姜 軍， 邵明智， 王力占

(上海船舶工藝研究所， 上海 200032)

?

基于BP神經(jīng)網(wǎng)絡(luò)的船舶建造技術(shù)評(píng)價(jià)模型及仿真

姜 軍， 邵明智， 王力占

(上海船舶工藝研究所， 上海 200032)

針對(duì)船舶建造技術(shù)評(píng)價(jià)非線性的特點(diǎn)，建立建造技術(shù)評(píng)價(jià)BP神經(jīng)網(wǎng)絡(luò)模型，并進(jìn)行網(wǎng)絡(luò)訓(xùn)練，結(jié)合某造船企業(yè)實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證，避免傳統(tǒng)評(píng)價(jià)方法存在人為隨機(jī)性和主觀性等影響，使得對(duì)船舶建造技術(shù)的評(píng)價(jià)更加準(zhǔn)確、客觀和便利。

船舶；建造技術(shù)；評(píng)價(jià)；BP神經(jīng)網(wǎng)絡(luò)

0 引言

在國(guó)際船舶市場(chǎng)需求持續(xù)低迷，世界造船業(yè)競(jìng)爭(zhēng)日趨激烈，船舶企業(yè)利潤(rùn)空間不斷壓縮，國(guó)際海事新規(guī)則新規(guī)范頻繁出臺(tái)的多重壓力下，我國(guó)船舶工業(yè)發(fā)展正面臨著更加嚴(yán)峻的挑戰(zhàn)。在新形勢(shì)下，造船企業(yè)存在轉(zhuǎn)型升級(jí)的迫切需要，要從注重要素投入的外延式發(fā)展方式轉(zhuǎn)變?yōu)樽⒅乜萍歼M(jìn)步、質(zhì)量效益為主的內(nèi)涵式發(fā)展方式?？茖W(xué)評(píng)價(jià)和掌握企業(yè)造船技術(shù)水平，尋求轉(zhuǎn)型發(fā)展的突破口成為行業(yè)的重要任務(wù)。

當(dāng)前已進(jìn)入大數(shù)據(jù)時(shí)代，數(shù)據(jù)的重要性無(wú)處不在。衡量船舶建造技術(shù)關(guān)鍵在于如何科學(xué)、真實(shí)、有效、全面評(píng)價(jià)我國(guó)船舶建造企業(yè)的實(shí)際水平。由于影響船舶建造技術(shù)的因素較多，各個(gè)造船企業(yè)目標(biāo)產(chǎn)品存在差異，導(dǎo)致科學(xué)評(píng)價(jià)船舶建造技術(shù)水平有一定的困難。傳統(tǒng)評(píng)價(jià)法通常邀請(qǐng)專家對(duì)各項(xiàng)指標(biāo)進(jìn)行打分匯總，存在人為隨機(jī)性和主觀性等影響，易產(chǎn)生評(píng)價(jià)不準(zhǔn)確現(xiàn)象。因此，建立合理、科學(xué)的數(shù)學(xué)模型，應(yīng)用智能評(píng)價(jià)算法，保證評(píng)價(jià)結(jié)果的客觀性和準(zhǔn)確性顯得尤為重要。

1 建造技術(shù)評(píng)價(jià)指標(biāo)的選取

以CB/T 4335-2012《船舶建造技術(shù)水平評(píng)估方法》和《船舶行業(yè)規(guī)范條件(試行版)》的內(nèi)容為基礎(chǔ)，從綜合經(jīng)濟(jì)技術(shù)、生產(chǎn)設(shè)計(jì)技術(shù)、生產(chǎn)管理技術(shù)、單船建造技術(shù)、信息集成技術(shù)等5個(gè)層面選擇7項(xiàng)評(píng)價(jià)指標(biāo)數(shù)據(jù)，準(zhǔn)確、客觀地評(píng)價(jià)船舶建造技術(shù)水平[1-2]。

(1) 全員造船生產(chǎn)效率。全員造船生產(chǎn)效率為統(tǒng)計(jì)年度內(nèi)完工船舶產(chǎn)品修正總噸與造船從業(yè)人員的比值，單位為t/人。

