基于BP神經(jīng)網(wǎng)絡的船舶建造技術評價模型及仿真

姜 軍， 邵明智， 王力占

(上海船舶工藝研究所， 上海 200032)

?

基于BP神經(jīng)網(wǎng)絡的船舶建造技術評價模型及仿真

姜 軍， 邵明智， 王力占

(上海船舶工藝研究所， 上海 200032)

針對船舶建造技術評價非線性的特點，建立建造技術評價BP神經(jīng)網(wǎng)絡模型，并進行網(wǎng)絡訓練，結合某造船企業(yè)實際數(shù)據(jù)進行驗證，避免傳統(tǒng)評價方法存在人為隨機性和主觀性等影響，使得對船舶建造技術的評價更加準確、客觀和便利。

船舶；建造技術；評價；BP神經(jīng)網(wǎng)絡

0 引言

在國際船舶市場需求持續(xù)低迷，世界造船業(yè)競爭日趨激烈，船舶企業(yè)利潤空間不斷壓縮，國際海事新規(guī)則新規(guī)范頻繁出臺的多重壓力下，我國船舶工業(yè)發(fā)展正面臨著更加嚴峻的挑戰(zhàn)。在新形勢下，造船企業(yè)存在轉型升級的迫切需要，要從注重要素投入的外延式發(fā)展方式轉變?yōu)樽⒅乜萍歼M步、質量效益為主的內涵式發(fā)展方式?？茖W評價和掌握企業(yè)造船技術水平，尋求轉型發(fā)展的突破口成為行業(yè)的重要任務。

當前已進入大數(shù)據(jù)時代，數(shù)據(jù)的重要性無處不在。衡量船舶建造技術關鍵在于如何科學、真實、有效、全面評價我國船舶建造企業(yè)的實際水平。由于影響船舶建造技術的因素較多，各個造船企業(yè)目標產(chǎn)品存在差異，導致科學評價船舶建造技術水平有一定的困難。傳統(tǒng)評價法通常邀請專家對各項指標進行打分匯總，存在人為隨機性和主觀性等影響，易產(chǎn)生評價不準確現(xiàn)象。因此，建立合理、科學的數(shù)學模型，應用智能評價算法，保證評價結果的客觀性和準確性顯得尤為重要。

1 建造技術評價指標的選取

以CB/T 4335-2012《船舶建造技術水平評估方法》和《船舶行業(yè)規(guī)范條件(試行版)》的內容為基礎，從綜合經(jīng)濟技術、生產(chǎn)設計技術、生產(chǎn)管理技術、單船建造技術、信息集成技術等5個層面選擇7項評價指標數(shù)據(jù)，準確、客觀地評價船舶建造技術水平[1-2]。

(1) 全員造船生產(chǎn)效率。全員造船生產(chǎn)效率為統(tǒng)計年度內完工船舶產(chǎn)品修正總噸與造船從業(yè)人員的比值，單位為t/人。

(2) 每修正總噸工時消耗。每修正總噸工時消耗為統(tǒng)計年度內完工船舶產(chǎn)品實動工時與完工船舶產(chǎn)品修正總噸的比值，單位為h/t。

(3) 鋼材一次利用率。鋼材一次利用率為單船船體結構設計套料重量與單船船體結構鋼材實際領用量之比的百分率。

(4) 分段無余量制造率。分段無余量制造為分段在零件下料、加工和部件、組件直到形成分段的裝配、焊接過程中實施無余量(可含補償量)的制造。計算方法為無余量制造的分段個數(shù)與全船分段總數(shù)之比的百分率。

(5) 搭載前預舾裝率。搭載前預舾裝率為分段或總段在上船臺(進塢)前已經(jīng)安裝完成的舾裝工程量(以實動工時計)與全船舾裝工程量(以實動工時計)之比的百分率。

(6) 下水/出塢安裝完整性率。下水/出塢安裝完整性率為船舶下水(出塢)前已經(jīng)安裝完成的舾裝工程量(實動工時)與全船舾裝工程量(以實動工時計)之比的百分率。

(7) 涂裝單位面積涂料消耗量。涂裝單位面積涂料消耗量為單船每平方米涂料實際消耗量與單船每平方米涂料理論消耗量之比的百分率。

通過查閱《中國船舶工業(yè)年鑒(2012-2016)》、企業(yè)上報等途徑，收集匯總得到某造船企業(yè)2011-2015年建造技術評價指標數(shù)據(jù)，如表1所示。

