基于CPNN的航空装备维修保障能力评估研究

左力

（空军装备部外场保障局 北京 100843）

基于CPNN的航空装备维修保障能力评估研究

左力

（空军装备部外场保障局 北京 100843）

深入研究航空装备维修保障能力的概念和一般方法，建立了航空装备维修保障能力评估体系。深入分析了人工神经网络技术，全面研究了前向对向传播神经网络的基本原理，提出了基于前向对传网的航空装备维修保障能力评估模型。通过建立具体的网络模型，利用训练数据对网络进行训练，通过测试数据进行测试，研究结果表明系统评估结果和预期结果100%相同，获得了良好的实验效果。

航空装备；维修；保障能力；前向对传网；评估

装备的维修保障能力是衡量装备保障性的重要指标，是保持和恢复装备完好并生成战斗力的主要因素[1-2]。航空装备维护和维修能力是各类航空装备能够准时起降、飞行安全的保障，关系到与航空装备相关的各类管理部门和使用部门[3-4]。随着科学技术的迅猛发展，航空装备的自身结构和相关技术日益复杂，因此航空装备维修保障能力要适应新情况的需要，实施科学化的决策和管理就势必要对其效能进行评估。通过航空装备维修保障能力评估，可以帮助管理人员和维修人员对装备进行科学化的决策，提高航空装备保障质量[5-9]。

评估航空装备维修保障能力的因素众多，许多评估指标不能确切地定量表示，因此在评估过程中难于真实反映维修保障能力的水平。为了真实准确、合理高效地对航空装备维修保障能力进行评估，文中建立了航空装备维修保障能力评估体系，以人工神经网络（Artificial Neural Network，ANN）技术为基础，提出了基于前向对传网（Forward Counter Propagation Neural Network，Forward-CPNN）的航空装备维修保障能力评估模型，为维修保障单位真实精确评估其管理机制和运行机制并提高自身保障能力提供决策依据，实现了维修机构资源的最优化配置与有效利用。

1 航空装备维修保障能力概述

1.1 航空装备维修能力的概念

航空装备维修保障能力是指完成装备维修保障任务，保持、恢复航空装备规定的技术状态和改善航空装备性能，以及保障其顺利遂行作战训练和其它任务的能力。它以科学方法为指导，对评估对象的航空装备维修保障能力进行综合分析与客观评价，旨在为指挥管理人员和装备机关，在进行组织作战与训练时提供有关航空装备维修保障能力的准确决策资料，同时利于发现影响航空装备维修保障能力的弱点以改善保障状况。航空装备维修保障能力涉及多种因素，包括是人力、物力、财力、信息技术和管理水平等，同时它是这些因素与特定维修对象的匹配程度和有机结合程度的综合反映[10-11]。

1.2 航空装备维修保障能力评估的一般方法

对于航空装备维修保障能力的评估是一个多指标综合评价问题[5]，常用的方法包括层次分析法（AnalyticHierarchy Process，AHP）、模糊综合评判法（Fuzzy Comprehensive Evaluation）和灰色综合评估法（Grey Comprehensive Evaluation）等。

1）层次分析法：将与决策相关的元素分解为目标、准则、方案等层次，并以此为基础进行定性和定量分析的一种层次权重决策分析方法。

2）模糊综合评判法：对具有多种属性的事物，这些属性影响着事物总体的优劣性，对这些属性或因素做出一个合理的、综合的总体评判。

3）灰色综合评估法：一种以灰色关联分析理论为基础，基于专家评判的综合评估方法。它通过建立灰色综合评估模型，对各种评价因素进行权重选择，从而进行综合分析与评估。

2 前向对向传播神经网络

上述方法有力地促进了航空装备维修保障能力评估研究的发展，为其提供了坚实的理论基础。但这些方法具有主观性，缺少自学习能力，在实际的评判中受限于判定随机性、评估人员主观不确定性和认识模糊等因素。人工神经网络，或称神经网络（Neural Network，NN），是一种模仿动物神经网络行为特征进行分布式并行信息处理的算法数学模型。神经网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，以达到处理信息的目的。它是一种非线性动力学系统，通过直观性思维方式模拟人脑思维，将分布式存储的信息综合起来，通过神经元之间同时相互作用的动态过程完成信息处理[12]。

2.1 对向传播神经网络

1987年美国计算机专家Robert Hecht-Nielsen将Kohonen特征映射网络与Grossberg基本竞争网络相结合提出了对向传播网络（Counter Propagation Neural Network，CPNN），它是一种新型特征映射网络，提供了一个输入模式和输出模式之间的双向映射，被广泛应用于模式分类、函数逼近、统计分析和数据压缩等领域。CPNN为异构网，具有训练时间短的特点，通常它的训练时间是反向传播网络的1%。CPN隐藏层采用无监督学习机制，它是解决多级网络训练的另一个思路。CPNN既具有监督学习机制分类准确精细的优点，也具有无监督学习机制分类灵活、算法简练的特点。CPNN分为前向对传网（Forward-CPNN）和全向对传网（Full-CPNN）。

2.2 前向对传网

Forward-CPNN由输入层、竞争层、输出层组成，如图1所示，输入层和竞争层构成SOFM网络，竞争层与输出层构成基本竞争网络。

图1 Forward-CPNN结构图

Forward-CPNN整体上属于监督型网络，输入层和竞争层构成的SOFM网络属于无监督型网络。Forward-CPNN隐层为竞争层，获胜神经元调整内星和外星权值向量。内星向量采用无监督学习算法，使权值向量不断靠近当前的输入模式类，将该模式类的典型向量编码至获胜神经元的内星向量；外星向量采用监督学习算法，使权值向量不断靠近并等于期望输出，将该输出向量编码至外星向量。从输入层到竞争层，网络按照 SOFM学习规则产生竞争层获胜神经元，调整相应的连接权值。从竞争层到输出层，网络按照基本竞争网络学习规则得到输出层各神经元的实际输出值，按照有监督学习规则的误差校正方法调整相应的竞争层到输出层之间的连接权值。经过反复学习将任意的输入模式映射为输出模式[13-15]。

