基于BP神经网络的卫生装备维修能力评估

张谷敏，尹晓峰，张 康，张 伟

基于BP神经网络的卫生装备维修能力评估

张谷敏，尹晓峰，张 康，张 伟

目的：建立基于BP（back propagation）神经网络的卫生装备维修能力评估系统，为科学评价维修机构提供依据。方法：分析常用装备维修能力的影响因素并量化，建立指标评价体系，将评价体系作为输入层，维修能力作为输出层，构建BP神经网络系统；利用Matlab软件训练网络，建立评估模型，并进行有效性验证。结果：得出反映待评估机构维修能力的量化值。结论：该系统可操作性强，保证了维修能力评估的科学性、合理性和公平性，较好地解决了定性评价存在的问题，具有一定的推广应用价值。

BP神经网络；装备维修能力；Matlab

0 引言

卫生装备故障会直接影响医疗诊断和治疗效果[1]，因此装备维修是发挥装备最大效益、提高部队卫勤保障能力的重要手段。长期以来，部队卫生装备检修机构能力一直采用定性评估，缺乏科学定量的评估方法。本文以常用卫生装备的维修能力作为评估对象，量化维修能力的影响因素，构建BP（back propagation）神经网络结构，利用Matlab软件训练网络，建立评估模型，得到量化维修能力值，为科学评价检修机构提供依据。

1 维修能力影响因素及量化

依据部队卫生装备考核训练标准，我们从手术、特诊、急救、防疫、放射和检验单元中选取高频电刀、B超、除颤器、喷烟喷雾机、野战X线诊断车、血细胞分析仪等13种常用装备来衡量维修能力。影响维修能力的因素很多，根据多年的工作实践，我们将其分为技术人员、维修零配件、技术资料、检修机工具4类8个指标[2]。为了便于进一步分析，我们考核检修机构人员的专业技能，检查零配件、技术资料的品种和数量、设备设施的完好程度，并对数据进行归一化处理，将评价指标量化为0～1之间的影响因子。

1.1 技术人员

（1）专业技能考核合格率p1。根据专业对检修技术人员进行基础理论和技能操作考核，综合所有人员成绩加权平均，得出量化值。p1与技术人员能力成正比。

式中，mi为考核成绩，n为参加考核人次。

（2）人员在位率p2，为现有岗位人员与所需人员的比值。

式中，n为现有人数，m为应有人数。

1.2 零配件

（1）品种齐全率p3，为现有配件品种与维修所需品种比值的平均值。p3越接近于1，零配件的种类越齐全。

式中，ni为实有配件品种数，mi为应有品种数，M为装备品种总数。

（2）数量满足率p4，为现有配件数量与维修所需数量比值的平均值。

式中，ni为实有配件数量，mi为应有数量，M为装备品种总数。

（3）配件获取难易度p5，以配件获取周期的归一化表示。p5越大，获取配件的平均周期越长。

式中，ti为配件获取周期，tmax为配件获取最大周期，M为装备品种总数。

1.3 技术资料

技术资料齐全率p6，为现有技术资料种类与维修所需资料种类的平均值，计算方法与p3相同。

1.4 设施设备

（1）机工具品种齐全率p7，为现有机工具品种与维修所需品种的平均值，计算方法与p3相同。

（2）机工具数量满足率p8，为现有机工具数量与维修所需数量的平均值，计算方法与p4相同。

2 构建BP神经网络

BP神经网络是对非线性可微分函数进行权值训练的多层网络，包含输入层、隐含层和输出层。其上下层之间神经元实现全连接，每层各神经元无连接，主要应用于函数逼近、模式识别、分类及数据压缩等领域[3]。

2.1 网络结构

根据评价指标体系，BP神经网络的输入层有8个神经元，输入值为评价指标的量化值。输出层有1个神经元，输出值代表维修能力。隐含层神经元个数采用如下经验公式[4]计算：

式中，j为隐含层神经元数，n为输入层神经元数，m为输出层神经元数，a为1～10之间的常数。由于样本数据偏少，我们采用9个神经元，BP神经网络结构如图1所示。

2.2 激活函数

在网络的隐含层，激活函数选用Sigmoid函数（S函数），其公式为[5]

输出层采用线性传递函数，其公式为

图1 卫生装备维修能力评估BP神经网络模型

式中，k为放大系数，c为位移。

2.3 初始权值

由于系统为非线性，初始值对于学习收敛和训练时间长短关系很大。如果初始值很大，使得加权后的输入落在传递函数的饱和区，从而导致其导数f′（x）非常小，当f′（x）趋向零时，权值变化也趋向零，使得调节过程几乎停顿。因此初始权值和阈值应选择均匀分布的小数经验值，在（-2.4/F，2.4/F）之间，其中F为所连单元的输入层节点数[5]。

3 Matlab实现

Matlab是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级计算语言和交互式环境[6]。利用其中的神经网络工具箱可以构建典型的神经网络，而不必考虑细节，可提高开发效率。

3.1 样本数据

组织技术专家对9家检修机构的8个指标进行深入分析，计算影响因素的量化值，综合5 a内的检修记录，根据常用装备的修复率计算检修机构的维修能力期望值。第1～7组数据作为神经网络的训练样本，第8、9组数据用于神经网络验证[7]，样本数据见表1。

