运用BP神经网络的雷达模拟训练考核评估方法

贺照辉,申正义,许诚

(空军预警学院，湖北 武汉 430019)

运用BP神经网络的雷达模拟训练考核评估方法

贺照辉,申正义,许诚

(空军预警学院，湖北 武汉 430019)

针对雷达兵部队模拟训练考核评估问题，研究了雷达兵部队模拟训练考核评估指标体系，提出了运用BP神经网络的考核评估方法，构建了BP神经网络评估模型，并用实际数据验证了模型的可行性和考核结果的客观性、可靠性、有效性，具有其他评估方法难以比拟的优势。为雷达兵分队模拟训练考核评估提供一种科学依据和新方法，也为模拟训练考核评估软件平台的设计奠定了一定的基础。

雷达；模拟训练；考核评估；BP；神经网络；训练考核

0 引言

雷达部队模拟训练考核评估涉及内容广泛,涵盖因素众多,人为因素影响明显,是一个多层次、多目标的综合评价问题。对雷达部队模拟训练作出正确、科学、全面的评价，深化训练改革和提高训练水平有着重要的推动作用[1-4]。目前，对雷达兵部队的模拟训练考核评估理论研究尚不成熟，缺乏专门的模拟训练考核评估软件平台，加之雷达兵部队部署分散，考核评估过程中出现了费时费力，考核评估结果不能反映实际战斗力水平[5-8]，缺乏系统的模拟训练平台以及与传统的战备值班训练矛盾日益突出等问题，这些现状已成为制约雷达兵训练发展的重要屏障。文献[1]提出了基于模糊理论的雷达站模拟训练考核评估方法，评判结果也比较符合实际，但是凭经验给出权重又会带有主观性，容易导致评估结果失真。目前，神经网络用于评估方面的理论研究广泛，且能够减少评估过程中的主观因素。为此，本文提出了基于BP(back propagation)神经网络的雷达兵部队模拟训练考核评估模型，依照人员类别分专业进行多层次评估[9-12]。首先，确立雷达兵部队模拟训练考核评估的指标体系；其次，根据指标体系和专家组评价建立BP神经网络评估模型；再次，对神经网络模型进行训练，使其“学会”评估，并对指标权重进行调整，使输出结果跟专家组评价误差低于误差精度；最后，通过数据输入和专家评测，检验评估方法的性能。

1 考核评估指标体系建立

雷达兵部队模拟训练考核评估的目的，是为了提高雷达部队模拟训练质量，把训练质量与提高战斗力紧密结合起来，提高雷达兵部队的预警能力[2-3]。因此，雷达部队模拟训练考核评估的指标体系应遵循客观性、目的性、综合性、定性分析与定量分析相结合、可行性、科学性等6个原则。

按照现行雷达兵部队训练考核要求[4]，结合指标确立的六大原则，建立了一个三级评价指标层。第1层：总目标因素集c=(c1,c2,c3)；第2层：子目标因素集c1=(c11,c12,c13)、子目标因素集c2=(c21,c22)和子目标因素集c3=(c31,c32,c33,c34,c35)，以此类推，构成了指标体系框架。具体框架图如图1所示。

1.1 一级指标

雷达兵部队模拟训练考核评估体系一级指标由个人、单位本级、综合能力3部分成绩综合组成[7]。个人模拟训练是雷达兵部队模拟训练的主题，它决定雷达兵部队机关各单位参训人员训练质量的高低和雷达兵部队的基本战斗能力；单位本级模拟训练是雷达兵部队模拟训练中不可或缺的重要组成部分，在本系统中单位本级模拟决定了整个雷达兵部队责任区域内情报质量的高低；综合能力是雷达部队实战化模拟训练发挥战斗力多少的综合体现，如图2所示。

图1 雷达部队模拟训练考核评价指标体系Fig.1 Simulation training assessment of radar-brigade index

图2 一级指标图示Fig.2 Diagram of first grade indexes

一级指标的成绩实行百分制，具体数值由二级指标和三级指标成绩汇总计算得到。

1.2 二级指标

二级指标是一级指标的延伸和细化，是一级指标评估成绩的基础。每一个一级指标下设若干二级指标。例如，在一级指标个人c1中下设有3个二级指标：指挥军官c11、参谋军官c12和技术军(士)官c13。在单位c2中下设有2个二级指标：下级模拟训练c21和单位本级一套班子的战术训练c22。综合能力c3中下设5个二级指标：阵地部署能力c31，组织指挥能力c32，机动能力c33，综合保障能力c34和电子战能力c35。在二级指标中有些指标不再细化，设置成单独的考核科目，比如单位c2中的下级模拟训练c21和综合能力c3中的5个二级指标都是单独的考核科目。

