張谷敏，尹曉峰，張 康，張 偉

基于BP神經(jīng)網(wǎng)絡(luò)的衛(wèi)生裝備維修能力評估

張谷敏，尹曉峰，張 康，張 偉

目的：建立基于BP（back propagation）神經(jīng)網(wǎng)絡(luò)的衛(wèi)生裝備維修能力評估系統(tǒng)，為科學評價維修機構(gòu)提供依據(jù)。方法：分析常用裝備維修能力的影響因素并量化，建立指標評價體系，將評價體系作為輸入層，維修能力作為輸出層，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)；利用Matlab軟件訓練網(wǎng)絡(luò)，建立評估模型，并進行有效性驗證。結(jié)果：得出反映待評估機構(gòu)維修能力的量化值。結(jié)論：該系統(tǒng)可操作性強，保證了維修能力評估的科學性、合理性和公平性，較好地解決了定性評價存在的問題，具有一定的推廣應(yīng)用價值。

BP神經(jīng)網(wǎng)絡(luò)；裝備維修能力；Matlab

0 引言

衛(wèi)生裝備故障會直接影響醫(yī)療診斷和治療效果[1]，因此裝備維修是發(fā)揮裝備最大效益、提高部隊衛(wèi)勤保障能力的重要手段。長期以來，部隊衛(wèi)生裝備檢修機構(gòu)能力一直采用定性評估，缺乏科學定量的評估方法。本文以常用衛(wèi)生裝備的維修能力作為評估對象，量化維修能力的影響因素，構(gòu)建BP（back propagation）神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用Matlab軟件訓練網(wǎng)絡(luò)，建立評估模型，得到量化維修能力值，為科學評價檢修機構(gòu)提供依據(jù)。

1 維修能力影響因素及量化

依據(jù)部隊衛(wèi)生裝備考核訓練標準，我們從手術(shù)、特診、急救、防疫、放射和檢驗單元中選取高頻電刀、B超、除顫器、噴煙噴霧機、野戰(zhàn)X線診斷車、血細胞分析儀等13種常用裝備來衡量維修能力。影響維修能力的因素很多，根據(jù)多年的工作實踐，我們將其分為技術(shù)人員、維修零配件、技術(shù)資料、檢修機工具4類8個指標[2]。為了便于進一步分析，我們考核檢修機構(gòu)人員的專業(yè)技能，檢查零配件、技術(shù)資料的品種和數(shù)量、設(shè)備設(shè)施的完好程度，并對數(shù)據(jù)進行歸一化處理，將評價指標量化為0～1之間的影響因子。

1.1 技術(shù)人員

（1）專業(yè)技能考核合格率p1。根據(jù)專業(yè)對檢修技術(shù)人員進行基礎(chǔ)理論和技能操作考核，綜合所有人員成績加權(quán)平均，得出量化值。p1與技術(shù)人員能力成正比。

式中，mi為考核成績，n為參加考核人次。

（2）人員在位率p2，為現(xiàn)有崗位人員與所需人員的比值。

式中，n為現(xiàn)有人數(shù)，m為應(yīng)有人數(shù)。

1.2 零配件

（1）品種齊全率p3，為現(xiàn)有配件品種與維修所需品種比值的平均值。p3越接近于1，零配件的種類越齊全。

式中，ni為實有配件品種數(shù)，mi為應(yīng)有品種數(shù)，M為裝備品種總數(shù)。

（2）數(shù)量滿足率p4，為現(xiàn)有配件數(shù)量與維修所需數(shù)量比值的平均值。

式中，ni為實有配件數(shù)量，mi為應(yīng)有數(shù)量，M為裝備品種總數(shù)。

（3）配件獲取難易度p5，以配件獲取周期的歸一化表示。p5越大，獲取配件的平均周期越長。

式中，ti為配件獲取周期，tmax為配件獲取最大周期，M為裝備品種總數(shù)。

1.3 技術(shù)資料

技術(shù)資料齊全率p6，為現(xiàn)有技術(shù)資料種類與維修所需資料種類的平均值，計算方法與p3相同。

1.4 設(shè)施設(shè)備

（1）機工具品種齊全率p7，為現(xiàn)有機工具品種與維修所需品種的平均值，計算方法與p3相同。

（2）機工具數(shù)量滿足率p8，為現(xiàn)有機工具數(shù)量與維修所需數(shù)量的平均值，計算方法與p4相同。

2 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是對非線性可微分函數(shù)進行權(quán)值訓練的多層網(wǎng)絡(luò)，包含輸入層、隱含層和輸出層。其上下層之間神經(jīng)元實現(xiàn)全連接，每層各神經(jīng)元無連接，主要應(yīng)用于函數(shù)逼近、模式識別、分類及數(shù)據(jù)壓縮等領(lǐng)域[3]。

