基于CPNN的航空裝備維修保障能力評估研究

左力

（空軍裝備部外場保障局 北京 100843）

基于CPNN的航空裝備維修保障能力評估研究

左力

（空軍裝備部外場保障局 北京 100843）

深入研究航空裝備維修保障能力的概念和一般方法，建立了航空裝備維修保障能力評估體系。深入分析了人工神經網絡技術，全面研究了前向對向傳播神經網絡的基本原理，提出了基于前向對傳網的航空裝備維修保障能力評估模型。通過建立具體的網絡模型，利用訓練數據對網絡進行訓練，通過測試數據進行測試，研究結果表明系統評估結果和預期結果100%相同，獲得了良好的實驗效果。

航空裝備；維修；保障能力；前向對傳網；評估

裝備的維修保障能力是衡量裝備保障性的重要指標，是保持和恢復裝備完好并生成戰斗力的主要因素[1-2]。航空裝備維護和維修能力是各類航空裝備能夠準時起降、飛行安全的保障，關系到與航空裝備相關的各類管理部門和使用部門[3-4]。隨著科學技術的迅猛發展，航空裝備的自身結構和相關技術日益復雜，因此航空裝備維修保障能力要適應新情況的需要，實施科學化的決策和管理就勢必要對其效能進行評估。通過航空裝備維修保障能力評估，可以幫助管理人員和維修人員對裝備進行科學化的決策，提高航空裝備保障質量[5-9]。

評估航空裝備維修保障能力的因素眾多，許多評估指標不能確切地定量表示，因此在評估過程中難于真實反映維修保障能力的水平。為了真實準確、合理高效地對航空裝備維修保障能力進行評估，文中建立了航空裝備維修保障能力評估體系，以人工神經網絡（Artificial Neural Network，ANN）技術為基礎，提出了基于前向對傳網（Forward Counter Propagation Neural Network，Forward-CPNN）的航空裝備維修保障能力評估模型，為維修保障單位真實精確評估其管理機制和運行機制并提高自身保障能力提供決策依據，實現了維修機構資源的最優化配置與有效利用。

1 航空裝備維修保障能力概述

1.1 航空裝備維修能力的概念

航空裝備維修保障能力是指完成裝備維修保障任務，保持、恢復航空裝備規定的技術狀態和改善航空裝備性能，以及保障其順利遂行作戰訓練和其它任務的能力。它以科學方法為指導，對評估對象的航空裝備維修保障能力進行綜合分析與客觀評價，旨在為指揮管理人員和裝備機關，在進行組織作戰與訓練時提供有關航空裝備維修保障能力的準確決策資料，同時利于發現影響航空裝備維修保障能力的弱點以改善保障狀況。航空裝備維修保障能力涉及多種因素，包括是人力、物力、財力、信息技術和管理水平等，同時它是這些因素與特定維修對象的匹配程度和有機結合程度的綜合反映[10-11]。

1.2 航空裝備維修保障能力評估的一般方法

對于航空裝備維修保障能力的評估是一個多指標綜合評價問題[5]，常用的方法包括層次分析法（AnalyticHierarchy Process，AHP）、模糊綜合評判法（Fuzzy Comprehensive Evaluation）和灰色綜合評估法（Grey Comprehensive Evaluation）等。

1）層次分析法：將與決策相關的元素分解為目標、準則、方案等層次，并以此為基礎進行定性和定量分析的一種層次權重決策分析方法。

2）模糊綜合評判法：對具有多種屬性的事物，這些屬性影響著事物總體的優劣性，對這些屬性或因素做出一個合理的、綜合的總體評判。

3）灰色綜合評估法：一種以灰色關聯分析理論為基礎，基于專家評判的綜合評估方法。它通過建立灰色綜合評估模型，對各種評價因素進行權重選擇，從而進行綜合分析與評估。

2 前向對向傳播神經網絡

上述方法有力地促進了航空裝備維修保障能力評估研究的發展，為其提供了堅實的理論基礎。但這些方法具有主觀性，缺少自學習能力，在實際的評判中受限于判定隨機性、評估人員主觀不確定性和認識模糊等因素。人工神經網絡，或稱神經網絡（Neural Network，NN），是一種模仿動物神經網絡行為特征進行分布式并行信息處理的算法數學模型。神經網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，以達到處理信息的目的。它是一種非線性動力學系統，通過直觀性思維方式模擬人腦思維，將分布式存儲的信息綜合起來，通過神經元之間同時相互作用的動態過程完成信息處理[12]。

