1、基于神經(jīng)網(wǎng)絡(luò)的飛機(jī)極限數(shù)據(jù)專家系統(tǒng)1, 2, 1, 李2基于神經(jīng)網(wǎng)絡(luò)的飛機(jī)極限數(shù)據(jù)專家系統(tǒng)1, 2, 1, 李2(. 南京航空航天大學(xué)智能材料與結(jié)構(gòu)航空科技重點(diǎn)實(shí)驗(yàn)室, 南京, 21001;. 沈陽飛機(jī)設(shè)計研究所, 沈陽, 11003)摘: 利用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的方法對飛機(jī)飛行參數(shù)的極限允許值進(jìn)行計算, 可以使推理過程變得簡清晰,防止了常規(guī)方法在軟件實(shí)現(xiàn)上的諸多缺。同時, 本文采用一種模糊規(guī)那么方法對神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的推理行為 進(jìn)行描述, 使得神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)能夠答復(fù)有關(guān)why 和hw 的詢。以最大允許馬赫數(shù)的計算為例, 本文設(shè)計 了用于該參數(shù)推理的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng), 并給出了簡單算。關(guān)鍵:

2、飛; 極限數(shù); 神經(jīng)網(wǎng); 專家系; 模糊規(guī); 解釋機(jī)制中圖分類:V24711文獻(xiàn)標(biāo)識:A文章編: 10052615(2004)01704Expert ysm for Umost FlghtDaa of Arcaftaed n Neal NeworksYA O Zngx n1, 2, L A N G D akai1, L I M ng2(. TheAeonautcal Scence Key Laoraory or martM ateral & Structure, NanjngU nversty ofAeonautcs &A stonautc, Nanjng, 210016,Chn;. Shen

3、yang A rcraftDesgn &Reearch nsttute, Shenyang, 110035,Chna)Absac: The pocess of reaonng umost flght data bemes oncie and cear becaue a method orepert ystm baed on neural neworks is utiled n thepoces. f umost flght data are fgured out by generalmethods, there w ill be many hortages n the ofware or de

4、tem nng the umost flght dat. Hwever, thoe hortages beongng o generalmethodsw ill ot bemet n the aovementonedmetho.Applcaton of a fuy ruebaed method ued o decrbe reaonng acton of neural neworksmake itpossbe that epert ystm can anwer thoe nquires aoutwhy and hw. Thispper desgns an epert ystm or detem

5、nng umost M ach nmber baed on neural neworks and gves a smpe exmp.Fnaly, me are w ritten or epoundng the oncusons of studyng the epert ystm of the umost flght data of the aircraft baed on neural nework.Key ord: aircraf; umost flght dat; neural nework; epert ystm; fuy rue; ntepretatonmechanim飛機(jī)在空中飛行時

6、, 由于氣動阻力和其他因素的制, 馬赫指示空真攻角和法向過載等參 數(shù)存在著極限(最最小)允許值, 簡極限數(shù) 據(jù)極限數(shù)據(jù)的計算氣壓高度馬赫數(shù)外掛狀態(tài)前起落架收起與否以航向阻尼器的 斷等輸入信息有在輸入信息的不同組合狀態(tài)下最大允許馬赫數(shù)最大允許指示空速、最小允許指示空速最大允許攻角最小允許 攻角最大允許過載最小允許過載等極限 數(shù)據(jù)有相應(yīng)的輸出。由于極限數(shù)據(jù)計算的實(shí)質(zhì)由多輸入組合狀 態(tài)來確定單一輸出的過, 因此, 在機(jī)載系統(tǒng)的軟基金工程: 國家自然科學(xué)基金(5013503)資助工程。件中通常采用一系FLSE FTHN語句來數(shù)真攻角法向過載剩余燃油等參數(shù)的完成輸入狀態(tài)的匹, 從而獲得滿足輸入狀態(tài)的極限

