王穎

摘 要：本文利用統(tǒng)計(jì)數(shù)據(jù)得到速度和精度符合要求的BP神經(jīng)網(wǎng)絡(luò)，詳細(xì)的設(shè)計(jì)了用于評(píng)估維修保障系統(tǒng)能力的BP神經(jīng)網(wǎng)絡(luò)模型，并利用MATLAB軟件對(duì)結(jié)果進(jìn)行了計(jì)算和分析，并對(duì)其結(jié)果和多種分析方法對(duì)照，得到BP神經(jīng)網(wǎng)絡(luò)模型具有更精確的預(yù)測(cè)效果。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；維修保障系統(tǒng)；MATLAB

1引言

維修保障能力的評(píng)估包含許多不確定因素，在這些因素中，有定量的也有定性的。這些因素與裝備維修保障能力之間存在著復(fù)雜的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)理論的迅速發(fā)展，特別是BP神經(jīng)網(wǎng)絡(luò)在解決相互關(guān)系復(fù)雜的模式識(shí)別、專(zhuān)家系統(tǒng)等領(lǐng)域有著十分重要的應(yīng)用。本文應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)裝備保障能力進(jìn)行評(píng)估，探討B(tài)P神經(jīng)網(wǎng)絡(luò)在該領(lǐng)域的應(yīng)用，并與其他多種方法對(duì)比分析，以驗(yàn)證BP具有良好的預(yù)測(cè)效果。

2 維修保障能力評(píng)估體系

2.1保障能力評(píng)估方法

層次分析方法對(duì)維修保障能力評(píng)估也有較好的效果，但對(duì)比與神經(jīng)網(wǎng)絡(luò)而言，后者更有優(yōu)勢(shì)。層次分析方法在對(duì)航空維修能力研究分析的基礎(chǔ)上，結(jié)合民航維修理論，設(shè)置必要的參數(shù)，基于層次分析法將評(píng)估分為若干層次，對(duì)同一層次的參數(shù)進(jìn)行比較，建立判別矩陣，計(jì)算各要素所占維修總體的權(quán)重。針對(duì)航空維修機(jī)構(gòu)的維修能力，建立一套合理的、與航空維修相符的評(píng)估決策體系。

2.2 設(shè)備狀態(tài)維修

設(shè)備狀態(tài)維修是相對(duì)于事后維修和預(yù)防維修而提出的，是以狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)為手段，以設(shè)備的實(shí)際技術(shù)狀態(tài)為基礎(chǔ)的設(shè)備維修管理，即根據(jù)設(shè)備的日常監(jiān)測(cè)、定期檢查、狀態(tài)監(jiān)測(cè)和診斷提供的信息，經(jīng)統(tǒng)計(jì)分析處理，判斷設(shè)備的劣化程度，在設(shè)備出現(xiàn)了明顯劣化后而實(shí)施的維修策略。設(shè)備狀態(tài)維修中的“狀態(tài)”是指設(shè)備的技術(shù)狀態(tài)、工藝的上機(jī)狀態(tài)和產(chǎn)品的質(zhì)量狀態(tài)，同時(shí)強(qiáng)調(diào)上述三個(gè)狀態(tài)的動(dòng)態(tài)結(jié)合和辯證統(tǒng)一。

在神經(jīng)網(wǎng)絡(luò)中，信息的存儲(chǔ)和計(jì)算都是通過(guò)數(shù)據(jù)在網(wǎng)絡(luò)中的流動(dòng)來(lái)完成的。在數(shù)據(jù)的流動(dòng)過(guò)程中，每個(gè)神經(jīng)元從與其相連的神經(jīng)元處接收輸入數(shù)據(jù)流的形式傳送到與其相連的其他神經(jīng)元中去。

2.3評(píng)價(jià)指標(biāo)內(nèi)容選取

根據(jù)相關(guān)的知識(shí)，將維修保障評(píng)價(jià)體系分為保障對(duì)象、人力資源、保障設(shè)備、保障設(shè)施、技術(shù)資源、航材資源六個(gè)方面，裝備維修保障能力的計(jì)算從自身性能出發(fā)，至于由戰(zhàn)爭(zhēng)進(jìn)程造成的消耗、損失以及能力的下降，不在此指標(biāo)體系的考慮范圍內(nèi)。建立的維修裝配保障評(píng)估體系由6個(gè)一級(jí)評(píng)價(jià)指標(biāo)和15個(gè)二級(jí)指標(biāo)。

2.5設(shè)計(jì)維修保障的BP神經(jīng)網(wǎng)絡(luò)