二级指标同一级指标一样，指标之间具有相当的关联度。比如综合能力c3评定的是雷达部队的综合战斗力，它不仅仅包含阵地部署能力c31、组织指挥能力c32、机动作战能力c33，也包括单位综合保障能力c34和适应复杂电磁环境下战场生存能力c35等。雷达部队指挥员是雷达部队战斗行动的组织者和领导者，是雷达部队作战指挥的核心人物。在综合能力评定中，指挥员的临战指挥能力是一个很大的不确定因素，不同的履职经历和不同的知识体系，在不同环境下的处置指挥可能差别很大。因此，组织指挥能力评价的是指挥员的理论知识、心理素质、分析判断和协调指挥能力。机动能力是衡量雷达装备作战考核的重要指标，实施机动不仅是改善其生存能力的重要手段，也是调整部署的重要途径。综合保障能力，是雷达部队为顺利遂行战斗任务而采取的各项保障性措施与进行的相应活动的总称，主要包括通信保障、装备保障、后勤保障等方面的内容。反电子干扰是雷达部队进行电子防御的重中之重，指挥员和操纵员必须深入了解高技术条件下电子干扰的手段和战术，雷达干扰的种类及其对雷达的影响，认真研究雷达反电子干扰的方法和在干扰条件下掌握空中目标的基本措施。同时，在综合能力c3中阵地部署c31的布置好坏，会影响到机动能力c33、综合保障能力c34和电子战能力c35等，如果阵地部署能力考核中得分过低，没有体现出部队一套班子在阵地部署方面的专业水准，那么组织指挥能力、机动能力、综合保障能力都要相应地受到扣分影响，如图3所示。

图3 综合能力图示Fig.3 Diagram of comprehensive ability

1.3 三级指标

三级指标是二级指标的延伸和细化，涉及到具体的模拟训练考核科目和内容，是整个模拟训练的基石。三级指标数据直接影响到二级指标和一级指标的数据，在此对三级指标进行细致的描述。

雷达兵部队指挥军官肩负着与友邻部队协同作战、组织本单位的训练工作、对下级单位进行指挥和对联合作战进行情报支援等任务，所以雷达兵部队指挥军官模拟训练考核的指标主要有作战训练c111、战役雷达保障与情报支援c112、战术训练c113和雷达装备c114。

雷达兵部队参谋军官必须要具备5种能力：分析判断能力、运筹谋划能力、组织协调能力、检查指导能力和研究创新能力。因此，在雷达兵部队参谋军官模拟训练中侧重于参谋的分析判断能力、运筹谋划能力和组织协调能力，评估指标由战役雷达保障与情报支援c121、战术训练c122和雷达装备c123组成。

雷达兵部队技术军(士)官的模拟训练主要以熟悉本职业务，掌握装备维修、维护和改进方法，不断提高装备维修保障和管理能力。因此，雷达兵部队技术军(士)官的训练评估主要包括2方面内容：雷达装备c131和维修技术c132。

单位本级的战术训练是雷达兵部队一套班子的综合训练，是雷达兵部队模拟训练考核评估的重要指标，在单位本级的战术训练中有3个三级指标，分别是战斗作风、战斗指挥和情报质量。战斗指挥和情报质量有相应的考核内容，战斗作风却难以作出评判，所以在本文中战斗作风的成绩是以雷达兵部队在年度作风纪律检查中的成绩作为参考依据。

2 运用BP神经网络的雷达部队模拟训练考核评估方法

基于雷达部队模拟训练考核评估指标体系的复杂性，构建BP神经网络系统模型[12-15]，基本解决了考核评估中出现的指标权重分配不科学的问题，既能考虑到专家经验，又能降低评价过程中的不确定因素，既能保证评估的规范性，又能保持较高的求解效率。

2.1 构建BP神经网络模型

确立，得到s=8。

图4 神经网络模型Fig.4 Model of neural network

wik为输入层第i节点到隐含层第k节点的连接权值，连接权值一般在0～1之间取值，ypk为样本模式P的隐含层第k节点的输出，wk为隐含层第k节点到输出层的连接权值，连接权值在0～1之间取值。

每个节点的输出和输入之间的非线性关系用Sigmoid函数描述，即

f(x)=(1+exp(-x))-1.