(2) 每修正總噸工時(shí)消耗。每修正總噸工時(shí)消耗為統(tǒng)計(jì)年度內(nèi)完工船舶產(chǎn)品實(shí)動(dòng)工時(shí)與完工船舶產(chǎn)品修正總噸的比值，單位為h/t。

(3) 鋼材一次利用率。鋼材一次利用率為單船船體結(jié)構(gòu)設(shè)計(jì)套料重量與單船船體結(jié)構(gòu)鋼材實(shí)際領(lǐng)用量之比的百分率。

(4) 分段無(wú)余量制造率。分段無(wú)余量制造為分段在零件下料、加工和部件、組件直到形成分段的裝配、焊接過(guò)程中實(shí)施無(wú)余量(可含補(bǔ)償量)的制造。計(jì)算方法為無(wú)余量制造的分段個(gè)數(shù)與全船分段總數(shù)之比的百分率。

(5) 搭載前預(yù)舾裝率。搭載前預(yù)舾裝率為分段或總段在上船臺(tái)(進(jìn)塢)前已經(jīng)安裝完成的舾裝工程量(以實(shí)動(dòng)工時(shí)計(jì))與全船舾裝工程量(以實(shí)動(dòng)工時(shí)計(jì))之比的百分率。

(6) 下水/出塢安裝完整性率。下水/出塢安裝完整性率為船舶下水(出塢)前已經(jīng)安裝完成的舾裝工程量(實(shí)動(dòng)工時(shí))與全船舾裝工程量(以實(shí)動(dòng)工時(shí)計(jì))之比的百分率。

(7) 涂裝單位面積涂料消耗量。涂裝單位面積涂料消耗量為單船每平方米涂料實(shí)際消耗量與單船每平方米涂料理論消耗量之比的百分率。

通過(guò)查閱《中國(guó)船舶工業(yè)年鑒(2012-2016)》、企業(yè)上報(bào)等途徑，收集匯總得到某造船企業(yè)2011-2015年建造技術(shù)評(píng)價(jià)指標(biāo)數(shù)據(jù)，如表1所示。

表1 建造技術(shù)評(píng)價(jià)指標(biāo)相關(guān)參考數(shù)據(jù)

2 基于BP神經(jīng)網(wǎng)絡(luò)的船舶建造技術(shù)評(píng)價(jià)

BP神經(jīng)網(wǎng)絡(luò)是由多層神經(jīng)元組成的前饋網(wǎng)絡(luò)，名字起源于網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則，采用的是反向傳播學(xué)習(xí)算法，即BP學(xué)習(xí)算法[3]。在BP神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)從輸入層經(jīng)隱含層向后傳播，訓(xùn)練權(quán)值時(shí)，則沿著減小誤差的方向傳播，從輸出層經(jīng)過(guò)中間層向前修正網(wǎng)絡(luò)的連接權(quán)值。隨著學(xué)習(xí)不斷進(jìn)行，最終誤差越來(lái)越小。

2.1 BP神經(jīng)網(wǎng)絡(luò)建模

一般來(lái)說(shuō)，BP神經(jīng)網(wǎng)絡(luò)由多層構(gòu)成，層與層之間全連接，同一層之間的神經(jīng)元無(wú)連接。根據(jù)前文內(nèi)容，船舶建造技術(shù)評(píng)價(jià)選定全員造船生產(chǎn)效率等7項(xiàng)數(shù)據(jù)作為評(píng)價(jià)指標(biāo)。應(yīng)用BP神經(jīng)網(wǎng)絡(luò)，自動(dòng)判別評(píng)價(jià)指標(biāo)數(shù)據(jù)與等級(jí)范圍數(shù)據(jù)的接近程度，從而對(duì)船舶建造技術(shù)進(jìn)行評(píng)價(jià)[4]。

2.1.1 網(wǎng)絡(luò)層數(shù)的確定

Roberto等已經(jīng)證明，對(duì)任何在閉區(qū)間內(nèi)的1個(gè)連續(xù)函數(shù)都可以用1個(gè)3層BP網(wǎng)絡(luò)逼近，因而1個(gè)3～4層的BP神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)任意n維到m維的映射[5]。根據(jù)張立明[6]在《人工神經(jīng)網(wǎng)絡(luò)模型及應(yīng)用》書中指出，與含有1個(gè)隱含層的BP網(wǎng)絡(luò)模型相比，含有2個(gè)隱含層的BP網(wǎng)絡(luò)更容易陷入局部極小，更難以訓(xùn)練。綜上所述，本文中船舶建造技術(shù)評(píng)價(jià)采用3層的BP神經(jīng)網(wǎng)絡(luò)模型(1個(gè)輸入層、1個(gè)隱含層、1個(gè)輸出層)。

