飞机战伤抢修决策支持系统研究_魏劲楸.pdf

引用格式:魏劲楸，杨钰，秦宇飞，等 飞机战伤抢修决策支持系统研究J 电光与控制，2023，30(3):86-89 WEI J Q,YANG Y,QIN Y F,et alOn decision-making support system of aircraft battle damage repair J Electronics Optics Control,2023,30(3):86-89飞机战伤抢修决策支持系统研究魏劲楸1，杨钰2，秦宇飞2，刘飞1，陈仁文1(1 南京航空航天大学机械结构力学及控制国家重点实验室，南京210000;2 空军工程大学航空机务士官学校，河南 信阳464000)摘要:针对飞机战伤抢修决策问题，设计了智能化决策支持系统。采用差分进化算法求解了时间估算的多元线性回归模型，相比传统方法提高了估计精度。在此基础上构建了以时间最少为目标的抢修顺序决策模型，并采用改进的自适应实数编码遗传算法进行求解，有效提升了收敛效率。基于上述模型开发了辅助决策系统，实现数据管理交互和图形用户界面等功能，为战伤抢修智能化决策提供了支持。关键词:飞机;战伤抢修;自适应遗传算法;辅助决策中图分类号:V267文献标志码:Adoi:10 3969/j issn 1671 637X 2023 03 015On Decision-Making Support System of AircraftBattle Damage RepairWEI Jinqiu1,YANG Yu2,QIN Yufei2,LIU Fei1,CHEN Renwen1(1 State Key Laboratory of Mechanics and Control of Mechanical Structures,Nanjing University of Aeronautics and Astronautics,Nanjing 210000,China;2 Aviation Maintenance NCO School,Air Force Engineering University,Xinyang 464000,China)Abstract:Focusing on the decision-making problem of aircraft battle damage repair,an intelligent decision-making support system is designed Differential evolution algorithm is used to solve the multiple linearregression model of time estimation,which improves the estimation accuracy compared with traditionalmethods On this basis,a repair sequence decision-making model with the goal of mininium time isconstructed,and the improved adaptive real number coding genetic algorithm is used to solve it,whicheffectively improves the convergence efficiency Based on the above model,an auxiliary decision-makingsystem is developed to realize functions such as data management interaction and graphical user interface,which provides support for intelligent decision-making on aircraft battle damage repairKey words:aircraft;battle damage repair;adaptive genetic algorithm;auxiliary decision-making1概述在现代战争中，飞机战伤抢修的重要性日益增加 1。通过对受损飞机进行紧急评估与修复，可有效保障作战2。近年来，国内外在飞机战伤抢修相关技术领域做了大量研究3。为准确描述抢修决策问题，研究者在抢修时间估计上进行了探讨。尤志锋等4 5 分析影响抢修时间的因素，引入加权支持向量机处理非线性回归问题;刘保军等6 采用主成分分析法简化问题，提出基于遗传算法的多元线性回归方法对抢修时间进行估算;而关于抢修决策的核心问题，即高效配置资源来收稿日期:2022-02-07修回日期:2022-03-08基金项目:江苏高校优势学科建设工程(PAPD)作者简介:魏劲楸(1996)，男，江苏南通人，硕士生。满足任务需求方面，张明等7 将动态抢修过程简化为线性规划问题，提出了复杂背景下的抢修顺序决策方法;闫志雄等8 通过构建抢修决策指标体系，采用改进AHP 方法建立决策模型;刘小辉等9 采用排队模型配置抢修分队，并对指派问题提出改进算法。随着抢修技术的不断进步，相应的决策支持系统的研究开发也在逐步展开10。文献 11 12对战伤评估决策支持系统开展了深入的研究，重点研究了系统中模型库和知识库的建立方法;潘洪平等13 基于HWME 集成思想方法，提出了集群装备的抢修决策模型。本文针对飞机战伤抢修决策问题，建立图 1 所示的抢修决策支持系统。系统涵括了战伤抢修时间估算和顺序决策功能，以及相应的数据管理和用户交互功能，为战伤抢修智能化决策提供支持。