基于MEA模型的作戰(zhàn)飛機(jī)裝備保障需求研究

陳 博，徐常凱，杜加剛

（勤務(wù)學(xué)院航材四站系，江蘇 徐州221000）

隨著部隊(duì)?wèi)?zhàn)斗力的不斷提升與發(fā)展，航空兵部隊(duì)參加演習(xí)作戰(zhàn)任務(wù)越來(lái)越頻繁，后勤保障部隊(duì)的保障壓力也越來(lái)越大，不斷擔(dān)負(fù)各種各樣的作戰(zhàn)保障任務(wù)，在作戰(zhàn)任務(wù)中某一項(xiàng)備件不能夠正常使用都可能會(huì)導(dǎo)致飛機(jī)發(fā)生因缺件而停飛的現(xiàn)象，使航空兵部隊(duì)的作戰(zhàn)效能大大降低，對(duì)整場(chǎng)演習(xí)作戰(zhàn)任務(wù)產(chǎn)生不良影響?，F(xiàn)在大多數(shù)研究集中與對(duì)平時(shí)的作戰(zhàn)裝備消耗預(yù)測(cè)上，由于在作戰(zhàn)條件下的影響因素復(fù)雜，不確定因素大，所以對(duì)于作戰(zhàn)裝備預(yù)測(cè)消耗研究相對(duì)較少，且采用的一般神經(jīng)網(wǎng)絡(luò)、灰色系統(tǒng)等算法都具有一定的魯棒性，預(yù)測(cè)結(jié)果易陷入局部最優(yōu)解，難以準(zhǔn)確地把握裝備的消耗預(yù)測(cè)水平，本文結(jié)合保障經(jīng)驗(yàn)與相關(guān)文獻(xiàn)，對(duì)作戰(zhàn)裝備保障的消耗影響因素進(jìn)行深入分析，并在此基礎(chǔ)上，對(duì)基于思維進(jìn)化算法的作戰(zhàn)飛機(jī)可修件保障需求量確定的求解步驟進(jìn)行詳細(xì)介紹。

1 裝備消耗數(shù)量預(yù)測(cè)影響因素分析

攜行裝備的消耗數(shù)量受不同種類(lèi)的影響因素的制約，與此同時(shí)，這些不同種類(lèi)的因子對(duì)消耗量的影響程度也各不相同，通過(guò)數(shù)據(jù)的統(tǒng)計(jì)與分析，可將影響攜行器材消耗數(shù)量的因素分為四大類(lèi)[1]，包括任務(wù)因素、裝備的可靠性因素、人為因素以及地理環(huán)境因素。

（1）任務(wù)因素

不同種類(lèi)的任務(wù)模式對(duì)攜行裝備消耗數(shù)量的影響可謂千差萬(wàn)別，例如在航空兵進(jìn)行空中進(jìn)攻作戰(zhàn)時(shí)，其裝備的消耗量較大，進(jìn)行防御作戰(zhàn)時(shí)作戰(zhàn)裝備消耗數(shù)量相對(duì)較小，對(duì)于任務(wù)的影響程度可以采用飛機(jī)的出動(dòng)強(qiáng)度、起落架次以及空中作戰(zhàn)時(shí)間等參數(shù)進(jìn)行量化[2]，其根據(jù)具體執(zhí)行任務(wù)情況而定。

（2）攜行裝備的可靠性水平

攜行裝備的可靠性水平主要是指作戰(zhàn)裝備在一定時(shí)間內(nèi)、在一定條件下無(wú)故障地執(zhí)行指定功能的能力或可能性[2]?？赏ㄟ^(guò)可靠度、失效率、平均無(wú)故障間隔等來(lái)評(píng)價(jià)攜行裝備的可靠性，在此基礎(chǔ)上考慮保障任務(wù)的實(shí)際情況，包括執(zhí)行任務(wù)飛機(jī)上的裝備的裝機(jī)時(shí)間以及歷史任務(wù)的消耗數(shù)據(jù)。裝備裝機(jī)時(shí)間主要是指在執(zhí)行任務(wù)時(shí)飛機(jī)上的裝備的工作情況，對(duì)于裝機(jī)時(shí)間長(zhǎng)的裝備其剩余壽命較短，所以在預(yù)測(cè)時(shí)其需求量很可能需要增加。據(jù)統(tǒng)計(jì)戰(zhàn)時(shí)裝備故障率λ（t）根據(jù)裝備類(lèi)型的不同而服從三種不同的分布包括指數(shù)分布、正態(tài)分布以及威布爾分布[3]，通過(guò)各分部服從的概率分布密度以及可靠度的計(jì)算，可以表示出各類(lèi)部件的故障率，服從不同分布的故障率函數(shù)的計(jì)算方法如下所示：

