摘 "要： 對電子信息裝備維修保障能力進(jìn)行客觀、準(zhǔn)確的評估是加強(qiáng)裝備維修保障系統(tǒng)建設(shè)，提高保障能力的重要依據(jù)。創(chuàng)新地將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到裝備維修保障領(lǐng)域，首先建立了電子信息裝備維修保障能力評估指標(biāo)體系，確定了關(guān)鍵要素指標(biāo)，然后詳細(xì)設(shè)計了電子信息裝備維修保障能力評估的BP神經(jīng)網(wǎng)絡(luò)模型，并對評估模型的算法流程和數(shù)據(jù)處理等內(nèi)容進(jìn)行研究。通過Matlab仿真軟件對結(jié)果進(jìn)行了計算分析表明，BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的解決非線性問題的能力，同時消除了因?qū)＜也町惤o評價結(jié)果帶來的不確定性，適用于電子信息裝備維修保障能力評估。

關(guān)鍵詞： BP神經(jīng)網(wǎng)絡(luò); 電子信息裝備; 維修保障能力; 評估

中圖分類號： TN911?34 " " " " " " " " " 文獻(xiàn)標(biāo)識碼： A " " " " " " " " " " " " " "文章編號： 1004?373X（2015）02?0011?04

Evaluation based on BP neural network for electronic information equipment maintenance support capability

ZHONG Jing?li， ZHANG Hui， MA Zhen

（PLA Academy of National Defense Information， Wuhan 430010， China）

Abstract： Objective and accurate evaluation of electronic information equipment maintenance support capability is the important basis of strengthening the construction of equipment maintenance support system and improving the ability of support. The BP neural network is creatively applied to the field of equipment maintenance support. An evaluation index system of electronic information equipment maintenance support capability is established. The indexes of key factors are determined. A BP neural network model for assessment of the electronic information equipment maintenance support capability is designed. The algorithm flow and data processing of evaluation model are studied. The result is calculated and analyzed with simulation software Matlab. It proves that the BP neural network has a strong ability to solve the problem of complex nonlinearity relation. The method can eliminate the uncertainty of the evaluation results due to the individual difference of experts， and is suitable for analysis and evaluation of the ability of electronic information equipment maintenance support.

Keywords： BP neural network; electronic information equipment; maintenance support capability; evaluation

電子信息裝備維修保障能力就是其運(yùn)用各類保障資源保證完成電子信息裝備維修任務(wù)的能力，是確保電子信息裝備保持、恢復(fù)或改善到規(guī)定技術(shù)狀態(tài)的本領(lǐng)[1]。由于電子信息裝備生產(chǎn)和維修保障費(fèi)用較高，因此對各種維修保障資源進(jìn)行合理的配置，并對其進(jìn)行不斷地修改和完善，能夠有效促進(jìn)維修保障能力的提高。由于電子信息裝備維修保障能力與影響參數(shù)之間存在非線性關(guān)系，因此可采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行電子信息裝備維修保障能力評估。

運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行電子信息裝備維修保障能力評估時，把對維修保障能力影響較大的參數(shù)指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入，維修保障能力作為神經(jīng)網(wǎng)絡(luò)的輸出，并用大量樣本按照某種學(xué)習(xí)規(guī)則對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過動態(tài)的自適應(yīng)調(diào)整，訓(xùn)練好的網(wǎng)絡(luò)具有確定的權(quán)值和閥值，其能有效地描述電子信息裝備維修保障能力和特征參數(shù)之間的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢，便可作為一種有效的工具，來評估電子信息裝備的維修保障能力

1 "構(gòu)建電子信息裝備維修保障能力指標(biāo)體系

在暫不考慮管理因素的情況下，影響電子信息裝備維修保障能力的資源要素有很多。通常運(yùn)用主成分逐步回歸法[1]來選擇影響電子信息裝備維修保障能力的主要參數(shù)，主要?dú)w納為保障人力資源、保障備件資源、保障設(shè)備資源和保障技術(shù)資料4個方面，同時4個一級指標(biāo)下面包含15個二級指標(biāo)，如圖1所示。以15個二級指標(biāo)參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，電子信息裝備維修保障能力作為網(wǎng)絡(luò)輸出。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201502＼Image＼11t1.tifgt;

