总第２８８期 计算机与数字工程 Ｖｏ１．４１ Ｎｏ．１０ ２０１３年第１Ｏ期 Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ １５７９ 装备维修保障模型适用性的评价方法 倪祥龙王广彦白永生王哲 （军械工程学院石家庄０５０００３） 摘要针对装备维修保障分析中模型选择缺乏考虑模型适用性的问题，论文提出一种评价模型适用性的方法。从模型的输人、输出 和模型本身三个不同的角度，分别研究数据的可采集性、结果的不确定性和模型的成熟度，得到装备维修保障模型适用性评价的决断图。该 方法有助于在维修保障分析中选取适用性更好的装备维修保障模型。 关键词模型适用性；可采集性；不确定性；成熟度 中图分类号Ｅ９２ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ１６７２～９７２２．２０１３．１０．０１０ Ｅｖａｌｕａｔｉｏｎ Ｍｅｔｈｏｄ ｏｆ Ｅｑｕｉｐｍｅｎｔ Ｍａｉｎｔｅｎａｎｃｅ Ｓｕｐｐｏｒｔ Ｍｏｄｅｌ Ａｐｐｌｉｃａｂｉｌｉｔｙ ＮＩ Ｘｉａｎｇｌｏｎｇ ＷＡＮＧ Ｇｕａｎｇｙａｎ ＢＡＩ Ｙｏｎｇｓｈｅｎｇ ＷＡＮＧ Ｚｈｅ （Ｏｒｄｎａｎｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｌｌｅｇｅ，Ｓｈ￣ｉａｚｈｕａｎｇ ０５０００３） Ａｂｓｔｒａｃｔ Ｌａｃｋ ｏｆ ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｍｏｄｅｌ ａｐｐｌｉｃａｂｉｌｉｔｙ ｉｎ ｅｑｕｉｐｍｅｎｔ ｍａｉｎｔｅｎａｎｃｅ ｓｕｐｐｏｒｔ ａｎａｌｙｓｉｓ，ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｉｓ ｐｒｏｂｌｅｍ，ａｎ ｅ— ｖａｌｕａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｍｏｄｅｌ ａｐｐｌｉｃａｂｉｌｉｔｙ ｉｓ ｐｒｏｐｏｓｅｄ．Ｐａｐｅｒ ｒｅｓｅａｒｃｈ ｔｈｅ ｄａｔａ ｃｏｌｌｅｃｔａｂｉｌｉｔｙ ｆｒｏｍ ｍｏｄｅｌ ｉｎｐｕｔｓ，ｓｔｕｄｙ ｏｎ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｒｅ— ｓｕｌｔｓ ｆｒｏｍ ｍｏｄｅｌ ｏｕｔｐｕｔｓ，ａｎｄ ｅｘｐｌｏｒｅ ｔｈｅ ｆｅａｔｕｒｅｓ ｏｆ ｍｏｄｅｌ ｍａｔｕｒｉｔｙ ｌｅｖｅｌｓ．Ｆｒｏｍ ｔｈｅ ｔｈｒｅｅ ｄｉｆｆｅｒｅｎｔ ｐｏｉｎｔｓ，ａｐｐｌｉｃａｂｉｌｉｔｙ ｅｖａｌｕａｔｉｏｎ ｄｅｃｉｓｉｏｎ ｄｉａｇｒａｍ ｏｆ ｅｑｕｉｐｍｅｎｔ ｍａｉｎｔｅｎａｎｃｅ ｓｕｐｐｏｒｔ ｍｏｄｅｌ ｉｓ ｇｉｖｅｎ．Ｔｈｉｓ ａｐｐｒｏａｃｈ ｈｅｌｐｓ ｔｏ ｓｅｌｅｃｔ ｅｑｕｉｐｍｅｎｔ ｍａｉｎｔｅｎａｎｃｅ ｓｕｐｐｏｒｔ ｍｏｄｅｌ ｗｉｔｈ ｂｅｔｔｅｒ ａｐｐｌｉｃａｂｉｌｉｔｙ ｉｎ ｍａｉｎｔｅｎａｎｃｅ ａｎｄ ｓｕｐｐｏｒｔ ａｎａｌｙｓｉｓ． Ｋａｙ Ｗｏｒｄｓ ｍｏｄｅ１ ａｐｐｌｉｃａｂｉｌｉｔｙ，ｃｏｌｌｅｃｔａｂｉｌｉｔｙ，ｕｎｃｅｒｔａｉｎｔｙ，ｍａｔｕｒｉｔｙ １ｅｖｅｌｓ Ｃｌａｓｓ Ｎ帅ｂｅｒ Ｅ９２ １ 引言 响装备维修保障分析结果的质量。 