基于ANFIS和CBR的防化訓(xùn)練效果智能評估

呂學(xué)義

摘要：本文首先介紹ANFIS和CBR的理論知識(shí)，集成人工智能方法的思想，提出ANFIS和CBR相結(jié)合的方案，建立ANFIS-CBR智能評估模型，對受訓(xùn)者的防化訓(xùn)練效果進(jìn)行了全景式科學(xué)評估。實(shí)驗(yàn)結(jié)果表明，該智能評估模型能有效地對防化訓(xùn)練效果進(jìn)行全面優(yōu)化評估，為防化訓(xùn)練系統(tǒng)的虛擬模型優(yōu)化、快速提升受訓(xùn)者的能力水平提供了數(shù)據(jù)參考。

關(guān)鍵詞：ANFIS;CBR;防化訓(xùn)練;評估

隨著人工智能技術(shù)和虛擬現(xiàn)實(shí)技術(shù)的快速發(fā)展，許多領(lǐng)域采用防化訓(xùn)練系統(tǒng)代替實(shí)裝進(jìn)行維修訓(xùn)練。針對不同受訓(xùn)者的訓(xùn)練特點(diǎn)，依據(jù)計(jì)算機(jī)智能評估分析有助于得出最佳的訓(xùn)練決策，即選擇最合適的訓(xùn)練內(nèi)容和訓(xùn)練方法;大致診斷出受訓(xùn)者的錯(cuò)誤及可能的錯(cuò)誤原因，并給出指導(dǎo)和評價(jià)，以提高訓(xùn)練的實(shí)際效果和質(zhì)量。當(dāng)前，對于防化訓(xùn)練的研究多側(cè)重在防化訓(xùn)練系統(tǒng)功能設(shè)計(jì)、虛擬對象仿真等方面，對防化訓(xùn)練智能化評估的研究比較缺乏。因此，防化訓(xùn)練智能評估研究將成為一個(gè)既有理論價(jià)值又有重大實(shí)際意義的研究方向。

1ANFIS和CBR理論簡介

1.1ANFIS 知識(shí)

ANFIS（自適應(yīng)神經(jīng)模糊系統(tǒng)）是指模仿人的大腦神經(jīng)系統(tǒng)信息處理功能的智能化系統(tǒng)。隨著神經(jīng)網(wǎng)絡(luò)理論的快速發(fā)展，將神經(jīng)網(wǎng)絡(luò)與模糊理論融合為建模仿真的新技術(shù)成為學(xué)者們研究的焦點(diǎn)之一。ANFIS通過學(xué)習(xí)訓(xùn)練給定的經(jīng)驗(yàn)數(shù)據(jù)，并由此生成模糊控制規(guī)則。通過神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的模糊控制，在控制生成策略時(shí)，不必進(jìn)行復(fù)雜的規(guī)則搜索和推理，只需要通過高速并行的分布計(jì)算就可產(chǎn)生輸出結(jié)果。神經(jīng)網(wǎng)絡(luò)模糊控制器一般組合形式。主要有三種作用：①利用神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)模糊推理。②利用神經(jīng)網(wǎng)絡(luò)記憶模糊控制規(guī)則。③利用神經(jīng)網(wǎng)絡(luò)優(yōu)化模糊控制器的參數(shù)。

1.2CBR 知識(shí)

CBR （Case-Based Reasoning）是對新問題在案例庫中搜索出最為相似的舊案例，并進(jìn)行修改給新問題提供一種解的推理模式。目前，CBR技術(shù)的應(yīng)用已成為人們研究的熱點(diǎn)，因?yàn)镃BR技術(shù)解決問題不是通過知識(shí)規(guī)則去推理，而是對其自身所經(jīng)歷過的信息進(jìn)行回憶。CBR實(shí)質(zhì)上是一種類比學(xué)習(xí)方法，是一種基于過去求解類似闖題的經(jīng)驗(yàn)獲得豢前問題求解結(jié)果的推理模式。它是人工智能領(lǐng)域知識(shí)工程中的一種新的方法。與其它人工智能方法相比，CBR有其鮮明的特點(diǎn)：（1）CBR可以快速給出問題的解答。（2）CBR可以在人們尚未完全掌握理解的領(lǐng)域求解。（3）CBR在沒有規(guī)則可尋的情況下給推理系統(tǒng)提供了一種解決問題的方法。（4）CBR可以用來解釋一個(gè)可擴(kuò)充的或未能很好定義的概念，即CBR適合在無限或未知領(lǐng)域應(yīng)用。（5）CBR通過指出以往案例的核心部分指導(dǎo)將推理的重點(diǎn)放到問題的關(guān)鍵方面，問題求解的質(zhì)量和效率取決于案例的表示、組織、獲取以及案例的檢索。