7、數(shù)據(jù)輸出。但是, 當(dāng)輸入狀態(tài)比擬多時“F件中通常采用一系FLSE FTHN語句來數(shù)真攻角法向過載剩余燃油等參數(shù)的完成輸入狀態(tài)的匹, 從而獲得滿足輸入狀態(tài)的極限數(shù)據(jù)輸出。但是, 當(dāng)輸入狀態(tài)比擬多時“F2LSE FTHN語句的嵌套就非常復(fù)雜, 使得程 序的層次和條理都不是很清, 可讀性不而且,由于語句的頻繁跳轉(zhuǎn)也增加了軟件的故障幾。 基于上述原因, 本文提出采用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的方, 通過推理完成對極限數(shù)據(jù)的計。由于 神經(jīng)網(wǎng)絡(luò)非常適用于解由多輸入組合狀態(tài)來確 定單一輸出的問題, 因此, 采用本文提出的方法將使極限數(shù)據(jù)的計算過程簡清同時, 在一定程 度上也提高了軟件的可靠。值以外掛狀態(tài)前起落架收起與

8、否航向阻尼器的通斷等信。例如, 計最大允許馬赫 數(shù)時, 就是根航向阻尼的通斷炸彈的有 無火箭的有無掛架的有無等輸入信息來 確最大允許馬赫數(shù)的, 輸入輸出對應(yīng)關(guān)系見表。表1計算最大允許馬赫數(shù)的輸入輸出對應(yīng)關(guān)系序號X 1X 2X 3X 4Y0134013401340134013401340134013401340134013401340134013401600194123456789101112131415160000000011111111000011111111000000110011001111000101010101010110型本文研究中, 考慮一個具有輸入隱含層和 輸出層的三層神經(jīng)網(wǎng)絡(luò)

9、, 如圖1 所。假設(shè)有n 個1輸入節(jié)點(diǎn)(x1, xn), h 個隱含節(jié)點(diǎn)(z1, zh)和m 個輸出節(jié)點(diǎn)(y1, ym ); j 為隱層節(jié)點(diǎn)zj 的偏差, k 為輸出節(jié)點(diǎn)yk 的偏; ij 為輸入節(jié)點(diǎn)xi 到隱層節(jié)點(diǎn)zj 的連接權(quán), jk為隱層節(jié)點(diǎn)zj 到輸出節(jié) 點(diǎn)yk 的連接。其中輸入和輸出的含義如:X 1航向阻尼, 1接通, 0未接;圖1三層神經(jīng)網(wǎng)絡(luò)模型X 2炸彈,1有,0; X 3火箭,數(shù)學(xué)模型如下1, 0; X 4掛, 1有, 0; Y 最大允許馬赫數(shù)Y 的值經(jīng)過了歸一化處理, 即將輸出的馬赫數(shù) 除以最大極限馬赫。這里選最大允許馬赫數(shù)為, 是由于該參 數(shù)的輸入輸出關(guān)系相對簡單, 便于闡

10、述后面的神經(jīng) 網(wǎng)絡(luò)專家系, 否那么, 生成的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)將過于復(fù)。其實(shí), 對于輸入輸出關(guān)系復(fù)雜的極限數(shù)據(jù)參 數(shù), 更能表達(dá)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的優(yōu)越。F:Rn Rm ;F (x1, xn) =(y1, ym )hyk = gA (zjjk) +kj= 1nzj = f A (x iij) +ji= 1上式: gA 和f A 為鼓勵函數(shù), 這里選取gA (x )= x和f A (x)= 1(1+ e- x )。算飛機(jī)的飛行參數(shù)極限允許值(簡極限數(shù) )包最大允許馬赫數(shù)最大允許指示空 速最小允許指示空速最大允許攻角最小 允許攻角最大允許過載最小允許過載。2基于神經(jīng)網(wǎng)絡(luò)的飛機(jī)極限數(shù)據(jù)專統(tǒng)1本文以第2 節(jié)中