2.1.2 輸入層和輸入層單元數(shù)的確定

根據(jù)前文已選擇7項(xiàng)指標(biāo)數(shù)據(jù)所組成的船舶建造技術(shù)評(píng)級(jí)基本因子，船舶建造技術(shù)評(píng)價(jià)BP網(wǎng)絡(luò)模型即包含全員造船生產(chǎn)效率、每修正總噸工時(shí)消耗、鋼材一次利用率、分段無(wú)余量制造率、搭載前預(yù)舾裝率、下水/出塢安裝完整性率、涂裝單位面積涂料消耗量7個(gè)輸入層節(jié)點(diǎn)。

2.1.3 隱含層和隱含層單元數(shù)的確定

不少學(xué)者提出了隱含層節(jié)點(diǎn)數(shù)確定的方法，如嚴(yán)太山在《基于BP神經(jīng)網(wǎng)絡(luò)的玻璃瓶裂紋檢測(cè)模型》文章中，歸納總結(jié)了如下計(jì)算方法：

式中：NH為最佳隱含節(jié)點(diǎn)數(shù)；m為輸入層節(jié)點(diǎn)數(shù)；n為輸出層節(jié)點(diǎn)數(shù)；a為0～10之間的常數(shù)[7]，本文中選擇隱含節(jié)點(diǎn)數(shù)為3。

2.1.4 輸出層和輸出層單元數(shù)的確定

對(duì)于船舶建造技術(shù)水平評(píng)價(jià)尚未有標(biāo)準(zhǔn)等文件明確規(guī)定，結(jié)合表1中整理的5年數(shù)據(jù)，將建造技術(shù)評(píng)價(jià)劃分為：I、II、III3個(gè)等級(jí)，分別表示一般、先進(jìn)和優(yōu)秀。因此，輸出層單元數(shù)為3個(gè)，對(duì)應(yīng)各自評(píng)價(jià)等級(jí)。

2.2BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

2.2.1 訓(xùn)練樣本和期望輸出

訓(xùn)練樣本也稱專家樣本，即BP網(wǎng)絡(luò)模型的“教師值”，通常是由多組“輸入-輸出對(duì)”構(gòu)成的矩陣。根據(jù)2.1.4小節(jié)中輸出評(píng)價(jià)等級(jí)劃分為：I、II、III3個(gè)等級(jí)，將其用二進(jìn)制表示，依次為：001、010、001。同時(shí)，針對(duì)各個(gè)等級(jí)，對(duì)評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行范圍劃分，如表2所示。

表2 建造技術(shù)評(píng)價(jià)等級(jí)劃分 %

根據(jù)表2中評(píng)價(jià)指標(biāo)數(shù)據(jù)劃分，形成3對(duì)訓(xùn)練樣本，考慮采用3對(duì)樣本作為輸入進(jìn)行BP網(wǎng)絡(luò)訓(xùn)練，通過(guò)訓(xùn)練得出的網(wǎng)絡(luò)魯棒性差，會(huì)出現(xiàn)異常輸出的情況。為了提高BP神經(jīng)網(wǎng)絡(luò)的魯棒性和適用性，依據(jù)表2所示的劃分原則，利用Matlab軟件隨機(jī)生成訓(xùn)練樣本，對(duì)訓(xùn)練樣本進(jìn)行擴(kuò)充。

2.2.2 樣本的歸一化處理

在BP神經(jīng)網(wǎng)絡(luò)中，非線性函數(shù)值域一般取[0,1]或[-1,1]2種類型。因此，需要對(duì)表2中指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，本文選擇[0,1]，采用計(jì)算公式為

