整权重使误差值在允许范围内，此时训练完成。

1.2 GA - BP神经网络原理与结构

BP神经网络易陷入局部极小值，无法完成全局极小值搜索，限制了其实际应用。遗传算法可优化BP神经网络，解决局部极小值困境。

遗传算法描述了生物的进化特征，采用适应度函数，通过选择、交叉和变异三种遗传操作不断迭代，直到染色体获得最高适