1）指數(shù)分布

根據(jù)保障經(jīng)驗(yàn)故障率服從指數(shù)分布的裝備約占攜行裝備的90%，大部分電子設(shè)備就屬于這類(lèi)分布，服從指數(shù)分布的裝備其消耗特點(diǎn)主要具有無(wú)記憶性即在t時(shí)刻后，其發(fā)生故障率與t時(shí)刻之前的狀態(tài)無(wú)關(guān)，其壽命長(zhǎng)短不會(huì)縮短。為方便敘述，設(shè)攜行裝備第項(xiàng)器材（i=1，2，3，···n）服從指數(shù)分布，j為該項(xiàng)器材失效的次數(shù)，由此可計(jì)算出該項(xiàng)作戰(zhàn)器材的故障率[4]：

其中n表示單個(gè)裝備上該項(xiàng)器材的安裝的數(shù)量，1/λ表示第i項(xiàng)作戰(zhàn)裝備的平均故障間隔時(shí)間（MTBF），t為該項(xiàng)作戰(zhàn)裝備的實(shí)際使用時(shí)間，N表示在作戰(zhàn)任務(wù)中的總失效次數(shù)。

2）正態(tài)分布

攜行裝備保障中裝備壽命服從正態(tài)分布的分布函數(shù)器材發(fā)生第j次故障的概率為：

其中μ為器材壽命均值，可用于表示為第i項(xiàng)攜行裝備的平均故障間隔時(shí)間，σ為標(biāo)準(zhǔn)差，可由該項(xiàng)器材的長(zhǎng)期保障數(shù)據(jù)經(jīng)驗(yàn)得到，-∞＜t＜+∞；其可靠度函數(shù)為：

可以計(jì)算出服從正態(tài)分布的作戰(zhàn)裝備的故障率為：

此類(lèi)作戰(zhàn)裝備故障的產(chǎn)生原因是由于細(xì)微的器材消耗累積而成的，一般可用于計(jì)算非金屬的常進(jìn)行磨損的器材。

3）威布爾分布

威布爾分布主要適用于對(duì)部分不可修復(fù)類(lèi)的攜行器材的壽命分布函數(shù)進(jìn)行擬合[5]，當(dāng)?shù)趇項(xiàng)作戰(zhàn)裝備服從參數(shù)為（α，β）時(shí)，其概率密度函數(shù)以及分布函數(shù)為[6]：

其中α為形狀參數(shù)；β為尺度參數(shù)；t≥0；其可靠度函數(shù)為：

可計(jì)算出服從威布爾分布的作戰(zhàn)裝備故障率函數(shù)為：

由上述可知通過(guò)輸入執(zhí)行某次任務(wù)的作戰(zhàn)裝備器材的相關(guān)參數(shù)即可得到計(jì)算出概念器材的故障率，例如假設(shè)不可修復(fù)器材A是故障率服從指數(shù)分布的電子類(lèi)器材，單機(jī)安裝數(shù)為2，其平均故障間隔時(shí)間為300 h，已經(jīng)使用18 h，在某次作戰(zhàn)任務(wù)中飛機(jī)的空中戰(zhàn)斗時(shí)間為8 h，通過(guò)公式可計(jì)算出器材A發(fā)生第2次故障的故障率為：

（3）人員因素

在某些任務(wù)環(huán)境下，由于裝備保障條件較為惡劣，人為的因素對(duì)攜行裝備消耗的影響更大，裝備保障工作人員的保障水平就是其中一項(xiàng)非常重要的影響因素，裝備保障人員在進(jìn)行裝備保障的過(guò)程中對(duì)器材的收發(fā)是否符合規(guī)范流程、對(duì)器材的管理是否按照業(yè)務(wù)規(guī)范、對(duì)器材的封裝保管是否細(xì)致正確，這都將影響攜行裝備的消耗量，特別是在特殊的任務(wù)環(huán)境下，對(duì)保障業(yè)務(wù)越熟悉制定的保障計(jì)劃以及處理應(yīng)急的時(shí)間就越合理，攜行裝備需求量就越小。

（4）地理環(huán)境因素

地理環(huán)境主要是指裝備保障部隊(duì)在執(zhí)行保障任務(wù)過(guò)程中所處地形、氣候、溫濕度等自然環(huán)境因素，其對(duì)攜行器材的消耗數(shù)量的影響也是十分巨大的，例如在高原地區(qū)因其空氣稀薄、溫度低、晝夜溫差變化劇烈、風(fēng)沙灰塵較多、紫外線(xiàn)強(qiáng)烈等原因使液壓系統(tǒng)、裝備氣源、電氣、動(dòng)力系統(tǒng)等航空設(shè)備的消耗量增加；與此同時(shí)，相關(guān)研究表明溫濕度的急劇變化或者過(guò)高、過(guò)低對(duì)通信設(shè)備會(huì)產(chǎn)生一定的不良影響。按照以上原則并根據(jù)相關(guān)文獻(xiàn)[7]進(jìn)行的層次分析法，對(duì)不同屬性的攜行裝備和地形地貌進(jìn)行分類(lèi)，并依據(jù)其屬性對(duì)其受環(huán)境的影響程度進(jìn)行量化，量化結(jié)果如表1.

