基于BP神經網絡的軍民融合維修保障任務區分*

朱敦祥，史憲銘，蘇小波，趙汝東

（陸軍工程大學石家莊校區，石家莊 050003）

0 引言

我軍新型裝備大量列裝部隊，裝備復雜程度逐漸增加，而且技術先進、系統復雜，裝備的編配基數過大、型號眾多、頻繁動用，其維修難度越來越大。對于大部分新型裝備，我軍并不具備等級修理能力，而且完全依靠建制力量短期內也難以建立起其等級維修能力[1]。在這種情況下，需要將地方力量納入到新型裝備的維修任務中來，因此，軍方必須擁有和建立哪些新型裝備的核心能力[2]，哪些新型裝備的維修任務可以交由地方來負責，通過對軍地雙方的維修保障能力評估實現對維修任務的區分，因此，能力評估問題尤為重要。

目前，軍民融合裝備維修保障任務區分的常用方法[3]有：定性分析法、定量分析法和綜合分析法。具體方法主要包括逐步淘汰法、模型模擬法、綜合評價法、兩兩對比法、層次分析法和模糊綜合評判等，普遍存在主觀性太強、專家信息融合不充分等弊病。BP神經網絡結構簡單，收斂速度快，具有較強魯棒特性，在軍民融合裝備維修保障任務區分中具有廣泛的應用前景[4]。同時證據理論能夠克服能力指標評估時層次分析法等方法主觀性太強、數據匱乏、信息不明確等弊端[5]。基于此，本文采用證據理論融合專家對軍民雙方維修保障力量的評價信息，將融合后的專家信息作為神經網絡模型的輸入樣本，利用BP神經網絡進行維修保障能力評估的判別，進而確定維修任務的區分問題。通過案例驗證，能夠提高軍民融合裝備維修保障任務區分的客觀性、科學性和正確性。

1 能力評估指標體系構建

在裝備維修保障進程中，影響保障能力的因素眾多。選取能力評估指標時，應把著眼點放在緊貼維修保障能力上，選取裝備技術勤務能力C1、戰損搶修能力C2、機動搶修能力C3、裝備技術支援能力C4、器材籌措能力C5、器材投送能力C6、器材緊急生產能力C7，建立維修保障能力評估指標體系，如圖1所示。

圖1 軍民融合裝備維修保障能力評估指標體系

通過上述指標體系，可以對軍民雙方的裝備維修保障能力加以評估，從而確定軍民雙方在任務區分中的比較優勢，為任務區分決策提供依據。

2 證據理論融合能力評價信息

依據上述指標體系，邀請多名裝備維修工程專家對軍民雙方維修保障力量的各個指標進行評價。為合理公正地處理評價指標信息，借助證據理論對不同的待選目標進行信息處理，得到指標對維修保障能力的評估值。

2.1 證據合成方法

作為證據理論中的核心內容，證據合成理論能夠綜合處理多個不同證據，并根據證據得出信任函數和基本概率分配情況。證據合成理論存在不同的合成方法，Dempster合成方法是其中比較成熟的。該方法定義如下[6]：

其中，A的基本概率分配函數反映了對A本身的可信程度大小，K反映了各證據之間相互沖突的程度。

2.2 融合能力評價信息的步驟

第1步：利用合成式（3），將n名專家針對維修力量Pi關于指標Cl的評價信息（概率分配函數）進行組合，形成每名專家針對目標Gj關于指標Cl的概率分配函數mjl（hk）。

2.3 軍民雙方維修保障能力證據合成評價

對于某項維修保障任務，運用證據理論融合多名專家對軍民雙方維修保障力量關于7個指標的評價信息，專家權重均相同，將評價等級劃分為4級，對應等級分值為{1，0.8，0.6，0.4}，依據融合評價信息的兩個步驟，就可得到專家針對軍民雙方維修保障力量關于指標Cl的綜合評價值， 如表1所示，計算過程略。

表1 軍民雙方維修保障力量關于指標Cl的綜合評價值mjl數據表

3 基于BP神經網絡的維修保障能力評估

經過證據合成理論處理過的評價值可以作為神經網絡模型的輸入數據，構建基于BP神經網絡的目標選擇模型，最終判別目標的選擇情況[8-9]，實現軍民融合裝備維修保障任務的區分。

3.1 BP神經網絡基本思想

BP神經網絡（Back Propagation Neural Network），由輸入層、中間隱含層、輸出層3層神經元組成，每層由若干神經元組成，不同層次的神經元之間相互連接，同層之間無相互連接。經網絡，由輸入層、隱含層和輸出層組成[10-11]，如下頁圖2所示。

圖2 BP神經網絡結構圖

3.2 BP神經網絡模型構建

將專家Gj關于指標Cl的評價值mjl作為神經網絡模型的輸入樣本數據，構建BP神經網絡模型，如圖3所示。輸入層節點數為7，分別對應7個能力評估指標C1～C7的評價值；隱層節點數不定，由經驗公式計算得到；輸出層節點數為1個。

圖3 基于BP神經網絡的目標選擇模型

4 案例驗證

根據同一項維修保障任務的實際數據和專家意見證據合成，分別對軍方和民方維修保障力量選定用于訓練的10組樣本數據。

1）軍方建制維修保障力量學習樣本矩陣、目標輸出矩陣、待評估矩陣的數據輸入

民方維修保障力量學習樣本矩陣、目標輸出矩陣、待評估矩陣的數據輸入

2）BP神經網絡模型程序代碼設計

3）結果輸出

對應待評估矩陣的仿真結果值為：軍方建制維修保障能力為Y1=0.796 5，它表示：在7個評估指標值為待評估矩陣所給出定值時，軍方建制維修保障能力為0.796 5。經過42次訓練后，誤差收斂到規定的0.01，結束訓練，如圖4所示。

圖4 軍方建制維修保障能力訓練誤差變化曲線

民方維修保障能力為Y2=0.775 4。它表示：在7個評估指標值為待評估矩陣所給出定值時，民方維修保障能力為0.775 4。經過44次訓練后，誤差收斂到規定的0.01，結束訓練，如圖5所示。

圖5 民方維修保障能力訓練誤差變化曲線

比較分析可以看出，針對該項維修保障任務，軍方建制維修保障能力0.796 5要高于民方維修保障能力0.775 4，因此，該項維修保障任務交由軍方建制維修保障力量來完成較為合理。

5 結論

本文充分結合了BP神經網絡和證據合成理論方法，首先構建軍民融合裝備維修保障能力評估指標，并利用證據合成理論對各指標進行評估，得到融合信息后，借助BP神經網絡實現對軍民雙方維修保障力量的能力評估，并利用MATLAB實現仿真運算，最終得到了軍民雙方維修保障能力評估值，可以作為維修任務區分決策的參考。但本文只提取了10組樣本數據進行學習訓練和檢驗，如果增加樣本數量，將會顯著提高所得結果的精確度。