2.1 對向傳播神經網絡

1987年美國計算機專家Robert Hecht-Nielsen將Kohonen特征映射網絡與Grossberg基本競爭網絡相結合提出了對向傳播網絡（Counter Propagation Neural Network，CPNN），它是一種新型特征映射網絡，提供了一個輸入模式和輸出模式之間的雙向映射，被廣泛應用于模式分類、函數逼近、統計分析和數據壓縮等領域。CPNN為異構網，具有訓練時間短的特點，通常它的訓練時間是反向傳播網絡的1%。CPN隱藏層采用無監督學習機制，它是解決多級網絡訓練的另一個思路。CPNN既具有監督學習機制分類準確精細的優點，也具有無監督學習機制分類靈活、算法簡練的特點。CPNN分為前向對傳網（Forward-CPNN）和全向對傳網（Full-CPNN）。

2.2 前向對傳網

Forward-CPNN由輸入層、競爭層、輸出層組成，如圖1所示，輸入層和競爭層構成SOFM網絡，競爭層與輸出層構成基本競爭網絡。

圖1 Forward-CPNN結構圖

Forward-CPNN整體上屬于監督型網絡，輸入層和競爭層構成的SOFM網絡屬于無監督型網絡。Forward-CPNN隱層為競爭層，獲勝神經元調整內星和外星權值向量。內星向量采用無監督學習算法，使權值向量不斷靠近當前的輸入模式類，將該模式類的典型向量編碼至獲勝神經元的內星向量；外星向量采用監督學習算法，使權值向量不斷靠近并等于期望輸出，將該輸出向量編碼至外星向量。從輸入層到競爭層，網絡按照 SOFM學習規則產生競爭層獲勝神經元，調整相應的連接權值。從競爭層到輸出層，網絡按照基本競爭網絡學習規則得到輸出層各神經元的實際輸出值，按照有監督學習規則的誤差校正方法調整相應的競爭層到輸出層之間的連接權值。經過反復學習將任意的輸入模式映射為輸出模式[13-15]。

Forward-CPN算法（Forward-CPA）可以分為兩個階段，第一階段對輸入層-競爭層權值矩陣進行訓練，使權值向量不斷靠近當前輸入模式類；第二階段對競爭層-輸出層權值矩陣進行訓練，使權值向量不斷靠近并等于目標輸出。

3 航空裝備維修保障能力評估體系設計

評估體系（Evaluation System）是指由表征評價對象各方面特性及其相互關系的多個指標，所構成的具有內在結構的、有機的整體。評估體系的科學化和規范化體現在它具有系統性原則、典型性原則、動態性原則、簡明科學性原則、可比、可操作、可量化原則和綜合性原則。

航空裝備維修保障能力評估體系是通過一系列科學的、完整的、系統的數據指標，反映維修保障能力的形成狀況和各種影響要素的現狀及發展。建立航空裝備維修保障能力評估體系應必須遵循全面完整、層次分明、簡明科學的原則，依據平時裝備維修保障的各項業務，按照一定程序在全面分析系統的基礎上經廣泛征求專家意見，反復交流信息而獲得的[10]。如圖2所示，航空裝備維修保障能力評估體系包括5個部分，即

1）保障內容：飛機完好率、任務成功率、誤飛千次率、維修停飛率、差錯千次率、飛行故障率；

2）人力資源：編配率、技術等級比、工時利用率；

3）設施設備：配置率、利用率、完好率；

4）技術資源：配置率、利用率；

5）航材資源：配置率、利用率、滿足率。

圖2 航空裝備維修保障能力評估體系結構圖

4 航空裝備維修保障能力評估前向對傳網模型設計

4.1 模型設計

依據圖2中航空裝備維修保障能力評估系統的18個指標作為網絡輸入，即輸入層為25個神經元；系統的評定結果設置為“優秀、良好、合格、不合格”4個等級，即網絡輸出層設置為2個神經元；中間層神經元個數為150。網絡相關參數設置如表1所示。

