基于BP神经网络的工程保障能力效能分析_马晓宇.pdf

本栏目责任编辑：梁书工程应用Computer Knowledge and Technology电脑知识与技术第19卷第4期(2023年2月）第19卷第4期(2023年2月）基于BP神经网络的工程保障能力效能分析马晓宇1，2，孙丹2，刘晓1(1.陆军工程大学，江苏 南京 210000；2.陆军研究院，江苏 无锡 214000)摘要：针对工程保障装备保障效能指标的复杂性、模糊性的特点，通过BP神经网络的算法及其评估模型，运用系统分析的思想，建立工程保障装备保障效能评估指标体系，克服传统评估方法主观性强的缺点，有助于指挥员较清晰地认识工程保障装备的保障能力。关键词：BP神经网络;工程保障；效能分析；评估模型；网络训练中图分类号：TP183文献标识码：A文章编号：1009-3044(2023)04-0096-03开放科学（资源服务）标识码(OSID)：1 引言工程保障装备保障效能是工程保障装备在实施保障活动中发挥作用的有效程度，是装备保障体系的主体要素和结构机制、运行状态及其共同作用结果的综合反映1。主要表现为装备在完成保障任务的过程中，将其潜在保障能力转化为实际保障能力程度。它是衡量装备运用质量、运用时效、运用效果的综合性标准2 3。有助指挥员对工程保障装备的保障能力有深刻认识，为保障决策做支撑。2 构建指标体系及方法2.1 工程保障装备效能评估现状当前，国内外对主战装备效能评估较多，对工程保障装备保障效能评估研究较少。原因是当前国内外工程保障装备种类多，专业驳杂，作战场景和流程相对复杂，逻辑分支多样，需根据具体的实时战场情况自主智能地进行选择，难度较大。目前，尚未实现工程保障的自主决策，保障指挥的自主学习和规划技术亟待突破。目前一般对武器装备评估方法有层次分析法、灰度分析、模糊评价等。这些方法需确定各指标变量规律，通过层次分析的方式建立评价模型，通过模拟，依靠专家评价评分的方法，主观成分大；此外，传统方法对目前装备架构和作战环境的适应能力低，计算过程比较复杂。因此，有人提出了具有数据处理能力更强的神经网络效能评估方法4。本文建立了基于BP神经网络的工程保障装备保障效能评估模型，对工程保障装备的保障效能进行定量评估。2.2 工程保障装备保障效能影响分析工程保障装备保障效能的影响因素既有装备自身能力的原因，也有外部因素的原因。首先，装备自身能力、装备使用情况、人员对装备的熟练程度、装备等级事故影响装备保障效能的发挥；其次，器材保障、指挥机构情况、人员对工程保障装备的操作使用以及装备维修、装备抢修等制约装备保障的效果；此外，战场因素包括地形、电磁、气候、水文等自然环境和敌方的打击强度和自身的保障任务，也是影响保障效能的重要外部原因。2.3 装备保障作战效能评估指标体系构建工程保障装备评价指标体系的建立是进行评价的前提。表征工程保障装备保障效果的因素很多，太过烦琐。为了更客观、科学地评价工程保障装备保障效果，本文对装备使用、装备维修、装备抢修、器材保障、装备保障组织指挥、战场因素六个方面着手构建一级指标。工程保障装备保障效能评估指标体系如表所示。2.4 评估方法确定从建立的评估指标体系中可以看出，工程保障装备作战运用效能评估指标数目量较大，采用灰色理论或模糊综合评估等方法均涉及从底层指标向上聚合的过程，由于底层指标数目量大，底层指标的微小评估误差可能导致聚合出来的综合评估结果存在较大收稿日期：2022-05-30基金项目：基金项目名称（军内项目 JY2021C097)作者简介：马晓宇(1991)，男，内蒙古赤峰人，研究实习员，在读硕士，主要研究方向为军事需求；孙丹(1997)，女，江苏镇江人，硕士，主要研究方向为外军研究；刘晓(1989)，男，河北抚宁人，在读硕士，主要研究方向为工程保障运筹分析。E-mail：http：/Tel：+86-551-65690963 65690964ISSN 1009-3044Computer Knowledge and Technology电脑知识与技术Vol.19,No.4,February202396DOI:10.14004/ki.ckt.2023.0173工程应用本栏目责任编辑：梁书Computer Knowledge and Technology电脑知识与技术第19卷第4期(2023年2月）第19卷第4期(2023年2月）的误差。为避免这种情况发生，此处采用神经网络的方法进行评估5-6。神经网络具有非常强的容错性，局部或部分神经元受损后，对全局的活动影响不大，神经网络还具有强大的学习功能和存储功能，可以用神经网络模型中的隐含层代替评价指标间复杂的关系，相关参数可以用已知数据不断修正，网络进行一定的数据学习后可以初步确定这些相互关联的参数，并可用于新系统的综合评价。通过对样本学习和训练，能够对系统做出一个合理的评价，是一种比较合适的评价方法。评估指标体系量化分析主要是以数据或公式的形式表示指标的有利程度或影响程度以及计算规则。主要分为对定量指标的量化分析和对定性指标的量化分析。对于定量指标，分析较为容易，可参照大纲或根据计算规则进行分析。例如对于装备完好率这一指标，可将其定义为：装备完好率=装备完好数/装备实数*100%，其余指标可参照执行。对于定性指标，多根据实际经验，参考相关资料，以专家评定的方式量化分析。录入战场因素中的地形隐藏条件、打击强度和作战任务等指标可进行量化，其余类似指标的量化方法可参照执行。3 神经网络模型构建及网络创建3.1 模型构建神经网络模型分为前馈多层式网络模型、反馈递归网络模型和随机型网络模型。多层前馈(BP)神经网络是应用最广泛的一种网络。其基本结构式互连模式下的输入层、隐含层和输出层，常用的为3层网络结构7。图1神经网络结构BP神经网络中比较难以确定的是隐含层的节点数。通常用下式表示：n1=m+n+a式中：n1为隐含层的节点数；n为输入层节点数；m为输出层节点数；a是介于1和10之间的常数。