趙永鐵　王永杰　王　琦

(92941部隊(duì)　葫蘆島　125001)

ZHAO Yongtie　WANG Yongjie　WANG Qi

(No. 92941 Troops of PLA, Huludao　125001)

?

基于模糊神經(jīng)網(wǎng)絡(luò)的艦空導(dǎo)彈協(xié)同制導(dǎo)能力評估*

趙永鐵王永杰王琦

(92941部隊(duì)葫蘆島125001)

通過分析艦空導(dǎo)彈協(xié)同制導(dǎo)能力指標(biāo)體系，建立了基于BP神經(jīng)網(wǎng)絡(luò)和模糊評價(jià)法結(jié)合的艦空導(dǎo)彈協(xié)同制導(dǎo)能力評估模型。通過訓(xùn)練樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練，得到了指標(biāo)體系的權(quán)重值，在此基礎(chǔ)上對某艦空導(dǎo)彈協(xié)同制導(dǎo)的驗(yàn)證樣本數(shù)據(jù)進(jìn)行了模糊評估計(jì)算，仿真結(jié)果表明基于模糊神經(jīng)網(wǎng)絡(luò)的艦空導(dǎo)彈協(xié)同制導(dǎo)能力評估模型具有一定的實(shí)用性。

艦空導(dǎo)彈協(xié)同制導(dǎo); BP神經(jīng)網(wǎng)絡(luò); 模糊評價(jià)法; 能力評估

ZHAO YongtieWANG YongjieWANG Qi

(No. 92941 Troops of PLA, Huludao125001)

Class NumberTP183

1　引言

當(dāng)前，隨著反艦導(dǎo)彈技術(shù)的迅猛發(fā)展，新型反艦導(dǎo)彈具有越來越先進(jìn)的隱身性、超低空飛行突防能力、大射程、高速度、抗干擾集群作戰(zhàn)等特點(diǎn)，使其已經(jīng)成為了海面艦艇編隊(duì)的最大威脅?，F(xiàn)有的艦空導(dǎo)彈雖具有反應(yīng)快速、防御區(qū)域大的特點(diǎn)，但其受本艦平臺的探測和制導(dǎo)限制，有效航程優(yōu)勢不能充分展示，艦空導(dǎo)彈協(xié)同制導(dǎo)是克服單艦防空能力不足、發(fā)揮艦艇編隊(duì)整體優(yōu)勢的重要舉措。不同的武器配置和使用戰(zhàn)術(shù)的艦空導(dǎo)彈協(xié)同制導(dǎo)，其抗來襲目標(biāo)效果差別較大，所以如何評估其能力也日益重要。影響艦空導(dǎo)彈協(xié)同制導(dǎo)的能力的因素較多，各個(gè)因素之間相互作用，互相影響，且在實(shí)際分析過程中，由于判斷的模糊性和不確定性問題，傳統(tǒng)數(shù)學(xué)方法結(jié)果具有單一性缺陷，模糊評估可以很好地解決此類問題。模糊評估法是在模糊環(huán)境下，考慮多種因素的影響，為了某一目的對一事物做出綜合決策的方法，特點(diǎn)在于，評判逐一對象進(jìn)行，對被評價(jià)對象有唯一的評價(jià)值，不受被評價(jià)對象所處對象集合的影響[1～3]。

艦空導(dǎo)彈協(xié)同制導(dǎo)反導(dǎo)能力評價(jià)的指標(biāo)體系是評估的首要工作，其中評估指標(biāo)的考評值易于確定，但每一項(xiàng)指標(biāo)的權(quán)重較難確定。根據(jù)指標(biāo)體系權(quán)重和值的特點(diǎn)，并充分發(fā)揮神經(jīng)網(wǎng)絡(luò)的非線性優(yōu)勢，采用BP神經(jīng)網(wǎng)絡(luò)和模糊評估法相結(jié)合的方法來對艦空導(dǎo)彈協(xié)同制導(dǎo)能力效果進(jìn)行評估。具體方法是利用已有成熟的樣本，對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得出指標(biāo)體系的每個(gè)因素在總結(jié)果中的權(quán)重值，并在其基礎(chǔ)上，運(yùn)用模糊綜合評價(jià)法對艦空導(dǎo)彈協(xié)同制導(dǎo)能力進(jìn)行評估。

