军用航空机务维修人员安全知识结构评价研究*

徐吉辉，柳月青，邹星琪

（空军工程大学装备管理与安全工程学院，西安710051）

军用航空机务维修人员安全知识结构评价研究*

徐吉辉，柳月青，邹星琪

（空军工程大学装备管理与安全工程学院，西安710051）

随着军用航空装备复杂性、安全性的提升，对广大机务维修人员安全知识结构提出了更高的要求。以某机务部队现状为依据，研究航空机务维修人员安全知识结构评价问题。利用工作分析法对航空机务维修人员的工作进行了深入分析，建立了航空机务维修人员安全知识结构指标体系，通过构建基于熵权的改进BP神经网络模型对建立的知识体系结构进行评价。以某单位实际调研数据为基础，利用MATLAB仿真实现了模型的训练和测试，对机务维修人员的安全知识结构进行量化分析，为机务人员的安全知识能力培养提供决策依据和参考。

军用航空机务维修，安全知识结构，改进BP神经网络，工作分析，熵权

0 引言

进入新世纪以来，世界军事强国始终将武器装备的发展建设放在重要位置。越来越多的高新技术复杂装备被投入到使用当中，尤其是包括飞机在内的航空装备，更是先进技术、复杂工艺的代表。伴随着武器装备复杂性的不断提升，对装备自身的安全性要求也大幅提高。特别是对于航空机务维修人员，其地面的维修保障工作将直接影响航空装备的训练、作战，甚至空勤人员的生命安全。据航空飞行事故相关统计，超过80%的维修差错均与人为因素相关［1］。因此，航空机务维修人员的能力素质水平，极大地影响航空装备的维修质量，这与其所具备的安全知识关系密切。因此，针对航空兵部队现状，为确保航空维修的质量，必须开展航空机务人员安全知识结构的研究。

BP神经网络在解决知识结构评价这类非线性评估问题方面有着很强的适用性。文献［2］针对装备维修人员保障能力评估的复杂性和随机波动性，采用了BP神经网络方法构建了装备维修人员保障能力的BP神经网络模型；文献［3］设计了基于决策树和GA-BPNN（遗传算法-BP神经网络）组合预测模型，并应用于企事业单位能力数据评价；文献［4］基于BP神经网络建立了企业人员素质综合评价模型。

本文在分析当前空军航空兵部队机务维修人员整体知识结构的基础上，结合部队实际、专家意见，设计能够全面反映航空机务维修人员安全知识结构的指标体系，并将熵权法引入到BP神经网络中，对网络进行训练和测试，从而对航空机务维修人员的安全知识结构进行更为合理的评价和分析。

1 航空机务维修人员安全知识结构指标体系的构建

1.1 工作分析方法

工作分析是指获取与工作有关的详细信息的过程。在工作分析的过程中通常要用到工作描述和工作规范两类信息。前者是关于一种工作中所包含的任务、职责以及责任的一份清单；后者是为了完成某种特定的工作所必须具备的知识、技能、能力以及其他特征的一份目录清单［5］。

工作分析［6-11］通常包括的信息为6W1H，即：

WHO：谁从事此项工作，谁负责；

WHAT：做什么，负什么责任；

WHOM：为谁做，即服务对象是谁；

WHY：为什么做，即岗位的意义、价值所在；

WHEN：工作的时间要求；

WHERE：工作的地点、环境、条件等；

HOW：如何从事此项工作，即工作的程序、规范、岗位权力。

1.2 航空机务维修人员安全知识结构

根据航空兵部队具体的工作内容和其他各个方面的工作分析，结合实际的机务维修安全知识要求，通过专家咨询，构建了如图1所示的航空机务维修人员的安全知识结构体系。

图1 航空机务维修人员安全知识结构

2 基于改进BP的航空机务维修人员安全知识结构评价

人工神经网络（ArtificialNeuralNetwork，ANN）［12-13］是由大量处理单元组成的非线性自适应动态系统，具有较强的智能处理功能，能够在不同程度和层次上模拟大脑的信息处理机理。人工神经网络，是把结构和算法统一为一体的系统，可以看作是硬件和软件的结合体［14］。

