基于神经网络的复杂电子装备调试决策技术
复杂电子装备是由大量相互关联、相互制约的电子元器件、电路板和组件组成的。
由于电子元器件参数的离散性及不同环境条件下的性能变化会对装备性能指标产生影响，一般需要设置多个可调参数，并根据测试结果选配最优的调试参数。
目前电子装备调试依赖人工经验，调试效率低、准确度差、反复次数多，大大影响了复杂电子装备的生产效率及成品率。
通过对复杂电子装备的电路特性进行分析，可知其性能和调试元器件参数之间存在关联关系，但无法得出精确的数学模型。
基于神经网络建立的非参数化模型，可模拟电子装备性能和调试参数的关系，用于调试参数的预测。
神经网络是近几年国内外人工智能领域的研究热点，其基本思想来源于人脑神经元的构造。
神经网络具有大规模并行运算、自适应、自组织和自学习能力，适用于处理需要同时考虑多个因素和条件的模糊信息问题。
范爱锋等在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型，并将该模型应用于某型雷达磁控管的高压数据预测。
李静雯等将灰色Verhulst模型与小波神经网络相结合来解决小样本故障数据在误差反向传播(backpropagation，BP)神经网络训练中存在缺陷的问题提出了基于灰色Verhulst -小波神经网络的组合预测模型,并在某型航空设备工作电压的故障预测中对该模型进行了验证。
文荣等将粗糙变量作为神经元的输入，通过交叉连接方式构造粗糙神经网络，以此来对设备特征参数进行预测，并将该方法应用于某型航空电子设备的故障趋势预测。
胡雷刚等应用免疫算法对神经网络隐含层激励函数进行改进，得到免疫神经网络，并将该模型应用于某型航空装备特征参数的跟踪预测。
孙文等提出一种将去噪编码融入稀疏自动编码器的深度神经网络，实现非监督学习的特征提取，并用于感应电动机的故障诊断。
本文提出一种基于神经网络的复杂电子装备调试决策方法，通过建立神经网络模型，模拟电子装备性能指标和调试元器件参数之间的关联关系，实现电子装备调试元器件参数最优值的预测。
电子装备性能指标与调试元器件参数之间存在某种非线性关系，利用电子装备的历史调试数据进行神经网络训练，可以使神经网络学习到近似于输入与输出之间潜在关系的规律。
神经网络由多个神经元以不同层的形式连接。
每个神经元都是一个数学运算：对输入进行加权求和，加偏置，得到待激活值；将待激活值作为激活函数的输入，得到输出值，并将其传递给其他神经元。
利用神经网络预测输入与输出间的关系，以最小化损失函数为目标，选择合适的优化算法迭代求解最优的神经网络参数，即可得到近似真实关系的神经网络模型。
激活函数是神经网络解决非线性问题的关键，可以将网络连接非线性化。常用的激活函数有ReLU函数、Sigmoid函数、Softmax函数等。
本文使用MySQL数据库管理系统开发电子装备调试数据库，包括产品信息表、性能指标信息表、测试参数表。
产品信息表对产品的种类、生产编号、生产时间、调试时间等基本信息进行描述。
性能指标信息表主要对产品的测试项和调试元器件等信息进行描述，包括测试项名称、测试项单位、测试项上下限、调试元器件规格、调试元器件上下限。
测试参数表主要对测试指标的实测值和调试元器件实际参数进行描述。
为了满足调试决策系统更新不同产品、不同版本的调试模型的需要，采用算法信息表的形式，建立电子装备知识库，管理调试过程中产生的神经网络模型。
针对复杂电子装备调试指标多、调试难度大等问题，基于神经网络模型，对历史调试数据进行分析与挖掘，模拟电子装备性能指标和调试元器件参数之间的关联关系。
构建复杂电子装备调试数据库与知识库，开发调试决策系统，通过获取电子装备单机性能指标，预测相应的调试元器件参数，为人工调试提供指导。
