基于BP 神經(jīng)網(wǎng)絡(luò)的飛行員著艦訓(xùn)練品質(zhì)評估

張海燕，閆文君，張立民，李忠超

（1.海軍航空大學(xué)，山東 煙臺(tái) 264001；2.中國人民解放軍31627 部隊(duì)，廣東 深圳 518000；3.中國人民解放軍73022 部隊(duì)，廣東 惠州 516000）

艦載戰(zhàn)斗機(jī)作為海上制勝的攻堅(jiān)力量，在遠(yuǎn)洋作戰(zhàn)中占有重要地位。艦載機(jī)飛行員掌握及運(yùn)用專業(yè)技能的精通度，對艦載機(jī)戰(zhàn)斗力起到?jīng)Q定作用[1]。隨著艦載機(jī)著艦評估研究的深入，在模糊評價(jià)法[2]、主客觀權(quán)重法[3]、多屬性決策法[4]和相似構(gòu)型決策[5]等方面都有了一些研究。然而，如何對艦載機(jī)飛行員著艦品質(zhì)做出客觀、準(zhǔn)確、可量化的評價(jià)，仍然是一個(gè)挑戰(zhàn)。

隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)評估在民用航空領(lǐng)域受到了廣泛關(guān)注。文獻(xiàn)[6]利用反向傳播神經(jīng)網(wǎng)絡(luò)與實(shí)際飛行數(shù)據(jù)相結(jié)合的方法，對民航航段的安全風(fēng)險(xiǎn)進(jìn)行了評估并通過Matlab 編程驗(yàn)證了該方法的可用性，并且基于此方法建立了航段安全風(fēng)險(xiǎn)評估原型系統(tǒng)。文獻(xiàn)[7]為實(shí)現(xiàn)客觀評價(jià)，利用眼動(dòng)數(shù)據(jù)，建立了網(wǎng)絡(luò)層次為6×14×3 的BP 神經(jīng)網(wǎng)絡(luò)，對三位技術(shù)水平不同的飛行員的飛行績效進(jìn)行預(yù)測和評估；文獻(xiàn)[8]針對試飛員的駕駛技術(shù)進(jìn)行評估的，首先構(gòu)建了評估指標(biāo)體系，而后通過BP 神經(jīng)網(wǎng)絡(luò)對指標(biāo)進(jìn)行訓(xùn)練得到最優(yōu)評估模型，最后通過Matlab 仿真驗(yàn)證了該方法的準(zhǔn)確性。文獻(xiàn)[9]將BP 神經(jīng)網(wǎng)絡(luò)運(yùn)用到高原復(fù)雜機(jī)場終端區(qū)飛行中，構(gòu)建了具有良好評估功能的飛行績效評估模型。文獻(xiàn)[10]為評估民用航空飛行中的風(fēng)險(xiǎn)，構(gòu)建了BP 神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)預(yù)測模型，通過算例分析驗(yàn)證了該模型的有效性。

從上述研究可知，基于神經(jīng)網(wǎng)絡(luò)的評估方法具有較強(qiáng)的準(zhǔn)確性和有效性[11-13]。但就著艦評估而言，相關(guān)研究主要基于人工評估和傳統(tǒng)算法[3-5]，很少嘗試神經(jīng)網(wǎng)絡(luò)。針對這方面的不足，將BP 神經(jīng)網(wǎng)絡(luò)運(yùn)用到對飛行員的著艦訓(xùn)練中，利用飛行參數(shù)、掛鎖情況以及專家組評分作為網(wǎng)絡(luò)的輸入和輸出構(gòu)建出數(shù)據(jù)集，通過對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、測試，驗(yàn)證了該神經(jīng)網(wǎng)絡(luò)評估模型的可用性。

1 構(gòu)建數(shù)據(jù)集

作為一個(gè)機(jī)器學(xué)習(xí)問題，數(shù)據(jù)集的構(gòu)建成為著艦訓(xùn)練品質(zhì)評估的關(guān)鍵前提。構(gòu)建了一個(gè)由300 條數(shù)據(jù)組成的著艦數(shù)據(jù)集，以合理的方式對數(shù)據(jù)集進(jìn)行預(yù)處理和歸一化處理，并采用適當(dāng)?shù)脑u估指標(biāo)來評估所提出方法的性能。