11、的極限數(shù)據(jù)之一最大允 許馬赫數(shù)為例, 具體介紹用于推理飛機(jī)極限數(shù)據(jù)3圖2 示出了經(jīng)過訓(xùn)練, 網(wǎng)絡(luò)的權(quán)值和偏差31用于推理極限數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。以表1 所示的輸入輸出關(guān)系為訓(xùn)練樣, 構(gòu)造出用于推圖2 示出了經(jīng)過訓(xùn)練, 網(wǎng)絡(luò)的權(quán)值和偏差31用于推理極限數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。以表1 所示的輸入輸出關(guān)系為訓(xùn)練樣, 構(gòu)造出用于推最大允許馬赫數(shù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu), 如 圖2 所。圖2 中的網(wǎng)絡(luò)為含有4 個輸入節(jié)3 個隱含節(jié)點(diǎn)和一個輸出節(jié)點(diǎn)的三層BP 網(wǎng)絡(luò), 其中輸入和 輸出的含義同。. 2基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)基于圖2 的神經(jīng)網(wǎng)絡(luò), 建最大允許馬赫數(shù)推理專家系。321神經(jīng)網(wǎng)絡(luò)的知識表示與推理 神經(jīng)網(wǎng)絡(luò)的知識表示采用與

12、傳統(tǒng)人工智能完全不同的思傳統(tǒng)的知識表示都可以看成是知識 的一種顯式表示, 而神經(jīng)網(wǎng)絡(luò)的知識表示可看成是知識的一種隱式表神經(jīng)網(wǎng)絡(luò)的知識表示也不像 基于規(guī)那么的專家系統(tǒng)那樣把局部的知識表示成一 條規(guī), 假設(shè)干知識表示成相互獨(dú)立的規(guī)那么組成的一 個規(guī)那么; 神經(jīng)網(wǎng)絡(luò)的知識表示是把某一問題領(lǐng)域 的假設(shè)干知識彼此關(guān)聯(lián)地表示在一個神經(jīng)網(wǎng)絡(luò)。一個神經(jīng)網(wǎng)絡(luò)可以用一個加權(quán)有向圖表, 如 圖2 所加權(quán)有向圖中的節(jié)點(diǎn)連接關(guān)系和權(quán)值分 布可以用一個矩陣來表示, 這個矩陣稱為鄰接權(quán)矩。一個有m 個節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)的鄰接權(quán)矩陣W= w ij mm 的定義:假設(shè)節(jié)點(diǎn)ni 有至節(jié)點(diǎn)nj 的鄰, 那么權(quán)值w ij 為 這兩個節(jié)點(diǎn)

13、之間連線上的數(shù);點(diǎn)ni 點(diǎn)nj , 值w ij為。 根據(jù)上述定義, 圖2 中神經(jīng)網(wǎng)絡(luò)的鄰接權(quán)矩陣表示:圖2 推理最大允許馬赫數(shù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)n1 n2 n3 n4n512685 613270 313652 91311 90000n6- 10443 6- 31865 310021 819593 80000n70082 610261 9202190 7202108 10000n800000238 2n1n2 n3 n4 n5 n6 n7n800000000000000000000000000000000- 0046 4- 0061 80矩陣中, 節(jié)點(diǎn)n1, n2, n3和n4 對應(yīng)圖2 中神經(jīng)網(wǎng)絡(luò)

14、的4 個輸入節(jié)點(diǎn)(序號自上而下增大); 節(jié)點(diǎn)n5,n6和n7 對應(yīng)圖2 中神經(jīng)網(wǎng)絡(luò)的3 個隱含節(jié)點(diǎn)(序號 自上而下增大); 節(jié)點(diǎn)n8 對應(yīng)圖2 中神經(jīng)網(wǎng)絡(luò)的單個輸出節(jié)鄰接權(quán)矩陣可看成是神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的知識表示形。 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的知識推理與基于符號邏輯的專家系統(tǒng)的推理機(jī)制是不同的, 神經(jīng)網(wǎng)絡(luò)的推 理是一種正向的非線性數(shù)值計算過程, 具體方法如 :概念轉(zhuǎn)換成網(wǎng)絡(luò)輸入模式要求的數(shù)值向; 然后,神經(jīng)網(wǎng)絡(luò)通過正向傳播計算, 產(chǎn)生一個輸出模;最后, 將輸出的數(shù)值向量轉(zhuǎn)換成高層邏輯概。 最大允許馬赫數(shù)推理專家系統(tǒng)中, 將輸入的航向阻尼的通斷炸彈的有無火箭的有無掛架的有無等邏輯概念轉(zhuǎn)換成網(wǎng)絡(luò)輸入模 式所