隐含层样本模式P的输出公式如下：

式中:θk表示隐含层节点k的偏置值。

输出层样本模式P的实际输出为

式中:θ表示输出层输出节点的偏置值。

模型在Matlab上学习完成并与验证样本进行对比会出现2种结果：结果与专家评价之间误差逐渐稳定并逼近低于固定值视为成功，结果与专家评价不接近或在极值点附近震荡视为失败。失败的原因可能是学习步长设定不合理，学习步长过大会导致在极值点附近震荡的可能性加大，乃至反复震荡难以收敛。这里只要对步长进行调整，反复试验就能让神经网络稳定下来，得到一个满意的泛化结果。

2.2 实例验证

在雷达部队模拟训练专家处采集8组样本，前6组样本为学习样本，后2组样本为测试样本，样本中，所有指标按照1-18的顺序排序，如作战训练为1，保障支援为2等依次类推，另外专家组还为每组样本进行了评价，作为专家评价来对模型进行修正。如表1所示。

表1 Matlab训练数据

续 表

神经网络的误差精度设为10-6，将样本数据和评价值输入BP神经网络中进行训练后，得到如下结果：71.000 0，81.000 0，74.000 0，90.999 8，83.000 0，69.000 2。

神经网络训练完成后，网络的权值即确定，将以上BP神经网络的输入换为测试值1和测试值2，得到结果分别为81.000 0和57.000 2，输出的评价分数与专家评价分数基本一致。图5为学习样本训练时训练次数与输出的误差关系，从图中可以看出，BP网络经过25次训练，误差精度<10-6,达到了预设的误差精度要求。

图5 神经网络训练次数与输出误差关系图Fig.5 Error relational graph of neural network training times and output

2.3 结果及分析

模型通过6组学习样本进行训练学习后，已经初步具备了评估能力。在后2组测试样本中，模型通过样本的输入，输出的评价分数与专家评价分数基本一致，误差值在不断学习中逐步逼近并低于误差精度，说明模型的建立是基本成功的。

神经网络训练完成之后，输入雷达兵部队模拟训练考核各科目成绩，就可以得到一个相对客观、公正的成绩，操作简单、快捷，并且容易调整，可以在雷达兵部队模拟训练考核评估中加以应用。

3 结束语

雷达部队模拟训练系统是个复杂的系统，进行综合评估时要考虑的因素很多，不同因素之间既有层次之分，也相互关联。如果用常用的评估方法来评估就会带有一定的局限性，比如权重的确定具有明显的人为因素，难以客观、有效地对模拟训练成绩进行评估。人工神经网络作为雷达兵部队模拟训练考核评估的一种评估方法，通过对样本数据的不断学习和网络自行计算就可以产生结果，不再需要人为设定权重，减少了人为因素对评估结果的影响，提高了评估结果的客观性、可靠性和有效性，为雷达兵分队模拟训练考核评估提供一种科学的依据和新的方法，也为模拟训练考核评估软件平台的设计奠定了一定的基础。当然，BP神经网络在模拟训练评估中也具有一定的局限性，比如在修正不同神经元连接权值的时候，容易使系统陷入极小值，这需要在今后的研究中不断完善和改进。

[ 1] 田德贵,李小明,刘云路,等. 复杂电磁环境下雷达兵训练效果评估[J].空军雷达学院学报,2009,23(4):251-253. TIAN De-gui, LI Xiao-ming, LIU Yun-lu, et al. Evaluation of Radar Troop Training Effect Under Complex Electromagnetic Environment[J]. Journal of Air Force Radar Academy, 2009,23(4): 251-253.

[ 2] 董原. 部队各军兵种军事训练考核评估达标手册[M].北京:中国科技文化出版社,2005:1460-1461. DONG Yuan. The Army Arms Military Training Assessment Standards Manual[M].Beijing: China Science and Technology Culture Publishing House, 2005:1460-1461.

[ 3] 毕长剑，董冬梅，张双建，等.作战模拟训练效能评估[M].北京：国防工业出版社，2011：125-142. BI Chang-jian, DONG Dong-mei, ZHANG Shuang-jian, et al. Operational Simulation Training Effectiveness Evaluation[M]. Beijing: National Defence Industry Press，2011：125-142.

[ 4] 冀建民，蔡梓良.雷达兵分队训练法[M].武汉：空军雷达学院，2003：91-140. JI Jian-ming, CAI Zi-liang. Radar-Brigade Unit Training Method[M]. Wuhan: Air Force Radar Academy，2003：91-140.

[ 5] 刘东亚，戴志平，张勇.基于模糊评价的雷达站模拟训练考核评估方法[J].空军预警学院学报，2014,28(3):192-194. LIU Dong-ya, DAI Zhi-ping, ZHANG Yong. Assessment of Radar Station Simulation Training Based on Fuzzy Evaluation[J].Journal of Air Force Early Warning Academy, 2014,28(3):192-194.

