胡宗順，黃之杰，朱 倩，吳瀟潔

（空軍勤務(wù)學(xué)院，江蘇 徐州 221000）

基于BP和Hopfield神經(jīng)網(wǎng)絡(luò)的航空肼燃料保障安全評價(jià)

胡宗順，黃之杰，朱 倩，吳瀟潔

（空軍勤務(wù)學(xué)院，江蘇 徐州 221000）

針對航空肼燃料保障安全評價(jià)的復(fù)雜性和非線性，提出并建立了基于BP和Hopfield神經(jīng)網(wǎng)絡(luò)的動態(tài)安全評價(jià)模型。在綜合分析國內(nèi)外肼燃料保障安全評價(jià)的基礎(chǔ)上，針對航空肼燃料保障過程中出現(xiàn)的問題，構(gòu)建并優(yōu)化了指標(biāo)體系，選取前饋神經(jīng)網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)中的Hopfield網(wǎng)絡(luò)建立評價(jià)模型。在詳細(xì)說明了BP和Hopfield神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法后，進(jìn)行實(shí)例驗(yàn)證，并對預(yù)測效果進(jìn)行了比較分析。仿真表明，兩種模型都能正確評價(jià)安全保障狀態(tài)。但在收斂速度、聯(lián)想記憶功能方面Hopfield神經(jīng)網(wǎng)絡(luò)優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。將BP和Hopfield神經(jīng)網(wǎng)絡(luò)用于肼燃料保障安全評價(jià)過程中，具有適用性和可行性，對于航空肼燃料保障的安全建設(shè)與安全管理研究具有重要意義。

航空肼燃料保障，BP神經(jīng)網(wǎng)絡(luò)，Hopfield神經(jīng)網(wǎng)絡(luò)，安全評價(jià)，指標(biāo)體系

0 引言

航空肼燃料保障是飛機(jī)地面后勤保障工作中的重要組成部分。隨著航空轉(zhuǎn)型建設(shè)的不斷推進(jìn)與深化，其對肼燃料保障工作的安全管理提出了更高的要求。肼燃料是一種易燃、易爆、有毒且有類似氨臭味的均勻透明液體，一旦發(fā)生安全事故，就會造成人員傷亡與經(jīng)濟(jì)損失，并對周圍環(huán)境造成嚴(yán)重污染。

目前，國內(nèi)外相關(guān)學(xué)者針對肼燃料保障安全這一問題作了大量的研究，提出了許多評價(jià)模型。文獻(xiàn)［1］運(yùn)用道化學(xué)法對偏二甲儲庫進(jìn)行安全評價(jià)，方法簡單但忽略了環(huán)境及人為因素，限制了評價(jià)結(jié)果；文獻(xiàn)［2］根據(jù)偏二甲肼儲存庫安全影響因素具有偶然性、模糊性及偏差性的特點(diǎn)，提出結(jié)合使用層次分析法與灰色評價(jià)法進(jìn)行安全評價(jià)，但該模型擬合效果欠佳；文獻(xiàn)［3］運(yùn)用模糊綜合評價(jià)法對偏二甲肼貯存罐區(qū)進(jìn)行了風(fēng)險(xiǎn)評價(jià)，但模型構(gòu)建復(fù)雜，弱化了同層次間的關(guān)聯(lián)性。

針對以上問題，本文基于前饋網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)和離散型Hopfield網(wǎng)絡(luò)分別提出了應(yīng)用于航空肼燃料保障的評價(jià)模型。標(biāo)準(zhǔn)BP網(wǎng)絡(luò)使用梯度下降搜索理論，簡單、可塑，但是收斂速度慢、易陷入局部極小值。離散型Hopfield網(wǎng)絡(luò)系統(tǒng)穩(wěn)定性強(qiáng)、收斂迅速，且具有很強(qiáng)的分類和計(jì)算能力，能較好地克服BP網(wǎng)絡(luò)的訓(xùn)練時(shí)間長及無法體現(xiàn)時(shí)序特性等缺點(diǎn)［4］。

1 神經(jīng)網(wǎng)絡(luò)及算法

1.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種多層的前向型神經(jīng)網(wǎng)絡(luò)。在BP網(wǎng)絡(luò)中信號是前向傳播的，而誤差是反向傳播的。典型的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示［5］。

