鐘京立，張 輝，馬 偵

（國(guó)防信息學(xué)院，湖北 武漢 430010）

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(duì)各種維修保障資源進(jìn)行合理的配置，并對(duì)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(píng)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(píng)估時(shí)，把對(duì)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(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過動(dòng)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(píng)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(gè)方面，同時(shí)4個(gè)一級(jí)指標(biāo)下面包含15個(gè)二級(jí)指標(biāo)，如圖1所示。以15個(gè)二級(jí)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。

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(píng)估模型

2.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

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(píng)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。

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(gè)二級(jí)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(shí)踐證明，隱含層的神經(jīng)元個(gè)數(shù)直接影響網(wǎng)絡(luò)的非線性預(yù)測(cè)能力[1]，由經(jīng)驗(yàn)公式+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(píng)估的BP神經(jīng)網(wǎng)絡(luò)模型如圖3所示。

圖3 電子信息裝備維修保障能力評(píng)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(shí)際輸出與目標(biāo)值之間的誤差來訓(xùn)練其權(quán)值，使實(shí)際的輸出盡可能地接近期望值。其BP算法流程圖如4所示。

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(duì)于輸出結(jié)果是否接近實(shí)際和訓(xùn)練時(shí)間的長(zhǎng)短有很大關(guān)系，一般希望初始加權(quán)后的每個(gè)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(huì)導(dǎo)致學(xué)習(xí)時(shí)間較長(zhǎng)。一般的取值范圍是0.01～0.07，本文選取0.03。

3 仿真設(shè)計(jì)

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(píng)成績(jī)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(shí)有利于提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。

計(jì)算方法是：

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(píng)估樣本數(shù)據(jù)見表1。

表1 電子信息裝備維修保障能力評(píng)估樣本數(shù)據(jù)

3.2 學(xué)習(xí)樣本矩陣、目標(biāo)輸出矩陣、待評(píng)估矩陣輸入

根據(jù)樣本數(shù)據(jù)確定樣本輸入舉證，用P表示：

目標(biāo)輸出矩陣為電子信息裝備維修保障能力值，用T表示：

3.3 Matlab程序代碼設(shè)計(jì)

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(duì)網(wǎng)絡(luò)進(jìn)行仿真

E=T-A

MSE=mse（E） %計(jì)算仿真誤差

Y=sim（net，Q） %用待評(píng)估矩陣Q進(jìn)行仿真計(jì)算

X=1：1：15

plot（X，A，X，T）%預(yù)測(cè)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(cè)輸出矩陣和目標(biāo)輸出矩陣的誤差對(duì)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(píng)估BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖，如圖6所示。

圖5 預(yù)測(cè)輸出矩陣和目標(biāo)輸出矩陣對(duì)比圖

對(duì)應(yīng)待評(píng)估矩陣Q的仿真結(jié)果值為Y=0.784 1。它表示在15個(gè)二級(jí)評(píng)估指標(biāo)能力值分別為待評(píng)估矩陣所給定值時(shí)，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(yǔ)

針對(duì)電子信息裝備維修保障能力評(píng)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(duì)樣本的訓(xùn)練和檢驗(yàn)，證實(shí)用BP神經(jīng)網(wǎng)絡(luò)評(píng)估電子信息裝備維修保障能力是有效的。在評(píng)估過程中降低了人為因素影響，保證了評(píng)估的客觀性和科學(xué)性。然而評(píng)估模型也存在不完善的地方，比如評(píng)估指標(biāo)不精細(xì)、樣本量較小等，同時(shí)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。

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

[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(guó)防工業(yè)出版社，2012.

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

[3]焦李成.神經(jīng)網(wǎng)絡(luò)計(jì)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(gè)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.