基于BP神经网络的导航装备战损等级评定

基于BP神经网络的导航装备战损等级评定 您的论文得到两院院士关注软 件 天 地文章编号:1008-0570(2009)08-1-0221-02 基于神经网络的导航装备战损等级评定BP Damaged Grade Based on BP Neural Navigation Equipment Network (空军工程大学)胡海峰 雷志雄 杨 光 HU Hai-feng LEI Zhi-xiong YANG Guang 为更快更准确地评定战损等 摘要新 型导航装备结构功能的复杂化 使得传统方法在评定其战损等级时难度进一 步 增 加 : , 。 级本文分析了导航装备战损等级影响因素 并 利 用 网络建立了战损等级评定神经网络模型 最后采用改进的 算 法 进, , BP , BP 行 了 网 络 训 练 训练测试结果明 该模型用于导航装备具有较高的准确度和可靠性 并且能够有效缩短评定时间 。 , , 。关键词神经网络导航装备损伤等级算法 : BP ; ; ; BP 中图分类号文献标识码: E920 : A Abstract: Because of the complexity of new navigation equipments ’ structure and functiothen, traditional methods have more difficult in assessing their battlefield damageleve l. For faster and more accurately assessingbattle damage leve l, the paper analyzed the fac- tors that affect the level of battlefield damage, and to make BPuse established of a network battle of damaged grading neural ne t- - work modellast, trained this network modelwith modified BP algorithm. Training test results that show the model usedfor navigation equipment hashigh accuracy andreliabilit y, and can effectively shortenthe time for assessment. Key words: BP neural network; Navigation equipment; Damagedgrade; BP algorithm 威胁落角不同，弹片的空间分布冲击波的传播方向和作用 。、π/2] 引言形式等都会有所不同，导航装备的损伤形式与程度也随之不同; 面对战场繁重的抢修任务，快速评定战损等级，可以迅速 电磁强度()。主要反映电磁武器对导航装备的干扰程度X 5确定抢修地域并明确任务分工，从而实施快速有效的战场修 与对电子器件的毁伤程度。复。随着新型导航装备功能结构日益复杂化，传统评定方法逐 () 装备因素。主要是指导航装备所处状态的防护能力2渐暴露出评定慢效率低等问题，难以做到快速适时评定战损 、()。导航装备在不同的状态下，其防护能力是不同的，例如导 X6等级，必将严重影响战伤装备修复的进程，进而影响导航保障 航装备在工作、待机、关机状态下，受到电磁脉冲的作用影响是 质量导致战机贻误，亟需寻求一种新的等级评定方法。近年来， 神经网络理论以其强大的功能日益受到人们广泛关注，军械工 不一样的。 ()环境因素。对于导航装备而言，环境因素主要指导航装 程学院石全等将神经网络用于评定火炮等武器装备战损等级， 3 备的工作环境()，在常温、高温、严寒、潮湿等环境下导航装 X取得了较好的效果。鉴于导航装备自身的特殊性，其战损等级 7备的损伤程度也会产生差别。 与战场影响因素之间存在着一种非线性映射关系，可将战损等 级评定视为非线性复杂问题。神经网络作为目前解决非线 BP 基于 神经 网络 的 导 航 装 备 战 损 2 BP 性复杂问题的常用方法之一，具有决断速度快、准确度高等优 等级评定建模 点，理论上可用其解决导航装备战损等级评定难题。 神经网络是一种三层或三层以上的前馈型神经网络， BP 一般由输入层隐含层和输出层组成，包括节点作用函数模型 、、 节点输出模型、误差计算模型和权值调整模型。