Forward-CPN算法（Forward-CPA）可以分为两个阶段，第一阶段对输入层-竞争层权值矩阵进行训练，使权值向量不断靠近当前输入模式类；第二阶段对竞争层-输出层权值矩阵进行训练，使权值向量不断靠近并等于目标输出。

3 航空装备维修保障能力评估体系设计

评估体系（Evaluation System）是指由表征评价对象各方面特性及其相互关系的多个指标，所构成的具有内在结构的、有机的整体。评估体系的科学化和规范化体现在它具有系统性原则、典型性原则、动态性原则、简明科学性原则、可比、可操作、可量化原则和综合性原则。

航空装备维修保障能力评估体系是通过一系列科学的、完整的、系统的数据指标，反映维修保障能力的形成状况和各种影响要素的现状及发展。建立航空装备维修保障能力评估体系应必须遵循全面完整、层次分明、简明科学的原则，依据平时装备维修保障的各项业务，按照一定程序在全面分析系统的基础上经广泛征求专家意见，反复交流信息而获得的[10]。如图2所示，航空装备维修保障能力评估体系包括5个部分，即

1）保障内容：飞机完好率、任务成功率、误飞千次率、维修停飞率、差错千次率、飞行故障率；

2）人力资源：编配率、技术等级比、工时利用率；

3）设施设备：配置率、利用率、完好率；

4）技术资源：配置率、利用率；

5）航材资源：配置率、利用率、满足率。

图2 航空装备维修保障能力评估体系结构图

4 航空装备维修保障能力评估前向对传网模型设计

4.1 模型设计

依据图2中航空装备维修保障能力评估系统的18个指标作为网络输入，即输入层为25个神经元；系统的评定结果设置为“优秀、良好、合格、不合格”4个等级，即网络输出层设置为2个神经元；中间层神经元个数为150。网络相关参数设置如表1所示。

表1 Forward-CPNN参数设置

4.2 算例分析

在表2中设置了5组训练数据和3组测试数据，利用训练数据对Forward-CPNN进行训练，并用测试数据进行测试。测试结果表明，系统评估结果和预期结果100%相同。

表2 评估系统训练数据与测试数据

5 结束语

文中从科学技术迅猛发展的背景出发，指出了航空装备维修保障能力必须适应新情况，必须实施科学化的决策和管理。在深入研究航空装备维修保障能力的概念和一般方法的同时，建立了航空装备维修保障能力评估体系，以人工神经网络技术为基础，提出了基于前向对传网的航空装备维修保障能力评估模型，通过建立具体的网络模型，利用训练数据对网络进行训练，通过测试数据进行测试，研究结果表明系统评估结果和预期结果100%相同，获得了良好的实验效果，为维修保障单位真实精确评估其管理机制和运行机制并提高自身保障能力提供决策依据，实现了维修机构资源的最优化配置与有效利用。

[1]高鹍，邢国平，孙德翔，等.基于灰色层次分析法的装备维修保障能力评价[J].飞机设计，2012，32（2）:72-76.

[2]马小尉，周来水，程新，等.基于NET技术的飞机维修业务信息管理系统研究[J].武汉科技大学学报，2014，37（2）:75-80.

[3]张兴媛，曹文达，徐达，等.航空维修保障能力的评估体系研究[J].上海工程技术大学学报，2011，25（3）:281-284.

[4]沈安慰，郭基联，王卓健.基于B/S结构的航空维修保障训练系统[J].计算机应用与软件，2013，30（2）:253-255.

[5]尹富.基于灰色关联分析的航空装备技术保障能力评价模型[J].数学的实践与认识，2013，43（8）:104-109.

[6]杨中书，范红军，陈友龙，等.飞行保障装备基于状态的维修决策支持系统研究[J].四川兵工学报，2015，36（3）:35-38.

[7]魏德才，张诤敏，李闯，等.基于模糊贴近度和熵权的航空装备维修安全综合评价[J].中国安全科学学报，2012，22（2）:107-111.

[8]韩维，苏析超，陈俊锋.舰载机多机一体化机务保障调度方法[J].系统工程与电子技术，2015，37（4）:809-816.

[9]刘家学，王少英，柴春红.军用飞机维修质量管理的最优线性分派评估[J].数学的实践与认识，2014，44（4）:147-151.

[10]黄书峰，端木京顺，唐雪琴，等.航空维修保障能力的神经网络评估方法与应用[J].航空维修与工程，2008（2）:42-43.

[11]陈德煌，戴明亮.综合模块化CNI系统的特点与维修保障对策[J].航空维修与工程，2014（3）:60-62.

[12]薛飞.航空装备综合保障系统体系结构的研究与设计[J].电子设计工程，2011，19（1）:20-22.

[13]侯旋.量子神经网络高光谱图像研究[D].西安:西北工业大学，2013.

[14]李楠，侯旋.自适应量子前向对传算法研究[J].电子与信息学报，2013，35（11）:2778-2783.

[15]赵时，刘俊瀛，邱华.支持向量机在航空装备维修保障能力评估的应用[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稿件编号：201604173

国家自然科学基金青年科学基金项目（51509257）

左 力（1975—），男，贵州六盘水人，硕士研究生，工程师。研究方向：装备管理。