[ 6] 金宏斌,徐毓,蔡益朝.雷达旅(团)指挥所模拟训练系统的设计与实现[J].空军雷达学院学报,2002,16(2):25-26. JIN Hong-bin, XU Yu, CAI Yi-chao. Design and Realization of Simulation Training System in the Radar Brigade/Regiment Command Post[J]. Journal of Air Force Radar Academy，2002,16(2):25-26.

[ 7] 孙宗良，盛文，同伟.模拟训练系统效能评估方法研究[J].空军雷达学院学报，2009，23(5)：341-343. SUN Zong-liang, SHENG Wen, TONG Wei. Research on Effectiveness Evaluation of Simulative Training Systems[J]. Journal of Air Force Radar Academy，2009，23(5)：341-343.

[ 8] 冯亚军,韩博,李俊林,等.基于集成训练系统的实战化综合演练教学实践[J].空军预警学院学报，2015，29(1)：62-64. FENG Ya-jun, HAN Bo, LI Jun-lin, et al. Teaching Practice of Actual Combat-Oriented Synthetic Drilling Based on Integrated Training System[J]. Journal of Air Force Early Warning Academy, 2015，29(1)：62-64.

[ 9] 侯玉，夏立，张朝亮.船舶电力系统模拟训练评估算法[J].海军工程大学学报，2015,27(1):103-107. HOU Yu, XIA Li, ZHANG Chao-liang. Evaluation Method of Ship Power Simulation Training System[J]. Journal of Naval University of Engineering，2015,27(1):103-107.

[10] 吕可, 郑威. 舰载雷达对抗装备模拟训练操作评估方法研究[J].舰船电子对抗，2011，34(3)：88-92. LÜ Ke, ZHENG Wei. Research into the Evaluation Method of Simulation Training Operation of Shipborne Radar Countermeasure Equipments[J]. Shipboard Electronic Countermeasure，2011，34(3)：88-92.

[11] 崔凯旋，张成，石全. 装备保障训练评估方法及仿真分析[J].计算机仿真，2013，30(4)：331-335. CUI Kai-xuan，ZHANG Cheng，SHI Quan. Evaluation Method and Simulation Analysis for Equipment Support Training[J]. Computer Simulation，2013，30(4)：331-335.

[12] 王健，肖文杰，盛文，等.一种改进灰云模型的效能评估方法[J].微计算机信息，2009,25(4-3):277-278. WANG Jian, XIAO Wen-jie, SHENG Wen, et al. An Improved Effectiveness Evaluation Method Based on Grey Cloud Model[J]. Microcomputer Information, 2009,25(4-3):277-278.

[13] 舒重胜，董仕斌.基于BP神经网络的军校课堂教学质量评价模型[J].空军雷达学院学报，2008,22(4):284-286. SHU Chong-sheng, DONG Shi-bin. A Model of Evaluating Teaching Quality in Military Academies Based on the BP Neural Network[J]. Journal of Air Force Radar Academy, 2008,22(4):284-286.

[14] 雷鸣,楚威，李阳.基于BP神经网络的系统综合效能评估方法[J].指挥信息系统与技术，2012，3(1)：8-11. LEI Ming, CHU Wei, LI Yang. Evaluation Method for System Synthetic Effectiveness Based on BP Neural Network[J]. Command Information System and Technology，2012，3(1)：8-11.

[15] 周润景，张丽娜.基于MATLAB与fuzzyTECH的模糊与神经网络设计[M].北京：电子工业出版社，2010：122-156. ZHOU Run-jing, ZHANG Li-na. Design of Fuzzy and Neural Network Based on MATLAB and FuzzyTECH[M].Beijing: Publishing House of Electronics Industy, 2010: 122-156.

Simulation Training Assessment of Radar-Brigade Using BP Neural Network

HE Zhao-hui, SHEN Zheng-yi, XU Cheng

(Air Force Early Warming Academy,Hubei Wuhan 430019,China)

Aiming at the issue of simulation training assessment of radar-brigade, the simulation training assessment of radar-brigade index is proposed and a method based on BP neural network is given. The BP neural network assessment is constructed, and the feasibility of model, the objectivity, reliability and validity of the assessment results are verified with the actual data, which shows that it has the advantages that other assessment methods lack. The method also provides a scientific basis and a new means for the simulation training assessment of radar-brigade, laying a foundation for the design of the software platform of the simulation training assessment.

radar; simulatied training; assessment; back propagation (BP); neural network; training assessment

2015-12-31；

2016-04-12 作者简介：贺照辉(1980-)，女，湖北随州人。工程师，硕士，主要研究方向为预警模拟训练系统设计与应用。

10.3969/j.issn.1009-086x.2017.01.031

TN955； TP183

A

1009-086X(2017)-01-0188-06

通信地址：430019 武汉市黄浦大街288号590信箱 E-mail：33587803@qq.com