圖1中，X、Y分別為網(wǎng)絡(luò)輸入輸出向量，W1為輸入層和隱層的權(quán)值矩陣，W2為隱層和輸出層的權(quán)值矩陣，f（x）為tansig隱層激活函數(shù)。初始化網(wǎng)絡(luò)參數(shù)，對網(wǎng)絡(luò)的連接權(quán)值wij、閾值θj賦初值。從訓(xùn)練樣本中選取一個(gè)輸入樣本和對應(yīng)的輸出向量，輸出層的激活函數(shù)為Purelin函數(shù)。輸入樣本在各層間傳遞，通過uj和輸出hj進(jìn)行計(jì)算。

對BP神經(jīng)網(wǎng)絡(luò)的輸入層各神經(jīng)元的輸入lt和yt輸出進(jìn)行計(jì)算。

BP神經(jīng)網(wǎng)絡(luò)采用梯度下降法求連接權(quán)值及閾值的變化：

t為迭代步驟，η 為學(xué)習(xí)收斂率，η∈（0，1），α 為修正率，σj為節(jié)點(diǎn)j的偏差。分別為經(jīng)過t+1步和經(jīng)過t步的權(quán)值修正量；、分別為節(jié)點(diǎn)在網(wǎng)絡(luò)學(xué)習(xí)t+1步時(shí)和t步時(shí)的閾值修正值。學(xué)習(xí)過程是一個(gè)反復(fù)迭代的過程，當(dāng)誤差E達(dá)到預(yù)設(shè)誤差精度εANN或最大訓(xùn)練次數(shù)NI時(shí)，訓(xùn)練終止，并存儲權(quán)值和閾值［6］。

1.2 Hopfield網(wǎng)絡(luò)

在離散Hopfield網(wǎng)絡(luò)（DHNN）中，所采用的神經(jīng)元是二值神經(jīng)元，因此，所輸出的離散值1和-1分別表示神經(jīng)元處于激活和抑制狀態(tài)［7］。其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

第0層作為網(wǎng)絡(luò)的輸入；第1層是神經(jīng)元，輸入變量xi經(jīng)過與閾值權(quán)系數(shù)wij的乘積求累加和，并經(jīng)非線性函數(shù)f處理后產(chǎn)生輸出信息yi。

用yj（t）表示第j個(gè)神經(jīng)元，即節(jié)點(diǎn)j在t時(shí)刻的狀態(tài)，則節(jié)點(diǎn)下一個(gè)時(shí)刻（t+1）的狀態(tài)可以求得：

其中，uj（t）為神經(jīng)元j在t時(shí)刻的輸入；θj為t時(shí)刻的閾值；xj為外部輸入。

在Hopfield神經(jīng)網(wǎng)絡(luò)的運(yùn)算過程中，閾值不斷調(diào)整，直到網(wǎng)絡(luò)尋找出各個(gè)參數(shù)特征的理想指標(biāo)，且網(wǎng)絡(luò)誤差達(dá)到設(shè)定值，網(wǎng)絡(luò)停止訓(xùn)練并輸出仿真結(jié)果［8］。

2 模型建立及應(yīng)用

某機(jī)場肼燃料站負(fù)責(zé)飛行中肼燃料的保障任務(wù)，由于管理者對肼燃料保障安全狀況及發(fā)展趨勢不明確，致使其不能很好地進(jìn)行保障安全管理工作，現(xiàn)對其保障工作進(jìn)行相關(guān)安全評價(jià)，分析安全狀況及發(fā)展趨勢，以便于管理者進(jìn)行安全管理工作。

2.1 評價(jià)指標(biāo)體系的選取

肼燃料保障包括運(yùn)輸、儲存、化驗(yàn)、加注、定檢與廢棄物處理等工作，是一個(gè)充滿隨機(jī)性與模糊性的復(fù)雜不確定系統(tǒng)。其安全保障評價(jià)指標(biāo)包括人為因素、管理因素、環(huán)境因素、裝設(shè)備因素。依據(jù)科學(xué)性、全面性、可行性、可比性和針對性原則［9］，對相關(guān)指標(biāo)進(jìn)行去相關(guān)性篩選。相關(guān)系數(shù)用β表示，β取值在 -1和 +1間。β＞0正相關(guān)，β＜0負(fù)相關(guān)，β=0不相關(guān)。β絕對值越大，相關(guān)程度越大。各指標(biāo)及相關(guān)性如表1所示。