2　艦空導(dǎo)彈協(xié)同制導(dǎo)能力評估指標(biāo)體系

艦空導(dǎo)彈協(xié)同制導(dǎo)能力評估指標(biāo)較多，有些對抗擊空中目標(biāo)能力影響較大，有些較小，按照目的性、系統(tǒng)性(完備性)、評估的相互獨(dú)立性、可比性、穩(wěn)定性、可操作性的原則，選取影響較大，且具有較好獨(dú)立性的因素作為評估指標(biāo)，并將指標(biāo)分為一級指標(biāo)和二級指標(biāo)，這樣可以避免兩個(gè)問題：一是因素過多，它們的權(quán)重分配難以確定；二是即使確定了權(quán)重值，由于需要指標(biāo)滿足歸一化條件，每個(gè)因素的權(quán)值都比較小。一級指標(biāo)主要有指揮控制能力、網(wǎng)絡(luò)抗干擾能力、戰(zhàn)場感知能力和火力協(xié)同打擊能力等四項(xiàng)，二級指標(biāo)主要有協(xié)同指揮質(zhì)量、傳感器協(xié)同控制能力、指揮控制速度等項(xiàng)[4～5]。能力評估指標(biāo)見圖1。同時(shí)確定好評價(jià)等級，這里確定為很好、較好、中等、較差、很差等五級。

圖1　艦空導(dǎo)彈協(xié)同制導(dǎo)反導(dǎo)能力評估指標(biāo)

3　模糊神經(jīng)網(wǎng)絡(luò)的綜合評價(jià)

模糊評價(jià)過程中，如何給各因素分配一個(gè)合理的權(quán)重一直是普遍的難題，所以可以利用BP人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能，通過對一些實(shí)際數(shù)據(jù)的反復(fù)學(xué)習(xí)，可以使得最終的權(quán)重結(jié)果在可接受的精度內(nèi)完全可靠。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示。第一層是輸入層，輸入各評價(jià)因素值xi；第二層是中間層，實(shí)現(xiàn)求各因素對各指標(biāo)的隸屬度值rij=μij(xi)；第三層是結(jié)果輸出層，輸出評價(jià)結(jié)果的各元素bj；第一層和第二層的聯(lián)接權(quán)值為常數(shù)1；第二、三層之間的聯(lián)接權(quán)值為不同因素的權(quán)重值ai，通過它的調(diào)整來實(shí)現(xiàn)模糊綜合評價(jià)問題中的合成運(yùn)算；作用函數(shù)為模糊隸屬函數(shù)μij(·)，即第i個(gè)因素與第j個(gè)指標(biāo)間的模糊關(guān)系隸屬函授。其中，xi為要評價(jià)的各因素的值；rij為第i個(gè)因素對第j個(gè)因素的隸屬度；ai為第i個(gè)因素的權(quán)重值；bj為評價(jià)結(jié)果隸屬于第j個(gè)指標(biāo)的程度；它們之間滿足rij=μij(xi)，bj=min(1,∑airij)[6]。

圖2　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

通過調(diào)節(jié)網(wǎng)絡(luò)的權(quán)值aij，使E最小，即輸出結(jié)果Bi與期望輸出B*i盡可能地接近。

算法步驟如下：

1) 給定學(xué)習(xí)樣本(Xi,Bi)，初始化權(quán)值ω0，給定允許誤差值ε，計(jì)數(shù)p1=0；

2) 選出一組樣本作為輸入與期望輸出，計(jì)數(shù)p1=p1+1；

3) 計(jì)算中間層輸出RP1及輸出層輸出BP1

4) 計(jì)算網(wǎng)絡(luò)實(shí)際輸出與期望輸出的誤差；

5) 判斷是否p1>p，若總誤差E<ε，則停止學(xué)習(xí)，否則p1=0，轉(zhuǎn)入2)。

所建立的模糊綜合評價(jià)神經(jīng)網(wǎng)絡(luò)，通過對一些典型數(shù)據(jù)的學(xué)習(xí)來確定綜合評價(jià)權(quán)重，因此它對歷史數(shù)據(jù)情況下的評價(jià)問題具有明顯優(yōu)勢。

