基于BP神經(jīng)網(wǎng)絡(luò)的某型裝備作戰(zhàn)效能評估

趙　健，張金林，李躍華，鄭玉軍

(空軍預(yù)警學(xué)院，武漢 430019)

?

基于BP神經(jīng)網(wǎng)絡(luò)的某型裝備作戰(zhàn)效能評估

趙健，張金林，李躍華，鄭玉軍

(空軍預(yù)警學(xué)院，武漢 430019)

摘要：某型裝備作戰(zhàn)效能評估中復(fù)雜的非線性關(guān)系造成了難以建立評估模型來準(zhǔn)確評估其作戰(zhàn)效能，利用BP神經(jīng)網(wǎng)絡(luò)在處理非線性問題上的優(yōu)勢，建立了BP神經(jīng)網(wǎng)絡(luò)某型裝備作戰(zhàn)效能評估模型。結(jié)果表明基于BP神經(jīng)網(wǎng)絡(luò)的某型裝備作戰(zhàn)效能評估模型具有很高的評估準(zhǔn)確度，可以很好地反映裝備的二級指標(biāo)和裝備作戰(zhàn)效能之間的非線性關(guān)系，對于提高裝備訓(xùn)練水平具有十分重要的意義。

關(guān)鍵詞：作戰(zhàn)效能；BP神經(jīng)網(wǎng)絡(luò)；效能評估

0引言

作戰(zhàn)效能是指裝備在規(guī)定的條件(環(huán)境、時間、人員等因素)下達到既定目標(biāo)的能力，是裝備運用、戰(zhàn)術(shù)指揮的綜合反映。準(zhǔn)確評估某型裝備作戰(zhàn)效能對于提高裝備訓(xùn)練水平具有十分重要的意義。某型裝備作戰(zhàn)效能評估是一個復(fù)雜的問題，涉及到裝備自身戰(zhàn)術(shù)指標(biāo)和作戰(zhàn)環(huán)境等因素。

文獻[1]在艦艇編隊作戰(zhàn)效能評估指標(biāo)體系的基礎(chǔ)上，運用層次分析法(AHP)計算指標(biāo)權(quán)重，通過模糊綜合評判得出評估值，但存在主觀因素的影響；文獻[2]針對某型裝備作戰(zhàn)環(huán)境特點，提出了一種改進模數(shù)轉(zhuǎn)換(ADC) 模型，并通過實例驗證了該方法的有效性，盡管改進ADC模型能夠客觀地反映裝備的系統(tǒng)效能，當(dāng)研究的裝備系統(tǒng)較為復(fù)雜時，ADC模型會變得很難解決；文獻[3]提出了一種基于灰色聚類和白化權(quán)函數(shù)的要地防空指揮控制系統(tǒng)作戰(zhàn)效能評估方法，但受到白化權(quán)函數(shù)準(zhǔn)確性的制約；文獻[4]采用系統(tǒng)有效性分析(SEA)方法評估裝備的探測效能，但存在SEA法操作性不強的缺陷。上述的研究工作基于傳統(tǒng)評估方法(AHP、ADC、SEA等)，缺點是需要評價專家對權(quán)重賦值，存在不同程度的人為因素干擾，很難做出準(zhǔn)確評估。

BP神經(jīng)網(wǎng)絡(luò)具有強大的非線性映射能力和泛化功能，使得它為解決復(fù)雜的非線性問題提供了有力的工具[5]。針對某型裝備戰(zhàn)術(shù)指標(biāo)及作戰(zhàn)環(huán)境的特點，本文在借鑒評估指標(biāo)體系設(shè)計方法的基礎(chǔ)上，根據(jù)戰(zhàn)場環(huán)境對某型裝備的影響，建立BP神經(jīng)網(wǎng)絡(luò)某型裝備評估模型。

1建立評估指標(biāo)體系

建立某型裝備評估指標(biāo)體系是進行評估的前提。表征某型裝備作戰(zhàn)效能的要素有很多，并且過于繁瑣。為了更加客觀科學(xué)地評估某型裝備作戰(zhàn)效能，本文從載機性能、指揮控制能力、機載裝備性能、生存能力和戰(zhàn)場環(huán)境5個方面入手建立一級指標(biāo)。某型裝備作戰(zhàn)效能評估指標(biāo)體系如表1所示。