1.1 數(shù)據(jù)來源

使用DCS 軟件、F/A-18 飛機(jī)進(jìn)行模擬著艦訓(xùn)練[14]，飛行參數(shù)的存儲(chǔ)頻率設(shè)為80 Hz，通過TacView軟件將飛行參數(shù)導(dǎo)出，以合理的方式提取特征飛行參數(shù)構(gòu)建出數(shù)據(jù)集，用于網(wǎng)絡(luò)的訓(xùn)練。

數(shù)據(jù)集作為網(wǎng)絡(luò)評估的基準(zhǔn)，收集了來自不同水平飛行員的有效著艦數(shù)據(jù)300 條，在相同分布的前提下，按照6∶2∶2 的比例分為訓(xùn)練集、驗(yàn)證集和測試集。測試集包含訓(xùn)練集和驗(yàn)證集中從未出現(xiàn)過的著艦參數(shù)，通過對驗(yàn)證集中著艦參數(shù)的評估預(yù)測能夠真實(shí)反映BP 神經(jīng)網(wǎng)絡(luò)評估方法的性能。

1.2 特征提取

首先，綜合考慮著艦?zāi)M訓(xùn)練階段特征，提取了五個(gè)特征點(diǎn)作為著艦評估關(guān)鍵點(diǎn)。從圖1 著艦階段劃分示意圖中可以看出，理想的著艦軌跡相對于航母甲板為一條直線，并且著艦過程是以相對于航母甲板等速、等角直線下滑的方式進(jìn)行的[15]。參考大量的文獻(xiàn)，該文中選取著艦開始點(diǎn)（KK）、著艦中間點(diǎn)（ZJ）、著艦接近點(diǎn)（JJ）、著艦進(jìn)入點(diǎn)（JR）和復(fù)飛決定點(diǎn)（FF）五個(gè)特征點(diǎn)作為著艦評估關(guān)鍵點(diǎn)[2，15-16]。

圖1 著艦階段劃分示意圖

其次，針對提取的五個(gè)特征點(diǎn)選取八個(gè)飛行參數(shù)作為著艦評估關(guān)鍵點(diǎn)的特征參數(shù)。飛行員的著艦訓(xùn)練是根據(jù)訓(xùn)練大綱進(jìn)行的，著艦飛行參數(shù)是直觀的、可導(dǎo)出的。高度H、經(jīng)度LON和緯度LAT三個(gè)參數(shù)呈現(xiàn)出艦載機(jī)的空間位置；指示空速IAS反映出飛行員對速度的加減、保持以及在特定階段按照指定速度飛行的能力；坡度ROL反映出飛行員在轉(zhuǎn)彎時(shí)對坡度的掌控能力；航向角ψ反映了飛行員在整個(gè)模擬訓(xùn)練過程中對方向的控制能力；滾轉(zhuǎn)角γ和俯仰角θ反映出飛行員在訓(xùn)練過程中對飛機(jī)姿態(tài)控制的能力[17-18]。綜合考慮飛行參數(shù)的實(shí)際價(jià)值，該文選取H、LON、LAT、IAS、ROL、ψ、γ、θ八個(gè)飛行參數(shù)作為著艦評估關(guān)鍵點(diǎn)的特征參數(shù)。

1.3 數(shù)據(jù)處理

1.3.1 輸入數(shù)據(jù)處理

從一次著艦訓(xùn)練中，提取五個(gè)著艦評估關(guān)鍵點(diǎn)的八個(gè)飛行參數(shù)作為一組輸入數(shù)據(jù)，輸入數(shù)據(jù)用矩陣A表示，如式（1）所示。對輸入數(shù)據(jù)A進(jìn)行預(yù)處理后，形成式（2）所示的1×40 的矩陣B作為BP 神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。

