离散Hopfield网络的航空装备机务人员能力素质模型评价*

徐 斌，胡剑波

（空军工程大学装备管理与安全工程学院，西安 710032）

离散Hopfield网络的航空装备机务人员能力素质模型评价*

徐 斌，胡剑波

（空军工程大学装备管理与安全工程学院，西安 710032）

随着航空装备的不断更新，带来了航空维修内容、流程和模式的深刻变化。航空机务人员的业务能力高低成为影响航空装备安全的重要因素，为此，从静态、动态两个方面研究了航空机务人员能力评价问题。首先给出了航空机务人员能力指标体系，运用模糊综合评价法进行了影响因素权重计算和决策分析，其次利用离散Hopfield（DHNN）网络联想记忆能力，将5种机务人员能力等级指标的样本存储到DHNN的5种模式，最后运用DHNN在存储的典型等级模式中寻找与给定测试样本最相似的模式，从而确定测试样本所归属的能力指标等级。

机务人员，指标水平，模糊综合评价，DHNN

引言

随着航空装备的发展，因其所具备的更为先进的技术性能指标，使得与之相匹配的航空机务工作开始凸现时效性、个体差异性和精确性等显著特征，带来了航空维修内容、流程和模式的深刻变化。在这种背景下，精细化维修已经成为航空机务的必然选择。维修差错是精细化维修的大敌，一旦发生维修差错将导致严重后果，不仅严重影响航空装备效能的发挥，而且导致航空装备受损和人员伤亡，而在此之中航空机务人员的维修能力高低则显得尤为重要，直接影响着航空装备性能的发挥［1］。

1 构建航空机务人员能力素质评价指标模型

航空机务人员能力素质模型是将人员能力素质（职业素养、能力和知识）按内容或是按机务专业岗位有机地组合在一起，职业素养、能力和知识中的每项内容都会有相关的行为描述，通过这些可观察、可衡量的行为描述来体现航空机务人员对于本专业工作的职业素养、能力和知识的掌握程度。

首先对机务人员所从事的岗位进行工作分析，工作分析采用问卷调查与关键行为事件访谈（Behavioral Event Interview，BEI）相结合的方法，明确其工作性质、工作任务与工作职责、工作要求及绩效标准等，在此基础上构建了机务人员能力素质指标初级模型，然后逐一同绩效优秀的机务人员进行行为事件的深度访谈，并根据访谈结果对初级模型进行修改，得到了进一步的补充与完善，最终建立的机务人员能力素质指标模型如图1所示［2］。

图1 机务人员能力素质指标体系

2 航空机务人员能力评价步骤

2.1 航空机务人员能力静态评价建模步骤

2.1.1 确定评价等级矩阵

①要对航空机务人员能力水平进行评价，首先需要确定表征能力水平的因素有哪些。根据评价的目的，采用问卷调查与关键行为事件访谈（Behavioral Event Interview，BEI），筛选出主要影响机务人员能力水平的主要因素，用相应的指标进行度量，形成评价因素集。设反映机务人员能力水平的主要因素有m个，分别用u1，u2，…，um来表示，将形成的评价因素集记为U={u1，u2，…，um}［3］。

②对于每个因素，可以确定若干等级或者给予若干个评语。如果划分的等级有n个，分别用υ1，υ2，…，υn表示，那么评价等级集为V={υ1，υ2，…，υn}。对于评价因素集中的每个因素ui（i=1，2，…，m），分析其对于评价等级集vi（i=1，2，…，n）的隶属度rij，得出第i个元素的单因素评价结果：ri=（ri1，ri2，…，rin）。

③对于m个因素，进行完单因素评价后，将ri作为第i行，形成一个综合了m个因素n个评价等级的模糊矩阵R。

2.1.2 确定权向量

通常来讲，反映机务人员能力水平影响因素之间并不是同等重要的，因此，有必要根据因素对机务人员能力的贡献程度给予相应的权重，根据权重确定过程人为因素的干预情况，如果记因素ui的权重为wi，则相应与因素集U的权重向量可以表示为W=（w1，w2，…，wm），对于权重wi，要求wi≥0且∑wi=1［4］。