针对这些不足，文章提出一种评价装备维修保障模型 装备维修保障模型就是可以用于装备维修保障分析的 适用性的方法，该方法考虑了数据的可采集性、结果的不确 模型，即在装备整个寿命周期过程中，为满足或提高战备完 定性和模型的成熟度，有助于选取适用性好的模型。 好率和损伤恢复率，降低寿命周期费用，探索装备维修保障 规律和综合考虑装备维修保障问题时用于分析、评估、优 ２装备维修保障模型 化、权衡和决策的模型。 ２．１模型分类及特点 装备维修保障模型选择的合理与否直接影响到维修保 装备维修保障模型包括维修间隔期确定、修理级别分 障分析工作的质量。在装备维修保障分析过程中，目前还 析、修理策略决定、维修工作确定与分析、维修资源确定与 主要依靠专家经验和考虑模型准确性来选择模型。而对装 优化、ＲＭＳ分析等工作中涉及的模型，基本包含了综合保 备维修保障模型的适用性缺乏系统考虑，主要体现在如下 障模型＿１］的所有类型。由装备维修保障模型的内涵可知， 三方面： 可以从系统组成、建模目的、研究对象等角度对其进行分 １）缺乏对数据可采集性的考虑。某些模型所需输入 类，具体如图１所示。 数据的采集较困难，无法直接测得，甚至采集不到相关数 装备维修保障模型具有以下几个特点： 据，导致装备维修保障分析无法进行。 １）层次跨度大。同一模型可以在不同层次的决策中 ２）缺乏对分析结果不确定性的考虑。有些模型分析 应用，上至总部决策下至维修操作，都可能会用到相同或相 结果区问大、精度低、不确定性高，不便于辅助决策，并降低 似的维修保障模型，其区别主要是对模型的输入和输出的 了决策科学性。 要求不同。 ３）缺乏对模型成熟度的考虑。如果选用新模型，模型 ２）范围广、种类多。装备维修保障模型涉及范围广、 的科学性和应用方法有待验证，而如果选用已使用多年的 数量大、种类多，很难进行全面的研究，比较适合针对某一 模型，可能已经不适合现在的科研环境，这两种情况都会影 类进行研究。 收稿日期：２０１３年４月４日，修回日期：２０１３年５月２５日 基金项目：装备维修技术预研基金项目（编号：９１４０Ａ２７ｏ４ｏ４１１ＪＢ３４）资助。 作者简介：倪祥龙，男，硕士研究生，研究方向：维修工程理论与应用。王广彦，男，博士，讲师，研究方向：维修工程理论与应用。 白永生，男，博士，讲师，研究方向：复杂系统维修决策建模。王哲，男，硕士研究生，研究方向：通讯系统测试与故障诊断。 １５８０ 倪祥龙等：装备维修保障模型适用性的评价方法 第４１卷 国 装备模型ｌ 国 分析模型Ｉ 装 备 维 身所固有的基本属性，其含义非常明确，不需要采用专用仪 表进行测量。如装备的结构组成、生产厂家、体积、功率等 匡 匡 过程模型ｌ （Ａ）｛安系统组成分类修 保 障 模 型 固有参数，如备件的种类、价格、型号、生产厂家等固有参 数，如保障机构的编制、人数、工种、设备等固有参数。这些 属性特征量通常具有较强的稳定性，在较长时间内一般不 会发生变动。 决策模型ｌ （ｃ）按研究对象分类 （Ｂ）ｊ安建模目的分类３）工艺流程性的描述型特征量。主要针对各类业务 流程，如装备的年度维修计划、器材申领流程、装备维修工 图１装备维修保障模型的分类 艺流程等。