表1 環(huán)境對(duì)攜行裝備消耗的影響因素量化

2 基于MEA算法的可修備件需求預(yù)測(cè)模型

在對(duì)作戰(zhàn)裝備消耗的各影響因素進(jìn)行分析的基礎(chǔ)上，本文采用思維進(jìn)化算法來(lái)進(jìn)行優(yōu)化，思維進(jìn)化算法（MEA）是在傳統(tǒng)的種群算法的基礎(chǔ)上發(fā)展形成的啟發(fā)式搜索算法，其主要是在一定的約束范圍內(nèi)通過(guò)不斷的迭代，找到對(duì)于目標(biāo)函數(shù)的最優(yōu)值。

思維進(jìn)化算法采用了遺傳算法的相關(guān)概念包括“種群”、“個(gè)體”、“環(huán)境”等概念并在此基礎(chǔ)上進(jìn)一步細(xì)分，設(shè)立全局公告板用來(lái)實(shí)現(xiàn)各種群之間信息的交流，設(shè)立局部公告板記錄子種群的進(jìn)化過(guò)程，其具體過(guò)程包括：

（1）網(wǎng)絡(luò)初始化

由于思維進(jìn)化算法沿用了遺傳算法的群體、進(jìn)化等概念，因此網(wǎng)絡(luò)初始化部分基本相同，這里可以借鑒遺傳算法的網(wǎng)絡(luò)初始化部分內(nèi)容。

（2）子群體生成

根據(jù)適應(yīng)度函數(shù)計(jì)算個(gè)體適應(yīng)度值，得分最高的前M個(gè)個(gè)體選定為優(yōu)勝個(gè)體，（M+1）～（M+N）個(gè)個(gè)體作為臨時(shí)個(gè)體，以?xún)?yōu)勝個(gè)體和臨時(shí)個(gè)體為中心，分別生成M個(gè)優(yōu)勝子群體和N個(gè)臨時(shí)子群體。

（3）趨同操作

各子群體內(nèi)部個(gè)體進(jìn)行局部競(jìng)爭(zhēng)轉(zhuǎn)變?yōu)閯僬叩倪^(guò)程，競(jìng)爭(zhēng)過(guò)程持續(xù)到子群體成熟，即不再產(chǎn)生新的勝者，此時(shí)的子群體得分為最優(yōu)個(gè)體的得分，并將結(jié)果粘貼到全局公告板上，直到所有子群體成熟，趨同工作才結(jié)束。

（4）異化操作

成熟子群體之間為成為勝者而進(jìn)行的全局競(jìng)爭(zhēng)，從全局公告板上比較優(yōu)勝子群體和臨時(shí)子群體得分，通過(guò)得分篩選出全局最優(yōu)個(gè)體。異化結(jié)束后，計(jì)算最優(yōu)個(gè)體適應(yīng)度值，判斷是否滿(mǎn)足迭代次數(shù)和精度要求，不滿(mǎn)足則返回網(wǎng)絡(luò)重新進(jìn)行（2）～（3）步操作。進(jìn)化結(jié)束后解碼最優(yōu)個(gè)體作為網(wǎng)絡(luò)結(jié)構(gòu)初始權(quán)值和閾值，本文中模型的建立和運(yùn)算在Matlab環(huán)境中進(jìn)行。思維進(jìn)化算法的優(yōu)化過(guò)程如圖1所示[8]。

圖1 思維進(jìn)化算法流程圖

算法初始先隨機(jī)選取n個(gè)群體，并根據(jù)設(shè)置的函數(shù)計(jì)算各群體對(duì)應(yīng)的分?jǐn)?shù)，再在此基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行趨同和異化的操作，本文將某次作戰(zhàn)飛機(jī)消耗器材分為為N個(gè)。按照正態(tài)分布隨機(jī)抽取Nj個(gè)種群，追求經(jīng)濟(jì)的最小化，從而確定出Y個(gè)優(yōu)勝子群體和P個(gè)臨時(shí)子群體，在此基礎(chǔ)上對(duì)各個(gè)子種群進(jìn)行趨同操作進(jìn)行種群遷徙，遷徙策略公式為：

