基于人工智能的短波发射机故障预测技术

■西藏自治区广播电视局092台：巴桑罗布

短波发射机作为一种常用的传输装置，主要用于对短波波段无线通信信号的传输。该装置在实际运行期间，很容易受元器件老化、运行环境变化、季节气候变化等因素的影响而出现故障问题，严重影响了其运行性能[1]。为避免以上问题的出现，本文设计了一种新型、先进的短波发射机故障预测系统，该系统主要应用人工智能技术，可以降低预测结果的误差率，获得良好的预测效果，提高了短波发射机运行性能[2]。

1. 人工智能技术概述

人工智能技术作为一种新兴技术，综合运用计算机信息技术、自动化技术、遗传算法、人工神经网络等现代化技术，对人类思维进行有效的模仿，从而达到有效解决实际问题的目的。在进行短波发射机故障预测期间，需要在汇总发射机故障信息的基础上，完成对相关知识库的构建，从而达到预测发电机故障的目的，通过利用系统学习机制，对短波发射机故障处理措施进行全面化记录，提高短波发射机故障预测结果的精确度[3]。

2. 系统总体设计

2.1 系统功能需求

为提高本文系统预测效果，需要结合短波发射机故障预测需求，将本文系统划分为几个部分：①用户登录管理。通过对用户信息进行统一化管理，并为不同用户分配相应的操作权限，保证人员操作的规范性和合理性，从而实现对系统数据的有效保护，此外，未注册的用户禁止登录和访问该系统，从而更好地保证系统数据的完整性、真实性和保密性。②故障数据提取[4]。结合软件需求，从本文系统各个监测点中，对所需要的实时数据进行提取。③故障数据管理。通过增删改查系统数据库，实现对预测结果信息的统一化管理。④故障预测。运用预测算法，实时预测被预测的短波发射机，并向用户反馈和呈现最终的预测结果。

2.2 系统软件层次结构设计

结合系统软件需求，将系统软件划分为数据库系统、用户管理、实时状态监控、故障预测四大模块，并完成对如图1所示的系统软件层次结构图设计，从图1中可以看出，系统软件主要包含以下几个部分：①人机交互界面。该界面作为本文系统最上层，属于典型的图形化界面，可以为用户良好交互操作体验，保证系统操作的便捷性和高效性。②数据管理子系统故障预测算法[5]。该预测算法位于本文系统的中间层，除了涉及到系统数据库系统、用户管理、实时状态监控、故障预测等模块外，还应用了算法类技术。③数据库。数据库位于本文系统中的最底层，主要起到支撑软件体系的作用，为用户提供数据读写操作、数据存储操作等服务体验。在整个系统软件层次体系中，人机交互界面调用中间层和数据库，数据库为中间层和人机交互界面提供相应的服务，整个层次之间形成密切的联系[6]。

图1 软件层次结构图

3. 系统功能模块设计

3.1 数据库系统模块设计

在本文系统中，数据库系统模块作为一种最底层模块，对软件体系起到良好的支撑作用。为用户管理、实时状态监控、故障预测三大关键模块提供读写、存储服务。应用数据库系统模块，可以实现对以下几种数据的统一化、集中化管理。①用户信息。用户信息主要是指已注册用户的基本信息，如用户编号、用户账号、用户密码、用户权限等信息，已注册用户主要包含普通用户和管理员两类，本文系统为不同用户分配相应的操作权限。②受检部件数据[7]。在短波发射机中，所有受检单元借助数据库系统模块进行单独建表，从而实现对受检部件列表和所采集信息的精确化记录。③表头实时数据。表头实时数据主要是指系统数据库实时存储和显示的短波发射机表头实时数据，为后期预测模型构建提供重要的数据支持。

3.2 用户管理模块设计

用户管理模块主要用于对已注册用户数据的统一化管理和检测，经过检测，一旦发现用户为非注册用户，系统会自动限制该用户登录权限，从而实现对系统数据的有效保护。同时，为不同类型已登录用户，分配相应的操作权限。用户管理模块与用户之间形成良好的交互关系。用户在进行登录操作时，本文系统会结合故障预测软件，实时监测短波发射机的运行状态。在用户管理模块中，管理员有权限增删改查普通用户信息。

3.3 实时状态监控模块设计

实时状态监控模块主要用于对短波发射机总体温度、湿度、电压、水压、调幅度等数据的可视化显示。通过将USB数据采集器安装和部署于该发射机内，并借助探测头，向服务器传输相关数据，由服务器统一读取数据采集器所采集好的数据，并将最终读取结果存储到指定的数据库中，当所提取的数据出现异常问题时，系统会自动发出相应的报警声。

