本站小編為你精心準備了神經(jīng)網(wǎng)絡的飛機使用決策參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《機械設計與制造工程雜志》2014年第六期

1評估體系建立

1．1評估指標選擇在滿足任務需求的基礎上，影響飛機堪用度的主要因素有剩余壽命、定檢、航材保障、有壽機件等因素［3］，另外還要考慮機群飛機梯次使用狀況。本文綜合考慮以上因素，整合出飛行小時剩余壽命、日歷剩余壽命、梯次使用、航材供應和定期工作等5個評估指標。a．飛行小時剩余壽命。飛行小時剩余壽命是指各飛機階段計劃使用時數(shù)的剩余時數(shù)，是飛機使用依據(jù)的基本數(shù)據(jù)，機隊飛機使用時一般都嚴格按照計劃執(zhí)行，不應該超出階段計劃飛行時間。根據(jù)每架飛機的階段計劃飛行時間和實際飛行時間，b．日歷剩余壽命。日歷剩余壽命主要反映飛機在使用過程中由于不當?shù)木S護活動、環(huán)境腐蝕引起的結構疲勞、品質下降是否達到臨界值。日歷壽命到壽的飛機應該立即停飛，進行相應的檢修。在考慮飛行小時壽命的同時，還要綜合日歷壽命，合理安排飛機的使用，使飛行小時壽命和日歷壽命損失最小。根據(jù)每架飛機的日歷剩余壽命和總飛行小時剩余壽命，令:c．航材供應。航材的供應直接影響飛機的完好率，質控部門根據(jù)飛機狀況和有壽機件到壽情況制定航材請領計劃，由航材部門保障航材供應。根據(jù)每架飛機的航材供應情況，令:d．梯次使用。飛機梯次使用是指機庫各架飛機距離各項定檢工作(C檢及C檢以上級別檢查)的飛行時間互相間保持一定的差距，成梯次排列使用，目的是分散各飛機的定檢時機，最大限度地提高飛機在隊率。在飛機機庫檢修條形圖中(如圖1所示)，用平均定檢剩余時間50%標準線作為理想的飛機剩余時間梯次排列趨勢線，剩余時間在標準控制線之上，距離為正值;在控制線之下，距離為負值。為提高飛機定檢剩余時間按梯次排列的程度，距離大的飛機應多飛，距離小的飛機應少飛。令:e．定期工作。定期工作主要是指飛機各級定檢(主要是C檢及C檢以上級別檢查)、換發(fā)和更換有壽機件等工作，是飛機維護計劃的重要部分，各項工作要按照要求和計劃嚴格執(zhí)行。

1．2綜合評價體系結構根據(jù)以上選取的各項評估指標，建立如圖2所示的飛機堪用度評估體系。

2BP神經(jīng)網(wǎng)絡設計

2．1輸入層、隱含層、輸出層的設計［4］對于機隊飛機堪用度的綜合評估應當依據(jù)其確定的評估指標作為輸入層因素，這里選用飛行小時剩余壽命、日歷剩余壽命、航材供應、梯次使用、定期工作作為輸入層節(jié)點，輸入單元數(shù)為5。輸出層表示飛機堪用度的綜合評價值，節(jié)點數(shù)為1。隱含層節(jié)點數(shù)的選取還沒有明確的方法，可以根據(jù)經(jīng)驗來選取，由于輸入層節(jié)點數(shù)為5，輸出層節(jié)點數(shù)為1，選取中間隱含層節(jié)點數(shù)為3。建立的BP神經(jīng)網(wǎng)絡模型如圖3所示。

2．2學習步長、初始權值、目標精度的選取學習步長是在學習過程中對權值的修正量，與網(wǎng)絡的穩(wěn)定性有關。步長過短，則學習效率低，步長過長，則網(wǎng)絡穩(wěn)定性差。學習步長取為0．02。初始權值選取對于輸出結果是否最接近實際及是否能夠收斂、學習時間的長短等影響很大。由于MATLAB仿真軟件會根據(jù)初始化函數(shù)自動生成相應的初始權值和閾值，故這里不用考慮。目標精度是確定神經(jīng)網(wǎng)絡的精度標準，當誤差達到目標精度要求后，網(wǎng)絡停止訓練。

3基于MATLAB仿真軟件的實例分析

在BP神經(jīng)網(wǎng)絡的分析和設計中，會涉及大量的計算問題，MATLAB仿真軟件的使用為神經(jīng)網(wǎng)絡的計算帶來了極大的便利，本文將應用MATLAB仿真軟件對所建立的BP神經(jīng)網(wǎng)絡模型進行求解［5］。在此選定用于訓練的8組樣本數(shù)據(jù)建立學習樣本矩陣和目標輸出矩陣，選擇一組檢驗數(shù)據(jù)建立待評估矩陣。a．學習樣本矩陣、目標輸出矩陣、待評估矩陣的數(shù)據(jù)輸入。b．BP神經(jīng)網(wǎng)絡模型程序代碼設計。c．結果輸出。對應待評估矩陣的仿真結果值為:Y=0．5347，表明待評估飛機堪用度值為0．5347，經(jīng)和樣本集進行比較，數(shù)據(jù)可信。輸出圖形為BP神經(jīng)網(wǎng)絡訓練圖，如圖4所示。從圖中可以看出，訓練仿真到64次時，達到設定的目標精度，訓練停止。

4結束語

本文運用BP神經(jīng)網(wǎng)絡建立了飛機堪用度評估決策模型，MATLAB仿真表明本模型收斂速度快、評估結果可信度高，較好地解決了機群飛機的使用決策問題。另外BP神經(jīng)網(wǎng)絡是通過學習和訓練找出輸入與輸出的內在聯(lián)系，從而求取問題的解，訓練樣本越多，越能發(fā)揮神經(jīng)網(wǎng)絡的學習、聯(lián)想和容錯能力，因此在實際使用中可以持續(xù)增加樣本對其進行訓練改進。

作者：程新張乾單位：哈爾濱飛機工業(yè)集團客戶服務部 空軍航空大學飛行器與動力系