1.3.2 輸出數(shù)據(jù)處理

輸出數(shù)據(jù)分為兩部分，一部分為尾鉤掛攔阻索情況，另一部分為專家組對著艦訓(xùn)練的評分。

1）尾鉤掛鎖部分

航空母艦甲板上有四根攔阻索如圖2 所示，自艦尾起編號分別為攔阻索1-4，相鄰兩根攔阻索之間的距離為12 m，理想著艦點(diǎn)位于攔阻索2 和攔阻索3 中間[1]。針對每一次的著艦訓(xùn)練，為了區(qū)分著艦品質(zhì)的優(yōu)劣，將艦載機(jī)尾鉤未掛鎖、掛攔阻索1-4 設(shè)置相應(yīng)的標(biāo)簽,并劃分為“不合格、合格、優(yōu)秀、良好”四個(gè)評估等級標(biāo)準(zhǔn)，如表1 所示。

表1 尾鉤掛鎖情況

圖2 著艦區(qū)域示意圖

2）專家組評分部分

收集了來自一級飛行員（專家）、二級飛行員（中間水平人員）、三級飛行員（初學(xué)者）的300 條有效著艦?zāi)M訓(xùn)練的飛行參數(shù)以及尾鉤掛鎖情況，并邀請9人評分組（3 名飛行教官、3 名著艦指揮官、3 名飛行員）進(jìn)行評估打分。每次著艦?zāi)M訓(xùn)練分值以10 分計(jì)，0 分代表著艦得分最低，10 分代表最完美的著艦分?jǐn)?shù)。最后的分?jǐn)?shù)標(biāo)簽由專家組的評分加權(quán)平均得到，其中飛行教官評分權(quán)重為0.5，著艦指揮官評分權(quán)重為0.3，飛行員評分權(quán)重為0.2。

2 評估網(wǎng)絡(luò)

2.1 網(wǎng)絡(luò)模型

BP 神經(jīng)網(wǎng)絡(luò)擅長處理函數(shù)擬合問題，一個(gè)神經(jīng)網(wǎng)絡(luò)有足夠的元素(稱為神經(jīng)元)可以任意擬合任何數(shù)據(jù)的準(zhǔn)確性，具有較強(qiáng)的非線性映射能力和柔性網(wǎng)絡(luò)結(jié)構(gòu)。BP 神經(jīng)網(wǎng)絡(luò)算法包括兩部分：輸入信號的前向傳播和輸出誤差的反向傳播。在前向傳播中，輸入信號通過隱藏層作用于輸出節(jié)點(diǎn)，經(jīng)非線性變換，產(chǎn)生輸出信號，若實(shí)際輸出與期望輸出結(jié)果不一致則轉(zhuǎn)入反向傳播；在反向傳播中，將輸出誤差通過隱藏層向輸入層逐層反傳，并將誤差分?jǐn)偨o各層，并以各層獲得的誤差信號作為調(diào)整單元取值的依據(jù)[19-22]?？紤]到著艦訓(xùn)練評估的非線性特性，BP 神經(jīng)網(wǎng)絡(luò)是效果較優(yōu)的評估模型，該文搭建的BP 神經(jīng)網(wǎng)絡(luò)模型框架如圖3 所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)模型框架

2.2 網(wǎng)絡(luò)評估指標(biāo)

為了評估該方法的預(yù)測性能，計(jì)算了平均絕對誤差(eMAE)和相關(guān)系數(shù)(R)。eMAE表達(dá)式為:

其中，m為樣本數(shù)量，為第i個(gè)樣本的預(yù)測值，yi為第i個(gè)樣本的真實(shí)值。值得注意的是，eMAE代表了1～10 分的分?jǐn)?shù)誤差；eMAE越小，預(yù)測性能越好。R定義為:

其中，m為樣本數(shù)量，和分別表示真實(shí)值的均值和預(yù)測值的均值，yi和分別表示第i個(gè)樣本的真實(shí)值和第i個(gè)樣本的預(yù)測值。R用于測量預(yù)測與真實(shí)值之間的相關(guān)性；絕對值越高，性能越好。

2.3 網(wǎng)絡(luò)參數(shù)確定

由1.3 節(jié)數(shù)據(jù)處理部分可知，網(wǎng)絡(luò)輸入?yún)?shù)為40，網(wǎng)絡(luò)輸出參數(shù)為2，因此構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)為40，輸出層的神經(jīng)元個(gè)數(shù)為2，根據(jù)經(jīng)驗(yàn)公式（5）[15]，初步估算隱藏層節(jié)點(diǎn)數(shù)為8～16。

