唐 成 盖 强 田 峰 刘 勇 黄俊添

(1.中国人民解放军海军大连舰艇学院 训练舰支队，辽宁 大连 116018；2.中国人民解放军海军大连舰艇学院 舰炮系，辽宁 大连 116018；3.中国人民解放军海军大连舰艇学院 舰船指挥系，辽宁 大连 116018)

0 引言

为了保证舰船在海上航行阶段的安全性和可靠性，通常会为舰船上比较重要的和经常出现故障的设备配备一定数量的备件。长期以来，如何确定备件的数量一直是舰船装备精确保障领域的一个难题，配置数量太少，无法保证舰船设备的可靠性；配置数量太多，又会占用大量空间，而且会造成资源的浪费。

人工神经网络(ANN)是目前国际上前沿研究领域的一门新兴交叉科学[1]。主要方法有BP网络、支持向量机（SVM）、Hopfield网络和专家系统。BP网络容易陷入局部最小点；SVM和Hopfield是无导师学习算法，不容易找到自己想要的结果；专家系统在得不到相应的专家经验就无法进行诊断。

径向基（RBF）网络是一种有导师的学习算法，在给定充分的训练样本后可以实现任意形式的非线性映射，而且还能够克服局部最小点的困扰[2]。RBF可以避免像BP学习算法那样冗长的迭代计算和陷入局部极值的可能，使学习速度比通常的BP算法快几十倍甚至上百倍[3]。

1 径向基函数神经网络

径向基函数网络包含一个径向基神经元的隐层和一个具有线性神经元的输出层。输入信号传递到隐层。隐层有S1个神经元，节点函数为高斯函数；输出层有S2个神经元，节点函数通常是简单的线性函数，其结构如图1所示。……