这类特征量主要表现为文字或图形描述，通常 来说规范性较差，不便于计算机描述和信息提取。但由于 ３）相互交叉多。（１）同一模型可能属于多个研究内 容，可用于研究多个不同对象；（２）不同的模型可能有相同 （或相似）的输人或者输出；（３）不同模型的建模原理可能是 相同的。 ２．２模型应用 装备维修保障模型的作用是辅助信息分析，为维修保 一障决策和活动提供依据和参考。装备维修保障的信息分析 过程就是将采集到的各种维修保障数据作为模型输入，囹圆圆一…一 选 择合理的维修保障模型对输入数据进行加工处理，最后得 到可以用于辅助维修保障决策和活动的模型输出，即装备 维修保障知识（如图２所示）。 输入 厂ｉ 输出 从装备维修保障模型的特 茧 嵩！１日ｌ— 嚣 ｑＩ口ｌ五 目、Ｉ．Ｕ１日 什－ Ｔ－ 一茬 ｊ 图２模型使用的本质 解”情况，即有多个模型可选用。 而装备维修保障的信息分析过程又说明，装备维修保障模 型的应用，要满足输入数据可得、易得，输出结果贴近实际、 反应不确定性，模型本身成熟可用。因此，可以从数据可采 集性、结果不确定性和模型成熟度三方面研究模型适用性， 如图３所示。 一甲一 出 数据可采集性 模型成熟度结果不确定性 图３模型适用性的研究角度 ３模型输入数据的可采集性 数据的可采集性是指某特征量的表征值能否借助于相 关测量仪器、文件、资料等媒介直接获得的能力和难易程 度。若某特征量的表征值可直接采集获得，其具有最佳的 可采集性；若某特征量的表征值需要借助于模型通过多次 转化的方式间接获得，其具有较差的可采集性，转化次数越 多，其可采集性越差。 确保输入数据的可采集性是模型使用的第一步，因为 只有输入数据可得，装备维修保障分析才能进行。 ３．１可采集数据种类 装备维修保障数据的范围广，从不同角度有不同分类 方法，从测量实现方式可采集数据可分为三类： １）凭借专用仪表可测量数值的特征量。主要针对各 种装备技术状态数据，如对于长度等几何量，可采用直尺、 游标卡尺、千分尺等测量仪器；对于各种电气特征量，可采 用电流表、电压表、欧姆表等测量仪器；对于油液等流体物 质，可采用铁谱、光谱等仪器测量其污染程度。这些特征量 通常是时变的，采用专用仪表可跟踪其变化趋势。 ２）物质本身所固有的属性特征量。主要针对物质本 对某一事务描述较为完整，因此信息量也较大。 从数据测量实现方式可知，数据主要有两种途径获得， 一是由仪器测量获得，主要针对数值型数据；另一途径是由 人员描述、总结获得，主要是定性数据和经验数据。所以， 装备维修保障数据可采集性主要是受数据采集仪器设备的 影响。 ３．２数据可采集性的影响因素 装备维修保障数据的可采集性受采集设备影响，主要 体现在以下三方面： １）采集范围 装备维修保障数据的采集范围包括横向和纵向，横向 范围是指数据采集的广度，即可采集数据的种类，纵向范围 是指数据采集的精度。 也就是说，直接或间接的数据采集都受仪器设备的功 能种类约束，有些数据可由相应的仪器设备采集得到，而有 些数据目前没有相应的采集设备，便无法得到。例如，软件 作为一种相对特殊的装备，对它的故障数据的采集途径还 不够完善，某些数据没法用现有设备、方法采集得到。 同时，数据采集精度也受仪器设备精度的约束，有些数 据在相应仪器设备的采集精度范围内可由仪器采集得到， 而有些数据的精度要求超出了相应仪器设备的精度范围， 便无法得到。