其中，pn為輸入神經(jīng)元數(shù)目；pm為輸出神經(jīng)元數(shù)目；a為1～10 的常數(shù)，S為待估隱藏層節(jié)點(diǎn)數(shù)。

經(jīng)過對網(wǎng)絡(luò)模型的不斷訓(xùn)練測試，從表2 測試結(jié)果可知，當(dāng)隱藏層節(jié)點(diǎn)數(shù)為15 時(shí)，eMAE有最小值0.040 987，R值為0.972 30，滿足評估設(shè)置要求。因此，BP 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)確定為40×15×2 的三層網(wǎng)絡(luò)。

表2 隱藏層節(jié)點(diǎn)數(shù)與評估指標(biāo)精度表

3 仿真驗(yàn)證

利用Matlab R2020a 軟件對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練次數(shù)設(shè)置為2 000 次，學(xué)習(xí)率為0.5，訓(xùn)練最小誤差為0.003，隱藏層的激活函數(shù)為tansig，輸出層的激勵(lì)函數(shù)為purelin，訓(xùn)練函數(shù)為trainlm，學(xué)習(xí)函數(shù)為learngd。用經(jīng)過預(yù)處理、歸一化處理后的數(shù)據(jù)集，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試，訓(xùn)練好的評估網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為40×15×2 。用測試集對網(wǎng)絡(luò)進(jìn)行驗(yàn)證，網(wǎng)絡(luò)性能達(dá)到了預(yù)期目標(biāo)，所得預(yù)測值和期望值的誤差對比圖以及eMAE值如圖4-6 所示。

圖4 掛鎖情況下測試集預(yù)測值和期望值的誤差對比

對著艦訓(xùn)練過程中的尾鉤掛鎖情況進(jìn)行測試時(shí)，將測試集送入訓(xùn)練好的評估網(wǎng)絡(luò)，所得掛鎖預(yù)測值與期望值的標(biāo)簽對比以及誤差對比如圖4 所示。從圖4 中可以看出，預(yù)測值和期望值完全一致，誤差為0，評估網(wǎng)絡(luò)對掛鎖情況的預(yù)測效果很精準(zhǔn)。

測試集的期望分?jǐn)?shù)值是由專家組的評分加權(quán)平均得到的，圖5 給出了60 個(gè)測試數(shù)據(jù)的著艦真實(shí)分?jǐn)?shù)、經(jīng)過評估網(wǎng)絡(luò)所得預(yù)測值以及兩者之間的誤差值。從圖中可以看出，預(yù)測分?jǐn)?shù)值與真實(shí)分?jǐn)?shù)值比較接近，誤差值集中在0 附近，對分?jǐn)?shù)值的預(yù)測偏差較小。

圖5 測試集專家評分期望值和預(yù)測值的對比

評估網(wǎng)絡(luò)經(jīng)訓(xùn)練、驗(yàn)證和測試后，得到圖6 所示的網(wǎng)絡(luò)訓(xùn)練誤差曲線圖。圖6 給出了訓(xùn)練、驗(yàn)證、測試以及目標(biāo)值的均方誤差曲線關(guān)系，網(wǎng)絡(luò)經(jīng)過7 輪訓(xùn)練達(dá)到了最佳測試性能0.002 895 6，達(dá)到了著艦評估的性能要求。綜合圖4-6 的測試結(jié)果，得出該評估網(wǎng)絡(luò)的性能達(dá)到了著艦評估的要求。

圖6 網(wǎng)絡(luò)訓(xùn)練誤差曲線

4 結(jié)束語

針對飛行員著艦訓(xùn)練提出了一種基于BP 神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)評估方法，實(shí)現(xiàn)了對著艦過程中艦載機(jī)尾鉤掛鎖情況預(yù)測以及著艦訓(xùn)練品質(zhì)的評估。經(jīng)過驗(yàn)證分析，經(jīng)由網(wǎng)絡(luò)訓(xùn)練得到的掛鎖情況、評分與真實(shí)掛鎖情況、專家組評分基本一致，達(dá)到了預(yù)測評估效果。該方法不僅可以用于飛行員的自我著艦?zāi)M訓(xùn)練評分，還可為著艦指揮官的指揮提供掛鎖情況預(yù)測。