表1 航空肼燃料保障安全評價(jià)指標(biāo)及相關(guān)性

規(guī)定β絕對值大于0.65時(shí)，認(rèn)為兩個(gè)指標(biāo)有很強(qiáng)的線性相關(guān)性。根據(jù)表1數(shù)據(jù)分析，去除相關(guān)性高的指標(biāo)，選取能力素質(zhì)，安全教育，保障環(huán)境，化驗(yàn)，存儲共5個(gè)指標(biāo)作為航空肼燃料保障安全評價(jià)的標(biāo)準(zhǔn)（用 X1，X2，X3，X4，X5表示）。

2.2 數(shù)據(jù)采集整理

根據(jù)2016年到該機(jī)場調(diào)研采集的數(shù)據(jù)，結(jié)合專家的意見進(jìn)行修正，選取2007年9月到2015年9月的共52組數(shù)據(jù)作為訓(xùn)練樣本，2016年檢測的4組數(shù)據(jù)作為測試樣本。安全等級作為目標(biāo)值，分為4個(gè)等級［10］。分別為0.1（安全，各項(xiàng)設(shè)施完好）、0.2（較安全，有可能發(fā)生安全事故，需要管理者對其進(jìn)行相關(guān)安全檢查）、0.3（安全隱患，需要采取一定的防控措施以改變其安全發(fā)展趨勢）、0.4（危險(xiǎn)，需要立即整改）。部分訓(xùn)練數(shù)據(jù)如表2所示。

為使樣本更適合神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，避免因?yàn)檩斎胼敵鰯?shù)據(jù)數(shù)量級差別較大而造成網(wǎng)絡(luò)預(yù)測誤差較大，采用極值法對數(shù)據(jù)進(jìn)行歸一化處理［11］：

表2 部分訓(xùn)練數(shù)據(jù)

式（9）中，xij'，xij分別為歸一化前后的樣本值。處理后的部分訓(xùn)練樣本如下頁表3所示。

表3 處理后的部分?jǐn)?shù)據(jù)

2.3 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建

一個(gè)具有3層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)能夠擬合任意非線性函數(shù)，且增加層數(shù)并不一定增加網(wǎng)絡(luò)的精度，故文中選取3層BP神經(jīng)網(wǎng)絡(luò)。隱含層神經(jīng)元個(gè)數(shù)的確定比較困難，到目前為止，尚無理論上的定論。常用的方法是試錯法，即先用樣本數(shù)據(jù)對建立好的BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再采用檢驗(yàn)樣本對訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的泛化能力進(jìn)行檢驗(yàn)以確定隱層神經(jīng)元數(shù)目［12-13］。通常情況下，隨著隱層神經(jīng)元個(gè)數(shù)的增加，收斂速度會加快，但也會導(dǎo)致網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)復(fù)雜，影響網(wǎng)絡(luò)的泛化能力，而泛化能力是決定網(wǎng)絡(luò)推廣性能的重要因素。

確定訓(xùn)練次數(shù)為5 000，訓(xùn)練目標(biāo)為0.001，學(xué)習(xí)率為0.01，訓(xùn)練函數(shù)為traingdx。通過對隱層神經(jīng)元個(gè)數(shù)的檢驗(yàn)，發(fā)現(xiàn)當(dāng)其隱層神經(jīng)元個(gè)數(shù)為12時(shí)，能較好地?cái)M合原數(shù)據(jù)，并有良好的泛化能力，系統(tǒng)誤差訓(xùn)練曲線圖如圖3所示。

經(jīng)過854次迭代，實(shí)現(xiàn)訓(xùn)練目標(biāo)，從而使誤差收斂。圖4為表示樣本輸出目標(biāo)與實(shí)際輸出的誤差曲線圖，橫坐標(biāo)表示樣本個(gè)數(shù)，縱坐標(biāo)表示誤差值。從圖中的誤差曲線可以看出，經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)很快達(dá)到了誤差要求。由訓(xùn)練的結(jié)果與樣本目標(biāo)相對比可知，此次的訓(xùn)練結(jié)果與評價(jià)的樣本數(shù)據(jù)基本上保持一致。因此，網(wǎng)絡(luò)準(zhǔn)確地識別了訓(xùn)練樣本，實(shí)際輸出結(jié)果與期望值結(jié)果基本吻合，驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)對肼燃料保障安全評價(jià)的實(shí)用性和可行性。

該機(jī)場肼燃料保障安全評價(jià)結(jié)果導(dǎo)出如表4所示。

表4 BP神經(jīng)網(wǎng)絡(luò)測試結(jié)果

2.4 Hopfield網(wǎng)絡(luò)的構(gòu)建

以問卷方式對評估負(fù)責(zé)相關(guān)人員進(jìn)行訪談，得出各等級理想評價(jià)指標(biāo)如表5所示。

表5 各等級理想評價(jià)指標(biāo)

