夏 伟，石 全，王亚东，曹文斌

（1.陆军工程大学石家庄校区，石家庄 050003；2.陆军步兵大学，石家庄 050003；3.武警指挥学院，天津 300350）

0 引言

网络化维修是一个不断发展、持续优化的复杂、动态过程。以网络为中心的维修系统逐步取代以平台为中心的维修系统，节点之间必须有良好的互操作机制。在信息系统的通用领域已展开互操作性的评估研究，但在网络化维修这一特定领域，缺乏对互操作性优劣的评估方法。构建网络化维修互操作平台，实现对维修领域业务、信息、网络的集成，从节点间相互封闭的体系转变为具有良好互操作性的体系，提出维修信息系统互操作性的评估方法。网络化维修互操作平台在网络化维修信息系统中起着至关重要的作用。

针对存在的主要问题，总结目前信息系统互操作性评估模型，结合维修领域特点，提出维修保障信息系统互操作性等级概念模型和基于BP 神经网络的维修信息系统互操作性等级评估方法。

互操作指不同系统之间的信息共享和信息交互操作的过程。互操作性指系统之间信息共享和信息交互操作的能力。互操作与互操作性具有相互依存、相互关联的关系。互操作即相互利用所交换信息的过程，而互操作性主要是指信息系统间的可互操作的能力。网络化信息系统的互操作性通过对信息交换的复杂程度进行描述和评估提供一种标准［1-4］。

1 网络化维修保障信息系统互操作性评估

1998 年，LISI 模型适用于网络化信息系统整个生命周期，网络化信息系统由美国国防部率先提出。2015 年，我国颁布国军标《GJB/Z 144A-2015 指挥自动化系统互操作性等级及评估》，GJB/Z 144A-2015 就是基于LISI 模型编写的。2015 年，我国基于LISI 模型编写了颁布国军标《GJB/Z 144A-2015 指挥自动化系统互操作性等级及评估》。互操作性等级模型得到了普遍认可并逐渐得到深入研究与应用［5］。

依据LISI 模型，把系统互操作等级指标分为5个等级，即：0 级为人工环境的独立级互操作性，1级为点到点环境的连接级互操作性，2 级为分布集成环境的功能级互操作性，3 级为通用集成环境的领域级互操作性，4 级为全域集成环境的跨域级互操作性。

0 级包括独立级系统，系统之间信息互操作通过人工传输或者可移动媒质。

1 级系统通过简单的电子线路连接来实现信息交换。功能有限，在信息融合和传输信息中，仅提供少量功能支持信息决策。

2 级的系统在局域网内，它允许系统间进行数据交换。数据包含简单的信息交换和融合，数据是异构的。

3 级通过广域网连接，在同一个等级上的信息是共享，在局部领域内系统支持融合信息决策。实现一个基于领域的数据模型。

4 级的系统可以跨多个领域，多维拓扑的数据结构。各领域之间的信息进行交互、融合。数据和应用完全是共享的，分布在整个信息空间。

网络化维修信息系统互操作性技术参考等级模型LISI 将这些因素分成PAID：应用程序集（A）、规程和标准（P）、网络通信环境（I）和信息格式和数据协议（D）。如表1 所示。满足网络化维修要求，详细描述技术等级模型。

互操作技术等级模型详细地描述了互操作性的功能指标，把网络化维修信息系统互操作性划分为5 个等级［6-7］。

1）战略级（4 级）：实现完全信息交互网络化信息系统之间，各装备维修保障网络化信息系统，适用于总部级装备维修保障体系构建。调控整个装备维修保障网络化信息系统体系，可以适应大规模作战的装备维修保障任务需求。

2）战役级（3 级）：适应某一次战役系统体系结构，装备维修保障调控组织内部信息系统，但是不能实现网络化信息完全交互。

3）战术级（2 级）：适用部队级的装备维修保障网络化信息系统，实现数据信息的共享，系统体系结构原因内部框架影响巨大，统一任务配置下可以适应某一次作战的装备维修保障任务需求。