例如，某些装备维修保障数据需要通过超声 波检测、渗透检测、射线检测等方法ｌ２］得到，这样的数据对 精度要求高，现有仪器的精度可能达不到要求。 ２）采集部位 采集部位是指要采集的目标数据在采集装备上的位 置。采集部位影响着采集仪器设备和数据采集人员的可达 性，良好的可达性有助于数据方便采集得到，可达性差的将 会妨碍数据的采集，甚至导致采集不到。目前，数据采集可 达性差的部位主要是通过在装备生产阶段安装相应的采集 设备，但是某些装备（特别是新装备）在研制生产阶段没能 充分考虑到每一可能需要的数据，导致有些装备维修保障 数据采集不 。 ３）采集时机 有些装备状态数据的采集时机与装备的主要任务冲 突，可能是装备处于运行状态不方便采集，而非运行状态下 数据又反映不了装备状态。例如，炮弹飞出炮管瞬间炮管 的振动量和温度。 这三方面影响因素体现数据可采集性具有相对性。一 方面，数据的采集与单位配备采集仪器设备有关系，有些数 据配备了相应仪器就能采集，没有仪器就采集不了。另一 方面，相同类型的数据对于不同类型装备的可采集性也不 １５８２ 倪祥龙等：装备维修保障模型适用性的评价方法 第４ｌ卷 长必须要受到一定的限制，即模型的成长是有极限的。 较成熟了。 模型在某一领域的使用时间和有关文献的增长情况一 在选择装备维修保障模型时需要考虑模型的成熟度。 定程度上反映了该模型在这一领域使用的成熟度。运用文 相对来说，处于成长期和成熟期的模型是比较适合应用的， 献计量法＿１ ，统计领域里研究该模型的文献数量和研究内 因为这一阶段模型的使用条件、应用方法已经有了实际问 容，以及开始使用时间、被大量研究和应用时期、已有的研 题的验证。而衰退期的模型已经不再适合使用，婴儿期模 究成果等，这些都可以反映该模型的成熟度。 型的科学性还有待进一步验证，如果成长前景不好则暂不 例如，ＢＰ神经网络模型应用于维修工程，上世纪９Ｏ年 考虑。 代初相关文献还比较少，到了上世纪９Ｏ年代末和２０００年 初这方面的研究文章如雨后春笋，增长迅速，近几年这方面 ６决断图 的相关研究文献就比较少了，即使涉及到也不会再大篇幅 模型适用性的评价要综合考虑数据的可采集性、结果 的介绍其原理了，而解决实际问题过程中对其的应用却更 的不确定性和模型的成熟度三方面，每一方面的抉择过程 加普遍了，可见在维修工程领域ＢＰ神经网络模型已经比 如图７所示。 图７模型适用性评价决断图 从图７可知，只要数据可采集性、模型成熟度和结果不 Ｅ２］张耀辉．装备维修技术［Ｍ］．北京：国防工业出版社，２００８，１２ 确定性三方面的决断中有一个“不可用”，则此模型为不适 ２０７—２２５－ 用。如果三方面均为“可用”或“再考虑”，则可对几个可选 ＺＨＡＮＧ Ｙａｏｈｕｉ．Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｅｑｕｉｐｍｅｎｔ Ｍａｉｎｔｅｎａｎｃｅ［Ｍ￣． 模型的适用性进行综合评价，选取适用性较高的模型用于 Ｂｅｉｊｉｎｇ：Ｄｅｆｅｎｓｅ Ｉｎｄｕｓｔｒｙ Ｐｕｂｌｉｃａｔｉｏｎ，２００８，１２：２０７—２２５． 装备维修保障分析。 Ｅ３］赵广立，杨瑞刚，徐格宁，等．基于未确知理论的小样本数据分 析在机械可靠性中的应用ＥＪ］．