王 明

（江蘇自動(dòng)化研究所 連云港 222006）

1 引言

在現(xiàn)代科技水平不斷提高的背景下，水面艦艇裝備自動(dòng)化水平、科研投入越來(lái)越多，水面艦艇裝備取得了蓬勃的發(fā)展。但隨著科研工作者的不斷深入研究和發(fā)掘，隨之而來(lái)的新問(wèn)題也不斷涌現(xiàn)，其中最為突出的是武器裝備和海洋環(huán)境如何緊密結(jié)合，如何在復(fù)雜多變的海洋環(huán)境下保證武器裝備的應(yīng)有效能，并在一定程度上對(duì)海洋環(huán)境加以利用，提升武器裝備的效能。

未來(lái)海上信息化戰(zhàn)爭(zhēng)的勝負(fù)，將不僅僅取決于敵我雙方在戰(zhàn)場(chǎng)上投入兵力和裝備的多少，還取決于對(duì)諸如復(fù)雜的海洋環(huán)境信息等作戰(zhàn)信息資源的控制和使用。

2 武器裝備的海洋環(huán)境影響因素

海洋環(huán)境情況十分復(fù)雜，從季節(jié)上的變化包括春夏秋冬，位置的變化包括水面、水下，各個(gè)因素都有可能對(duì)水面艦艇的武器裝備產(chǎn)生不同程度的影響。如磁場(chǎng)、大氣波導(dǎo)、電離層等對(duì)雷達(dá)探測(cè)、無(wú)線(xiàn)電通信影響很大，海洋的溫度、鹽度、密度、深度等對(duì)聲納的探測(cè)效果影響很大［1～3］。本文根據(jù)武器裝備的屬性并結(jié)合海洋環(huán)境因素，將影響武器裝備的因素與武器裝備進(jìn)行了對(duì)照，如表 1［4～6］。

表1 影響武器裝備的因素與武器裝備對(duì)照表

3 水面艦艇海洋環(huán)境影響分析方法

海洋環(huán)境影響武器裝備的效能分析研究已經(jīng)得到廣泛關(guān)注，文獻(xiàn)［7］提出了海洋環(huán)境對(duì)艦載魚(yú)雷效能的影響評(píng)估，該模型利用模糊函數(shù)識(shí)別方法構(gòu)建了針對(duì)魚(yú)雷效能的模型；文獻(xiàn)［8］提出了海洋環(huán)境對(duì)吊放聲納作戰(zhàn)使用影響研究，該模型依據(jù)聲納特點(diǎn)提供了聲納深度影響曲線(xiàn)；文獻(xiàn)［9］提供了大氣環(huán)境對(duì)激光制導(dǎo)武器的影響，文獻(xiàn)［10］提出了大氣湍流對(duì)海軍光電裝備性能的影響，但是該文獻(xiàn)未建立相應(yīng)的影響模型。綜合分析，此前研究多集中在某個(gè)武器的影響效能分析，或者只是分析了影響，未建立具有通用性的評(píng)估模型。本文利用BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)性和學(xué)習(xí)性強(qiáng)的特點(diǎn)，旨在建立一個(gè)具有通用性，適應(yīng)性強(qiáng)的影響評(píng)估模型。

由表1中影響武器裝備的海洋環(huán)境因素可以看出，不同的武器裝備受海洋環(huán)境的不同因素影響，且兩者之間存在復(fù)雜連接關(guān)系，該關(guān)系的確定難以采用普通線(xiàn)性數(shù)學(xué)關(guān)系描述。神經(jīng)網(wǎng)絡(luò)作為一種以人類(lèi)大腦工作方式為參考的數(shù)學(xué)模型，利用已有輸入和輸出樣本數(shù)據(jù)，通過(guò)不斷的訓(xùn)練和學(xué)習(xí)能夠確定輸入數(shù)據(jù)對(duì)輸出數(shù)據(jù)的影響權(quán)值，為非線(xiàn)性連接關(guān)系提供了一種合理有效的方法。

BP神經(jīng)網(wǎng)絡(luò)通常是指基于誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包括輸入層、隱層和輸出層，文中采用的BP網(wǎng)絡(luò)為具有單隱含層的三層結(jié)構(gòu)［11～14］，如圖1。

圖1 單隱含層的三層結(jié)構(gòu)圖

1）輸入層即可能對(duì)輸出結(jié)果有影響的數(shù)據(jù)集合。在本文的應(yīng)用中，輸入層為對(duì)某武器裝備有代表性影響的重要參數(shù)，如文中第二節(jié)中的導(dǎo)航設(shè)備，可將風(fēng)、浪、流、雷、雨、霧、電磁、海雜波作為輸入層各個(gè)神經(jīng)元的代表。

