装备维修保障能力是后装保障能力的重要组成部分，目前，装备维修保障组织机构的维修保障能力发展程度参差不齐，能力生成的指导方案也不尽相同，因此如何科学评估装备维修保障能力生成水平就显得十分重要。为了量化装备维修保障能力生成水平，使用装备维修保障能力生成度来表征装备维修保障能力生成水平的高低，能力生成度值越大代表能力生成水平越高。为全面反映装备维修保障能力生成度的内涵，构建了涵盖八种要素的指标体系。由于指标体系要素多，且要素具有不确定性和模糊性，本文使用自适应神经网络模型对装备维修保障能力生成度进行评估。

自适应网络模型(Adaptive Network based Fuzzy Inference System，ANFIS)，是模糊推理系统与神经网络的融合发展，同时具备神经网络学习能力强与模糊推理系统模糊信息处理能力强的优点，特别适合解决多变量、非线性系统的建模问题。该模型能够对大量的数据进行深度学习，提取特定的模糊规则，形成模糊隶属度函数，得出的判断规则比较客观，可避免专家主观偏好带来的影响[1]。

1 装备维修保障能力生成度指标体系设计

综合考虑装备维修保障能力生成度评估的科学性和合理性，评估指标体系的构建选取了保障人员专业性、保障体系科学性、组织机构融合性、筹供储水平、保障经费合理性、信息共享程度、风险控制和技术资料完备性等八方面内容[2-3]。

1)保障人员专业性

维修保障人员专业性通常用职业素质来衡量。装备维修保障人员职业素质包括军地维修保障人员职业意识、职业知识、职业技能、职业道德和职业心理。其个体维修保障职业技能也可以通过学历水平、专业培训、军事体能、文化素养情况综合评判。其单位装备维修保障人员维修技能高低通常由自主维修率衡量[4-5]。

2)保障体系科学性

一是维修保障作业内容完善性。各级装备维修保障汇总、申请和批复不但要明确故障部位、分级分类等维修专业技术说明，还要明确任务总体目标、标准时限、战场环境、防护、输送和机动等情况。二是维修保障作业模式合理性。部分新型复杂装备采用两级作业体系比较合理，并且，两级作业体系的层级也有“浮动”情况。如有的装备适合从旅级到基地级的作业体系，从而减少军属维修保障机构这一环节。三是维修保障作业节点耗时长短。如一般规定某装备小修时间通常几小时，但是却花费数天时间，可以判定作业超期。

3)组织机构融合性

组织机构融合性主要包括三项主观指标：一是融合基础，主要包括国防工业开放程度、“民参军”规模、“私参公”实力等。二是融合深度，主要包括装备维修保障器材和保障装备科研生产社会化、地方装备维修保障人才社会化、军队装备维修保障社会化、装备维修保障国防动员社会化等。三是融合效果，主要包括地方经济效益和装备维修保障企业组织竞争力等[8-9]。

4)筹供储水平

主要是对各级维修保障力量的辅助设施设备与装备的更新配套情况整体能力水平的衡量。

5)保障经费合理性

一是装备维修保障经费渠道顺畅性。二是装备维修保障经费管理精细程度。三是装备维修保障价格形成机制灵活性。

6)信息共享程度

一是信息互操作能力强不强。二是信息数据标准化水平高不高。三是信息采集手段多不多。

7)风险控制

一是合同执行力控制。包括考量法规的强制约束力和企业的存续能力[10]。二是保障质量风险控制。三是战斗凝聚力控制。包括从事维修保障活动的军官、士官、士兵、现役文职人员、文职人员、职工和临时职工等军地各级维修保障组织人员的政治立场、战斗精神、为国奉献、爱岗敬业、为军服务的职业道德文化认同感。

8)技术资料完备性

技术资料方面的评估参数主要考虑技术资料数量配套率和技术资料品种配套率。

由于指标体系指标数量多，而且非线性和不确定性特征明显，为了减少主观偏好、增强客观判断，本文使用自适应网络模型构建了装备维修保障能力生成度评估模型。

2 自适应网络模型

2.1 模型结构

自适应网络模型采用的是Sugeno型模型系统，由前件和后件构成。其典型的模糊规则形式为：如果x设为A，y设为B，则z=f(x,y)，其中前件模糊集合为A和B，而后件精确函数为z=f(x,y)，输入变量x和y的多项式为f(x,y)，当 f(x,y)为一阶多项式时，即为一阶Sugeno模糊网络模型，其结构如图1。

第1层：单元代表模糊分割后的模糊子集，隶属函数采用钟形函数；

第2层：每个单元用“∏”标注，把输入变量组合成相应的规则，输出为所有输入的算术乘积；

第3层：每个单元用符号“N”标注，把规则的激励强度进行归一化处理；

第4层：每个单元用符号“f ”标注，活化函数fi为线性函数，输入为网络的输入及归一化激励强度；

第5层：输出层用符号“∑”标注，总输出为

2.2 指标体系样本采集

为了确定模型的输入，采用专家调查法(Delphi)法与层次分析法(AHP)法综合确定各指标权重。专家调查法用专家咨询表来评价，咨询对象以10～30位专家为宜，咨询依据为两两相对重要性的指标构造的各层矩阵，确定权重方法为层次分析法。然后对初始数据进行“变权”处理。各项指标因子的综合值与单项值都能装备维修保障能力生成度的高低，为客观起见，再用变权综合法对初始样本进行调教，达到激励与惩罚极好和极差值的目的。