中国工程机械学报，２０１０，８（４）： ７结语 ４４４—４４８． ＺＨＡＯ Ｇｕａｎｇｌｉ，ＹＡＮＧ Ｒｕｉｇａｎｇ，ＸＵ Ｇｅｎｉｎｇ，ｅｔ ａ１．Ａｐｐｌｙｉｎｇ 文章提出的评价装备维修保障模型适用性的方法，考 Ａｍｂｉｇｕｉｔｙ—－ｔｈｅｏｒｙ－ｂａｓｅｄ Ｄａｔａ Ａｎａｌｙｓｉｓ ｏｎ Ｓｍａｌｌ——ｓｉｚｅ Ｓａｍｐｌｅｓ 虑数据可采集性确保了模型的输人数据可得，分析结果的 ｆｏｒ Ｍｅｃｈａｎｉｃａｌ Ｒｅｌｉａｂｉｌｉｔｙ［Ｊ］．Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｎｓｔｒｕｃｔｉｏｎ 不确定性保证了模型的输出结果可用，研究模型成熟度确 Ｍａｃｈｉｎｅｒｙ，２０１０，８（４）：４４４—４４８． 认了分析过程可信，对模型适用性的综合评价，提高了装备 Ｅ４］石博强，肖成勇．系统不确定性的数值计算方法［Ｊ］．北京科技 维修保障分析中模型选择的合理性。 大学学报，２００３，２５（４）：３７４－３７６． ＳＨＩ Ｂｏｑｉａｎｇ．ＸＩＡ０ Ｃｈｅｎｇｙｏｎｇ．Ｎｕｍｅｒｉｃａｌ Ｃａｌｃｕｌａｔｉｏｎ ｏｆ 参考文献 Ｓｙｓｔｅｍ ＵｎｃｅｒｔａｉｎｔｙＦＪ７．Ｊｏｕｒｎａｌ ｏｆ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｂｅｒｉｎｇ，２００３，２５（４）：３７４—３７６． ［１］刘晓东，张恒喜，尚柏林．装备综合保障模型及应用综述［ｊ］．指 Ｅｓ］甘茂志，康建设，高崎．军用装备维修工程学［Ｍ］．北京：国防工 挥技术学院学报，２０１１，１２（１）：６９—７２． 业出版社，２０１０，９：１２２—１２４． ＬＩＵ Ｘｉａｏｄｏｎｇ，ＺＨＡＮＧ Ｈｅｎｇｘｉ，ＳＨＡＮＧ Ｂｏｌｉｎ．Ａ Ｓｙｎｔｈｅ— ＧＡＮ Ｍａｏｚｈｉ，ＫＡＮＧ Ｊｉａｎｓｈｅ，ＧＡＯ Ｑｉ．Ｍｉｌｉｔａｒｙ Ｅｑｕｉｐｍｅｎｔ ｓｉｚｅ Ｓｔｕｄｙ ｏｎ Ｉｎｔｅｇｒａｔｅｄ Ｌｏｇｉｓｔｉｃｓ Ｓｕｐｐｏｒｔ Ｍｏｄｅｌｓ ａｎｄ Ｉｔｓ Ａｐ— Ｍａｉｎｔｅｎａｎｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｄｅｆｅｎｓｅ Ｉｎｄｕｓｔｒｙ Ｐｕｂ— ｐｌｉｃａｔｉｏｎＥＪ］．Ｊｏｕｒｎａｌ ｏｆ Ｉｎｓｔｉｔｕｔｅ ０ｆ Ｃｏｍｍａｎｄ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ｌｉｃａｔｉｏｎ，２０１０，９：１２２—１２４． ２Ｏ１１，１２（１）：６９－７２． （下转第１５９５页） ２０１３年第１０期 计算机与数字工程 １５９５ ＸＵ Ｈａｉｃｈｅｎｇ．Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｃａｌｃｕｌａｔｉｎｇ ｏｆ Ｃｏｍｐｒｅｓｓｏｒ ｉｎ Ｔｕｒｂｏ－ｃｈａｒｇｅｒ Ｓｅｔ Ｂａｓｅｄ ｏｎ ＢＰ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ［Ｊ］．Ｃｏｍｐｕｔｅｒ ａｎｄ Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１１，３９（６）：１８—２０． ：＿＿鸷驾臻毖 二器龇 ” ［４］黄流军．