基于BP神经网络的航空维修保障评估分析

王颖

摘 要：本文利用统计数据得到速度和精度符合要求的BP神经网络，详细的设计了用于评估维修保障系统能力的BP神经网络模型，并利用MATLAB软件对结果进行了计算和分析，并对其结果和多种分析方法对照，得到BP神经网络模型具有更精确的预测效果。

关键词：BP神经网络；维修保障系统；MATLAB

1引言

维修保障能力的评估包含许多不确定因素，在这些因素中，有定量的也有定性的。这些因素与装备维修保障能力之间存在着复杂的非线性关系。神经网络理论的迅速发展，特别是BP神经网络在解决相互关系复杂的模式识别、专家系统等领域有着十分重要的应用。本文应用BP神经网络模型对装备保障能力进行评估，探讨BP神经网络在该领域的应用，并与其他多种方法对比分析，以验证BP具有良好的预测效果。

2 维修保障能力评估体系

2.1保障能力评估方法

层次分析方法对维修保障能力评估也有较好的效果，但对比与神经网络而言，后者更有优势。层次分析方法在对航空维修能力研究分析的基础上，结合民航维修理论，设置必要的参数，基于层次分析法将评估分为若干层次，对同一层次的参数进行比较，建立判别矩阵，计算各要素所占维修总体的权重。针对航空维修机构的维修能力，建立一套合理的、与航空维修相符的评估决策体系。

2.2 设备状态维修

设备状态维修是相对于事后维修和预防维修而提出的，是以状态监测和故障诊断技术为手段，以设备的实际技术状态为基础的设备维修管理，即根据设备的日常监测、定期检查、状态监测和诊断提供的信息，经统计分析处理，判断设备的劣化程度，在设备出现了明显劣化后而实施的维修策略。设备状态维修中的“状态”是指设备的技术状态、工艺的上机状态和产品的质量状态，同时强调上述三个状态的动态结合和辩证统一。

在神经网络中，信息的存储和计算都是通过数据在网络中的流动来完成的。在数据的流动过程中，每个神经元从与其相连的神经元处接收输入数据流的形式传送到与其相连的其他神经元中去。

2.3评价指标内容选取

根据相关的知识，将维修保障评价体系分为保障对象、人力资源、保障设备、保障设施、技术资源、航材资源六个方面，装备维修保障能力的计算从自身性能出发，至于由战争进程造成的消耗、损失以及能力的下降，不在此指标体系的考虑范围内。建立的维修装配保障评估体系由6个一级评价指标和15个二级指标。

2.5设计维修保障的BP神经网络

运用BP神经网络模型的方法，对维修保障系统进行设计，设计其维修保障模型。

（1）输入层、隐含层、输出层的设计

输入层的向量的个数为影响因素个数，针对上述设计的维修评价体系中的各指标量，其输入层的神经元个数为16个。输出层表示维修保障系统的能力值，节点数为1。隐含层节点数的选取没有明确的方法，可以根据经验来选取，选取中间隐含层神经元个数为5个，得出装备无维修能力评估模型：

（2）学习速率、初始权值、目标精度选取

学习速率是训练过程中的重要因子，决定每一次循环的权值的变化量。可以在误差率经过快速下降后，将学习速率变慢，从而增加BPNN的稳定性。在MATLAB中可以利用代碼，定义一个变动的学习速率。初始权值选取对于输出结果是否最接近实际，是否能够收敛，学习时间的长短等关系很大。目标精度是确定神经网络的精度标准，当误差达到目标精度要求后停止运算。

（3）学习样本归一化处理

根据有关实际数据和专家评定结果，确定学习样本和目标矩阵。对于指标要进行归一化处理。

3 BP神经网络MATLAB实现

其中工作内容有：学习样本矩阵、目标输出矩阵、待评估矩阵的输入，BP神经网络模型代码的设计，输入初始量，目标矢量等。由MATLAB得到矩阵的方针结果是：A= 0.8457，它表示在16个一级指标能力值分别为待评估矩阵所给定值时，该维修保障系统的能力值是0.8457。由MATLAB输出神经网络训练图。

利用神经网络分析上述样本训练数据的线性回归模式，在很多的预测数据中，数据不一定是纯线性的，或者不一定是纯非线性的，这样的数据信息，我们可以利用MATLAB将BP神经网络数据进行回归线性分析来预测数据。

参照文献并结合各文献实例分析得到，神经网络模型实例，具有运算速度快，容错能力强，自学能力强等特点。实际应用表明，该方法能较好地模拟专家评价之全过程，有机地结合了知识获取、专家系统和模糊推理功能，因而具有广泛的应用前景。

参考文献：

[1] 贾跃，赵学涛，林贤杰，等. 基于 BP 神经网络的鱼雷作战效能模糊综合评估模型及其仿真[J].兵工学报，2009，30（ 9） ：1232 -1235.

[2] 陈恬，孙健国，郝英.基于神经网络和证据融合理论的航空发动机气路故障诊断[J].航空学报.2006，27（6）：1014-1017.endprint