2.2.3BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程

本文采用BP神經(jīng)網(wǎng)絡(luò)的架構(gòu)，將歸一化的特征和二進(jìn)制編碼后的輸出作為網(wǎng)絡(luò)的輸入和輸出，設(shè)定網(wǎng)絡(luò)輸入層為7層，輸出層為3層，其中隱含層結(jié)點(diǎn)為20個(gè)，選擇Sigmoid函數(shù)作為隱含層激勵(lì)函數(shù)，收斂誤差為0.001，最大迭代次數(shù)選擇10 000，神經(jīng)網(wǎng)絡(luò)的建立命令如下，訓(xùn)練過(guò)程如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程

net=newff(minmax(P_train),[20,3],{'tansig' 'tansig'} ,'traingda');

net.trainParam.epochs=10000;

net.trainParam.goal=0.001。

2.3BP神經(jīng)網(wǎng)絡(luò)測(cè)試評(píng)價(jià)結(jié)果

利用已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，將船舶建造技術(shù)評(píng)價(jià)指標(biāo)數(shù)據(jù)樣本(2011-2015年)輸入網(wǎng)絡(luò)，網(wǎng)絡(luò)評(píng)價(jià)結(jié)果按年依次為：001(一般)、001(一般)、010(良好)、011(優(yōu)秀)、010(良好)。

3 結(jié)論

本文將船舶建造技術(shù)評(píng)價(jià)問(wèn)題轉(zhuǎn)化為模式識(shí)別問(wèn)題，把指標(biāo)數(shù)據(jù)范圍劃分為3個(gè)等級(jí)，指標(biāo)數(shù)據(jù)與最為接近等級(jí)范圍數(shù)據(jù)所對(duì)應(yīng)建造技術(shù)等級(jí)為BP網(wǎng)絡(luò)模型識(shí)別輸出，表示船舶建造技術(shù)水平評(píng)價(jià)等級(jí)。隨著研究的深入，船舶建造技術(shù)評(píng)價(jià)指標(biāo)豐富，訓(xùn)練樣本不斷擴(kuò)充，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)船舶建造技術(shù)更加準(zhǔn)確、客觀和便利。

[1] 中華人民共和國(guó)工業(yè)和信息化部.船舶建造技術(shù)水平評(píng)估方法：CB/T 4335-2012[S].北京：中國(guó)船舶工業(yè)綜合技術(shù)經(jīng)濟(jì)研究院，2013.

[][]

[2] 朱嘉龍，劉傳茂. 造船技術(shù)水平評(píng)價(jià)研究[J]. 船舶工程，1999，4：19-21.

[3] 孫曉玲，王寧，梁艷. 應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的教學(xué)評(píng)價(jià)模型及仿真[J]. 計(jì)算機(jī)仿真，2010,11：314-318.

[4] 賀清碧. BP神經(jīng)網(wǎng)絡(luò)及應(yīng)用研究[D]. 重慶：重慶交通大學(xué)，2004.

[5] 翟航，辛欣. BP人工神經(jīng)網(wǎng)絡(luò)對(duì)長(zhǎng)春市土壤質(zhì)量評(píng)價(jià)[J]. 環(huán)境研究與監(jiān)測(cè)，2009,4：70-72.

[6] 張立明. 人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用[M]. 上海：復(fù)旦大學(xué)出版社，1993.

[7] 白潤(rùn)才，殷伯良，孫慶宏. BP神經(jīng)網(wǎng)絡(luò)模型在城市環(huán)境質(zhì)量評(píng)價(jià)中的應(yīng)用[J]. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2001,3：373-375.

Shipbuilding Technology Evaluation Model Based onBP Neural Networks

JIANG Jun， SHAO Mingzhi， WANG Lizhan

(Shanghai Shipbuilding Technology Research Institute, Shanghai 200032, China)

Based on the nonlinear characteristics of shipbuilding technology evaluation, a BP neural network model of construction technology evaluation is established. Network training is made. The verification is made which combines the shipbuilding enterprises actual data, which avoids the randomness and subjectivity of traditional evaluation methods. The evaluation of shipbuilding technology are made more accurate, objective and convenient.

ship; building technology; evaluation; BP neural network

姜 軍(1987-)，男，助理工程師，研究方向?yàn)榇芭c海洋工程建造工藝

1000-3878(2017)03-0005-03

U671

A