基于神经网络的压气机特性的计算［Ｊ］．柴油机设计与 制造，２０１０，１６（４）：２２—２５，４３． ［５］赵冬来，冯永明，费景洲，等．基于ＢＰ和Ｅｌｍａｎ神经网络的压 气机特性的计算［Ｊ］．燃气轮机技术，２０１２，２５（２）：３２—３６，５８． 相对误差 ＺＨＡ０ Ｄｏｎｇｌａｉ，ＦＥＮＧ Ｙｏｎｇｍｉｎｇ，ＦＥＩ Ｊｉｎｇｚｈｏｕ，ｅｔ ａ１．Ｃａｌ— ｃｕｌａｔｉｏｎ ｏｆ Ｃｏｍｐｒｅｓｓｏｒ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｂａｓｅｄ ｏｎ ＢＰ ａｎｄ Ｅｌｍａｎ 图５不同数据选取方法下预测误差比较 从图３～图５可以看出，在网络结构和传递函数相同的 情况下，训练数据的均匀顺序选择情况下的ＢＰ神经网络 训练迭代次数更高，而且预测结果相对误差可以达到±０． Ｏ３ ，相比于随机选择情况下的学习误差为土０．２ 上能达 Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ［Ｊ］．Ｇａｓ Ｔｕｒｂｉｎｅ Ｔｅｃｈｎｏｌｏｇｙ，２０１２，２５（２）：３２— ３６，５８． ［６］王志涛，李淑英，谭智勇．基于ＢＰ和ＲＢＦ神经网络压气机特性 曲线拟合方法的研究［Ｊ］．汽轮机技术，２００９，５１（２）． ＷＡＮＧ Ｚｈｉｔａｏ，ＬＩ Ｓｈｕｙｉｎｇ，ＴＡＮ Ｚｈｉｙｏｎｇ．Ｃｏｍｐａｒｉｎｇ Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｆｉｔｔｉｎｇ Ｍｅｔｈｏｄ ｏｆ Ｃｏｍｐｒｅｓｓｏｒ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｃｕｒｖｅ 到更优水平值，体现了更好的泛化能力。 ５ 结语 本文运用ＢＰ神经网络对燃气轮机压气机特性进行仿 真计算，并针对提高神经网络泛化能力，选用Ｍａｔｌａｂ数据 分类函数ｄｉｖｉｄｅｉｎｔ进行对正常训练用数据、变量数据、测试 数据进行均匀顺序选择，计算结果表明，均匀顺序选取数据 情况下的ＢＰ神经网络具有更高的学习精度和更好的泛化 能力，从而对压气机特性回归精度更高。 参考文献 Ｂａｓｅｄ ｏｎ ＢＰ ａｎｄ ＲＢＦ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ［Ｊ］．Ｔｕｒｂｉｎｅ Ｔｅｃｈｎｏｌｏ— ｇＹ，２００９，５１（２）． ［７］冯凤珍，孙允标，余又红．基于神经网络的压气机特性计算新方 法［Ｊ］．计算机与数字工程，２００４，３２（６）：４５—４７． ＦＥＮＧ Ｆｅｎｇｚｈｅｎ，ＳＵＮ Ｙｕｎｂｉａｏ，ＹＵ Ｙｏｕｈｏｎｇ．Ａ Ｎｅｗ Ａｐ— ｐｒｏａｃｈ ｏｆ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｍａｐ Ｃａｌｃｕｌａｔｉｎｇ ｏｆ Ｃｏｍｐｒｅｓｓｏｒ Ｂａｓｅｄ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ［Ｊ］．Ｃｏｍｐｕｔｅｒ ａｎｄ Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２００４，３２（６）：４５—４７． ［８］费景洲，赵东来，冯永明．