表1 网络化维修信息系统互操作技术等级模型

4）单装级（1 级）：适用于装备的信息系统实时维修，针对单一军事装备实现实时掌控，信息系统之间的权限有明确规定，与后方维修保障信息系统之间的信息交互。

5）独立级（0 级）：系统之间没有功能层次的信息交互，适用于独立的网络化信息系统。

2 网络化维修信息系统互操作指标体系

建立相关评价指标层级结构［8］，维修信息互操作性指标体系如图1 所示。

维修信息系统互操作指标体系基本框架，属性分类说明如下［9-10］：

1）规程类指标主要反映了维修系统采用标准架构制定了安全策略。各作战任务具有相同的基本框架以及模型组织形式，依托网络化环境解决维修领域不同信息系统之间的互操作问题。

2）应用类指标体现的是系统采用了维修决策分析信息系统集、维修实施作业信息系统集、维修指挥管理信息系统集，形成网络化维修功能集合。

3）基础设施类指标反映了作为互操作性评估支撑平台硬件设施方面的评估指标。

4）数据类指标作为反映互操作能力实现融合不同来源的数据信息，规范了数据信息描述格式，克服了因为封闭建设造成的数据查询方式、数据存储格式和数据库管理的差异。反映互操作性评估数据方面的评价指标。

3 互操作性指标和系统互操作性评估的描述

在对于各项指标进行评估时，专家或维修信息系统使用人员可以根据其个人经验、使用体验等给出一个合理的分数，实现起来较容易。假设第i 个评估指标的分数用pi表示，其中，，其取值范围为，即。因此，对于一个给定的维修信息系统来说，各评估指标的分数可表示为。

对维修信息系统互操作性进行总体评估时，若采用分数的形式，显然不够直观，不能贴切地反映互操作性的优劣，而用“好”，“一般”，“差”这样模糊性的语言来描述更符合实际情况。鉴于此，这里对系统的互操作性采用模糊语言的形式进行评估。假设系统互操作型评估用O 表示，将评估结果即划分为5 个等级，即O={较好，好，一般，差，较差}［11］。

为避免人为确定多因素权重的弊端，精准地体现互操作性等级及其影响因素之间的映射关系，并且不同指标之间还存在着相互作用，某个指标的改变都可能造成其他相关因素的变化。综合考虑网络化维修信息系统互操作性等级评估及其影响因素之间复杂的非线性关系，充分利用神经网络能够映射复杂函数关系的特性，将神经网络引入系统互操作性等级评估领域［12-13］。

4 基于BP 神经网络的互操作性评估建模

图1 维修信息系统互操作性指标体系

图2 评估建模思路

BP 神经网络是Rumelhart 于1985 年基于误差反向传播理论提出的，它是一种多层前向网络。典型的BP 神经元如图3 所示。

图3 典型神经元模型

其中，pi表示神经元的输入信号；uj表示输入信号的线性组合，也即神经元的输入；wij表示输入信号pi到神经元j 的连接权重；θj表示神经元的阈值；φ（·）表示神经元的激活函数；vj表示神经元的输出；yj表示神经元的输出。神经元的数学模型如下：

在BP 神经网络中，最常用的结构为三层神经网络结构。结合图2 所示的建模思路和图3 所示的神经元模型，建立评估维修信息系统互操作性的三层BP 神经网络模型如图4 所示。

4.1 输入层设计

根据建立的评估指标体系可知，一共有13 项评估指标，因此，BP 神经网络的输入层包括13 个神经元，分别为：标准结构、管理规定、安全策略、维修指挥管理、维修实施作业、维修决策分析、基础硬件、网络通信、安全防护、系统服务、数据库管理、数据存储和数据字典。由相关人员对这13 项指标进行打分，分数作为BP 神经网络的输入。另外，根据神经网络输入层的要求，需要对输入数据进行归一化预处理，这里采用Matlab 中的mapminmax（）函数实现。