運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型的方法，對(duì)維修保障系統(tǒng)進(jìn)行設(shè)計(jì)，設(shè)計(jì)其維修保障模型。

（1）輸入層、隱含層、輸出層的設(shè)計(jì)

輸入層的向量的個(gè)數(shù)為影響因素個(gè)數(shù)，針對(duì)上述設(shè)計(jì)的維修評(píng)價(jià)體系中的各指標(biāo)量，其輸入層的神經(jīng)元個(gè)數(shù)為16個(gè)。輸出層表示維修保障系統(tǒng)的能力值，節(jié)點(diǎn)數(shù)為1。隱含層節(jié)點(diǎn)數(shù)的選取沒(méi)有明確的方法，可以根據(jù)經(jīng)驗(yàn)來(lái)選取，選取中間隱含層神經(jīng)元個(gè)數(shù)為5個(gè)，得出裝備無(wú)維修能力評(píng)估模型：

（2）學(xué)習(xí)速率、初始權(quán)值、目標(biāo)精度選取

學(xué)習(xí)速率是訓(xùn)練過(guò)程中的重要因子，決定每一次循環(huán)的權(quán)值的變化量?？梢栽谡`差率經(jīng)過(guò)快速下降后，將學(xué)習(xí)速率變慢，從而增加BPNN的穩(wěn)定性。在MATLAB中可以利用代碼，定義一個(gè)變動(dòng)的學(xué)習(xí)速率。初始權(quán)值選取對(duì)于輸出結(jié)果是否最接近實(shí)際，是否能夠收斂，學(xué)習(xí)時(shí)間的長(zhǎng)短等關(guān)系很大。目標(biāo)精度是確定神經(jīng)網(wǎng)絡(luò)的精度標(biāo)準(zhǔn)，當(dāng)誤差達(dá)到目標(biāo)精度要求后停止運(yùn)算。

（3）學(xué)習(xí)樣本歸一化處理

根據(jù)有關(guān)實(shí)際數(shù)據(jù)和專(zhuān)家評(píng)定結(jié)果，確定學(xué)習(xí)樣本和目標(biāo)矩陣。對(duì)于指標(biāo)要進(jìn)行歸一化處理。

3 BP神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)

其中工作內(nèi)容有：學(xué)習(xí)樣本矩陣、目標(biāo)輸出矩陣、待評(píng)估矩陣的輸入，BP神經(jīng)網(wǎng)絡(luò)模型代碼的設(shè)計(jì)，輸入初始量，目標(biāo)矢量等。由MATLAB得到矩陣的方針結(jié)果是：A= 0.8457，它表示在16個(gè)一級(jí)指標(biāo)能力值分別為待評(píng)估矩陣所給定值時(shí)，該維修保障系統(tǒng)的能力值是0.8457。由MATLAB輸出神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖。

利用神經(jīng)網(wǎng)絡(luò)分析上述樣本訓(xùn)練數(shù)據(jù)的線性回歸模式，在很多的預(yù)測(cè)數(shù)據(jù)中，數(shù)據(jù)不一定是純線性的，或者不一定是純非線性的，這樣的數(shù)據(jù)信息，我們可以利用MATLAB將BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行回歸線性分析來(lái)預(yù)測(cè)數(shù)據(jù)。

參照文獻(xiàn)并結(jié)合各文獻(xiàn)實(shí)例分析得到，神經(jīng)網(wǎng)絡(luò)模型實(shí)例，具有運(yùn)算速度快，容錯(cuò)能力強(qiáng)，自學(xué)能力強(qiáng)等特點(diǎn)。實(shí)際應(yīng)用表明，該方法能較好地模擬專(zhuān)家評(píng)價(jià)之全過(guò)程，有機(jī)地結(jié)合了知識(shí)獲取、專(zhuān)家系統(tǒng)和模糊推理功能，因而具有廣泛的應(yīng)用前景。

參考文獻(xiàn)：

[1] 賈躍，趙學(xué)濤，林賢杰，等. 基于 BP 神經(jīng)網(wǎng)絡(luò)的魚(yú)雷作戰(zhàn)效能模糊綜合評(píng)估模型及其仿真[J].兵工學(xué)報(bào)，2009，30（ 9） ：1232 -1235.

[2] 陳恬，孫健國(guó)，郝英.基于神經(jīng)網(wǎng)絡(luò)和證據(jù)融合理論的航空發(fā)動(dòng)機(jī)氣路故障診斷[J].航空學(xué)報(bào).2006，27（6）：1014-1017.endprint