3 能力生成度评估算例分析

装备维修保障能力生成度评估包括以下3个步骤：模糊处理和量化数据；用相关的隶属函数确定隶属度；输入采集的样本数据对ANFIS评估模型进行训练，误差符合相关要求。

结合装备维修保障实际，模拟采集数据并处理后获得的样本数据如表1所示。其中1～10组数据为经过量化和模糊处理，并求出隶属度的样本数据。

本文模型为8输入单输出模型，模型结构如图2。

运行Matlab仿真软件[9-10]，经过200步迭代训练后，ANFIS网络模型训练误差仅为4.1×10-3，模糊规则数为12个。由此可见，ANFIS网络模型不仅能大大减少模糊规则个数，还可以有效提高误差精度，评估模型如图3。

其中11～15组数据为抽测的五家装备维修保障机构能力生成度待测评数据，详细数据如表2。

从评估结果来看，编号15的装备维修保障机构能力生成度最高，可以推测出该装备维修保障机构走在了这五家装备维修保障机构的前列，可以作为装备维修保障能力生成的先行试点进行推广应用；编号12号装备维修保障机构能力生成度最低，可以推测该装备维修保障企业机构属于装备维修保障能力深度发展战略中较为落后的。这也与各方案的指标因素特点一致，根据评估结果即可迅速判断出装备维修保障能力程度发展最好的装备维修保障机构，为推动装备维修保障能力深度发展提供了量化指标，宏观上能清晰了解装备维修保障机构装备维修保障能力发展程度，为进一步深化装备维修保障能力创新发展提供了数据支撑。

4 结论

通过建立网络评估模型，对装备维修保障能力生成度进行量化处理，得出装备维修保障能力深度发展过程中需要重点关注的评价指标体系，明确装备维修保障机构的能力生成过程和程度，对深化研究装备维修保障机构装备维修保障能力发展具有一定参考价值。

参考文献：

[1] 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,2007:81-86.

[2] 许庆,侯兴明,张永福,等.面向仿真的航天装备维修保障效能评估指标参数体系[J].兵工自动化,2019,38(9):4-10.

[3] 闫旭,宋太亮,邢彪,等.基于复杂网络的装备保障体系研究现状及展望[J].火力与指挥控制,2018,43(2):1-4.

[4] 吴同晗,陈春良,丁苹,等.战时维修保障人员数量确定方法[J].装甲兵工程学院学报,2018,32(5):33-36.

[5] 李赞,王朝霞,隋昊.军用机场设施作战保障效能评价指标体系研究[J].重庆理工大学学报(自然科学),2018,32(9):209-216.

[6] 邹明虎,赵宁,姚鹏,等.装甲指控装备军民融合式维修保障模式[J].火力与指挥控制,2019,44(6):178-182.

[7] 王秀华.通用器材维修保障方案评估与多级库存优化研究[D].北京：装备学院,2016.

[8] 汤薪玉,黄朝峰,战岐林.基于引力模型的国防工业军民融合度测度研究[J].科技和产业,2018,18(8):1-7.

[9] 徐帅.军民融合企业装备维修保障能力评价研究[D].哈尔滨：哈尔滨工程大学,2017.

[10] 秦彤彤,张俊友,王树凤,等.基于模糊神经网络的无人配送体系网络风险研究[J].物流技术,2019,38(10):61-66.

[11] 朱琪芳,赵恩,李智,等.基于军事智能化发展趋势的思考[J].国防科技工业,2019(11):45-46.

[12] 朱世民,陈昌富,高傑.基于ANFIS神经网络的红黏土蠕变模型[J].湖南大学学报(自然科学版),2019(11):137-145.

[13] 张杨,张军,董东.基于改进灰色关联的装备维修保障能力评估模型[J].价值工程,2017,36(17):199-201.

[14] 李欣屹,王强,周洪斌,等.基于ANP-灰色模糊的航空装备维修保障能力评估[J].火力与指挥控制,2018,43(3):100-106.

[15] 雷宁,曹继平,王赛,等.基于AHP和模糊综合评价法的装备维修保障效能评估[J].兵工自动化,2019,38(10):76-79.

Evaluation of Equipment Maintenance Support Capability Growth Based on ANFIS

WANG Shenping，LI Zhonghai，LI Zhongguang，LI Jianhua，DONG Wei

(Joint Service College, National Defense University, Beijing 100089, China)

Abstract: This paper introduced the growth degree of equipment maintenance support ability to represent the growth effect of equipment maintenance support ability, and established the growth degree of equipment maintenance support ability which includes the professionalism of maintenance support personnel, the scientific of maintenance support link, the integration of maintenance support organizations, the level of maintenance support funding and storage, the rationality of maintenance support funds, the degree of information sharing, risk control and the completeness of technical data.The index system, based on the adaptive neural network model, constructed the evaluation model of the growth degree of the equipment maintenance support capability.Through the simulation data collection, the growth degree of the equipment maintenance support capability was quantified.The Matlab software simulation tool was used to evaluate the growth degree of the equipment maintenance support capability, which improves the accuracy of the evaluation of the growth degree of the equipment maintenance support capability.

Key words: ANFIS; equipment maintenance support; capability growth

本文引用格式：王申坪，李忠海，李忠光，等.基于ANFIS的装备维修保障能力生成度评估[J].兵器装备工程学报，2020,41(2):10-13.

Citation format:WANG Shenping，LI Zhonghai，LI Zhongguang，et al.Evaluation of Equipment Maintenance Support Capability Growth Based on ANFIS[J].Journal of Ordnance Equipment Engineering,2020,41(2):10-13.

中图分类号：E075

文献标识码：A

文章编号：2096-2304(2020)02-0010-04

收稿日期：2019-10-25； 修回日期：2019-11-11

作者简介：王申坪(1984—)，男，博士研究生，主要从事军事装备保障研究，E-mail：583108365@qq.com。

doi: 10.11809/bqzbgcxb2020.02.003

(责任编辑 周江川)