图4 基于BP 神经网络维修信息系统互操作性评估模型

4.2 隐含层结构设计

隐含层的结构可显著影响BP 神经网络的训练速度和泛化能力，因此，隐含层结构设计是BP 神经网络结构设计的重要一步，主要包括确定隐含层数量和隐含层中神经元的数目两方面内容。

需要说明的是，三层BP 神经网络并非最优结构的网络，有时采用多个隐含层的网络能提高网络处理能力，减少预测误差，从而得到更好的预测结果。但是，增加隐含层数势必会增加训练复杂程度，延长训练时间。而对于三层BP 神经网络的精度也可通过增加隐含层的节点数目来提高，鉴于此，采用三层BP 神经网络，即包含一个隐含层。

隐含层神经元数目是决定网络性能的重要参数。若隐含层神经元数目太少，则神经网络从样本数据中获取信息的能力会受限，在进行评估时容易陷入局部最优，甚至可能得不到理想的网络模型；如果隐含层神经元数目过多，则非规律性信息会呈现“过度吻合”，这会导致学习时间较长，且得到的评估误差也可能较大。对于隐含层神经元数目的确定并没有规范的方法，采用经验公式n=2×m+1（n为隐含层神经元数量，m 为输入层神经元数量）确定隐含层神经元数量。由于评估指标数量为13，即m=13，则n 的值取27。

4.3 输出层设计

4.4 激活函数的选择

根据需要解决的问题，采用Sigmoid 函数作为BP 神经网络的隐含层神经元的激活函数，其基本形式可表示为：

Sigmoid 函数形状会随α 的变化而产生变化，具体如图5 所示。通过图5 可以看出，Sigmoid 函数，将输出压缩到区间［0，1］之间。取一种常用的形式，即α=1。BP 神经网络输出层的激活函数采用线性函数purlin（）。

图5 Sigmoid 函数形状与α 的关系

4.5 模型的实现

采用Matlab 中的工具箱实现BP 神经网络模型的训练与验证。首先，导入训练集，并采用函数mapminmax（）函数归一化训练数据；其次，调用函数newff（）新建神经网络，将训练次数设置为1 000 次（net.trainParam.epochs=1 000），训练目标设置为0.01（net.trainParam.goal=0.01），设置学习速率为0.1（LP.lr=0.1）。然后，调用tain（）函数对BP 神经网络进行训练，得到训练后的网络。最后，调用sim（）函数利用学习样本数据对得到的神经网络进行验证。

4.6 等级评估结果

邀请相关领域的专家针对图2 所示的指标进行打分，并给出网络化维修信息系统互操作性等级总体评估。为了得到科学、合理的BP 神经网络模型，训练样本包括29 组数据，用于训练BP 神经网络，得到符合要求的神经网络模型；检验样本包括15 组数据，用于检验BP 神经网络的有效性。

采用MATLAB 2014a 中BP 神经网络工具箱，首先采用29 组训练样本对其进行训练，然后将训练好的模型采用15 组检验样本进行测试。其训练迭代误差、误差梯度变化分别如图6 和图7 所示。BP 神经网络评估结果如下页表2 所示。从表2 中可以看出，在15 组检验样本中，只有编号为30 的样本的评估结果与专家评估结果不同，即专家评估结果为好，而BP 神经网络评估结果为一般。其余14组检验样本的评估结果与专家评估结果均一致，评估准确率为14/15=93.33%，能够满足适用要求，从而验证了建立的BP 神经网络评估模型的有效性。

图6 均方误差随迭代次数的变化

图7 均方误差梯度随迭代次数的变化

5 结论

网络化维修信息系统互操作性等级评估，是在网络平台环境下对各级各类维修信息系统进行可集成度的评估，在分析常见几种信息系统互操作性评估模型的基础上，提出了网络化维修信息系统互操作性等级评估LISI 模型。运用BP 神经网络完善充实维修信息系统互操作性评价，对样本进行检测，从而验证了建立的BP 神经网络评估模型的有效性。本文提出一种在网络化维修领域侧重定性的互操作性等级评估的方法，用于指导系统的开发和评估。

表2 BP 神经网络评估结果