圖1 電子信息裝備維修保障能力指標(biāo)體系

2 "構(gòu)建電子信息裝備維修保障能力神經(jīng)網(wǎng)絡(luò)評

估模型

2.1 "網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

典型的BP神經(jīng)網(wǎng)絡(luò)主要由三層網(wǎng)絡(luò)構(gòu)成：輸入層、隱含層和輸出層[2]，其結(jié)構(gòu)如圖2所示。采用三層BP神經(jīng)網(wǎng)絡(luò)模型來評估電子信息裝備維修保障能力，以所選取的主要特征參數(shù)Xi作為網(wǎng)絡(luò)的輸入，以電子信息裝備維修保障能力T作為目標(biāo)輸出，Wij和Wn為所確定的權(quán)值。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201502＼Image＼11t2.tifgt;

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

選用電子信息裝備維修保障能力指標(biāo)體系的15個二級資源指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入層信息，則輸入單元數(shù)為15。電子信息裝備的維修保障能力作為輸出層，則輸出接點(diǎn)數(shù)為1。實踐證明，隱含層的神經(jīng)元個數(shù)直接影響網(wǎng)絡(luò)的非線性預(yù)測能力[1]，由經(jīng)驗公式[β=n+m+α]（β為隱含層節(jié)點(diǎn)數(shù)，n為輸入層節(jié)點(diǎn)數(shù)，m為輸出層節(jié)點(diǎn)數(shù)，α為1～10的常數(shù)）確定隱含節(jié)點(diǎn)數(shù)為6。電子信息裝備維修保障能力評估的BP神經(jīng)網(wǎng)絡(luò)模型如圖3所示。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201502＼Image＼11t3.tifgt;

圖3 電子信息裝備維修保障能力評估BP神經(jīng)網(wǎng)絡(luò)型

2.2 "BP神經(jīng)網(wǎng)絡(luò)算法流程

BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程由正向傳播和反向傳播組成[3]。本文選取非線性可微非遞減S型函數(shù)[f（x）=1（1+e-x）]為傳遞函數(shù)，采取BP算法，通過網(wǎng)絡(luò)的實際輸出與目標(biāo)值之間的誤差來訓(xùn)練其權(quán)值，使實際的輸出盡可能地接近期望值。其BP算法流程圖如4所示。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201502＼Image＼11t4.tifgt;

圖4 BP網(wǎng)絡(luò)算法流程圖

2.3 "BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)參數(shù)選取

由于系統(tǒng)的非線性，初始值選取對于輸出結(jié)果是否接近實際和訓(xùn)練時間的長短有很大關(guān)系，一般希望初始加權(quán)后的每個神經(jīng)元的輸出值都接近于零，因此初始權(quán)值選取在（-1，1）之間的隨機(jī)數(shù)。學(xué)習(xí)速率一般傾向于選取較小的學(xué)習(xí)速率以保證系統(tǒng)的穩(wěn)定性，盡管學(xué)習(xí)速率較小會導(dǎo)致學(xué)習(xí)時間較長。一般的取值范圍是0.01～0.07，本文選取0.03。

3 "仿真設(shè)計

3.1 "選取樣本數(shù)據(jù)并進(jìn)行處理

從某電子信息裝備維修單位歷次的維修保障能力考評成績中隨機(jī)選取10組樣本數(shù)據(jù)進(jìn)行分析。

由于量綱不同，因此將所有數(shù)據(jù)進(jìn)行歸一化處理以便于比較分析，同時有利于提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。

計算方法是：

[Xn=2X-min "Xmax "X-min "X-1]

式中：X是收集的一組數(shù)據(jù);max X和min X是這組數(shù)據(jù)的最大值和最小值;Xn是歸一化的數(shù)據(jù)，Xn∈[-1，1]。歸一化處理后的電子信息裝備維修保障能力評估樣本數(shù)據(jù)見表1。