表1 Forward-CPNN參數設置

4.2 算例分析

在表2中設置了5組訓練數據和3組測試數據，利用訓練數據對Forward-CPNN進行訓練，并用測試數據進行測試。測試結果表明，系統評估結果和預期結果100%相同。

表2 評估系統訓練數據與測試數據

5 結束語

文中從科學技術迅猛發展的背景出發，指出了航空裝備維修保障能力必須適應新情況，必須實施科學化的決策和管理。在深入研究航空裝備維修保障能力的概念和一般方法的同時，建立了航空裝備維修保障能力評估體系，以人工神經網絡技術為基礎，提出了基于前向對傳網的航空裝備維修保障能力評估模型，通過建立具體的網絡模型，利用訓練數據對網絡進行訓練，通過測試數據進行測試，研究結果表明系統評估結果和預期結果100%相同，獲得了良好的實驗效果，為維修保障單位真實精確評估其管理機制和運行機制并提高自身保障能力提供決策依據，實現了維修機構資源的最優化配置與有效利用。

[1]高鹍，邢國平，孫德翔，等.基于灰色層次分析法的裝備維修保障能力評價[J].飛機設計，2012，32（2）:72-76.

[2]馬小尉，周來水，程新，等.基于NET技術的飛機維修業務信息管理系統研究[J].武漢科技大學學報，2014，37（2）:75-80.

[3]張興媛，曹文達，徐達，等.航空維修保障能力的評估體系研究[J].上海工程技術大學學報，2011，25（3）:281-284.

[4]沈安慰，郭基聯，王卓健.基于B/S結構的航空維修保障訓練系統[J].計算機應用與軟件，2013，30（2）:253-255.

[5]尹富.基于灰色關聯分析的航空裝備技術保障能力評價模型[J].數學的實踐與認識，2013，43（8）:104-109.

[6]楊中書，范紅軍，陳友龍，等.飛行保障裝備基于狀態的維修決策支持系統研究[J].四川兵工學報，2015，36（3）:35-38.

[7]魏德才，張諍敏，李闖，等.基于模糊貼近度和熵權的航空裝備維修安全綜合評價[J].中國安全科學學報，2012，22（2）:107-111.

[8]韓維，蘇析超，陳俊鋒.艦載機多機一體化機務保障調度方法[J].系統工程與電子技術，2015，37（4）:809-816.

[9]劉家學，王少英，柴春紅.軍用飛機維修質量管理的最優線性分派評估[J].數學的實踐與認識，2014，44（4）:147-151.

[10]黃書峰，端木京順，唐雪琴，等.航空維修保障能力的神經網絡評估方法與應用[J].航空維修與工程，2008（2）:42-43.

[11]陳德煌，戴明亮.綜合模塊化CNI系統的特點與維修保障對策[J].航空維修與工程，2014（3）:60-62.

[12]薛飛.航空裝備綜合保障系統體系結構的研究與設計[J].電子設計工程，2011，19（1）:20-22.

[13]侯旋.量子神經網絡高光譜圖像研究[D].西安:西北工業大學，2013.

[14]李楠，侯旋.自適應量子前向對傳算法研究[J].電子與信息學報，2013，35（11）:2778-2783.

[15]趙時，劉俊瀛，邱華.支持向量機在航空裝備維修保障能力評估的應用[J].科技信息，2009（15）:436-437.

Aero equipment maintenance support capability evaluation based on CPNN

ZUO Li
（Air Force Armament Department，Beijing 100843，China）

Concepts and methods of aero equipment maintenance support capability are analyzed，it establishes aero equipment maintenance support capability evaluation system.Aero equipment maintenance support capability evaluation system is proposed based on Forward Counter Propagation Neural Network，by analyzing the technology of artificial neural network and the fundamental theory of Forward Counter Propagation Neural Network.Specific network models is established，it is trained and tested by using training data and test data.Research result shows that test results equal evaluation results completely，and good experimental results are obtained.

aero equipment；maintenance；support capability；forward counter propagation neural network；evaluation

TN0

A

1674－6236（2016）23-0007-03

2016-04-17稿件編號：201604173

國家自然科學基金青年科學基金項目（51509257）

左 力（1975—），男，貴州六盤水人，碩士研究生，工程師。研究方向：裝備管理。