压气机特性的高斯变换多层感知器预 测方法［Ｊ］．哈尔滨工程大学学报，２０１２（８）：９９６—１０００． ＦＥＩ Ｊｉｎｇｚｈｏｕ。ＺＨＡ０ Ｄｏｎｇｌａｉ，ＦＥＮＧ Ｙｏｎｇｍｉｎｇ．Ｃｏｍｐｒｅｓｓｏｒ ｐｅｒｆｏｒｍａｎｃｅ ｍａｐ ｐｒｅｄｉｃｔｉｏｎ ｗｉｔｈ ａ ｍｕｌｔｉｌａｙｅｒ ｐｅｒｃｅｐｔｒｏｎ ｎｅｕｒａｌ Ｅ１］ＫＡＬｏＧＩＲ０Ｕ ｓ Ａ．Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｓｏｌａｒ－ｓｙｓｔｅｍ ｕｓｉｎｇ ａｒｔｉｆｉ— ｃｉａｌ ｎｅｔｗｏｒｋ ａｎｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ［Ｊ］．Ａｐｐｌ Ｅｎｅｒｇ，２００４，７７ （４）：３５５—３６３． ｎｅｔｗｏｒｋ ｂａｓｅｄ ｏｎ Ｇａｕｓｓｉａｎ ｔｒａｎｓｆｏｒｍａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｈａｒ— ｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，２０１２（８）：９９６—１０００． ［２］魏海坤．神经网络结构设计的理论与方法［Ｍ］．北京：国防工业 出版社，２００５：４２—６Ｏ． ＷＥＩ Ｈａｉｋｕｎ．Ｔｈｅ ｔｈｅｏｒｙ ａｎｄ ｍｅｔｈｏｄ ｏｆ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｓｔｒｕｃ— ［９］朱凯，王正林．精通ＭＡＴＬＡＢ神经网络［Ｍ］．北京：电子工业出 版社，２０１０：１９３—２２４． ＺＨＵ Ｋａｉ，ＷＡＮＧ Ｚｈｅｎｇｌｉｎ．Ｐｒｏｆｉｃｉｅｎｔ ｉｎ ＭＡＴＬＡＢ ｎｅｕｒａｌ ｔｕｒｅ ｄｅｓｉｇｎ［Ｍ］．Ｂａｉｊｉｎｇ：Ｎａｔｉｏｎａｌ Ｄｅｆｅｎｃｅ Ｉｎｄｕｓｔｒｙ Ｐｒｅｓｓ， ２００５：４２—６０． ｎｅｔｗｏｒｋ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｄｕｓｔｒｙ Ｐｒｅｓｓ，２０１０：１９３— ２２４． Ｅ３］徐海成．基于ＢＰ神经网络的涡轮增压机组压气机特性计算 ［１Ｏ］Ｃｏｈｎ ｎ Ｉｍｐｒｏｖｉｎｇ ｇｅｎｅｒａｌｉｚａｔｉｏｎ ｗｉｔｈ ａｃｔｉｖｅ ｌｅａｒｎｉｎｇ［Ｊ］． Ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ，１９９４，（１５）：２０１—２２１． ［Ｊ］．计算机与数字工程，２０１１，３９（６）：１８—２０． 币 铞 秘 不 坏 乖 不 希 芥 乖 乖 ． 芥 帝 筇 ！矫 铞 筇 矫 庥 ．， 芥 矫 矫 ； 矫 钸 ：币 ； ’ （上接第１５８２页） ［６］张殿祜，方绍辉，丁潇君．熵一度量随机变量不确定性的一种尺 度［Ｊ］．系统工程与电子技术，１９９７（１１）：１－３． ＺＨＡＮＧ Ｄｉａｎｈｕ，ＦＡＮＧ Ｓｈａｏｈｕｉ，ＤＩＮＧ Ｘｉｎｊｕｎ．Ｅｎｔｒｏｐｙ－ａ－ ［９］柯宏发，陈永光，刘思峰．电子装备试验数据的不确定性分析方 法［Ｊ］．