3.3 "Matlab程序代碼設(shè)計

net=newff（minmax（P），[6，1]，{′tansig′，′purelin′}，′traingd′）;

%創(chuàng)建神經(jīng)網(wǎng)絡(luò)net.trainparam.show=50;

%每仿真50次顯示訓(xùn)練狀態(tài)

net.trainparam.lr=0.03; " " " " " " %設(shè)定網(wǎng)絡(luò)學(xué)習(xí)速率為0.03

net.trainparam.epochs=500; " " " " " " "%設(shè)定仿真次數(shù)為500

net.trainparam.goal=1e?2; %設(shè)定目標(biāo)精度，即均方差誤差為10-2

[net，tr]=train（net，P，T）; " " " " " " " " " " " " %進(jìn)行網(wǎng)絡(luò)訓(xùn)練

A=sim（net，P） " " " " " " " " " " " "%對網(wǎng)絡(luò)進(jìn)行仿真

E=T?A

MSE=mse（E） " " " " " " " " " " " " " " " " " " " %計算仿真誤差

Y=sim（net，Q） " " " " " " " " %用待評估矩陣Q進(jìn)行仿真計算

X=1：1：15

plot（X，A，X，T） " " " " %預(yù)測輸出矩陣和目標(biāo)輸出矩陣分布

legend（′A′，′T′）

3.4 "結(jié)果輸出

網(wǎng)絡(luò)初始化后，經(jīng)過246次訓(xùn)練仿真達(dá)到設(shè)定的目標(biāo)精度后才停止訓(xùn)練。預(yù)測輸出矩陣和目標(biāo)輸出矩陣的誤差對比如圖5所示，具有較高精度。在訓(xùn)練過程中，誤差平方和的變化曲線，即電子信息裝備維修保障能力評估BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖，如圖6所示。lt;E：＼王芳＼現(xiàn)代電子技術(shù)201502＼Image＼11t5.tifgt;

圖5 預(yù)測輸出矩陣和目標(biāo)輸出矩陣對比圖

對應(yīng)待評估矩陣Q的仿真結(jié)果值為Y=0.784 1。它表示在15個二級評估指標(biāo)能力值分別為待評估矩陣所給定值時，則該電子信息裝備維修保障系統(tǒng)的能力值是0.784 1。

4 "結(jié) "語

針對電子信息裝備維修保障能力評估構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型具有較高的精度，通過對樣本的訓(xùn)練和檢驗，證實用BP 神經(jīng)網(wǎng)絡(luò)評估電子信息裝備維修保障能力是有效的。在評估過程中降低了人為因素影響，保證了評估的客觀性和科學(xué)性。然而評估模型也存在不完善的地方，比如評估指標(biāo)不精細(xì)、樣本量較小等，同時BP神經(jīng)網(wǎng)絡(luò)還存在有收斂速度慢，有局部極小值的缺陷等問題[3]，這些將在下一步的裝備工作中繼續(xù)深入研究。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201502＼Image＼11t6.tifgt;

圖6 電子信息裝備維修保障能力評估BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖

參考文獻(xiàn)

[1] 張柳，于永利.裝備維修保障系統(tǒng)建模理論與方法[M].北京：國防工業(yè)出版社，2012.

[2] 周林，王君.軍事裝備管理預(yù)測與決策[M].北京：國防工業(yè)出版社，2007.

[3] 焦李成.神經(jīng)網(wǎng)絡(luò)計算[M].西安：西安電子科技大學(xué)出版社，1993.

[4] 同濟(jì)大學(xué)數(shù)學(xué)系.工程數(shù)學(xué)線性代數(shù)[M].北京：高等教育出版社，2013.

[5] 史峰，王小川.Matlab神經(jīng)網(wǎng)絡(luò)30個案例分析[M].北京：航空航天大學(xué)出版社，2010.

[6] 魏江濤，陳方濤，姜美雷.BP神經(jīng)網(wǎng)絡(luò)在設(shè)備故障診斷方面的應(yīng)用[J].現(xiàn)代電子技術(shù)，2012，35（19）：131?134.