2）隱含層，BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)的確定至今尚無(wú)一個(gè)非常確定的方法，根據(jù)第二節(jié)中列出的艦載武器裝備受海洋環(huán)境影響表查看，每種艦載武器裝備所受的影響因素?cái)?shù)量相對(duì)較少，最多為13種，可見(jiàn)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)計(jì)算量相對(duì)較小?？赏ㄟ^(guò)確定隱含層數(shù)量個(gè)數(shù)范圍，在確定范圍內(nèi)進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，根據(jù)對(duì)不同隱含層神經(jīng)元個(gè)數(shù)情況的學(xué)習(xí)結(jié)果進(jìn)行比對(duì)，將最佳的隱含層個(gè)數(shù)結(jié)果取值為隱含層神經(jīng)元最終個(gè)數(shù)。

3）輸出層，即各種海洋環(huán)境影響因素同時(shí)作用時(shí)，對(duì)艦載武器裝備的工作積極和負(fù)面影響程度，簡(jiǎn)單的劃分如表2。

表2 輸出層對(duì)應(yīng)表

4 評(píng)估模型建立

評(píng)估模型建立過(guò)程流程圖如圖2。

圖2 評(píng)估模型建立過(guò)程流程圖

1）樣本采集及其量化；

量化方法：

設(shè)x為某一輸入層元素的具體值，xmin為該輸入層元素的最小值，xmax為該輸入層元素的最大值，將x取之范圍統(tǒng)一到以［0，10］的中 y值的方法是

2）初始化BP網(wǎng)絡(luò)最大訓(xùn)練次數(shù)max，精度ε＞0、隱含層與輸出層的神經(jīng)元個(gè)數(shù)n；

3）創(chuàng)建BP網(wǎng)絡(luò)，如下圖，初始化輸入層與隱含層連接權(quán)重ω、隱藏層與輸出層連接權(quán)重υ；

4）用樣本數(shù)據(jù)對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練：求出各樣本在各層神經(jīng)元上的輸出，并計(jì)算各層之間的反向傳播誤差以及該BP網(wǎng)絡(luò)的性能誤差e［10］；

各層的誤差計(jì)算公示為

5）若e≤ε，即模型訓(xùn)練精度達(dá)到要求，則轉(zhuǎn)至步驟8；

6）修正各層之間的連接權(quán)值；

7）如果訓(xùn)練次數(shù)k小于最大訓(xùn)練次數(shù)max，則轉(zhuǎn)4），否則轉(zhuǎn)至8）；

8）確定當(dāng)前各個(gè)海洋環(huán)境影響因素權(quán)值，保存BP網(wǎng)絡(luò)參數(shù)。

5 仿真分析

以導(dǎo)彈武器裝備影響權(quán)值分析為例，結(jié)合第二章中分析導(dǎo)彈受海洋環(huán)境中哪些因素的影響，確定權(quán)值過(guò)程如下。

1）樣本采集及其量化

風(fēng)對(duì)導(dǎo)彈發(fā)射和飛行的影響可以分為風(fēng)速和風(fēng)向。風(fēng)速可以直接作為影響因素輸入神經(jīng)元，根據(jù)一般情況，風(fēng)速的閾值范圍為［0，40m/s］。風(fēng)向的分析可以量化為風(fēng)向與導(dǎo)彈飛行方向之間的夾角，范圍為［0，180°］。海浪可以直接用浪高來(lái)度量，通常，浪高的上限為15m，故取值范圍為［0，15m］。地面或云中大氣電場(chǎng)可以用電場(chǎng)強(qiáng)度來(lái)度量，通常晴天時(shí)地面大氣電場(chǎng)約0.1kV/m～0.3kV/m，惡劣天氣條件下地面大氣電場(chǎng)約為2kV/m～10kV/m；一般自然發(fā)生的云地閃，電場(chǎng)強(qiáng)度達(dá)1000kV/m，云內(nèi)閃電場(chǎng)強(qiáng)度達(dá)3000kV/m。故可以將云內(nèi)閃的電場(chǎng)強(qiáng)度作為上限，如表3。

為了減少神經(jīng)網(wǎng)絡(luò)計(jì)算學(xué)習(xí)復(fù)雜度，根據(jù)第4節(jié)中介紹的方法，將風(fēng)速、風(fēng)向、浪高、大氣電場(chǎng)均統(tǒng)一到［0，10］的范圍中。

