本發(fā)明涉及運輸裝備能力評估領(lǐng)域，更具體地說，是涉及一種基于改進神經(jīng)網(wǎng)絡(luò)的運輸裝備能力評估方法。

背景技術(shù)：

1、運輸裝備能力評估是檢驗運輸裝備能力，促進運輸裝備建設(shè)發(fā)展的重要依據(jù)。當前，能力評估方法較多，如模糊層次分析法、熵權(quán)法、模糊綜合評判法、證據(jù)推理法、主成分分析法和機器學(xué)習(xí)法等。

2、當前的能力評估方法還存在以下問題：一是評估結(jié)果準確度還不夠高，不能準確體現(xiàn)能力水平；二是評估方法還不夠客觀，在評估過程中受到個人主觀性和經(jīng)驗性帶來的一定影響。

技術(shù)實現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是，克服現(xiàn)有技術(shù)中存在的不足，提供一種基于改進神經(jīng)網(wǎng)絡(luò)的運輸裝備能力評估方法。

2、本發(fā)明一種基于改進神經(jīng)網(wǎng)絡(luò)的運輸裝備能力評估方法，按照下述步驟進行：

3、步驟一：運輸裝備能力指標構(gòu)建

4、首先應(yīng)構(gòu)建影響運輸能力的指標體系，從作業(yè)能力、機動能力、生存能力和通用能力四個方面分析運輸裝備能力的影響因素；其中作業(yè)能力包括載運能力、裝卸能力、架撤能力；機動能力包括操縱性能力、爬坡能力、越障或壕的能力；生存能力包括裝備的防護性、可靠性、維修性、測試性、環(huán)境適應(yīng)性、安全性；通用能力包括三化水平、信息化智能化水平、技術(shù)兼容性；

5、步驟二：利用改進神經(jīng)網(wǎng)絡(luò)確定指標重要度

6、基于16組評分數(shù)據(jù)，每組數(shù)據(jù)是對作業(yè)能力、機動能力、生存能力和通用能力所對應(yīng)的20個指標的重要度的評分，具體數(shù)據(jù)如下：

7、第一組評分數(shù)據(jù)＝[0.4?0.4?0.1?0.1?0.4?0.4?0.2?0.4?0.3?0.3?0.1?0.30.30.1?0.1?0.1?0.25?0.25?0.25?0.25]；

8、第二組評分數(shù)據(jù)＝[0.3?0.4?0.15?0.15?0.4?0.4?0.2?0.2?0.4?0.4?0.1?0.20.20.2?0.2?0.1?0.5?0.3?0.1?0.1]；

9、第三組評分數(shù)據(jù)＝[0.3?0.3?0.2?0.2?0.5?0.25?0.25?0.3?0.3?0.4?0.1?0.30.10.05?0.4?0.05?0.3?0.3?0.2?0.2]；

10、第四組評分數(shù)據(jù)＝[0.3?0.3?0.3?0.1?0.4?0.3?0.3?0.4?0.4?0.2?0.1?0.30.10.1?0.3?0.1?0.4?0.2?0.2?0.2]；

11、第五組評分數(shù)據(jù)＝[0.5?0.3?0.15?0.05?0.4?0.3?0.3?0.3?0.35?0.35?0.10.20.2?0.1?0.2?0.2?0.25?0.25?0.25?0.25]；

12、第六組評分數(shù)據(jù)＝[0.3?0.3?0.25?0.15?0.4?0.3?0.3?0.3?0.35?0.35?0.10.10.1?0.1?0.3?0.3?0.5?0.15?0.15?0.2]；

13、第七組評分數(shù)據(jù)＝[0.35?0.35?0.15?0.15?0.4?0.4?0.2?0.2?0.4?0.4?0.10.30.3?0.1?0.1?0.1?0.3?0.3?0.2?0.2]；

14、第八組評分數(shù)據(jù)＝[0.45?0.35?0.1?0.1?0.45?0.45?0.1?0.3?0.35?0.35?0.20.30.2?0.2?0.05?0.05?0.25?0.25?0.25?0.25]；

15、第九組評分數(shù)據(jù)＝[0.3?0.4?0.15?0.15?0.3?0.3?0.4?0.2?0.4?0.4?0.1?0.20.20.2?0.2?0.1?0.3?0.3?0.2?0.2]；