其中Ωi（t）為t時(shí)刻種群的行為；δi（t）為其相應(yīng)的變化量；In（t）為其包含信息的濃度；Fbi（t）表示在整個(gè)種群搜索的結(jié)果；hbi（t）表示某個(gè)種群在尋優(yōu)過(guò)程中的結(jié)果；c1與c2表示學(xué)習(xí)因子；r1和r2表示之間的隨機(jī)數(shù)；?為慣性權(quán)重。由此可以進(jìn)一步挑選出優(yōu)勝種群，并在此基礎(chǔ)上進(jìn)行變異操作，將成熟子群體作為中心點(diǎn)進(jìn)行搜索，產(chǎn)生新的種群，并根據(jù)評(píng)級(jí)函數(shù)與之前的種群進(jìn)行競(jìng)爭(zhēng)，再按照約束條件判斷在此備件需求預(yù)測(cè)的情況下，是否能夠保證飛機(jī)可用度達(dá)到標(biāo)準(zhǔn)，最終輸出作戰(zhàn)飛機(jī)器材配置數(shù)據(jù)。

3 算例分析

本文在上述算法分析的基礎(chǔ)上，收集作戰(zhàn)飛機(jī)的裝備保障的相關(guān)數(shù)據(jù)，結(jié)合部隊(duì)的具體保障實(shí)際，對(duì)算法中的參數(shù)進(jìn)行具體的假設(shè)，并在此基礎(chǔ)上進(jìn)行計(jì)算檢驗(yàn)，證明算法的有效性與合理性。

本文通過(guò)Matlab軟件實(shí)現(xiàn)對(duì)作戰(zhàn)裝備消耗數(shù)量預(yù)測(cè)的思維進(jìn)化神經(jīng)網(wǎng)絡(luò)組合模型[9]，并對(duì)預(yù)測(cè)出的結(jié)果進(jìn)行分析，選取空軍某一殲10飛機(jī)裝備保障部隊(duì)在執(zhí)行過(guò)去10次轉(zhuǎn)場(chǎng)保障任務(wù)中的某項(xiàng)攜行器材的消耗數(shù)量，首先取前5組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)對(duì)思維進(jìn)化算法神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，剩余5組作為測(cè)試集對(duì)訓(xùn)練出的模型閾值進(jìn)行測(cè)試，網(wǎng)絡(luò)共進(jìn)化學(xué)習(xí)100次，部分?jǐn)?shù)據(jù)如表2所示。

表2 攜行裝備的各項(xiàng)影響因素預(yù)測(cè)消耗數(shù)據(jù)

先將數(shù)據(jù)進(jìn)行思維進(jìn)化優(yōu)化，再將其帶入到神經(jīng)網(wǎng)路中進(jìn)行優(yōu)化計(jì)算，根據(jù)算法輸入端與輸出端的個(gè)數(shù)，設(shè)置中間層的節(jié)點(diǎn)數(shù)，其參數(shù)具體設(shè)置如表3.

表3 參數(shù)設(shè)置表

最終完成網(wǎng)絡(luò)訓(xùn)練，其優(yōu)勝子種群的趨同過(guò)程如圖2所示。

圖2 優(yōu)勝子種群優(yōu)化

其臨時(shí)子種群的趨同優(yōu)化過(guò)程如圖3所示。

圖3 臨時(shí)子種群優(yōu)化

最終選出得分最高的種群，得到該次任務(wù)該項(xiàng)器材最優(yōu)的消耗預(yù)測(cè)數(shù)量，與實(shí)際任務(wù)的平均誤差為1.168 3%，具體數(shù)值如表3所示。

表3 不同任務(wù)的器材消耗數(shù)量

4 結(jié)語(yǔ)

作戰(zhàn)飛機(jī)裝備保障需求預(yù)測(cè)是作戰(zhàn)備件供應(yīng)保障的重要內(nèi)容。本文首先對(duì)各作戰(zhàn)飛機(jī)裝備消耗的影響因素進(jìn)行的深入分析，并在此基礎(chǔ)上，充分構(gòu)建初始種群然后通過(guò)思維進(jìn)化算法進(jìn)行優(yōu)化，最后通過(guò)具體算例進(jìn)行實(shí)現(xiàn)，結(jié)果表明該方法能夠?qū)崿F(xiàn)在一定條件下裝備需求預(yù)測(cè)功能且精度較高，有很好的實(shí)用價(jià)值，對(duì)于增加飛機(jī)備件保障的軍事效益與經(jīng)濟(jì)效益具有重要意義。