表1 建造技術評價指標相關參考數(shù)據(jù)

2 基于BP神經(jīng)網(wǎng)絡的船舶建造技術評價

BP神經(jīng)網(wǎng)絡是由多層神經(jīng)元組成的前饋網(wǎng)絡，名字起源于網(wǎng)絡權值的調整規(guī)則，采用的是反向傳播學習算法，即BP學習算法[3]。在BP神經(jīng)網(wǎng)絡中，數(shù)據(jù)從輸入層經(jīng)隱含層向后傳播，訓練權值時，則沿著減小誤差的方向傳播，從輸出層經(jīng)過中間層向前修正網(wǎng)絡的連接權值。隨著學習不斷進行，最終誤差越來越小。

2.1 BP神經(jīng)網(wǎng)絡建模

一般來說，BP神經(jīng)網(wǎng)絡由多層構成，層與層之間全連接，同一層之間的神經(jīng)元無連接。根據(jù)前文內容，船舶建造技術評價選定全員造船生產(chǎn)效率等7項數(shù)據(jù)作為評價指標。應用BP神經(jīng)網(wǎng)絡，自動判別評價指標數(shù)據(jù)與等級范圍數(shù)據(jù)的接近程度，從而對船舶建造技術進行評價[4]。

2.1.1 網(wǎng)絡層數(shù)的確定

Roberto等已經(jīng)證明，對任何在閉區(qū)間內的1個連續(xù)函數(shù)都可以用1個3層BP網(wǎng)絡逼近，因而1個3～4層的BP神經(jīng)網(wǎng)絡可實現(xiàn)任意n維到m維的映射[5]。根據(jù)張立明[6]在《人工神經(jīng)網(wǎng)絡模型及應用》書中指出，與含有1個隱含層的BP網(wǎng)絡模型相比，含有2個隱含層的BP網(wǎng)絡更容易陷入局部極小，更難以訓練。綜上所述，本文中船舶建造技術評價采用3層的BP神經(jīng)網(wǎng)絡模型(1個輸入層、1個隱含層、1個輸出層)。

2.1.2 輸入層和輸入層單元數(shù)的確定

根據(jù)前文已選擇7項指標數(shù)據(jù)所組成的船舶建造技術評級基本因子，船舶建造技術評價BP網(wǎng)絡模型即包含全員造船生產(chǎn)效率、每修正總噸工時消耗、鋼材一次利用率、分段無余量制造率、搭載前預舾裝率、下水/出塢安裝完整性率、涂裝單位面積涂料消耗量7個輸入層節(jié)點。

2.1.3 隱含層和隱含層單元數(shù)的確定

不少學者提出了隱含層節(jié)點數(shù)確定的方法，如嚴太山在《基于BP神經(jīng)網(wǎng)絡的玻璃瓶裂紋檢測模型》文章中，歸納總結了如下計算方法：

式中：NH為最佳隱含節(jié)點數(shù)；m為輸入層節(jié)點數(shù)；n為輸出層節(jié)點數(shù)；a為0～10之間的常數(shù)[7]，本文中選擇隱含節(jié)點數(shù)為3。

2.1.4 輸出層和輸出層單元數(shù)的確定

對于船舶建造技術水平評價尚未有標準等文件明確規(guī)定，結合表1中整理的5年數(shù)據(jù)，將建造技術評價劃分為：I、II、III3個等級，分別表示一般、先進和優(yōu)秀。因此，輸出層單元數(shù)為3個，對應各自評價等級。

2.2BP神經(jīng)網(wǎng)絡訓練

2.2.1 訓練樣本和期望輸出

訓練樣本也稱專家樣本，即BP網(wǎng)絡模型的“教師值”，通常是由多組“輸入-輸出對”構成的矩陣。根據(jù)2.1.4小節(jié)中輸出評價等級劃分為：I、II、III3個等級，將其用二進制表示，依次為：001、010、001。同時，針對各個等級，對評價指標數(shù)據(jù)進行范圍劃分，如表2所示。