表1　某型裝備作戰(zhàn)效能評估指標(biāo)體系

載機續(xù)航時間直接關(guān)系到執(zhí)行任務(wù)的時間，而巡航速度則影響到達預(yù)定作戰(zhàn)空域的時間，再次出動準(zhǔn)備時間(TAT)反映了連續(xù)作戰(zhàn)的能力，對機場要求程度體現(xiàn)了對后勤保障的依賴程度。指揮控制能力是某型裝備的“神經(jīng)中樞”，包括信息傳輸能力、情報獲取能力、情報共享能力和協(xié)同處理能力。機載裝備是具體執(zhí)行作戰(zhàn)任務(wù)的部分，二級指標(biāo)主要由發(fā)射功率、天線增益和平均無故障時間(MTBF)組成。生存能力是作戰(zhàn)的前提，也是發(fā)揮作戰(zhàn)效能的保障，某型裝備作戰(zhàn)效能通常會受到敵方電子干擾的制約，也會受到地面防空武器的威脅，所以抗干擾能力、電子告警能力和戰(zhàn)場電磁頻譜管控能力尤為重要。戰(zhàn)場環(huán)境包括氣象環(huán)境和電磁環(huán)境。

2BP神經(jīng)網(wǎng)絡(luò)評估模型

2.1　建立BP神經(jīng)網(wǎng)絡(luò)評估模型

BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，網(wǎng)絡(luò)結(jié)構(gòu)中同層的各神經(jīng)元彼此獨立而屬于鄰近層的各神經(jīng)元相互連接[6]。網(wǎng)絡(luò)結(jié)構(gòu)中的隱含層層數(shù)可為單層或多層，該層內(nèi)神經(jīng)元的轉(zhuǎn)移函數(shù)大多采用S型轉(zhuǎn)移函數(shù)[7]。

Kolmogorov證明，3層神經(jīng)網(wǎng)絡(luò)可以逼近任何復(fù)雜函數(shù)[8]，故本文采用3層BP神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn)樣本數(shù)據(jù)的函數(shù)逼近關(guān)系，結(jié)構(gòu)如圖1所示。輸入層節(jié)點為C1~C16，共16個，分別對應(yīng)16個二級指標(biāo)；輸出節(jié)點為1個，對應(yīng)評估值；隱含層節(jié)點數(shù)則根據(jù)Kolmogorov定理確定：

(1)

式中:k為常數(shù)(k∈[1，10];n為輸入層節(jié)點數(shù)(n=16);l為輸出層節(jié)點數(shù)(l=1);m為隱含層節(jié)點數(shù)。

圖1　BP神經(jīng)網(wǎng)絡(luò)某型裝備評估模型

2.2　訓(xùn)練樣本歸一化處理

BP神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本的要求很高，不是所有的BP神經(jīng)網(wǎng)絡(luò)模型經(jīng)過訓(xùn)練后都能得到指標(biāo)和評估值之間準(zhǔn)確的線性關(guān)系[9-10]。因此，訓(xùn)練樣本的獲取、歸一化處理是得到準(zhǔn)確評估值的關(guān)鍵。

為了得到客觀準(zhǔn)確的評估結(jié)果，本文收集了不同作戰(zhàn)環(huán)境、不同對抗態(tài)勢下的戰(zhàn)技數(shù)據(jù)，該數(shù)據(jù)能充分體現(xiàn)裝備作戰(zhàn)的規(guī)律，全面反映各因素與指標(biāo)的內(nèi)在關(guān)系。

由于樣本數(shù)據(jù)涉及到不同量綱，代表不同類型和物理含義的指標(biāo)數(shù)據(jù)，需要經(jīng)過歸一化處理(式2)，轉(zhuǎn)換為統(tǒng)一量綱的數(shù)據(jù)以便后續(xù)實驗：

(2)

3實驗過程及結(jié)果

采用Matlab(2010b以后版本有完整的工具箱)中的神經(jīng)網(wǎng)絡(luò)工具箱進行仿真實驗。首先，將實驗收集的100組原始數(shù)據(jù)進行歸一化處理；然后，隨機抽取95組數(shù)據(jù)作為訓(xùn)練樣本，并送入BP神經(jīng)網(wǎng)絡(luò)的輸入層作為網(wǎng)絡(luò)輸入值，那么網(wǎng)絡(luò)的輸出值為評估值；最后，使用nnstart指令調(diào)出toolbox，導(dǎo)入實驗數(shù)據(jù)開始訓(xùn)練，訓(xùn)練過程如圖2所示。

圖2　BP神經(jīng)網(wǎng)絡(luò)評估模型訓(xùn)練仿真

從圖2中可以看出，隨著訓(xùn)練迭代次數(shù)的增加，相對誤差逐漸減小，在迭代850次時誤差控制在0.1；并且模型在500步之前收斂速度較快，在900步時趨于穩(wěn)定。將剩下的5組樣本數(shù)據(jù)作為測試樣本檢驗訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)。將BP神經(jīng)網(wǎng)絡(luò)輸出評估值與實測值進行比較分析，計算出相對誤差，如表2所示。