由于Hopfield神經(jīng)網(wǎng)絡(luò)的二值性，理想的4個(gè)網(wǎng)絡(luò)安全評價(jià)等級的指標(biāo)編碼狀況如圖5所示，其中黑圈“●”表示神經(jīng)元狀態(tài)為“1”，反之用“○”表示。運(yùn)用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)創(chuàng)建net=newhop（T）。

將待評價(jià)評價(jià)指標(biāo)編碼A={［sim_1，sim_2，sim_3，sim_4］}作為Hopfield 神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過一定次數(shù)的學(xué)習(xí)，即可得到 Y=sim（net，{16，20}，{}，A）。以圖形方式顯示結(jié)果如圖5所示。“class1-class4”表示各理想安全評價(jià)等級，分別對應(yīng)0.1、0.2、0.3、0.4；“presim1-presim4”表示 4 個(gè)測試樣本的評級指標(biāo)編碼，“sim1-sim4”表示設(shè)計(jì)的Hopfield神經(jīng)網(wǎng)絡(luò)對仿真計(jì)算后的分類結(jié)果。從圖中看出，設(shè)計(jì)的Hopfield網(wǎng)絡(luò)能有效地進(jìn)行分類，從而對航空肼燃料保障安全作出客觀準(zhǔn)確的評價(jià)。

3 實(shí)驗(yàn)結(jié)果分析

航空肼燃料保障安全與致使安全事故的因素之間是一種相當(dāng)復(fù)雜的非線性關(guān)系，而BP神經(jīng)網(wǎng)絡(luò)的極強(qiáng)的非線性逼近的自身強(qiáng)大性能，恰好能夠成功地解決一些人為等主導(dǎo)因素的影響。Hopfield網(wǎng)絡(luò)具有聯(lián)想記憶的功能，計(jì)算的收斂速度快，能對數(shù)字進(jìn)行快速識別，從而能準(zhǔn)確地反映出分析研究的結(jié)果。為方便比較，將主要參數(shù)制成表6。

表6 兩種模型的預(yù)測結(jié)果比較

從表格中可以看出，兩種神經(jīng)網(wǎng)絡(luò)都能對樣本進(jìn)行準(zhǔn)確預(yù)測評價(jià)；作為單層反饋性非線性網(wǎng)絡(luò)，Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單、耗時(shí)較少；在逼近能力上來講，兩者經(jīng)過各自訓(xùn)練步數(shù)（Hopfield要比BP網(wǎng)絡(luò)的步數(shù)少）達(dá)到最優(yōu)時(shí)，神經(jīng)網(wǎng)絡(luò)性能（mse）實(shí)際相差不大，動態(tài)跟蹤預(yù)測能力基本一樣強(qiáng)。同時(shí)，Hopfield神經(jīng)網(wǎng)絡(luò)具有較好的聯(lián)想記憶功能，且穩(wěn)定性較好。對于航空肼燃料保障數(shù)據(jù)分析，如果加入了新的學(xué)習(xí)樣本，則訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)就需要從頭開始重新訓(xùn)練［14］。

4 結(jié)論

在建立航空肼燃料保障安全評價(jià)指標(biāo)體系的基礎(chǔ)上，分別采用BP神經(jīng)網(wǎng)絡(luò)和Hopfield神經(jīng)網(wǎng)絡(luò)對航空肼燃料保障進(jìn)行安全評價(jià)，充分挖掘了歷史數(shù)據(jù)中隱含的有用信息，為預(yù)測隨機(jī)波動性和非線性較大的肼燃料保障事故提供了一條新的思路。

實(shí)驗(yàn)對比表明，Hopfield神經(jīng)網(wǎng)絡(luò)模型具有評價(jià)速度快、評價(jià)較為全面、與危險(xiǎn)源現(xiàn)實(shí)狀況結(jié)合緊密等優(yōu)點(diǎn)，是一種有效的肼燃料保障安全評級模型。

BP神經(jīng)網(wǎng)絡(luò)模型部分參數(shù)設(shè)定具有不確定性，Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用于優(yōu)劣勢相當(dāng)明顯的樣本時(shí)有一定局限性，這將作為下一步研究的重點(diǎn)。

［1］張宇，黃智勇.道化學(xué)法在偏二甲肼儲庫安全評價(jià)中的應(yīng)用［J］.化學(xué)推進(jìn)劑與高分子材料，2014，12（1）：86-89.