表2 建造技術評價等級劃分 %

根據(jù)表2中評價指標數(shù)據(jù)劃分，形成3對訓練樣本，考慮采用3對樣本作為輸入進行BP網(wǎng)絡訓練，通過訓練得出的網(wǎng)絡魯棒性差，會出現(xiàn)異常輸出的情況。為了提高BP神經(jīng)網(wǎng)絡的魯棒性和適用性，依據(jù)表2所示的劃分原則，利用Matlab軟件隨機生成訓練樣本，對訓練樣本進行擴充。

2.2.2 樣本的歸一化處理

在BP神經(jīng)網(wǎng)絡中，非線性函數(shù)值域一般取[0,1]或[-1,1]2種類型。因此，需要對表2中指標數(shù)據(jù)進行歸一化處理，本文選擇[0,1]，采用計算公式為

2.2.3BP神經(jīng)網(wǎng)絡訓練過程

本文采用BP神經(jīng)網(wǎng)絡的架構，將歸一化的特征和二進制編碼后的輸出作為網(wǎng)絡的輸入和輸出，設定網(wǎng)絡輸入層為7層，輸出層為3層，其中隱含層結點為20個，選擇Sigmoid函數(shù)作為隱含層激勵函數(shù)，收斂誤差為0.001，最大迭代次數(shù)選擇10 000，神經(jīng)網(wǎng)絡的建立命令如下，訓練過程如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡的訓練過程

net=newff(minmax(P_train),[20,3],{'tansig' 'tansig'} ,'traingda');

net.trainParam.epochs=10000;

net.trainParam.goal=0.001。

2.3BP神經(jīng)網(wǎng)絡測試評價結果

利用已經(jīng)訓練好的BP神經(jīng)網(wǎng)絡，將船舶建造技術評價指標數(shù)據(jù)樣本(2011-2015年)輸入網(wǎng)絡，網(wǎng)絡評價結果按年依次為：001(一般)、001(一般)、010(良好)、011(優(yōu)秀)、010(良好)。

3 結論

本文將船舶建造技術評價問題轉化為模式識別問題，把指標數(shù)據(jù)范圍劃分為3個等級，指標數(shù)據(jù)與最為接近等級范圍數(shù)據(jù)所對應建造技術等級為BP網(wǎng)絡模型識別輸出，表示船舶建造技術水平評價等級。隨著研究的深入，船舶建造技術評價指標豐富，訓練樣本不斷擴充，應用BP神經(jīng)網(wǎng)絡評價船舶建造技術更加準確、客觀和便利。

[1] 中華人民共和國工業(yè)和信息化部.船舶建造技術水平評估方法：CB/T 4335-2012[S].北京：中國船舶工業(yè)綜合技術經(jīng)濟研究院，2013.

[][]

[2] 朱嘉龍，劉傳茂. 造船技術水平評價研究[J]. 船舶工程，1999，4：19-21.

[3] 孫曉玲，王寧，梁艷. 應用BP神經(jīng)網(wǎng)絡的教學評價模型及仿真[J]. 計算機仿真，2010,11：314-318.

[4] 賀清碧. BP神經(jīng)網(wǎng)絡及應用研究[D]. 重慶：重慶交通大學，2004.

[5] 翟航，辛欣. BP人工神經(jīng)網(wǎng)絡對長春市土壤質量評價[J]. 環(huán)境研究與監(jiān)測，2009,4：70-72.

[6] 張立明. 人工神經(jīng)網(wǎng)絡的模型及其應用[M]. 上海：復旦大學出版社，1993.

[7] 白潤才，殷伯良，孫慶宏. BP神經(jīng)網(wǎng)絡模型在城市環(huán)境質量評價中的應用[J]. 遼寧工程技術大學學報(自然科學版)，2001,3：373-375.

Shipbuilding Technology Evaluation Model Based onBP Neural Networks

JIANG Jun， SHAO Mingzhi， WANG Lizhan

(Shanghai Shipbuilding Technology Research Institute, Shanghai 200032, China)

Based on the nonlinear characteristics of shipbuilding technology evaluation, a BP neural network model of construction technology evaluation is established. Network training is made. The verification is made which combines the shipbuilding enterprises actual data, which avoids the randomness and subjectivity of traditional evaluation methods. The evaluation of shipbuilding technology are made more accurate, objective and convenient.

ship; building technology; evaluation; BP neural network

姜 軍(1987-)，男，助理工程師，研究方向為船舶與海洋工程建造工藝

1000-3878(2017)03-0005-03

U671

A