表2　實測值與預(yù)測值數(shù)據(jù)對比

從表1中可以看出，基于BP神經(jīng)網(wǎng)絡(luò)的某型裝備作戰(zhàn)效能評估模型的評估值和實測值之間的相對誤差較小，平均相對誤差為3.54%，其中相對誤差最大為8.3%，最小為1.9%。

4結(jié)束語

針對傳統(tǒng)評估方法存在評估準(zhǔn)確度低、評估速度慢等問題，本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的某型裝備作戰(zhàn)效能評估方法，通過收集科學(xué)客觀的樣本數(shù)據(jù)，提高了模型收斂速度，避免了傳統(tǒng)評估方法中復(fù)雜的計算，直接輸出指揮員最關(guān)心的評估結(jié)果。仿真實驗證明該方法可以準(zhǔn)確地對某型裝備的作戰(zhàn)效能進行評估，為檢驗作戰(zhàn)能力提供了手段，為提高訓(xùn)練水平提供了參考，并為指揮員決策提供了依據(jù)。

參考文獻

[1]徐海峰,李相民,王磊.基于AHP與熵權(quán)的艦艇編隊信息作戰(zhàn)能力模糊綜合評估[J].火力與指揮控制,2013,38(6):93-96.

[2]鄭玉軍,張金林,李躍華.基于改進ADC方法的某型特種裝備作戰(zhàn)效能評估[J].空軍雷達學(xué)院學(xué)報,2012,26(3):202-204.

[3]王昌金,張永輝,黃彬.要地防空指揮控制系統(tǒng)作戰(zhàn)效能灰色聚類評估[J].現(xiàn)代防御技術(shù),2013,41(4):61- 67.

[4]蔡金煌,王曉薇,葉博.遠程支援干擾下搜索雷達探測效能評估[J]科學(xué)技術(shù)與工程,2012,20(21):5163- 5167.

[5]鄭玉軍,張金林,李躍華.基于GA-BP神經(jīng)網(wǎng)絡(luò)的某型裝備作戰(zhàn)效能評估方法[J].空軍雷達學(xué)院學(xué)報,2012,26(5):346-348.

[6]孫韶媛,李琳娜,趙海濤.采用KPCA和BP神經(jīng)網(wǎng)絡(luò)的單目車載紅外圖像深度估計[J].紅外與激光工程,2013,42(9):2348-2352.

[7]曲仕茹,楊紅紅.采用Kalman_BP神經(jīng)網(wǎng)絡(luò)的視頻序列多目標(biāo)檢測與跟蹤[J].紅外與激光工程,2013,42(9):2553-2560.

[8]齊曉慧,李杰,韓帥濤.基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)自抗擾控制及仿真[J].兵工學(xué)報,2013,34(6):776- 782.

[9]鄭玉軍,張金林,李躍華.基于改進ADC方法的某型特種裝備作戰(zhàn)效能評估[J].空軍雷達學(xué)院學(xué)報,2012,26(3):202-204.

[10]尚琳,劉國華,張銳，等.基于BP神經(jīng)網(wǎng)絡(luò)的自主定軌自適應(yīng)Kalman濾波算法[J].宇航學(xué)報,2013,34(7):926-931.

Operational Efficiency Evaluation of A Certain Equipment

Based on BP Neutral Network

ZHAO Jian，ZHANG Jin-lin，LI Yue-hua，ZHENG Yu-jun

(Air Force Early-warning Academy,Wuhan 430019，China)

Abstract:The complex nonlinear relationship in operational efficiency evaluation for a certain equipment makes it difficult to set up an evaluation model to evaluate the operational efficiency exactly.This paper builds up the model of operational efficiency evaluation for a certain equipment based on BP neural network by utilizing the advantages of BP neural network in handling nonlinear problem.The results indicate that the model of operational efficiency evaluation for a certain equipment based on BP neural network has perfect evaluation accuracy,and can reflect the nonlinear relationship between second level index and operational efficiency of the equipment very well,which is of very important meaning for raising the level of equipment training.

Key words:operational efficiency;BP neural network;efficiency evaluation

基金項目：2014年度全軍軍事類研究生資助課題，項目編號：2014JY548

收稿日期:2015-06-17

DOI:10.16426/j.cnki.jcdzdk.2015.05.018

中圖分類號：TP391.9

文獻標(biāo)識碼：A

文章編號：CN32-1413(2015)05-0081-03