3.2 网络创建神经网络具有非线性映射和近似功能，对正弦信号进行近似以验证其可靠性。BP网络的中间层神经元数设为8个，输入层神经元传递函数为S型正切函数，中间神经元的传递函数是线性函数，网络训练函数设定为Trainlm，近似的原始正弦信号f(t)=sin(t)生产网络。设置训练步数为 50 次，训练目标设置为0.01。图2训练仿真通过仿真可以检验训练后的网络对信号的逼真效果，从上图可以看出训练后的正弦信号的逼近效果目 标工程保障装备保障效能一级指标X1：装备使用X2：装备维修X3：装备抢修X4：器材保障X5：装备保障组织指挥X6：战场因素二级指标X11：装备完好率X12：装备日常动用X13：装备保管X14：装备配套率X15：人员使用熟练程度X16：装备等级事故X21：维修设备情况X22：人员情况X31：抢修设备情况X32：人员情况X41：器材保障设备X42：器材保障率X43：人员情况X51：指挥人员情况X52：指挥机构情况X53：指挥手段X54：装备保障部署X55：装备保障防卫X61：地形分布状况X62：地形隐藏条件X63：电磁信息X64：气候X65：水文X66：打击强度X67：保障任务表1工程保障装备保障效能指标体系97本栏目责任编辑：梁书工程应用Computer Knowledge and Technology电脑知识与技术第19卷第4期(2023年2月）第19卷第4期(2023年2月）非常好。4 模型设计及计算4.1 输入层、隐含层、输出层的设计基于建立的评价指标体系，采用BP神经网络进行评估。在神经网络模型中，输入层各要素之间没有相互联系，在对工程保障装备进行综合评估时，可选取最低层的评估指标，最终要能给出工程保障装备保障效能的评估等级：优、良、中、差。输入层节点数对应于系统评估的指标相对值为25，输出层节点数为4（分别对应优、良、中、差这4个评估等级），隐含层节点是根据经验来选取8。输入层节点数为25，输出层节点数为4，因此中间层隐含层节点数选择10（可调整）。节点激活函数选择sigmoid函数，学习速度设为0.5，网络训练的最终允许误差设定为0.0001，动量常数设为0.1。4.2 训练样本的构造每个网络训练样本有25个输入值，4个输出值。可以这样认为：若25个指标值都在0.85以上，则系统的保障能力为优；若25个指标值均为0.70.8，则系统的保障能力为良；若25个指标值为0.60.7。则系统的保障能力为中等；若25个指标值均为0.50.6，则系统的保障能力为差9-10。构造出 4 个训练样本。表2训练样本和输出值输入值E10.850.750.650.55E20.850.750.650.55E30.850.750.650.55E40.850.750.650.55E220.850.750.650.55E230.850.750.650.55E240.850.750.650.55E250.850.750.650.55输出值M11000M20100M30010M40001表3网络的输出值实际输出样本1样本2样本3样本4N11.0021-0.01010.0057-0.0082N20.00700.98460.0055-0.0092N30.0063-0.00440.9923-0.0050N40.0055-0.0011-0.01190.9982从结果可以看出该模型达到了预先设定的误差范围，能够进行综合评估11-13。4.3 评估计算三个工程保障装备效能评估指标体系的量化值如下：表4A型工程装备保障效能量化指标体系指标实现值指标实现值X110.84X510.77X120.71X520.81X130.78X530.74X140.59X540.78X150.74X550.80X160.80X610.75X210.76X620.78X220.68X630.65X310.70X640.83X320.75X650.66X410.75X1660.77X420.55X670.75X430.72表5B型工程装备保障效能量化指标体系指 标实现值指 标实现值X110.83X510.81X120.81X520.75X130.80X530.83X140.84X540.84X150.79X550.77X160.82X610.82X210.85X620.65X220.82X630.83X310.81X640.66X320.82X650.71X410.83X1660.80X420.82X670.86X430.80表6C型工程装备保障效能量化指标体系指 标实现值指 标实现值X110.63X510.67X120.68X520.75X130.65X530.73X140.52X540.72X150.58X550.56X160.54X610.58X210.70X620.65X220.60X630.83X310.63X640.66X320.64X650.71X410.73X1660.80X420.71X670.75X430.60表7装备保障效能评估结果A型B型C型N10.00510.47000.0001N20.98880.27170.1683N30.02100.01690.9969N40.00040.00030.0028从表中可以看出三个工程保障装备保障效能在四个评价中的隶属度，由最大隶属度原则可以看出B型的保障效能属于优，A型的保障效能属于良，C型的保障效能属于中等。通过对三个工程保障装备保障效能的评估，都可以对三个工程保障装备保障效能有定性和定量的认识。指挥员可以根据其能力的不同对其赋予不同的任务，对指挥员的决策也具有重要指导作用。5 结束语如今信息技术高速发展，战争不确定性因素不断增加。本文给出了一种基于BP神经网络的工程保障装备保障能力效能研究方法。通过计算机的模拟收敛计算，很好地克服了传统评估方法主观性过强的缺点，有助于指挥员对工程保障装备的保障能力有更直观的认识。不仅可以提供检验保障能力的手段，有效提高日常训练水平，还可以为将来指挥员的作战决策提供依据。参考文献：1 罗杰，苏兵，翟乐育.基于 BP