2.1 網(wǎng)絡(luò)結(jié)構(gòu)

根據(jù)評價指標體系，BP神經(jīng)網(wǎng)絡(luò)的輸入層有8個神經(jīng)元，輸入值為評價指標的量化值。輸出層有1個神經(jīng)元，輸出值代表維修能力。隱含層神經(jīng)元個數(shù)采用如下經(jīng)驗公式[4]計算：

式中，j為隱含層神經(jīng)元數(shù)，n為輸入層神經(jīng)元數(shù)，m為輸出層神經(jīng)元數(shù)，a為1～10之間的常數(shù)。由于樣本數(shù)據(jù)偏少，我們采用9個神經(jīng)元，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

2.2 激活函數(shù)

在網(wǎng)絡(luò)的隱含層，激活函數(shù)選用Sigmoid函數(shù)（S函數(shù)），其公式為[5]

輸出層采用線性傳遞函數(shù)，其公式為

圖1 衛(wèi)生裝備維修能力評估BP神經(jīng)網(wǎng)絡(luò)模型

式中，k為放大系數(shù)，c為位移。

2.3 初始權(quán)值

由于系統(tǒng)為非線性，初始值對于學習收斂和訓練時間長短關(guān)系很大。如果初始值很大，使得加權(quán)后的輸入落在傳遞函數(shù)的飽和區(qū)，從而導致其導數(shù)f′（x）非常小，當f′（x）趨向零時，權(quán)值變化也趨向零，使得調(diào)節(jié)過程幾乎停頓。因此初始權(quán)值和閾值應(yīng)選擇均勻分布的小數(shù)經(jīng)驗值，在（-2.4/F，2.4/F）之間，其中F為所連單元的輸入層節(jié)點數(shù)[5]。

3 Matlab實現(xiàn)

Matlab是美國MathWorks公司出品的商業(yè)數(shù)學軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級計算語言和交互式環(huán)境[6]。利用其中的神經(jīng)網(wǎng)絡(luò)工具箱可以構(gòu)建典型的神經(jīng)網(wǎng)絡(luò)，而不必考慮細節(jié)，可提高開發(fā)效率。

3.1 樣本數(shù)據(jù)

組織技術(shù)專家對9家檢修機構(gòu)的8個指標進行深入分析，計算影響因素的量化值，綜合5 a內(nèi)的檢修記錄，根據(jù)常用裝備的修復(fù)率計算檢修機構(gòu)的維修能力期望值。第1～7組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓練樣本，第8、9組數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)驗證[7]，樣本數(shù)據(jù)見表1。

根據(jù)樣本數(shù)據(jù)確定輸入矩陣Pm×s，m=8，為輸入矩陣的維數(shù)；s=7，為樣本組數(shù)。目標輸出矩陣為維修保障能力值，用T=[0.78，0.75，0.63，0.59，0.71，0.49，0.64]表示。待評估的樣本矩陣Q=[0.65，0.58，0.24，0.22，0.33，0.40，0.84，0.82]T。

3.2 程序設(shè)計

利用神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)net=feedforwardnet（9，‘traingd’）建立名稱為net的神經(jīng)網(wǎng)絡(luò)，輸入層、隱含層和輸出層的神經(jīng)元個數(shù)分別為8、9、1。采用梯度下降法訓練函數(shù)，目標精度設(shè)為0.001，仿真最大運行次數(shù)20 000次，即均方差≤0.001或運行次數(shù)達到20 000次時停止訓練。神經(jīng)網(wǎng)絡(luò)構(gòu)建完成后，用net=init（net）函數(shù)對網(wǎng)絡(luò)進行初始化，并使用net=train（net，P，T）函數(shù)訓練網(wǎng)絡(luò)。

表1 維修能力評估樣本數(shù)據(jù)

3.3 有效性驗證

訓練完成后，用第8、9組數(shù)據(jù)進行驗證，結(jié)果見表2。網(wǎng)絡(luò)評估值和實際值間的誤差非常小，且均方差小于0.001，說明該評估值有效，BP神經(jīng)網(wǎng)絡(luò)具備適用性和可行性[8]。