2.1 基于熵权的权重确定

评价指标权重作为影响综合评价准确性的重要因素，是进行综合评价的重要内容。熵权法，是利用评价指标所包含的信息量的大小来确定其权重。与传统主观赋权法相比，极大地减少了赋权过程的人为干扰，使得权重计算结果可信度更高，与实际情况的吻合度更高。熵（Entropy）［16］是系统无序度的量度，熵越小，表明指标的不缺性程度越小，此时提供指标提供的信息量越大，权重越大。

2.2 航空机务维修人员安全知识结构评价

通过建立完备合理的评价指标体系，利用BP神经网络模型进行学习与训练，从而对航空机务维修人员安全知识结构进行评价，力求摆脱人为主观因素，充分利用专家的知识和经验，对机务维修人员的能力素质作出合理评价及分析。

基于改进BP的航空机务维修人员安全知识结构评价，首先确定BP神经网络的结构，包括网络的输入、隐含层及其单元数、输出等。准确确定网络层次与各层神经元数，是影响神经网络模型的关键因素。以隐含层所包含的神经元数为例进行说明，如果隐含层层神经元个数过少，则训练出的网络所包含的信息较少，反之，则神经网络需要较长的训练时间。实践表明，三层BP网络有着较强的可用性［3］。因此，本文构建的改进BP网络模型包含了一个输入层、一个隐含层和一个输出层。

2.2.1 输入层单元数的确定

在利用工作分析法构建航空机务维修人员安全知识结构指标体系的基础上，本文将指标体系三层的32个因素作为神经网络的输入，并对其进行量化处理。

2.2.2 隐含层单元数的确定

确定隐含层单元数需要考虑两个因素，输入与输出层的神经元数，具体如式（1）所示。

其中m、n分别为输出与输入层的神经元数，a为1～10间的常数。

其中n为输入神经元数。

2.2.3 输出层单元数的选择

与航空机务维修人员安全知识结构评价结果相对应，其最终的评价结果为一个综合评价分数，因此，选择1个输出节点。

对安全知识结构评价问题，可以看作输入（安全知识结构的各影响指标）至输出（安全知识结构的最终评价值）的非线性映射。本文采用3层BP网络结构，输入层为基于熵权法确定的各影响因素的评价值，共32个神经元；隐含层为一层，神经元个数可根据上述公式确定，取n1=16；输出层只有一个神经元，是一个代数值，取值范围［0，1］，表示安全知识结构的综合评价结果。输出层分值越低，说明能力素养越差；反之，分数越高，说明能力素养越强。模型的解算分析，可以通过Matlab仿真实现。

3 实例分析

本文以某航空兵单位机务维修人员安全知识结构的评价为例，说明BP网络模型应用的有效性。现对某单位20名机务维修人员，根据其各自的业务考核成绩、相关法规考试成绩、实际操作水平，日常安全行为心理等方面，由相关的安全领域专家对各人员安全知识结构指标进行打分，评价值如下页表1所示。

①计算指标权重。根据表1中专家对20个评价对象不同指标的评价值，由式（1）、式（2）计算出各评价指标的熵权，结果如下：

②选取共有20个安全知识结构的相关数据作为训练样本和检测样本（前15个样本作为训练样本，后5个作为测试样本），输入样本后利用本文所建立的基于熵权的改进BP网络模型进行学习，当误差EAV满足预先设定的要求时，系统停止学习，此时的权值矩阵与阀值向量固定下来。

通过MATLAB仿真计算，选择前15个为训练样本，后5个为测试样本，并选择相应的目标数据。设置阈值在0.49～0.71之间（注：0.5代表一般，0.7代表较好）。设定训练过程的精度为0.000 01，训练次数为5 200次。经过运算后，训练结果如第35页表2所示，它们与期望的输出非常接近；对未经训练的5个测试样本的仿真评价结果与专家评价结果如表3所示。

图2 仿真结果输出

图2中5个圆圈表示模型给出的预测结果。从表3可以看出，16～20这5个检测样本输入模型后所得的输出结果与专家评价结果基本相符，综合评

分的排序与专家评价结果一致，满足要求。因此，用于航空机务维修人员安全知识结构评价的人工神经网络模型已经学习训练成功，可以用此模型进行能力评价，为机务人员的能力培养提供决策依据。