16、第十組評分數(shù)據(jù)＝[0.4?0.3?0.2?0.1?0.4?0.3?0.3?0.4?0.3?0.4?0.2?0.30.10.1?0.2?0.1?0.25?0.25?0.25?0.25]；

17、第十一組評分數(shù)據(jù)＝[0.2?0.2?0.4?0.2?0.4?0.3?0.3?0.2?0.4?0.4?0.1?0.30.20.1?0.2?0.1?0.5?0.25?0.17?0.1]；

18、第十二組評分數(shù)據(jù)＝[0.3?0.3?0.2?0.2?0.4?0.35?0.25?0.45?0.35?0.2?0.20.40.2?0.05?0.1?0.05?0.3?0.3?0.2?0.2]；

19、第十三組評分數(shù)據(jù)＝[0.5?0.25?0.15?0.1?0.4?0.4?0.2?0.2?0.4?0.4?0.20.20.2?0.1?0.2?0.1?0.4?0.3?0.2?0.1]；

20、第十四組評分數(shù)據(jù)＝[0.4?0.3?0.2?0.1?0.3?0.3?0.4?0.3?0.3?0.4?0.2?0.30.10.1?0.1?0.1?0.4?0.3?0.2?0.1]；

21、第十五組評分數(shù)據(jù)＝[0.35?0.35?0.2?0.1?0.4?0.4?0.2?0.2?0.4?0.4?0.10.20.1?0.1?0.3?0.2?0.45?0.25?0.2?0.1]；

22、第十六組評分數(shù)據(jù)＝[0.45?0.4?0.1?0.05?0.4?0.3?0.3?0.3?0.4?0.3?0.10.30.1?0.1?0.2?0.2?0.5?0.2?0.2?0.1]；

23、通過粒子群(pso)算法更新bp神經(jīng)網(wǎng)絡(luò)中的權(quán)重和閾值，進而預(yù)測指標重要度，不僅能夠降低主觀因素對指標重要度的影響，還能夠有效提高預(yù)測準確度，具體流程如下：

24、(1)建立bp神經(jīng)網(wǎng)絡(luò)，確定拓撲結(jié)構(gòu)

25、采用3層結(jié)構(gòu)，第1層為輸入層，用來輸入專家知識數(shù)據(jù)，神經(jīng)元個數(shù)與專家人數(shù)一致；第2層為隱含層，該層神經(jīng)元個數(shù)由經(jīng)驗公式確定，其中，h、m和n分別表示隱含層、輸入層和輸出層神經(jīng)元個數(shù)，λ為[1,10]的常數(shù)；第3層為輸出層，用來輸出能力指標重要度，神經(jīng)元個數(shù)為1；

26、(2)利用pso算法進行優(yōu)化，輸出最優(yōu)權(quán)重和閾值

27、將pso算法的適應(yīng)度函數(shù)設(shè)置為：

28、

29、其中，y和t分別表示實際輸出和預(yù)測輸出值，n1為能力指標的個數(shù)，f為粒子的適應(yīng)度；

30、粒子通過不斷更新自身速度到達新的位置，并根據(jù)適應(yīng)度向最優(yōu)區(qū)域靠攏，最終求得最優(yōu)權(quán)重和閾值，粒子按如下公式更新位置：

31、

32、xij(k+1)＝xij(k)+vij(k+1)???????????????????(3)

33、其中，1≤i≤n，1≤j≤m，n＝innum×hidnum+hidnum+hidnum×outnum+outnum為優(yōu)化變量個數(shù)，其中innum、hidnum和outnum分別為輸入層、隱含層和輸出層神經(jīng)元個數(shù)，m為種群個數(shù)；k為迭代次數(shù)；rand1和rand2為2個[0,1]相互獨立地隨機數(shù)；慣性因子w為粒子原有速度的保留程度；記憶因子c1和c2為調(diào)節(jié)粒子向個體最優(yōu)和全局最優(yōu)位置前進的步長；

34、(3)更新bp神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值，輸出指標重要度預(yù)測結(jié)果

35、bp神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值更新公式為：

36、w1＝pso_w1?????????????????????????(4)

37、b1＝pso_b1?????????????????????????(5)

38、w2＝pso_w2?????????????????????????(6)

39、b2＝pso_b2?????????????????????????(7)

40、其中，w1和b1分別為從輸入層到隱含層的連接權(quán)重和閾值；w2和b2分別為從隱含層到輸出層的連接權(quán)重和閾值。pso_w1、pso_b1、pso_w2、pso_b2為經(jīng)過pso算法優(yōu)化后輸出的最優(yōu)權(quán)重和閾值；