样本输入后，经 导航装备战损等级影响因素分析1 隐含层处理传向输出层，若输出层的实际输出与期望输出(评 导航装备战损等级影响因素主要包括威胁因、素装备因素分值)不符，则不断调整网络权值以使误差减小到可接受范围。 以及环境因素三个方面考虑各影响因素应该具有不相关且能 。依据导航装备战损等级影响因素，将输入层 设个节点表示影 7 够提取的特点，将这三种影响因素细化为: 响因素;输出层设 个节点表示导航装备损伤程度的评估值;1 ()威胁因素。主要包括:弹药类型()。目前弹药种类繁 1XI 采用 个隐含层表示影响因素与战损等级之间映射关系，其节点 1 多，其损伤机理各异，对导航装备造成的破坏程度不同，如穿甲 个数由经验公式()确定为 个。根据神经网络建模原理与 j=2i+115 弹、空爆榴弹、电磁脉冲弹等;方法，建立导航装备战损等级评定神经网络模型如图 所示。1 作用方式()。主要是指导致导航装备损伤的破片、冲击 X2()作用函数模型。作用函数是反映模型中各层输入对输 1振动、电磁脉冲等方式; 出节点刺激脉冲强度的函数。这里选取()内连续 函 0,1Sigmoid 炸点距装备中心的距离()。一般情况下，炸点距离越近， X-x3数为模型作用函数:f (x)=1/(1+e) 导航装备毁伤程度越大; ()节点输出模型隐含层节点输出模型:;输出 。?2Y=f(ΣvX)jij i威胁落角()。即炮(导)弹与地面的夹角，取值范围在，X[0 4层节点输出模型:?O= f(ΣwY) kjk j ()误差计算模型反映实际输出与期望输出误差的大小， 。3胡海峰硕士: - -邮局订阅号82-946 360 元 / 年 ,221 《PLC 技术应用 200 例》 ( 测控自动化) 2009 年第 25 卷第 8- 微计算机信息期《》1 软 件 天 地 用于检验模型是否达到精度，这里选取网络误差的均方根 表 某型导航装备战损等级评定 神经网络训练样本 2 BP 作为模型的总误差式中 表示样本 时节点 的期望 。ETp k RME pk 值，表示此时的实际值。O pk ()权值调整模型。根据 网络权值调整计算公式，推导 5BP 出权值调整模型为 iïï ? D v =h T – O O 1 –O w Y 1–Y X ()()(): ïij k jk jj i íï ? D w = h (T– O) O (1– O) Y $ : ïjk k k k k jïî 式中，η?(0，1)表示比例系数，反映学习效率Y;表示隐节 j 点 的实际输出;表示输出节点 的期望输出;表示输出 j Tk Ok k 节点 的实际输出。k 程序实现及测验3.1 本文采用 作为程序开发平台，编制模型程序。 MATLAB7.1 取 ，，设为 ，实际误差小于 时学习结 η=0.6α=0.8Ε0.0060.006 RME 束。选取表 中前 个样本作为网络学习样本，后 个样本作 2 30 6 为检验样本，分别采取标准 算法、加入动量项、变步长法和 BP 两者相结合的方法进行网络训练。在网络训练结束后，由于学习 样本误差小于设定参数，已满足误差要求，只需对未参加训练的 样本进行测试，以检验模型的准确性。测验结果如表 所示。3 图 导航装备战损等级评定神经网络模型 表 基于三种 算法的神经网络模型测试结果 1 3 BP 技在具体计算过程中上述标准 算法易形成局部极小而得 BP 不到全局最优训练次数过多收敛速度慢等问题，需要进一步 、、 术 改进权值调整模型，常用的两种方法如下: 加入动量项在每个加权调节量加上一项正比于前次权 。a, 创值变化量的值调节公式为: 。i ïï ?:D v(t+1)=h[(T–O)O(1–O)w ]Y (1–Y)X + a Dv(t) ï ijk k kk jk jj i ijï新 íï $?:Dw (t +1)= h(T–O)O(1–O)Y+ a D w (t ) ï jk k k kk j j k jïîï 式中，表示动量系数，取值范围，。 结果分析 α [01]3.2 变步长法。步长 越大，权重变化越快，收敛速度也就越 从表 测试结果可以看出，采用标准 算法得到的结果 b,η 3 BP 快。在训练中将学习误差 与上次学习误差 比较，若连 还存在着一定误差;采用加入动量项与变步长相结合得到的测 EE()RME t+1RME (t)续出现 ，应减小步长;若连续出现 ，应 试结果精度较高，能够较好地反映导航装备实际损伤等级，并 E>EE