2 ?ANFIS-CBR智能評估模型

本文集成人工智能方法的思想，提出ANFIS和CBR相結(jié)合的方案，建立ANFIS-CBR智能評估模型。ANFIS-CBR模型的核心思想是，根據(jù)案例的屬性特征，通過對其建立不同的索引，將一個(gè)大型的案例庫劃分為多個(gè)子案例庫。ANFIS作為CBR的前序模塊，對輸入的故障信息通過學(xué)習(xí)訓(xùn)練賦予索引，從而可在CBR模塊中的具有相應(yīng)索引的子案例庫中索引相似的案例集。系統(tǒng)的工作方式可分為建模學(xué)習(xí)過程和檢索評估過程。在對系統(tǒng)進(jìn)行建模學(xué)習(xí)時(shí)，受訓(xùn)者在虛擬環(huán)境中進(jìn)行維修訓(xùn)練的數(shù)據(jù)通過EON軟件數(shù)據(jù)采集端口輸出到智能評估模型，通過與故障庫標(biāo)準(zhǔn)數(shù)據(jù)對比分析，采用CBR技術(shù)進(jìn)行故障案例檢索，在相應(yīng)的子案例庫中尋找相似案例集，得出與當(dāng)前故障問題最匹配的一個(gè)或幾個(gè)案例，完成案例相似度的排序，如訓(xùn)練故障數(shù)據(jù)未超過闕值范圍則通過ANFIS智能模塊進(jìn)行綜合評估，得出受訓(xùn)者此次的防化訓(xùn)練綜合成績。否則，判為新案例存儲(chǔ)到案例知識(shí)庫，整個(gè)過程實(shí)現(xiàn)了評估模型的自學(xué)習(xí)。ANFIS-CBR智能評估模型。

3 ?CBR模塊案例檢索實(shí)現(xiàn)

案例檢索是構(gòu)建CBR的專家系統(tǒng)的關(guān)鍵技術(shù)之一。案例索引就是按照一定的索引策略，從案例庫中篩選出對當(dāng)前問題可能有潛在的啟發(fā)和指導(dǎo)意義的案例集，以縮小案例匹配的案例集的范圍。案例匹配就是從案例索引得到的案例集中根據(jù)一定的相似性度量方法，查找與當(dāng)前待求解的問題最相似的案例。案例檢索的根本目的就是通過案例庫中的案例與待求解的問題之間的相似度比較，找到最相似的案例。具體實(shí)現(xiàn)步驟：1）首先由用戶輸入裝備故障種類、故障發(fā)生的部件、部位等故障案例關(guān)鍵特征屬性。2）利用步驟1）的特征屬性，根據(jù)層次結(jié)構(gòu)索引，初步檢索出符合用戶輸入的特征屬性的故障案例種類，以及得到初始匹配的案例集。3）根據(jù)故障案例的種類，列出該種類所包含待匹配的特征屬性和特征權(quán)值，然后由用戶輸入這些關(guān)鍵特征屬性值。4）計(jì)算新故障案例中的特征屬性與初步檢索出故障案例集中的第k個(gè)案例的相應(yīng)特征屬性的匹配度。5）將4）中得出的匹配度與相應(yīng)特征屬性的權(quán)值，根據(jù)k-近鄰法進(jìn)行計(jì)算，求得該新案例與故障集中第k個(gè)案例的匹配度。6）重復(fù)步驟4）和步驟5），計(jì)算出該初始匹配案例集中的所有案例與當(dāng)前故障問題的匹配度。將所有案例的匹配度排序，輸出與當(dāng)前故障問題最匹配的一個(gè)或幾個(gè)案例，完成案例匹配過程。