41、按照上述公式更新神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值，可得指標重要度預(yù)測結(jié)果；

42、步驟三：基于模糊理論確定隸屬函數(shù)和評估結(jié)果

43、在利用模糊理論確定隸屬函數(shù)和評估結(jié)果之前，首先需要建立評語集，將運輸裝備能力指標值映射到評語集上，構(gòu)建評語集如下：

44、v＝{v1,v2,v3,v4,v5}＝{很弱，弱，中等，較強，非常強}

45、針對運輸裝備能力指標模糊性較強的問題，基于模糊理論確定評估結(jié)果，如公式(8)所示，

46、

47、其中，i為能力指標層級數(shù)；bi和wi分別為第i層能力指標的隸屬向量和權(quán)重向量；ri表示能力指標uij相對于評語集v的評估隸屬矩陣；rij表示第i個指標對應(yīng)評語集vj(1≤j≤5)的匹配度；

48、根據(jù)模糊理論中的三角函數(shù)計算可得評估隸屬矩陣，如式(9)所示，能夠模糊化區(qū)間中點并避免相鄰區(qū)間躍變的問題；

49、

50、則綜合評價分數(shù)其中b0＝[b1b2b3b4]t，為評語集v對應(yīng)的評語集向量；

51、步驟四：實驗仿真與分析

52、以x運輸裝備能力為評估對象，通過實驗仿真與對比分析，驗證方法的正確性和有效性。

53、通過上述三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，采集步驟二中的16組評分數(shù)據(jù)。將任意15組評分數(shù)據(jù)對指標重要度的評分作為輸入，另外1組評分數(shù)據(jù)作為輸出，導(dǎo)入到訓(xùn)練模型中；假設(shè)網(wǎng)絡(luò)的學(xué)習(xí)速率為0.02，最大迭代次數(shù)為200，最小誤差為0.001；選取隱含層節(jié)點數(shù)為5個，即神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)為15-5-1；分別使用改進和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)對指標重要度進行預(yù)測，改進神經(jīng)網(wǎng)絡(luò)預(yù)測誤差為0.1368，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測誤差為1.0802，顯然，改進神經(jīng)網(wǎng)絡(luò)預(yù)測誤差更小，準確度更高。

54、根據(jù)隸屬函數(shù)的區(qū)間范圍對評語集賦值，得到評語集向量vr＝[55?65?75?8595]t。已知能力指標得分，則根據(jù)公式(8)和(9)可得:

55、

56、其中，b1為載運、裝卸、架撤能力指標的隸屬向量；w1為改進神經(jīng)網(wǎng)絡(luò)預(yù)測的上述三個能力指標的重要度；r1是上述三個能力指標相對于評語集v的評估隸屬矩陣；則作業(yè)能力得分

57、同理可得，機動能力得分生存能力得分通用能力得分

58、則運輸裝備能力綜合評分p0為：

59、

60、由最大隸屬度原則，該運輸裝備能力介于“中等”和“較強”之間。為提高運輸裝備能力，進一步分析其組成要素：作業(yè)能力、機動能力、生存能力和通用能力。根據(jù)上述評估結(jié)果可知：p1＞p2＞p3＞p4，即作業(yè)能力最強，機動能力次之，生存能力再次之，通用能力最弱；且僅有作業(yè)能力介于“較強”和“非常強”之間，機動能力介于“中等”和“較強”之間，生存能力和通用能力介于“弱”和“中等”之間。因此，某一項能力強，對于運輸裝備整體能力的影響較為有限，應(yīng)均衡發(fā)展該運輸裝備的各項能力，補齊生存能力和通用能力短板，進而提高整體能力。

61、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

62、本發(fā)明將改進bp神經(jīng)網(wǎng)絡(luò)與模糊理論相結(jié)合，在構(gòu)建運輸裝備能力指標體系的基礎(chǔ)上，利用改進神經(jīng)網(wǎng)絡(luò)算法代替專家打分確定指標重要度；并基于模糊理論構(gòu)建隸屬函數(shù)，得到評估結(jié)果；此外，可以某運輸裝備為例，進行實驗仿真與結(jié)果分析，提出對策建議，為提高運輸裝備能力提供支撐。通過本發(fā)明的技術(shù)方案，可以有效解決能力評估時存在的主觀性強以及準確度不高等問題。