基于BP神經(jīng)網(wǎng)絡的航空維修保障評估分析

王穎

摘 要：本文利用統(tǒng)計數(shù)據(jù)得到速度和精度符合要求的BP神經(jīng)網(wǎng)絡，詳細的設計了用于評估維修保障系統(tǒng)能力的BP神經(jīng)網(wǎng)絡模型，并利用MATLAB軟件對結果進行了計算和分析，并對其結果和多種分析方法對照，得到BP神經(jīng)網(wǎng)絡模型具有更精確的預測效果。

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

1引言

維修保障能力的評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雜的非線性關系。神經(jīng)網(wǎng)絡理論的迅速發(fā)展，特別是BP神經(jīng)網(wǎng)絡在解決相互關系復雜的模式識別、專家系統(tǒng)等領域有著十分重要的應用。本文應用BP神經(jīng)網(wǎng)絡模型對裝備保障能力進行評估，探討B(tài)P神經(jīng)網(wǎng)絡在該領域的應用，并與其他多種方法對比分析，以驗證BP具有良好的預測效果。

2 維修保障能力評估體系

2.1保障能力評估方法

層次分析方法對維修保障能力評估也有較好的效果，但對比與神經(jīng)網(wǎng)絡而言，后者更有優(yōu)勢。層次分析方法在對航空維修能力研究分析的基礎上，結合民航維修理論，設置必要的參數(shù)，基于層次分析法將評估分為若干層次，對同一層次的參數(shù)進行比較，建立判別矩陣，計算各要素所占維修總體的權重。針對航空維修機構的維修能力，建立一套合理的、與航空維修相符的評估決策體系。

2.2 設備狀態(tài)維修

設備狀態(tài)維修是相對于事后維修和預防維修而提出的，是以狀態(tài)監(jiān)測和故障診斷技術為手段，以設備的實際技術狀態(tài)為基礎的設備維修管理，即根據(jù)設備的日常監(jiān)測、定期檢查、狀態(tài)監(jiān)測和診斷提供的信息，經(jīng)統(tǒng)計分析處理，判斷設備的劣化程度，在設備出現(xiàn)了明顯劣化后而實施的維修策略。設備狀態(tài)維修中的“狀態(tài)”是指設備的技術狀態(tài)、工藝的上機狀態(tài)和產(chǎn)品的質量狀態(tài)，同時強調(diào)上述三個狀態(tài)的動態(tài)結合和辯證統(tǒng)一。

在神經(jīng)網(wǎng)絡中，信息的存儲和計算都是通過數(shù)據(jù)在網(wǎng)絡中的流動來完成的。在數(shù)據(jù)的流動過程中，每個神經(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評價指標內(nèi)容選取

根據(jù)相關的知識，將維修保障評價體系分為保障對象、人力資源、保障設備、保障設施、技術資源、航材資源六個方面，裝備維修保障能力的計算從自身性能出發(fā)，至于由戰(zhàn)爭進程造成的消耗、損失以及能力的下降，不在此指標體系的考慮范圍內(nèi)。建立的維修裝配保障評估體系由6個一級評價指標和15個二級指標。

2.5設計維修保障的BP神經(jīng)網(wǎng)絡

運用BP神經(jīng)網(wǎng)絡模型的方法，對維修保障系統(tǒng)進行設計，設計其維修保障模型。

（1）輸入層、隱含層、輸出層的設計

輸入層的向量的個數(shù)為影響因素個數(shù)，針對上述設計的維修評價體系中的各指標量，其輸入層的神經(jīng)元個數(shù)為16個。輸出層表示維修保障系統(tǒng)的能力值，節(jié)點數(shù)為1。隱含層節(jié)點數(shù)的選取沒有明確的方法，可以根據(jù)經(jīng)驗來選取，選取中間隱含層神經(jīng)元個數(shù)為5個，得出裝備無維修能力評估模型：

（2）學習速率、初始權值、目標精度選取

學習速率是訓練過程中的重要因子，決定每一次循環(huán)的權值的變化量?？梢栽谡`差率經(jīng)過快速下降后，將學習速率變慢，從而增加BPNN的穩(wěn)定性。在MATLAB中可以利用代碼，定義一個變動的學習速率。初始權值選取對于輸出結果是否最接近實際，是否能夠收斂，學習時間的長短等關系很大。目標精度是確定神經(jīng)網(wǎng)絡的精度標準，當誤差達到目標精度要求后停止運算。

（3）學習樣本歸一化處理

根據(jù)有關實際數(shù)據(jù)和專家評定結果，確定學習樣本和目標矩陣。對于指標要進行歸一化處理。

3 BP神經(jīng)網(wǎng)絡MATLAB實現(xiàn)

其中工作內(nèi)容有：學習樣本矩陣、目標輸出矩陣、待評估矩陣的輸入，BP神經(jīng)網(wǎng)絡模型代碼的設計，輸入初始量，目標矢量等。由MATLAB得到矩陣的方針結果是：A= 0.8457，它表示在16個一級指標能力值分別為待評估矩陣所給定值時，該維修保障系統(tǒng)的能力值是0.8457。由MATLAB輸出神經(jīng)網(wǎng)絡訓練圖。

利用神經(jīng)網(wǎng)絡分析上述樣本訓練數(shù)據(jù)的線性回歸模式，在很多的預測數(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)絡數(shù)據(jù)進行回歸線性分析來預測數(shù)據(jù)。

參照文獻并結合各文獻實例分析得到，神經(jīng)網(wǎng)絡模型實例，具有運算速度快，容錯能力強，自學能力強等特點。實際應用表明，該方法能較好地模擬專家評價之全過程，有機地結合了知識獲取、專家系統(tǒng)和模糊推理功能，因而具有廣泛的應用前景。

參考文獻：

[1] 賈躍，趙學濤，林賢杰，等. 基于 BP 神經(jīng)網(wǎng)絡的魚雷作戰(zhàn)效能模糊綜合評估模型及其仿真[J].兵工學報，2009，30（ 9） ：1232 -1235.

[2] 陳恬，孫健國，郝英.基于神經(jīng)網(wǎng)絡和證據(jù)融合理論的航空發(fā)動機氣路故障診斷[J].航空學報.2006，27（6）：1014-1017.endprint