4 防化訓(xùn)練評估指標(biāo)體系構(gòu)建

防化訓(xùn)練評估就是在虛擬環(huán)境下根據(jù)專家們對受訓(xùn)者操作時(shí)的諸項(xiàng)指標(biāo)進(jìn)行分析處理綜合評價(jià)?？茖W(xué)正確的選擇評估指標(biāo)對于防化訓(xùn)練系統(tǒng)評估具有重要影響。防化訓(xùn)練評估就是在虛擬環(huán)境下根據(jù)專家們對受訓(xùn)者操作時(shí)的諸項(xiàng)指標(biāo)進(jìn)行分析處理綜合評價(jià)。為克服由一位專家確定權(quán)重時(shí)存在的主觀性問題，可用Delphi法，首先選擇10～15位專家，根據(jù)設(shè)計(jì)的兩兩指標(biāo)相對重要性專家咨詢表參與評判，并不斷進(jìn)行反饋和修改。經(jīng)專家多輪評判，獲得趨近一致的專家意見后，利用所得的兩兩指標(biāo)相對重要性結(jié)果來分別構(gòu)造各指標(biāo)層的判斷矩陣，然后用層次分析法計(jì)算各指標(biāo)間的相對權(quán)重。根據(jù)所得的權(quán)重?cái)?shù)據(jù)，對采樣數(shù)據(jù)進(jìn)行處理即獲得初始訓(xùn)練樣本。防化訓(xùn)練系統(tǒng)在防化訓(xùn)練中選取的主要八個(gè)特性為：①時(shí)間符合度，訓(xùn)練項(xiàng)目中規(guī)定的關(guān)鍵點(diǎn)狀態(tài)轉(zhuǎn)換完成的時(shí)間，現(xiàn)實(shí)情況中通常也會(huì)依據(jù)歷史經(jīng)驗(yàn)提供標(biāo)準(zhǔn)參考時(shí)間;②路徑符合度，路徑是指對訓(xùn)練項(xiàng)目中，關(guān)鍵點(diǎn)的順序要求，對于操作訓(xùn)練項(xiàng)目，路徑是指動(dòng)作對象的執(zhí)行序列;③關(guān)鍵點(diǎn)符合度，關(guān)鍵點(diǎn)是指訓(xùn)練項(xiàng)目中，要求必須執(zhí)行的點(diǎn)，對于操作訓(xùn)練項(xiàng)目，關(guān)鍵點(diǎn)主要是指操作步驟中的動(dòng)作對象;④參數(shù)符合度，參數(shù)是指訓(xùn)練項(xiàng)目中，關(guān)鍵點(diǎn)狀態(tài)特征的量化表征;⑤易操作性，指防化訓(xùn)練系統(tǒng)安裝啟動(dòng)步驟簡明程度、啟動(dòng)時(shí)間快慢程度和操作界面的人性化程度;⑥方法符合度，方法是指訓(xùn)練項(xiàng)目中，受訓(xùn)人員對于執(zhí)行對象所采用的行為方式;⑦層次性，指防化訓(xùn)練系統(tǒng)為了對不同知識(shí)層次的受訓(xùn)者提供不同的維修案例庫。⑧智能性，指防化訓(xùn)練系統(tǒng)為現(xiàn)場測試人員綜合評價(jià)的推理評判過程。防化訓(xùn)練效果評估指標(biāo)是網(wǎng)絡(luò)模型能夠準(zhǔn)確預(yù)測的關(guān)鍵。因此我們?nèi)孕鑼Ψ阑?xùn)練效果評估指標(biāo)體系進(jìn)行深入研究，加強(qiáng)對虛擬環(huán)境下人機(jī)交互的數(shù)據(jù)采集、存儲(chǔ)保留等工作，在大量數(shù)據(jù)的支持下，效能預(yù)測才能夠更加精準(zhǔn)。

5 結(jié)束語

本文將ANFIS理論和CBR技術(shù)相結(jié)合，建立ANFIS-CBR智能評估模型。模型中ANFIS模塊的分類結(jié)果主要體現(xiàn)在故障案例索引的建立上，而CBR的案例庫也因索引的不同被劃分為若干個(gè)子案例庫，在進(jìn)行案例檢索時(shí)，ANFIS將指導(dǎo)CBR在相應(yīng)的子案例庫中檢索。ANFIS-CBR智能評估模型解決了ANN和CBR各自單獨(dú)應(yīng)用時(shí)的局限，應(yīng)用到防化訓(xùn)練領(lǐng)域具有一定參考價(jià)值。

參考文獻(xiàn)：

[1]葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLABR2007[M].電子工業(yè)出版社.2007.9.

[2]楊宇航，庚紅等.裝備防化訓(xùn)練系統(tǒng)工程研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2002，23（4）：34～41.

[3]郭齊勝，郅志剛，楊瑞平等.裝備效能評估概論[M].北京：國防工業(yè)出版社，2005.