Vol 30No 3Mar 2023第 30 卷第 3 期2023 年 3 月电光与控制Electronics Optics Control魏劲楸等:飞机战伤抢修决策支持系统研究图 1飞机战伤抢修决策支持系统Fig 1Decision-making support system of aircraftbattle damage repair2问题分析飞机战伤抢修问题以多样的飞机、战伤和资源为背景，受抢修时限、人员和资源等条件约束，以最小的抢修时间为优化目标。以 15 min 为间隔划分时间节点。设置决策变量 xIJk，值为 0 或 1 表示飞机 I 的维修子项 J 在时刻 k 是否处于开工状态。目标函数描述为Nk=0kxIJk(其中，N是允许的最长维修时间编号)，表征抢修总时间，需满足以下约束。1)开工持续时间为Nk=0 xIJk=dIJ(1)式中，dIJ为子项维修时长;2)资源约束(在任意时刻点)为IJaIJsxIJk rks(2)式中:aIJs是战伤所需资源 s 的数量;rks是在时刻 k 可提供的资源数量;3)前后顺序约束(子项 J 要等待子项 I 完工)为kt=0 xlIt xlJtdlI 0 xlIk+xlJk2;(3)4)维修子项连续性约束(任意 s k)为(k s)(xIJk+xIJs1)dIJ1。(4)3模型方法3 1时间估计根据文献 6 选用多元线性回归模型，模型输入即战伤抢修的影响因素，主要包括损伤尺寸、损伤位置、损伤程度、战伤可达性、结构复杂度、备件数、操作水平、工具设备和修理环境等多个方面。采用主成分分析法进行降维处理，在此基础上建立抢修时间的多元回归模型，并采用差分进化算法对参数估计进行优化。3 2顺序决策智能优化算法在整数规划问题上表现出了良好的应用效果14，所用遗传算法设计具体如下。3 2 1算法表达采用实数编码简化表达，个体表示为 X=x1，x2，xl，其中，xi表示时刻点，i 为战伤维修子项编号。资源约束简化为iairxik rkr(5)式中:air是维修子项 i 所需资源 r 的数量;rkr是在时刻 k可提供的资源数量。可再生性资源中的 xik1为xik1=1xik xi+ti0其他(6)式中:ti为战伤 i 的抢修时间。非可再生性资源中的 xik2为xik2=1xik0 xik。(7)目标函数为抢修完成时间，即最后项的结束时间。引入惩罚函数对战伤决策的约束进行处理。统计资源约束违反情况，分别记为 pw，pt，ps和 pm，在遵循约束的情况下值为 1。惩罚函数为fit(X)=fit(X)+eextr a (fitmax(x)fitmin(x)+b)(8)式中:参数 eextr根据所求最值方向，最小化为 1，反之为1;两个参数 a，b 为a=pw pt ps pmb=pw+pt+ps+pm。(9)3 2 2遗传操作1)选择算子。选择算子的作用在于选择优良个体，并将其作为父代参与下一代的遗传操作。采用锦标赛选择算法，即有放回的随机抽选，从中取出适应度最高的个体。竞赛规模 T 取 2。2)交叉算子。扩展中间交叉算子在实数编码的重组中应用广泛。假设两个父代染色体分别为 P1=p11，p12，p1n 和 P2=p21，p22，p2n，在区间 0 25，1 25 生成一个随机数 ai，交叉后产生的两个子代 C1和 C2为C1i=P1i+ai(P2i P1i)C2i=P2i+ai(P1i P2i)。(10)针对交叉操作后基因溢出定义域的情况，采用以下方式进行处理，即xi=xixi02 N xixiN。(11)3)变异算子。变异操作主要作用是增强种群多样性，以跳出局部极小点。鉴于基因位值表示抢修开始时刻，采用 BGA 变异。假设变异个体为 C=c1，c2，78第 3 期，cn，ci ai，bi。变异后的个体 ci为ci=ci ei(12)式中:正负号以50%的概率选取;ei取决策变量定义域的一半，即 N/2;=K1i=0i2i，K为控制精度的常数，i取值服从概率为 1/K 的 0 1 分布。针对变异操作后基因溢出定义域的情况，采用以下方式进行处理，即xi=xi+eixi0 xi eixiN。(13)3 2 3改进方法搜索到的优秀个体中可能在交叉和变异中被破坏，因而采用精英保留策略。将父代和子代一同比较，基于适应度排序生成新一代种群，且种群数量前后保持一致。该策略既保证了交叉寻优的速度，又防止优秀个体被破坏。交叉变异概率作为影响遗传算法性能的关键，其合理性决定了算法搜索全局最优解的能力。采用自适应方法进行优化15，根据进化情况调整交叉概率 pc和变异概率 pm，保持多样性的同时提高算法的搜索效率。根据问题特性，pc和 pm分别设计为pc=pc2+(pc1 pc2)(fmax f)fmax faveffavePc2fave=fmaxpc1f fave(14)pm=pm2+(pm1 pm2)(fmax f)fmax favef favepm2fave=fmaxpm1f fave(15)式中:fmax为种群最大适应值;fave为种群平均适应值;f为交叉父体中较大的适应值;f 为变异个体适应值;自适应参数分别为 pc1=0 9，pc2=0 6，pm1=0 1，pm2=0 01。使适应度大的个体处于继续进化的状态，有助于跳出局部最优解。同时注意到目标函数为整数可能存在 fave=fmax的情况。4决策支持系统战伤评估辅助决策软件开发包括抢修涵盖了时间估算、顺序优化等的软件基本功能的实现，以及相关的数据管理交互和用户界面等支撑功能的实现。系统的总体设计方案如图 2 所示。作为支撑的数据管理包含了抢修工艺时间和多机战伤抢修顺序决策所需的数据，具体包括战伤类型、修复工艺、维修工具、维修备件和技术人员等数据。选用MySQL 进行数据管理交互功能的具体实现。UI 界面则选用 JSP 开发技术，实现对上述功能的可视化操作。图 2辅助决策系统总体方案Fig 2Overall scheme of auxiliary decision-making system5实验验证5 1抢修时间抢修时间估算以时间影响因素为输入，通过回归分析的方式预估抢修时间。模型评价指标主要为准确性和拟