基于模糊綜合評價(jià)神經(jīng)網(wǎng)絡(luò)對艦空導(dǎo)彈協(xié)同制導(dǎo)的能力評估，是模糊神經(jīng)網(wǎng)絡(luò)綜合評價(jià)的具體應(yīng)用。首先采用已有的經(jīng)過實(shí)踐檢驗(yàn)的樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練可用Matlab等計(jì)算工具軟件直接對多組樣本同時(shí)反復(fù)訓(xùn)練，以得出各指標(biāo)因素的權(quán)重值，作為模糊評定所需。然后建立二級模糊評價(jià)模型，在各評定數(shù)據(jù)的基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)得出的權(quán)重值，得出二級指標(biāo)的評定結(jié)果，進(jìn)而組成一級指標(biāo)的評定矩陣。最后再次利用BP神經(jīng)網(wǎng)絡(luò)確定的一級指標(biāo)權(quán)重值，求出最終評定結(jié)果[7]。

4　實(shí)例分析

1) 確定各指標(biāo)的隸屬度

以某型艦空導(dǎo)彈協(xié)同制導(dǎo)為例，首先對指標(biāo)的實(shí)際值進(jìn)行有量綱向無量綱的轉(zhuǎn)化，轉(zhuǎn)化前確定指標(biāo)符合正指標(biāo)[8]，轉(zhuǎn)化公式如下：

式中：xmax指評價(jià)系統(tǒng)區(qū)域范圍內(nèi)某項(xiàng)指標(biāo)的最大值；xmin指評價(jià)系統(tǒng)區(qū)域范圍內(nèi)該指標(biāo)的最小值；xi指評價(jià)系統(tǒng)區(qū)域范圍內(nèi)該指標(biāo)的實(shí)際值。

如果指標(biāo)為無量綱指標(biāo)，則進(jìn)行如下的歸一化處理：

經(jīng)過歸一化處理的驗(yàn)證樣本考核表見表1。

表1　艦空導(dǎo)彈協(xié)同制導(dǎo)驗(yàn)證樣本考核表

2) 確定各指標(biāo)權(quán)重值

利用已有的實(shí)際評估樣本，對每個(gè)一級指標(biāo)內(nèi)的各二級指標(biāo)的權(quán)重值，建立相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)。把樣本的指標(biāo)值作為神經(jīng)網(wǎng)絡(luò)的輸入，當(dāng)網(wǎng)絡(luò)的所有實(shí)際輸出與理想輸出間的誤差符合要求時(shí)，表明訓(xùn)練結(jié)束；否則修改權(quán)值使網(wǎng)絡(luò)的理想輸出與實(shí)際輸出一致。這樣可排除人為因素，得到正確表示的權(quán)重矩陣，以作為模糊評判使用[9]。經(jīng)過多次迭代計(jì)算，一級指標(biāo)權(quán)重為

A=(0.27,0.17,0.36,0.20)

二級指標(biāo)權(quán)重為：

A1=(0.39,0.36,0.25)

A2=(0.27,0.17,0.36)

A3=(0.47,0.53)

A4=(0.64,0.36)

3) 計(jì)算二級指標(biāo)評價(jià)向量

首先，確定每個(gè)二級指標(biāo)的單因素評價(jià)矩陣R。對每個(gè)二級指標(biāo)，用rij表示對第i個(gè)樣本的第j個(gè)指標(biāo)的評價(jià)結(jié)果(i=1,2,…,m；j=1,2,…,n)，這樣就構(gòu)成了單因素評價(jià)矩陣R。

Ri表示第i個(gè)樣本的評價(jià)向量。

然后計(jì)算二級指標(biāo)評價(jià)結(jié)果Bi=Ai·Ri，得到：

B1=A1·R1=(0.355,0.224,0.386,0.036,0)

B2=A2·R2=(0.336,0.094,0.202,0.120,0.050)

B3=A3·R3=(0.104,0.376,0.342,0.127,0.047)

B4=A4·R4=(0.062,0.558,0.172,0.208,0)

4) 計(jì)算一級指標(biāo)評價(jià)向量

將四個(gè)Bi向量組成一級評價(jià)向量矩陣R′，進(jìn)而得到一級指標(biāo)評價(jià)向量B=A′·R′。A′表示一級指標(biāo)的權(quán)重向量，由神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本的訓(xùn)練后獲得[10]：

