ImageVerifierCode 换一换
格式:DOC , 页数:4 ,大小:103.50KB ,
资源ID:1957622      下载积分:8 文钱
快捷下载
登录下载
邮箱/手机:
温馨提示:
快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。 如填写123,账号就是123,密码也是123。
特别说明:
请自助下载,系统不会自动发送文件的哦; 如果您已付费,想二次下载,请登录后访问:我的下载记录
支付方式: 支付宝    微信支付   
验证码:   换一换

加入VIP,省得不是一点点
 

温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【https://www.wenke99.com/d-1957622.html】到电脑端继续下载(重复下载不扣费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: QQ登录   微博登录 

下载须知

1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

本文(基于BP神经网络的维修检测设备研制项目风险评估与仿真.doc)为本站会员(gs****r)主动上传,文客久久仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知文客久久(发送邮件至hr@wenke99.com或直接QQ联系客服),我们立即给予删除!

基于BP神经网络的维修检测设备研制项目风险评估与仿真.doc

1、1基于 BP 神经网络的维修检测设备研制项目风险评估与仿真摘 要 针对航空装备维修检测设备研制项目实施过程中可能遇到的技术风险、费用风险、管理风险、保障性风险、进度风险等因素的影响,为确保维修检测设备研制项目的质量,规避研制过程中的各种风险,以 LHSB11 数字示波器研制项目为例,通过风险因素分析,构建了风险评估指标体系。运用 BP 神经网络建立了相应的评估模型,并运用 Matlab进行了仿真分析。论文的研究成果可以为特种数字示波器研制项目提供高效的风险评估方法。 关键词 神经网络;数字示波器;项目风险评估;仿真 doi : 10 . 3969 / j . issn . 1673 - 019

2、4 . 2014 . 12. 041 中图分类号 N945.13;F272 文献标识码 A 文章编号 1673 - 0194(2014)12- 0067- 02 特种数字示波器是航空装备重要的维修检测设备,是快速高效地实施航空装备维修保障的重要检测技术手段。示波器研制项目的质量如何会直接影响特种示波器的性能,进而影响航空装备维修检测任务的顺利进行。基于 BP 神经网络对特种数字示波器研制项目进行风险评估是一种有效的技术分析方法。 1 特种数字示波器研制项目风险因素分析 建立特种数字示波器研制项目风险评估指标体系,首先要分析研制2阶段每一个过程的风险以及各个风险的影响因素,然后在风险定性分析和定

3、量分析的基础上,选择那些影响各个风险的主要因素,构成风险识别指标的集合,然后通过对预选指标进行优化,最后确定风险综合评估指标。 技术风险主要包括设计风险、工艺风险、元器件风险、原材料风险、设施风险等;费用风险是指维修检测设备研制在实现其研制过程费用目标方面存在的风险;管理风险是指在特种数字示波器研制项目的组织管理过程中,由于项目管理不善,职责不清,权限错误,运作失误以及其他不确定性而引起的直接影响到项目目标实现的风险;保障性风险是指由于设备研制的管理组织管理水平的状况及其变化对设备研制产生的风险;进度风险是指因对设备研制过程所估算和分配的工作时间不足而产生的风险。 2 风险评估指标体系的建立

4、对于具体的 LHSB11 特种数字示波器项目研制过程而言,采用 3 层 BP网络预测该型示波器研制项目的风险。通过风险识别,将研制过程中的风险分为 5 类,每类风险又可以分为若干个风险因素。本文选取了 16 个已完成的同类示波器研制项目作为 BP 神经网络模型的训练和检测样本。采用专家评分法来获取指标体系的样本数据。通过评分表的形式向 10 位专家(其中 3 位权威专家,2 位生产厂家项目负责人、3 位企业领导、2位研制项目干系人) ,权威专家权重分别为 0.15,生产厂家负责人和企业领导的权重分别为 0.05,研制项目干系人权重分别为 0.15。其中每一指标均分为 5 个等级:风险很低、风险

5、较低、风险一般、风险较高、风险3很高。此 5 个风险等级分别对应于 5 个区间内的数值:0,1.5,1.5,3,3,4.5,4.5,6,6,8,风险程度越低,相应的评分数值就越低。通过统计分析,得到了 16 个样本评估指标体系的指标值。 同时,在专家组评分以后,得出每个项目整体风险打分结果,即期望风险值。经综合分析整理得到示波器研制项目期望得分表。 3 BP 神经网络模型的建立 对研制风险的评估问题,可以看作是输入(各风险指标)到输出(该项目的最终风险评估值)的非线性映射。将样本数据中的前 12 组数据作为训练样本,样本中的评估指标体系指标值作为输入节点,与之对应的由专家评分法确定的期望风险值

6、作为输出值,并通过 Matlab 软件编写神经网络仿真程序,创建 BP 神经网络并进行训练与仿真。 初始化后得到训练结果如图 1 所示。 图 1 中纵坐标为均方误差,横坐标为步数。由图可知,误差曲线的初始误差为 14.2,在 340 步以后误差曲线呈明显梯度性下降,在 1 354步时误差精度达到设定的 0.001,完成训练。 训练结束后,调用 sim 函数对所建立模型进行仿真,得到如图 2 所示的仿真图形。 然后调用 sim 函数对所建立模型进行仿真,并计算出仿真误差。 %计算仿真误差。 E=t-A; MSE=mse(E) ; 最终得到仿真误差。 4由图 2 可知,训练得出的输出曲线仿真图(绿

7、色带圆圈的虚线)与实际输入的曲线(蓝色带星号的实线)基本相符,拟合程度较高,而且其均方差很小,效果非常理想。达到了训练的预期目的。 将专家评分组打分得出的期望输出和仿真实际结果输出作为比较,得出误差值。通过检测结果可以发现,期望输出与实际输出的误差较小,这说明运用 BP 神经网络模型建立的 LHSB11 系列示波器研制项目风险评估模型是有效的。可以用这个评估模型对项目的研制阶段进行风险评估。4 结 论 通过运用风险评估模型计算出该型示波器研制项目的整体风险评估数值为 3.733,对应样本数据中的风险区间可知,该项目属于风险一般状态。特种数字示波器作为维修检测设备的必备工具,其研制项目的质量如何直接影响示波器的性能,通过建立评估指标体系和相应的数学模型,可以定量评估风险值的大小,通过仿真可以验证所构建的指标体系及其评估模型的可靠性和完备性,从而为维修检测设备研制项目的风险管理与控制,提供可靠的定量依据,为实现维修决策提供实用工具和有效方法。

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。