表2 神經(jīng)網(wǎng)絡(luò)驗證結(jié)果

4 仿真結(jié)果及分析

調(diào)用仿真函數(shù)Y=sim（net，Q），得出待評估機構(gòu)的維修能力值為0.575。它表示依據(jù)給定的8個技術(shù)指標，該機構(gòu)的維修能力值是0.575。BP神經(jīng)網(wǎng)絡(luò)均方差變化曲線如圖2所示。從圖中可以看出，經(jīng)過10 687次訓練后，網(wǎng)絡(luò)誤差為0.000 999 96，達到目標要求，性能曲線趨于收斂。由于訓練樣本較少，訓練過程中主要存在2個問題：一是均方誤差未達到目標要求，但是下降梯度不再變化，訓練提前終止；二是雖然訓練完成，但驗證網(wǎng)絡(luò)時輸出與期望值偏差較大。究其原因主要是樣本數(shù)據(jù)偏少和目標函數(shù)存在局部極小點[9]。為此，適當增加隱含層神經(jīng)元數(shù)量，嘗試采用不同的訓練函數(shù)和學習函數(shù)，經(jīng)過多次訓練得到符合要求的神經(jīng)網(wǎng)絡(luò)。另外，在建立維修能力評價指標體系時，只考慮了人員和技術(shù)方面的影響因素，沒有把組織結(jié)構(gòu)和管理方面的影響因素納入評價體系，也沒有考慮評價指標之間的相關(guān)性，下一步要加強關(guān)于這2個方面的研究，以建立更加成熟的神經(jīng)網(wǎng)絡(luò)，更科學地反映檢修機構(gòu)的維修能力。

5 結(jié)語

基于BP神經(jīng)網(wǎng)絡(luò)的維修能力評估系統(tǒng)可充分利用專家的經(jīng)驗進行學習和訓練，具有很強的適應(yīng)性和學習能力，能較為客觀地反映檢修機構(gòu)的維修能力，避免了人為主觀因素造成的評估失真，保證了維修能力評估的科學性、合理性和公平性，較好地解決了定性評價存在的問題。如果考慮戰(zhàn)時維修的影響因素，在輸入層中增加戰(zhàn)時評價指標，適當增加神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)，該評估系統(tǒng)也可應(yīng)用于野戰(zhàn)衛(wèi)生裝備維修隊評估，具有一定的推廣應(yīng)用價值。

圖2 維修能力評估仿真性能圖

[1]程鵬，劉勝林，張強，等.醫(yī)療設(shè)備維修人因失誤分析理論和模型的初步研究[J].醫(yī)療衛(wèi)生裝備，2013，34（4）：92-94.

[2]蘇凡囤，王小飛，王海濤，等.工程裝備維修機構(gòu)維修能力評估研究[J].中國工程機械學報，2013，11（3）：276-280.

[3]高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實例[M].北京：機械工業(yè)出版社，2008：45-53.

[4]張柳，于永利，聶成龍，等.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，2012：101-109.

[5]王學智，劉罕杰，孫正民.基于BP神經(jīng)網(wǎng)絡(luò)的裝備維修人員保障能力評估[J].四川兵工學報，2010，31（4）：4-6.

[6]傅薈璇，趙紅.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M].北京：機械工業(yè)出版社，2010：53-57.

[7]黃建新，邊亞琴，張勝濤.基于BP神經(jīng)網(wǎng)絡(luò)的雷達裝備維修質(zhì)量評估研究[J].航空維修與工程，2012（2）：88-90.

[8]包武毅，陳新波.神經(jīng)網(wǎng)絡(luò)在基于狀態(tài)維修的供電設(shè)備決策支持系統(tǒng)中的應(yīng)用研究[J].航空維修與工程，2013（2）：94-96.

[9]張磊，王族統(tǒng)，胡小響.一種基于仿真的裝備維修保障能力評估方法[J].火力指揮與控制，2014，39（4）：106-109.

（收稿：2015-01-06 修回：2015-09-14）

BP neural network-based assessment of medical equipment maintenance ability

ZHANG Gu-min,YIN Xiao-feng,ZHANG Kang,ZHANG Wei
（Institute for Drug and Instrument Control of Jinan Military Area Command,Jinan 250022,China）

Objective To establish a BP neural network-based assessment system of medical equipment maintenance ability.Methods The influencing factors of medical equipment maintenance ability were analyzed and quantified,and assessment indexes system was constructed,and then BP neural network was developed with the assessment system as the input layer and maintenance ability as the output layer.Matlab software was used to train the network and implement assessment model,and effectiveness demonstration was carried out.Results The quantified values were determined for the maintenance ability of to-be-assessed facilities.Conclusion The medical equipment maintenance assessment system solves the problems in qualitative assessment,and thus is worthy popularizing practically.[Chinese Medical Equipment Journal，2015，36（12）：46-48]

BP neural network;equipment maintenance ability;Matlab

R318.6；R197.39

A

1003-8868（2015）12-0046-03

10.7687/J.ISSN1003-8868.2015.12.046

張谷敏（1976—），男，工程師，主要從事衛(wèi)生裝備檢修計量和質(zhì)量檢測方面的研究工作。

250022濟南，濟南軍區(qū)聯(lián)勤部藥品儀器檢驗所（張谷敏，尹曉峰，張 康，張 偉）

尹曉峰，E-mail：18660172201@163.com