B=A′·R′=(0.27,0.17,0.36,0.20)

=(0.203,0.323,0.296,0.117,0.025)

根據(jù)隸屬度最大的原則，認(rèn)為對該艦空導(dǎo)彈協(xié)同制導(dǎo)的評價(jià)為很好。

5　結(jié)語

從仿真分析可以看出，基于模糊神經(jīng)網(wǎng)絡(luò)的艦空導(dǎo)彈協(xié)同制導(dǎo)能力評估具有較好的可行性，提供的評估結(jié)果內(nèi)容包含豐富。但BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)

確性取決于訓(xùn)練樣本的準(zhǔn)確性，因此樣本量的大小和質(zhì)量變得非常重要。并且BP神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整也很重要，否則，結(jié)果易陷入局部極小值、迭代過程振蕩和過擬合等問題。此外，艦空導(dǎo)彈協(xié)同制導(dǎo)能力評估是一項(xiàng)非常復(fù)雜的工作，其涉及的因素較多，忽略某些因素或某些指標(biāo)的評定標(biāo)準(zhǔn)偏差，可造成最終結(jié)論的較大差異?？傊撛u估方法對樣本數(shù)據(jù)有較高要求，才能使結(jié)果更加準(zhǔn)確且符合實(shí)際。

[1] 李大鵬,楊根源,譚樂祖.艦空導(dǎo)彈超視距協(xié)同反導(dǎo)技術(shù)及發(fā)展趨勢[J].飛航導(dǎo)彈,2012(7):61-62.

[2] 陳國生,馬良,張明.艦艇編隊(duì)協(xié)同防空作戰(zhàn)效能評估[J].艦船科學(xué)技術(shù),2011(2):106-107.

[3] 金釗,徐建志,朱傳偉.網(wǎng)絡(luò)化協(xié)同制導(dǎo)條件下的艦空導(dǎo)彈作戰(zhàn)效能分析[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù),2015(1):27-28.

[4] 張楊,張嵩,馮昌順.艦空導(dǎo)彈網(wǎng)絡(luò)化協(xié)同作戰(zhàn)能力及關(guān)鍵技術(shù)[J].飛航導(dǎo)彈,2011(2):15-16.

[5] 郭予并,孫連包,王維.基于AHP雷達(dá)抗干擾效果評估分析研究[J].現(xiàn)代雷達(dá),2009(9)：23-24.

[6] 杜棟,龐慶華，吳炎.現(xiàn)代綜合評價(jià)方法與案例精選[M].北京：清華大學(xué)出版社,2008:191-197.

[7] 王永紅.基于模糊神經(jīng)網(wǎng)絡(luò)聚類模型的雷達(dá)目標(biāo)識別方法[J].艦船電子對抗,2012(6):48-49.

[8] 肖愛明,周國輝,陳璇,等.模糊評價(jià)的雷達(dá)抗干擾能力分析[J].火力與指揮控制,2012(5):33-34.

[9] MATLAB中文論壇.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社,2010:1-8.

[10] 司守奎,孫璽菁.數(shù)學(xué)建模算法與應(yīng)用[M].北京：國防工業(yè)出版社,2011:201-204.

Capability Evaluation of Ship-to-air Missile Cooperative GuidanceBased on Fuzzy BP Neural Network*

Based on analyzing evaluation index of ship-to-air missile cooperative guidance, a fuzzy BP neural network is established. The neural network are trained by the training samples for the weight of each factor. Based on the weight of the factor the fuzzy calculation is used to evaluate the capability of ship-to-air missile cooperative guidance by test samples, the result shows that the model of the capability of ship-to-air missile cooperative guidance based on fuzzy BP neural network has advantage of feasibility.

ship-to-air missile cooperative guidance, BP neural network, fuzzy calculation method, capability evaluation

2016年2月11日,

2016年3月18日

趙永鐵,男,工程師，研究方向：目標(biāo)跟蹤與制導(dǎo)控制。王永杰，男，高級工程師，研究方向：導(dǎo)彈武器系統(tǒng)試驗(yàn)。王琦，女，高級工程師，研究方向：目標(biāo)跟蹤與制導(dǎo)控制。

TP183

10.3969/j.issn.1672-9730.2016.08.035