2.1.3 进行模糊合成

在模糊矩阵R和权重向量W已经确定的基础之上，用权重向量W对矩阵R进行综合，即可得到从总体上来看机务人员能力水平对各评价等级的隶属程度。记模糊综合评价结果向量为S=（s1，s2，…，sn），S是由模糊矩阵R和权重向量W通过模糊运算得到的，S=W◦R，其中◦为模糊算子符号。

2.1.4 作出决策

观察得到的模糊综合评价结果向量S=（s1，s2，…，sn），sj表示机务人员能力水平隶属于评价等级vj的程度。其中，S中最大的sj对应的等级vj表示被评价对象最适合于该等级，可以用该等级作为被评价对象的评价结果。

2.2 航空机务人员能力动态评价建模步骤

基于DHNN的机务人员能力等级评价网络，是一种单层全反馈网络，如图2所示［6］。具体步骤如下：

图2 DHNN的航空机务人员等级评价模型

①将评价等级集（5类典型的评价分类等级：强（Ⅰ）、较强（Ⅱ）、一般（Ⅲ）、较弱（Ⅳ）及弱（Ⅴ））所对应的评价指标）作为神经元，用xi表示，所有神经元状态的集合就构成反馈网络的状态X=（xi，x2，…，xn）T。能力评价反馈网络的输入就是网络的状态初始值，表示为X0=（xi（0），x2（0），…，xn（0））T，其在外界输入激发下，从初始状态下进入动态演变过程，其间网络中的每个神经元的状态在不断变化，变化规律由式（1）规定：

其中，f（）为转移函数，DHNN网的转移函数常采用符号函数，神经元的输出只取1和-1，分别表示神经元处于激活和抑制状态。

②通过对经验样本的学习，将专家知识以权值的形式存储在网络中，并且利用网络的信息保持性来完成不精确的诊断推理。学习完成后，DHNN网络储存的平衡点即为各个分类等级所对应的评价指标。

③当有待分类的机务人员能力评价指标（影响能力素质的指标有以下10个：政治忠诚C11、责任心C12、人际技能C21、团队合作C22、专业知识C31、科技知识C32、专业信息寻求C41、故障信息分析能力C42、排除故障能力C43、应急能力C44）输入时，DHNN网络即利用其联想记忆的能力逐渐趋近于某个储存的平衡点，当状态不在状态时，此时平衡点所对应的便是待求的分类等级，达到对机务人员能力等级进行动态评测的要求。

3 航空机务人员能力评价算例分析

3.1 单个机务人员能力评价算例分析

某单位针对维修差错开展机务人员能力水平大调查，根据调查分析得到了机务人员能力水平评价指标体系（如图1所示），下面根据上节所述步骤，进行该单位机务人员能力水平考核。

3.1.1 确定评价等级矩阵

这是一个具有两个层次的评价问题。相应地，评价因素集也分为两个层次。第1个层次，记为u1=［政治忠诚，责任心］，u2=［人际技能，团队合作］，u3=［专业知识，科技知识］，u4=［专业信息寻求，故障信息分析能力，排除故障能力，应急能力］。第2个层次，记为U={u1、u2、u3、u4}=［人格特质、人际与合作、业务知识学习能力、专业技术能力］。将机务人员能力评价等级分为强、较强、一般、较弱、弱5个等级，即所建立的评价等级集V={υ1、υ2、υ3、υ4、υ5}=［强、较强、一般、较弱、弱］。