表1 机务维修人员安全知识结构评价表

表2 学习结果

表3 测试结果及排序

4 结论

本文基于熵权对传统BP神经网络算法进行了改进，以某机务部队现状为依据，研究航空机务维修人员安全知识结构评价问题。构建了航空机务维修人员安全知识结构的改进BP神经网络模型。结果表明，本文所构建的改进BP神经网络模型评价航空机务维修人员的安全知识结构具有一定可行性，通过应用熵权法确定指标权重克服了主观因素的干扰。模型通过一定学习样本的训练，能够有效评估航空机务人员的安全知识水平，从而对维修人员的安全知识结构进行量化分析，为部队机务人员安全知识方面的培养和提高提供依据和参考。

［1］张圣元，杨文杰.航空机务维修差错的分析及预防措施［J］.西安航空技术高等专科学校学报，2011，29（1）：3-5.

［2］王学智，刘罕杰，孙正民.基于BP神经网络的装备维修人员保障能力评估［J］.四川兵工学报，2010，31（4）：4-6.

［3］梁栋，张凤琴，陈大武，等.一种基于决策树和遗传算法-BP神经网络的组合预测模型［J］.中国科技论文，2015，10（2）：169-174.

［4］黄岳，董常亮，李树丞.基于BP神经网络的企业人员素质综合评价模型研究［J］.现代管理科学，2008（5）：96-99.

［5］许玉林，付亚和.人力资源管理技术解决方案［J］.中小企业管理与科技，2007（2）：61-70.

［6］王强.企业HR的基础职务分析与职务说明［J］.中国中小企业，2002（2）：56-58.

［7］姜彦平.工作分析的关键流程［J］.企业改革与管理，2007（11）：62-63.

［8］王凌峰.国外代表性工作分析方法简评与改进思路［J］.科技创业，2010（1）：112-114.

［9］黄培伦，岳渊.基于业务流程的工作分析方法及应用［J］.科技与管理，2005（2）：137-139.

［10］胡继忠.例谈“6W”法在区域地理教学中的应用［J］.教育与教学研究，2012，9（9）：104-107.

［11］赵利肖.基于胜任力的工作分析对员工招聘的影响［J］.郑州航空工业管理学院学报，2012，10（5）：96-99.

［12］沈春明，栗兴华，轩大洋.BP神经网络在安全评价中的应用［J］.工业安全与环保，2008，34（11）：59-60.

［13］单潮龙，马伟明，黄可荣，等.BP人工神经网络的应用及其实现技术［J］.海军工程大学学报，2000（4）：16-21.

［14］可荣博，王铁宁，宋宁波.基于遗传BP神经网络的器材需求预测［J］.火力与指挥控制，2015，40（6）：99-102.

［15］张士昌，孙健全.基于神经网络理论的矿井安全管理评价［J］.煤矿安全，2003，34（10）：53-55.

［16］李习彬.熵-信息理论与系统工程方法论的有效性分析［J］.系统工程理论与实践，2000，14（2）：38-40.

［17］杜栋，庞庆华，吴炎.现代综合评价方法与案例精选［M］.北京：清华大学出版社，2008.

Study on Evaluation of Safety Knowledge Structure on Military Aviation Maintenance Personnel

XU Ji-hui，LIU Yue-qing，ZOU Xing-qi
（School of Equipment Management&Safety Engineering，Air Force Engineering University，Xi’an 710051，China）

The improvement of complexity and security on military aviation equipments puts forward higher requirements to the safety knowledge structure of maintenance personnel.In terms of the current conditions of maintenance units，the paper considers the evaluation of safety knowledge structure on aviation maintenance personnel.Researching the work of aviation maintenance personnel with the use of job analysis，the paper establishes the index system of safety knowledge structure and conducts the evaluation on it by constructing an improved BP neural network model based on entropy. On the basis of the actual research，the paper conducts model training，testing and quantitative analysis on the maintenance personnel safety knowledge structure by the use of MATLAB，to provide the basis of decision-making and references for the cultivation on maintenance personnel.

military aviation maintenance，safety knowledge structure，improved BP neural network，job analysis，entropy

TP391.9；X913.4

A

1002-0640（2016）12-0031-05

2015-11-05

2015-12-17

国家自然科学基金（71401174）；国家社会科学基金资助项目（14GJ003-173）

徐吉辉（1974-），男，山西闻喜人，博士，教授。研究方向：国防采办与项目管理。