在设计实时状态监控模块期间，首先，从短波发射机被测位置中提取出所需要的数据，并将提取好的数据直接传输和存储到实时数据表中，在该数据表中，每个字段均代表相应的被测数据。系统软件显示各个数据的同时，会自动对比和分析不同数据表中的阈值，一旦出现异常问题，本文系统会在第一时间内自动调用故障预测模块，并将故障预测数据结果形象、直观地呈现在用户面前。实时状态监测模块工作流程如图2所示。

图2 实时状态监测模块工作流程

3.4 故障预测模块设计

故障预测模块设计目的是结合被检测数据，预测短波发射机内部故障问题。该模块主要运用故障预测技术，科学判别相关隶属性，并结合实际预测需求，通过构建合适的模型，计算短波发射机最终预测值。此外，结合专家对短波发射机故障所提出的诊断意见，判断和分析最终计算结果所对应的隶属度，促使预测结果变得更加精确化、可靠化。当所获得的预测值达到较高的精确度时采用图表方式，将预测值变化趋势等数据形象、直观地呈现在统软件界面上，然后，对系统数据库中的故障号、预警用户等相关预测值并将预测结果存储至数据表中。故障预测流程图如图3所示。为确保用户快速获取相关报警信息，需要利用继电器对电源进行控制，并借助系统硬件为用户提供所需要的动态连接库文件，当系统出现报警信息时，故障预测模块自动调用USB接口，直接连接于电源，确保声光报警器处于点亮的状态，以引起相关人员的注意。

图3 故障预测流程图

4. 系统技术实现

4.1 排查短波发射机故障类型

短波发射机故障类型包含发射机无法正常启动、开关机异常、功率较低等问题。在进行短波发射机故障类型排查时，首先，对启动后的发射机功率值变化情况进行有效测定，检查该功率放大器是否出现故障问题。其次，采用数据清零的方式，将发射机数模转换板的数据设置为置零状态，确保该发射机以低电平方式进行运行。此外，将保险装置安装和固定于发射机中，由保险装置检测发射机是否出现异常信号，如果出现，该发射机输出功率模块即可暂停运行，从而实现对发射机相关故障信息的快速采集和获取。在此基础上还要利用检测仪器对短波发射机的电源电压变化状态进行记录和排查。最后，结合发射机供电电压变化情况，预测和判断该发射机所发出的推动信号是否稳定，如果发射机推动信号稳定性较差，说明该发射机内部电子元器件出现异常故障。

4.2 检验短波发射机序列白噪声

当短波发射机故障排查完成后，需要构建合适的时间序列模型，然后，对短波发射机序列的白噪声进行预测，从而达到精确化预测和判断短波发射机故障类型的目的。具体操作如下：首先，将检测点布设于短波发射机上，不同检测点，所布设位置存在很大不同，此时，需要结合不同的检测点，设置相应的状态参数值序列，同时，还要利用统计分析软件，从短波发射机所产生的海量数据中，提取和调用分析单元相关数据。同时，结合短波发射机电流值变化情况，采用辅助分析法，对时间序列模型相关系数进行科学调整和控制，并获取相应的电流时间序列，然后，分析和判断电流时间序列的变化情况是否吻合于实际情况。短波发射机序列白噪声检验公式如下：

式（1）中的n、m、k 分别代表短波发射机时间序列常数、短期相关系数、运行期间形成的白噪声。经过计算，完成对时间序列模型构建，为后期短波发射机故障预测提供重要的数据支持。当时间序列模型构建完毕后，采用最小二乘法，精确化预测和检验该模型相关参数，从而实现对短波发射机故障问题的精确化预测。

5. 系统预测效果测试

为进一步地验证本文系统的预测效果，需要进行以下测试：首先，选用LF-2001型号的短波发射机，然后，将该发射机的平均调制幅度、耦合系数分别设置在45%以上、30±0.3 dB。其次，将无法正常启动、开机故障导致关机、发射机功率下降、发射机功放模块断开、发射机功率模块指示异常等故障点一一布设在短波发射机中，将故障预测时间单位设置为3 min，然后，在该时间单位内，计算短波发射机所对应的故障预测值，并结合实际测量，获取相应数值，计算出最终预测误差率。获得测试结果如表1所示，从表1中的数据可以看出，本文设计的短波发射机故障预测系统在3 min时间单位内，所获得故障预测值与实际值相差不大，有效地降低故障预测误差率，完全满足短波发射机故障快速检测需求。

表1 单位时间内短波发射机检测误差率

6. 结束语

本文应用人工智能技术所设计的短波发射机故障预测系统具有用户管理、实时状态监控、故障预测等强大功能，不仅可以提高软件可用度和运行稳定性，还能保证交互界面的简洁性和友好性，此外，通过对系统预测效果测试，发现本文系统可以降低预测结果的误差率，保证了预测结果的精确度，完全符合实际应用需求。