根据评价因素集U={u1、u2、u3、u4}，结合表1中的数据，得到相应的模糊综合评价矩阵R为：

3.1.2 确定权向量

利用层次分析法，应用AHP确定机务人员能力模型权重，机务人员能力评价小组专家采用1～9标度法建立各层判断矩阵，见表2～表6。

表1 二级指标隶属于评价等级的测度值

表2 准则层判断矩阵A～B

表3 判断矩阵B1～C

表4 判断矩阵B2～C

表5 判断矩阵B3～C

表6 判断矩阵B4～C

运用MATLAB7.9.0计算最大特征根λmax和λmax相对应的特征向量w，并作归一化，得到各个能力指标的权重。经检验，各判断矩阵的CR〈0.110。

计算得到，与评价因素集u1相对应，“政治忠诚”、“责任心”两项二级指标相对于一级指标“人格特质”B1的权重分别为w1=［0.333 3，0.666 7］；与评价因素集u2相对应，“人际技能”，“团队合作”的权重相对于一级指标“人际与合作”B2分别为w2=［0.750 0，0.250 0］；与评价因素集u3相对应，“专业知识”，“科技知识”相对于一级指标“业务知识学习能力”B3的权重分别为w3=［0.166 7，0.888 3］；与评价因素集u4相对应，“专业信息寻求”，“故障信息分析能力”、“排除故障能力”、“应急能力”相对于一级指标“专业技术能力”B4的权重分别为w4=［0.500 0，0.167 5，0.272 0，0.070 6］。与评价因素集U相对应，“人格特质”、“人际与合作”、“业务知识学习能力”、“专业技术能力”相对于目标的权重分别为w=［0.215 8，0.107 9，0.195 9，0.480 4］。

3.1.3 进行模糊合成

首先，对二级指标进行模糊合成。如前所述，根据不同的模糊合成算子们可以演变出不同的模糊评价模型，在这里，选择Zadeh算子（∧∨），是对隶属度进行去取大和取小运算，在Matlab里编写m函数文件，进行运算。

%用先取大后取小的Zadeh模糊算子进行模糊合成运算

综上，运用matlab7.9.0实现模糊合成运算得到结果为

3.1.4 作出决策

运算结果表明，机务人员能力评价4个指标集（“人格特质”、“人际与合作”、“业务知识学习能力”、“专业技术能力”、）隶属于“很好”这一评价等级的测度值为0.163 9，隶属于“较好”这一评价等级的测度值为0.397 3，隶属于“一般”这一评价等级的测度值为0.274 3，隶属于“较差”这一评价等级的测度值为0.174 6，而隶属于“差”这一评价等级的测度值为0.122 2。根据最大隶属原则，评测的这位机务人员能力素质等级为“较好”，在团队协作方面表现优异，但在业务知识学习和专业技能方面还存在缺陷，需要进一步改进，强化自身业务素质［5］。

3.2 多个航空机务人员能力等级算例分析

3.2.1 DHNN专家网络建立

采用文献［3］的步骤：①评分规则，各项能力指标都分为强、较强、一般、较弱、弱5个等级，对应的分值分别为9、5、7、3、1；专家组根据机务人员维修能力的全面考察，得到10位机务人员能力指标评分情况。②首先计算准则层各项能力指标的得分，将每一准则下的各项能力指标评分构成的分值矩阵，乘以相对于该准则各指标的权重构成的权重矩阵，就得到准则层各项能力指标的分值。用ui表示Bi下的各指标的分值矩阵；wi表示相对于Bi的各指标的权重矩阵；PBi表示Bi的得分。然后，将准则层各项能力指标的得分矩阵PBi，乘以准则层相对于目标层的权重矩阵w，得到总分T。

专家评判的5个等级评价编码为5个10×5的矩阵，每个矩阵中的元素只包含“1”和“-1”两种取值。数据保存在class_mat文件中，依次为class_1、class_2、class_3、class_4、class_5。如：

class_1=［1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1；1，-1，-1，-1，-1］；

将各个等级的样本对应的各评价指标的平均值作为各个等级的专家评价指标，即作为Hopfield神经网络的平衡点，如表7所示。

表7 5个等级理想评价指标

3.2.2 待评的5名机务人员能力等级指标

5名待评的机务人员能力等级评价（如下页表8所示）。

在Matlab里将待评机务人员的能力等级评价指标编码保存在sim.mat中，5个编码矩阵分别为sim_1、sim_2、sim_3、sim_4、sim_5。如：sim_1=［1，-1，-1，-1，-1；-1，-1，1，-1，-1；-1，1，-1，-1，-1；-1，-1，1，-1，-1；1，-1，-1，-1，-1；-1，-1，1，-1，-1；-1，-1，1，-1，-1；1，-1，-1，-1，-1；-1，1，-1，-1，-1；-1，-1，1，-1，-1］。