应用基础与工程科学学报，２０１１，１９（４）：６５３—６６３． ＫＥ Ｈｏｎｇ｛ａ，ＣＨＥＮＹｏ￣ｇｕａｎｇ，ＬＩＵＳｉｆｅｎｇ ＮｅｗＭｅｔｈｏｄｏｆＵｎ— Ａ Ｍｅａｓｕｒｅ ｏｆ Ｕｎｃｅｒｔａｉｎｔｙ ｏｆ Ｒａｎｄｏｍ Ｖａｒｉａｂｌｅ［Ｊ］．Ｓｙｓｔｅｍｓ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｅ１ｅｃｔｒｏｎｉｃ Ｔｅｃｈｎｏｌｏｇｙ，１９９７（１１）：１－３。 ｃｅｒｔａｉｎｔｉｅｓ Ａｎａｌｙｓｉｓ ｆｏｒ Ｅｌｅｃｔｒｏｎｉｃ Ｅｑｕｉｐｍｅｎｔ Ｔｅｓｔ Ｄａｔａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＢａｓｉｃＳｃｉｅｎｃｅ ａｎｄＥｎ＿ｇｉｎｅｅｒｉ．４ｇ，２０１１，１９（４）：６５３—６６３． ［７］史玉峰，靳奉样，马健．信息熵及其在测量结果不确定度评定中 的应用［Ｊ］．测绘技术装备，２００２，４（３）：６－７． ＳＨＩ Ｙｕｆｅｎｇ．ＬＥ Ｆｅｎｇｘｉａｎｇ．ＭＡ Ｊｉａｎ．Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｔｒｏｐｙ ［１Ｏ］赵敏，史晓凌，段海波．ＴＲＩＺ入门及实践［Ｍ］．北京：科学出版 社，２００９，３：４８—４９． ＺＨＡ０ Ｍｉｎ，ＳＨＩ Ｘｉａｏｌｉｎｇ，ＤＵＡＮ Ｈａｉｂｏ．Ｉｎｔｒｏｄｕｃｔｉｏｎ ａｎｄ Ａｐｐｌｉｅｄ ｉｎ Ｕｎｃｅｒｔａｉｎｌｙ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｍｅａｓｕｒｉｎｇ Ｒｅｓｕｌｔ［Ｊ］． Ｇｅｏｍａｔｉｃｓ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｑｕｉｐｍｅｎｔ，２００２，４（３）：６－７． Ｐｒａｃｔｉｃｅ ｏｆ ＴＲＩＺＥＭ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ Ｐｕｂｌｉｃａｔｉｏｎ ｏｆ Ｃｈｉｎａ， ２００９，３：４８—４９． ［８］柯宏发，陈永光，胡利民，等．电子装备试验不确定性信息处理 技术［Ｍ］．北京：国防工业出版社，２０１３，１：１６． ＫＥ Ｈｏｎｇｆａ，ＣＨＥＮ Ｙｏｎｇｇｕａｎｇ，ＨＵ Ｌｉｍｉｎ，ｅｔ ａ１．Ｕｎｃｅｒｔａｉｎｌｙ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｑｕｉｐｍｅｎｔ Ｉｎ］朱庆华，陈铭．信息分析基础、方法及应用［Ｍ］．北京：科学出 版社，２００４，８：１３４—１４５． ＺＨＵ Ｑｉｎｇｈｕａ，ＣＨＥＮ Ｍｉｎｇ．Ｉｎｆｏｒｍａｔｉｏｎ Ａｎａｌｙｓｉｓ Ｆｏｕｎｄａ— ｔｉｏｎ，Ｍｅｔｈｏｄｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ Ｐｕｂｌｉ— ｃａｔｉｏｎ ｏｆ Ｃｈｉｎａ，２００４，８：ｌ３４～ｌ４５． Ｔｅｓｔ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｄｅｆｅｎｓｅ Ｉｎｄｕｓｔｒｙ Ｐｕｂｌｉｃａｔｉｏｎ，２０１３，】：ｌ６．
