一种应急条件下复杂装备快速技术保障综合评价方法技术

本发明专利技术公开了一种应急条件下复杂装备快速技术保障综合评价方法，其将每台装备的应急快速保障过程分解为装备保障质量、装备保障安全2个方面9个子方面的18个分类，采用本级专家打分的方式进行综合评分，并记录上级专家对装备完成任务后的后验评估分值数据；然后建立一种基于装备保障时间偏重的专用神经网络，用于模拟复杂装备快速技术保障综合评价与装备保障质量、装备保障时间、装备保障安全三个方面的复杂非线性关系，利用神经网络的强大并行计算能力，对已有历史数据进行充分利用并训练网络误差收敛到0附近区域，从而利用待评价装备数据代入训练好的神经网络，最终得到应急条件下复杂装备快速技术保障综合评价结果。下复杂装备快速技术保障综合评价结果。下复杂装备快速技术保障综合评价结果。

【技术实现步骤摘要】
一种应急条件下复杂装备快速技术保障综合评价方法


[0001]本专利技术涉及一种应急条件下复杂装备快速技术保障综合评价方法，属于装备可靠性评估与事故危险评价预测领域。

技术介绍

[0002]由于突发事故如火灾、地震、洪灾、局部战争、重大突发作业事故等影响，在应急条件下，复杂装备需要进行快速技术保障，为其进行正常功能与使用作准备。其保障原则是使得技术保障过程尽量简化，条件准备尽量简单，必需性技术环节不能少，确认性技术环节根据情况减少，辅助性环节尽量减少。该技术保障评价方法与常规技术保障侧重点也有很大不同，常规技术保障侧重于整体保障的质量与安全性；而应急条件下的技术保障评价除了兼顾保障质量与安全性之外，更加侧重于保障时间，希望能够加快保障速度，使得装备能够快速投入使用。基于上述原因，本专利技术提出了一种基于装备保障时间偏重的专用神经网络，用于模拟复杂装备快速技术保障综合评价与装备保障质量、装备保障时间、装备保障安全三个方面的复杂非线性关系，利用神经网络的强大并行计算能力，对已有历史数据进行充分利用并训练网络误差收敛到0附近区域，从而利用待评价装备数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应急条件下复杂装备快速技术保障综合评价方法，其特征在于以下步骤：步骤S10，选取多台装备的历史数据，将每台装备的应急快速保障过程评价分为装备保障质量、装备保障时间、装备保障安全三个方面；同时将装备保障质量方面分解为装备装卸质量、装备安装质量、装备测试质量、装备加注质量、装备启动准备质量五个子方面；而其中装备装卸质量子方面又分为装卸操作过程质量、装卸信息采集过程质量两个分类；装备安装质量子方面分为安装操作过程质量、安装信息采集过程质量两个分类；装备测试质量子方面分为测试操作过程质量、测试信息采集过程质量两个分类；装备加注质量子方面分为加注操作过程质量、加注信息采集过程质量两个分类；装备启动准备质量子方面分为准备操作过程质量、准备信息采集过程质量两个分类；装备保障时间方面分解为装备装载时间与装备技术准备时间两个子方面；装备保障安全分解为人员安全、装备安全、设施安全、环境安全四个子方面；其中人员安全子方面分解为人员安全措施、人员安全实施两个分类；装备安全子方面分解为装备安全措施、装备安全实施两个分类；设施安全子方面分解为设施安全措施、设施安全实施两个分类；环境安全子方面分解为环境安全措施、环境安全实施两个分类；步骤S20，分别针对每台装备的应急快速保障过程的装备保障质量、装备保障安全2个方面9个子方面的18个分类，采用本级专家打分的方式进行综合评分，记作a
ijkw
，其表示第i台装备第j个方面第k个子方面第w个分类的评估分值；再对装备保障时间方面的2个子方面，采用本级专家打分的方式进行综合评分，记作b
i3k
，其表示第i台装备第3个方面第k个子方面的评估分值；同时记录第i台装备在上级专家对装备完成任务后的后验评估分值数据，记作c
i
；步骤S30，根据本级专家对的应急快速保障过程的第i台装备第j个方面第k个子方面第w个分类的评估分值数据，建立基于应急快速保障的专用径向基神经网络；首先根据所述的第i台装备第j个方面第k个子方面18个分类数据，分别选取100个神经网络节点中心值；然后与之比较得到网络中心点偏差数据；并设置神经网络节点敏感区间，进行绝对值线性与立方混合变换与指数变换后得到网络中心点偏差指数变换数据；最后分别叠加每个节点的神经网络指数权值、线性权值与立方权值；并对100个节点进行累积，得到神经网络对第i台装备第j个方面第k个子方面第w个分类的综合输出如下：ε
ijkwp
＝a
ijkw
‑
a
ijkwp
；；其中a
1jkwp
为100个神经网络节点中心值，ε
ijkwp
为网络中心点偏差数据；σ
jk
为神经网络节点敏感区间；γ
ijkwp
为网络中心点偏差指数变换数据；c
1jkwp
为线性与立方混合比例权值系数，用于调节中心点偏差指数变换数据中绝对值线性与立方混合的比例值；u
ijkw
为神经网络对第i台装备第j个方面第k个子方面第w个分类的综合输出，k
1jkwp
为神经网络指数权值，c
2jkwp
为神经网络线性权值，c
3jkwp
为神经网络立方权值；步骤S40，根据所述的神经网络对第i台装备第j个方面第k个子方面第w个分类的综合
输出进行分类汇总，得到神经网络对第i台装备第j个方面第k个子方面的综合输出数据，并根据应急条件下复杂装备快速技术保障的特点，进行汇总得到神经网络对第i台装备第j个方面的综合输出数据；最后根据神经网络对第i台装备3个方面的综合输出叠加三个网络方面权值得到神经网络第i台装备的总输出数据，并与第i台装备在上级专家对装备完成任务后的后验评估分值数据进行比较得到网络误差数据；再根据网络误差数据设计相应的误差自适应权值调节规律，对神经网络的线性与立方混合比例权值系数、神经网络指数权值、神经网络线性权值、神经网络立方权值进行积分自适应迭代训练；再根据神经网络对第i台装备3个方面的综合输出设计基于装备保障时间偏重的误差自适应权值调节规律，对三个网络方面权值进行积分自适应迭代，直至网络误差数据收敛到0附近区间，停止网络训练如下：下：下：下：下：e
i
＝f
...

【专利技术属性】
技术研发人员：李恒，张建，肖支才，戴邵武，陈黎明，雷军委，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：