表8 5名待评的机务人员能力等级评价指标

3.2.3 仿真分析

将待评的5名机务人员能力评价指标的编码输入创建好的离散型Hopfield神经网络，利用Matlab自带的神经网络工具箱函数sim进行仿真［7-9］。具体程序如下：

图3 待评价的5名机务人员能力等级指标编码仿真结果

仿真结果如图3所示，第1行与5类典型的评价分类等级（强（Ⅰ）、较强（Ⅱ）、一般（Ⅲ）、较弱（Ⅳ）及弱（Ⅴ））相对应，表示5个理想的等级评价指标编码；第2行表示5名待评的机务人员能力等级评价指标编码；第3行为设计的Hopfield神经网络分类的结果。从图3中可以清晰地看出，设计的Hopfield神经网络可以有效地进行分类，从而可以对航空机务人员的能力素质等级水平进行客观公正地评价。

4 结 论

①根据关于航空机务人员能力素质评测的调研结果，采用行为事件访谈法建立包括人格特质、人际与合作、业务知识学习能力、专业技术能力4项能力指标和10项子能力指标的航空机务人员能力素质评价模型。

②模糊综合评价法是确定航空机务人员能力素质指标权重的有效工具，通过对二级评价指标体系分析，计算影响因素权重数值，采用最大隶属原则，进行机务人员能力评价，减少了在权值确定过程中人的主观随意性。

③基于Hopfield神经网络的航空机务人员能力等级评价方法，通过对已有样本模式的学习，获得了评价专家的知识与经验，以后当需要对航空机务人员能力等级进行评价时，只要给训练好的Hopfield神经网络输入相应的能力指标数据矩阵，Hopfield神经网络会再现专家的知识与经验，即时作出响应，不需要人为干预，从而可以避免评价过程中的人为失误，评价准确性高。同时，该网络系统还具有很强的容错能力。

［1］王 瑛，汪 送，李 超.面向新型航空装备系统的安全保障模式研究［J］.中国安全生产科学技术，2011，33（1）：54-57.

［2］江卫东.基于AHP和BP神经网络的企业R&D人员胜任力评价［J］.系统工程理论与实践，2007，27（6）：56-63.

［3］何逢标.综合评价方法MATLAB实现［M］.北京：中国社会科学出版社，2010.

［4］关 宁，乔 良，张 宁.AHP和模糊综合评判在物流园区规划综合评价中的应用［J］.中国储运，2009，20（9）：99-101.

［5］史 峰，王小川，郁 磊，等.MATLAB30个神经网络案例分析［M］.北京：北京航空航天大学出版社，2010.

［6］朱文藻.高校科研能力评价指标的建立及评价［J］.安徽工程科技学院学报，2003，18（3）：40-44.

［7］曾 华，王恒山.基于Hopfield网络的信息技术外包服务商评价模型［J］.电子技术应用，2006，32（9）：15-18.

［8］徐若冰.基于Hopfield网络的船舶发电机故障诊断研究［D］.上海：上海海事大学，2009.

［9］邢国平，韩 力.航空机务人员胜任力评价研究［J］.四川兵工学报，2013，34（1）：139-143.

Building and Evaluating Maintenance Personnel Competency Model of the New Type Aviation Equipment

XU Bin，HU Jian-bo
（Equipment Management and Safety Engineering College，Air Force University of Engineering，Xi'an 710032，China）

Aircraft Maintenance Personnel Competency（AMPC）has been becoming more and more important for the aerial materiel safety with the Development the aerial materiel and the shape progress in aerial maintenance contents，flows and modes.Researches on evaluating for AMPC from static to dynamic are given in this paper.Firstly，the index of AMPC is shown，and the impact factors and its analysis and decision are derived based on the Fuzzy Comprehensive Evaluation Method（FCEM）.Secondly，five classes of AMPC index are stored with the associational memory of the DHNN to get the typical modes.Finally，the test stylebook is tested with DHNN to show which index level it belongs to.

aircraft maintenance personnel，index level，fuzzy comprehensive evaluation，DHNN

TP206.3

A

1002-0640（2014）10-0008-05

2013-07-05

2013-09-07

上海市重点学科建设基金资助项目（J50103）

徐 斌（1983- ），男，陕西西安人，博士研究生。研究方向：装备维修管理与系统决策。