表3 閾值范圍

取一組樣本如表4所示。

2）初始化BP網(wǎng)絡(luò)精度ε＞0、隱含層神經(jīng)元個(gè)數(shù)為m，輸出層的神經(jīng)元個(gè)數(shù)n。

設(shè)BP網(wǎng)絡(luò)經(jīng)度ε=0.01，考慮輸入層神經(jīng)元個(gè)數(shù)僅為4各，隱含層神經(jīng)元個(gè)數(shù)范圍為m∈[2，3]，輸出層神經(jīng)元個(gè)數(shù)為n=1。

表4 輸入輸出樣本

3）創(chuàng)建BP網(wǎng)絡(luò)，如下圖，初始化輸入層與隱含層連接權(quán)重ω、隱藏層與輸出層連接權(quán)重υ。

當(dāng)隱藏層個(gè)數(shù)為2時(shí)，如圖3所示，輸入層與隱含層連接權(quán)重為ω11=0.2，ω12=0.2，ω21=0.125，ω22=0.125，ω31=0.15，ω32=0.15，ω41=0.025，ω42=0.025。

隱含層與輸出層連接權(quán)重為υ1=0.5，υ2=0.5。

圖3 2個(gè)隱含層神經(jīng)元神經(jīng)網(wǎng)絡(luò)圖

當(dāng)隱含層個(gè)數(shù)為3時(shí)，如圖4所示，輸入層與隱含層連接權(quán)重為ω11=0.2，ω12=0.2，ω13=0.2，ω21=0.125，ω22=0.125，ω23=0.125，ω31=0.15，ω32=0.15，ω33=0.15，ω41=0.025，ω42=0.025，ω43=0.025。

圖4 3個(gè)隱含層神經(jīng)元神經(jīng)網(wǎng)絡(luò)圖

隱含層與輸出層連接權(quán)重為υ1=0.33，υ2=0.33；υ3=0.33。

4）用樣本數(shù)據(jù)對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練：求出各樣本在隱含層和輸出層上的輸出，并計(jì)算各層之間的反向傳播誤差以及該BP網(wǎng)絡(luò)的性能誤差e。

5）若e≤ε，即模型訓(xùn)練精度達(dá)到要求，則轉(zhuǎn)至8）。

6）修正各層之間的連接權(quán)值。

7）如果訓(xùn)練次數(shù)k小于最大訓(xùn)練次數(shù)max，則轉(zhuǎn)至4），否則轉(zhuǎn)至8）。

8）確定當(dāng)前各個(gè)海洋環(huán)境影響因素權(quán)值，保存BP網(wǎng)絡(luò)參數(shù)。

其中2）中關(guān)于隱含層神經(jīng)元個(gè)數(shù)給出了2和3兩個(gè)數(shù)值，通過(guò)網(wǎng)絡(luò)的不斷學(xué)習(xí)，當(dāng)隱含層數(shù)量為2時(shí)，無(wú)需多次修正各層之間的連接權(quán)值，即可將誤差保持在誤差范圍以?xún)?nèi)，f本文選用隱含層數(shù)量為2的模型。利用Matlab仿真計(jì)算后，得出的各個(gè)權(quán)值分別為連接權(quán)重為 ω11=0.18，ω12=0.16，ω21=0.10，ω22=0.14，ω31=0.11，ω32=0.19，ω41=0.02，ω42=0.03。

通過(guò)利用BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)特點(diǎn)，結(jié)合導(dǎo)彈武器裝備受影響分析，利用第四節(jié)提出的評(píng)估模型，獲取了BP神經(jīng)網(wǎng)絡(luò)中各層級(jí)節(jié)點(diǎn)的影響權(quán)重，從而成功建立了影響導(dǎo)彈武器使用的評(píng)估模型，為海洋環(huán)境對(duì)導(dǎo)彈武器發(fā)射效果的影響提供了一種通用量化模型，該模型可為指揮員提供實(shí)時(shí)海洋環(huán)境影響結(jié)果，輔助指揮員進(jìn)行打擊決策。

6 結(jié)語(yǔ)

本文提出了一種海洋環(huán)境因素對(duì)水面艦艇武器裝備使用影響權(quán)值的確定方法。該方法利用樣本數(shù)據(jù)不斷擴(kuò)充和神經(jīng)網(wǎng)絡(luò)不斷再學(xué)習(xí)兩種途徑，逐漸修正各個(gè)海洋環(huán)境因素對(duì)導(dǎo)彈武器裝備的影響權(quán)重，確定權(quán)值。本方法提出為水面艦艇各武器裝備綜合利用海洋環(huán)境信息建立相應(yīng)輔助決策模型提供了初步思路。