［2］劉博，王煊軍，黃智勇，等.基于灰色層次分析法的偏二甲肼貯庫風(fēng)險(xiǎn)評價(jià) ［J］. 安全與環(huán)境工程，2011，18（5）：87-92.

［3］劉淵，王煊軍，夏本立，等.模糊綜合評價(jià)法在偏二甲肼罐區(qū)風(fēng)險(xiǎn)評價(jià)中的應(yīng)用［J］.安全與環(huán)境工程，2010，17（4）：29-32.

［4］胡智鋒.基于離散型Hopfield網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全等級分類研究［J］.現(xiàn)代電子技術(shù)，2015，38（21）：92-95.

［5］喻寶祿，段迅，吳云.BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)預(yù)測模型的建立及應(yīng)用［J］.計(jì)算機(jī)與數(shù)字工程，2016，44（3）：482-486.

［6］陳君，李聰穎，丁光明.基于BP神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評價(jià)［J］.同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，36（7）：927-931.

［7］石永奎，胡夢龍，劉陽，等.基于Hopfield神經(jīng)網(wǎng)絡(luò)的煤礦避災(zāi)硐室安全評價(jià)［J］.煤炭技術(shù)，2015，34（12）：177-179.

［8］劉勝，劉娜，楊育，等.危險(xiǎn)源安全評價(jià)的離散Hopfield神經(jīng)網(wǎng)絡(luò)［J］.重慶大學(xué)學(xué)報(bào)，2013，36（4）：26-32.

［9］龔聰.改進(jìn)神經(jīng)網(wǎng)絡(luò)煤礦安全評價(jià)模型仿真研究［J］.計(jì)算機(jī)仿真，2012，29（1）：156-159.

［10］王英博，王琳，李仲學(xué).基于HS-BP算法的尾礦庫安全評 價(jià) ［J］. 系 統(tǒng) 工 程 理 論 與 實(shí) 踐 ，2012，32（11）：2585-2590.

［11］王醒，吳向男，馬斌，等.基于BP神經(jīng)網(wǎng)絡(luò)隧洞施工安全評價(jià)模型［J］.黑龍江交通科技，2015，38（9）：79-82.

［12］楊天軍，張曉春，楊曉光，等.基于BP神經(jīng)網(wǎng)絡(luò)的城市道路交通安全評價(jià)研究［J］.中國礦業(yè)大學(xué)學(xué)報(bào)，2005，34（1）：37-40.

［13］鞠云鵬，常德功.基于神經(jīng)網(wǎng)絡(luò)與遺傳算法的鍋爐系統(tǒng)的優(yōu)化［J］.計(jì)算機(jī)仿真，2016，5（4）：43-47.

［14］王洪德，朱貴東.隧道施工過程的三角模糊數(shù)與神經(jīng)網(wǎng)絡(luò)安全評估［J］.遼寧工程技術(shù)大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，35（6）：613-617.

Research of Aerial Hydrazine Fuel Safety Assessment Based on BP and Hopfield Neural Network

HU Zong-shun，HUANG Zhi-jie，ZHU Qian，WU Xiao-jie
（Air Force Logistics College，Xuzhou 221000，China）

Objective A kind of aerial hydrazine fuel dynamic safety assessment models based on BP and Hopfield neural network were raised and constructed in the light of the complexity and nonlinear characteristic of aerial hydrazine fuel guarantee.Methods Based on synthetically analyzing research data at home and abroad on aerial hydrazine fuel safety assessment，aiming at the problems of aerial hydrazine fuel guarantee，an indexes system was advanced and has been optimized，then BP network in feedforward neural networks and Hopfield network in feedback neural networks were chosen.After elaborating the method of establishing network，the models were examined by practical cases.Finally the outputs got analyzed and compared.Results The study show that the two models can evaluate the safety status correctly.Hopfield network is superior to BP network in convergence and associational memory.Conclusion The usage of BP and Hopfield neural network in aerial hydrazine fuel safety assessment is applicable and feasible.It is significant for safety construction and safety management of aerial hydrazine fuel guarantee.

aerial hydrazine fuel guarantee，BP neural network，hopfield neural network，safety assessment，index system

X928

A

10.3969/j.issn.1002-0640.2017.11.26

1002-0640（2017）11-0121-05

2016-09-13

2016-10-30

胡宗順（1992- ），男，河南信陽人，碩士研究生。研究方向：航空保障技術(shù)與信息化。