基于BP神經網絡的航空維修保障評估分析

王穎

摘 要：本文利用統計數據得到速度和精度符合要求的BP神經網絡，詳細的設計了用于評估維修保障系統能力的BP神經網絡模型，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神經網絡模型具有更精確的預測效果。

關鍵詞：BP神經網絡；維修保障系統；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。神經網絡理論的迅速發展，特別是BP神經網絡在解決相互關系復雜的模式識別、專家系統等領域有著十分重要的應用。本文應用BP神經網絡模型對裝備保障能力進行評估，探討BP神經網絡在該領域的應用，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，但對比與神經網絡而言，后者更有優勢。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，基于層次分析法將評估分為若干層次，對同一層次的參數進行比較，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 設備狀態維修

設備狀態維修是相對于事后維修和預防維修而提出的，是以狀態監測和故障診斷技術為手段，以設備的實際技術狀態為基礎的設備維修管理，即根據設備的日常監測、定期檢查、狀態監測和診斷提供的信息，經統計分析處理，判斷設備的劣化程度，在設備出現了明顯劣化后而實施的維修策略。設備狀態維修中的“狀態”是指設備的技術狀態、工藝的上機狀態和產品的質量狀態，同時強調上述三個狀態的動態結合和辯證統一。

在神經網絡中，信息的存儲和計算都是通過數據在網絡中的流動來完成的。在數據的流動過程中，每個神經元從與其相連的神經元處接收輸入數據流的形式傳送到與其相連的其他神經元中去。

2.3評價指標內容選取

根據相關的知識，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，至于由戰爭進程造成的消耗、損失以及能力的下降，不在此指標體系的考慮范圍內。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神經網絡

運用BP神經網絡模型的方法，對維修保障系統進行設計，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為影響因素個數，針對上述設計的維修評價體系中的各指標量，其輸入層的神經元個數為16個。輸出層表示維修保障系統的能力值，節點數為1。隱含層節點數的選取沒有明確的方法，可以根據經驗來選取，選取中間隱含層神經元個數為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，決定每一次循環的權值的變化量?？梢栽谡`差率經過快速下降后，將學習速率變慢，從而增加BPNN的穩定性。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網絡的精度標準，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

根據有關實際數據和專家評定結果，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神經網絡MATLAB實現

其中工作內容有：學習樣本矩陣、目標輸出矩陣、待評估矩陣的輸入，BP神經網絡模型代碼的設計，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，該維修保障系統的能力值是0.8457。由MATLAB輸出神經網絡訓練圖。

利用神經網絡分析上述樣本訓練數據的線性回歸模式，在很多的預測數據中，數據不一定是純線性的，或者不一定是純非線性的，這樣的數據信息，我們可以利用MATLAB將BP神經網絡數據進行回歸線性分析來預測數據。

參照文獻并結合各文獻實例分析得到，神經網絡模型實例，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 神經網絡的魚雷作戰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.基于神經網絡和證據融合理論的航空發動機氣路故障診斷[J].航空學報.2006，27（6）：1014-1017.endprint