根据样本数据确定输入矩阵Pm×s，m=8，为输入矩阵的维数；s=7，为样本组数。目标输出矩阵为维修保障能力值，用T=[0.78，0.75，0.63，0.59，0.71，0.49，0.64]表示。待评估的样本矩阵Q=[0.65，0.58，0.24，0.22，0.33，0.40，0.84，0.82]T。

3.2 程序设计

利用神经网络工具箱函数net=feedforwardnet（9，‘traingd’）建立名称为net的神经网络，输入层、隐含层和输出层的神经元个数分别为8、9、1。采用梯度下降法训练函数，目标精度设为0.001，仿真最大运行次数20 000次，即均方差≤0.001或运行次数达到20 000次时停止训练。神经网络构建完成后，用net=init（net）函数对网络进行初始化，并使用net=train（net，P，T）函数训练网络。

表1 维修能力评估样本数据

3.3 有效性验证

训练完成后，用第8、9组数据进行验证，结果见表2。网络评估值和实际值间的误差非常小，且均方差小于0.001，说明该评估值有效，BP神经网络具备适用性和可行性[8]。

表2 神经网络验证结果

4 仿真结果及分析

调用仿真函数Y=sim（net，Q），得出待评估机构的维修能力值为0.575。它表示依据给定的8个技术指标，该机构的维修能力值是0.575。BP神经网络均方差变化曲线如图2所示。从图中可以看出，经过10 687次训练后，网络误差为0.000 999 96，达到目标要求，性能曲线趋于收敛。由于训练样本较少，训练过程中主要存在2个问题：一是均方误差未达到目标要求，但是下降梯度不再变化，训练提前终止；二是虽然训练完成，但验证网络时输出与期望值偏差较大。究其原因主要是样本数据偏少和目标函数存在局部极小点[9]。为此，适当增加隐含层神经元数量，尝试采用不同的训练函数和学习函数，经过多次训练得到符合要求的神经网络。另外，在建立维修能力评价指标体系时，只考虑了人员和技术方面的影响因素，没有把组织结构和管理方面的影响因素纳入评价体系，也没有考虑评价指标之间的相关性，下一步要加强关于这2个方面的研究，以建立更加成熟的神经网络，更科学地反映检修机构的维修能力。

5 结语

基于BP神经网络的维修能力评估系统可充分利用专家的经验进行学习和训练，具有很强的适应性和学习能力，能较为客观地反映检修机构的维修能力，避免了人为主观因素造成的评估失真，保证了维修能力评估的科学性、合理性和公平性，较好地解决了定性评价存在的问题。如果考虑战时维修的影响因素，在输入层中增加战时评价指标，适当增加神经网络隐含层神经元个数，该评估系统也可应用于野战卫生装备维修队评估，具有一定的推广应用价值。

图2 维修能力评估仿真性能图

[1]程鹏，刘胜林，张强，等.医疗设备维修人因失误分析理论和模型的初步研究[J].医疗卫生装备，2013，34（4）：92-94.

[2]苏凡囤，王小飞，王海涛，等.工程装备维修机构维修能力评估研究[J].中国工程机械学报，2013，11（3）：276-280.

[3]高隽.人工神经网络原理及仿真实例[M].北京：机械工业出版社，2008：45-53.

[4]张柳，于永利，聂成龙，等.装备维修保障系统建模理论与方法[M].北京：国防工业出版社，2012：101-109.

[5]王学智，刘罕杰，孙正民.基于BP神经网络的装备维修人员保障能力评估[J].四川兵工学报，2010，31（4）：4-6.

[6]傅荟璇，赵红.MATLAB神经网络应用设计[M].北京：机械工业出版社，2010：53-57.

[7]黄建新，边亚琴，张胜涛.基于BP神经网络的雷达装备维修质量评估研究[J].航空维修与工程，2012（2）：88-90.

[8]包武毅，陈新波.神经网络在基于状态维修的供电设备决策支持系统中的应用研究[J].航空维修与工程，2013（2）：94-96.

[9]张磊，王族统，胡小响.一种基于仿真的装备维修保障能力评估方法[J].火力指挥与控制，2014，39（4）：106-109.

（收稿：2015-01-06 修回：2015-09-14）

BP neural network-based assessment of medical equipment maintenance ability

ZHANG Gu-min,YIN Xiao-feng,ZHANG Kang,ZHANG Wei
（Institute for Drug and Instrument Control of Jinan Military Area Command,Jinan 250022,China）

Objective To establish a BP neural network-based assessment system of medical equipment maintenance ability.Methods The influencing factors of medical equipment maintenance ability were analyzed and quantified,and assessment indexes system was constructed,and then BP neural network was developed with the assessment system as the input layer and maintenance ability as the output layer.Matlab software was used to train the network and implement assessment model,and effectiveness demonstration was carried out.Results The quantified values were determined for the maintenance ability of to-be-assessed facilities.Conclusion The medical equipment maintenance assessment system solves the problems in qualitative assessment,and thus is worthy popularizing practically.[Chinese Medical Equipment Journal，2015，36（12）：46-48]

BP neural network;equipment maintenance ability;Matlab

R318.6；R197.39

A

1003-8868（2015）12-0046-03

10.7687/J.ISSN1003-8868.2015.12.046

张谷敏（1976—），男，工程师，主要从事卫生装备检修计量和质量检测方面的研究工作。

250022济南，济南军区联勤部药品仪器检验所（张谷敏，尹晓峰，张 康，张 伟）

尹晓峰，E-mail：18660172201@163.com