15、要求的數(shù)值向量X 101, X 201, X 301 和 X 40; 神經(jīng)網(wǎng)絡(luò)的正向傳播計算那么根據(jù)第1 節(jié)中 的數(shù)學(xué)模型, 產(chǎn)生一個數(shù)值向量輸出Y; 將輸出的 數(shù)值向量Y 乘以最大極限馬赫數(shù)M a, 那么Y 被轉(zhuǎn)換322神經(jīng)網(wǎng)絡(luò)的推理解釋無火箭有掛架狀態(tài), 即神經(jīng)網(wǎng)絡(luò)的輸入為X 11,X 20,X 30, 和X 41, 那么經(jīng)過專家系統(tǒng)推理計算, 神經(jīng)網(wǎng)絡(luò)的輸出為Y, 即最大允許馬赫 數(shù)為0322神經(jīng)網(wǎng)絡(luò)的推理解釋無火箭有掛架狀態(tài), 即神經(jīng)網(wǎng)絡(luò)的輸入為X 11,X 20,X 30, 和X 41, 那么經(jīng)過專家系統(tǒng)推理計算, 神經(jīng)網(wǎng)絡(luò)的輸出為Y, 即最大允許馬赫 數(shù)為0M a M a 為最大極

16、限馬赫)。解釋機(jī)制給出如下解:如果輸入X 1 為1, 且X 2 為0,X 3 為0,X 4 為1,那么規(guī)那么R 01的使用度為1, : R01)= ; 規(guī)那么R 11 的使用度約為1, : R 11; 規(guī)那么R 21的使用度 為0, : R21; 規(guī)那么R 31 的使用度約為1, : R311, 各條規(guī)那么的具體內(nèi)容如:R 0:由于基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)的知識表示是隱式非局部的, 因此, 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的解釋 器難以像基于規(guī)那么的專家系統(tǒng)那樣, 通過記錄推理 過程使用的規(guī)那么, 來向用戶提供why 詢問和 hw 詢問的解。目前, 國外學(xué)者已經(jīng)探索了多種方法26 用于 解釋神經(jīng)網(wǎng)絡(luò)的推理行本文

17、利用最近公布的一種模糊規(guī)那么方法6 將圖2 中的神經(jīng)網(wǎng)絡(luò)描述成如 下4 條模糊規(guī)。R01: 神經(jīng)網(wǎng)絡(luò)的根本輸出為輸出層的偏差值,: Y = = 0531 ; R 11: 如果輸入X 1 的值大于00050 的近似值0961852 3; 輸入X 2 的值不大于50004 8 的近似值0961852 3; 輸入X 3 的值不大于R 3:上述解釋中, Rxx )代表規(guī)那么的使用度, 取值 為1, 取值為0 代完全不使用, 取值為1 代 完全使用;R 0R 31的內(nèi)容同本文第322 節(jié) 中所。該算例的推理結(jié)果與表1 所示的定義結(jié)果完 全一。50961852 3;0004 7 的近似值5輸入X 4 的值

18、大于0048 8 的近似值0961852 350498 5(這里09618523 (0498 5)= 0500 0)1那么Y= 0238 2R21: 如果輸入X 1 的值不大于0006 1 的近似值0961852 35; 輸入X 2 的值不大于0002 0 的近似值0961852 3輸入X 3輸入X 4的值大于0006 4 的近似值的值大于0003 3 的近似值;5語通過本文研究可, 利用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的 方法對飛機(jī)極限數(shù)據(jù)進(jìn)行計算是可行的, 能夠獲得 準(zhǔn)確的推理結(jié), 并且突出了推理過程的簡清 。同, 由于通過模糊規(guī)那么對神經(jīng)網(wǎng)絡(luò)的推理行 為給出了合理的解釋, 因此, 在一定程度上克服了 神

19、經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在解釋機(jī)制上的設(shè)計難。40961852 35;0961852 3961852 350448 7(這里01(0448 7)= 0499 5)那么Y= -0046 4R 31: 如果輸入X 1 的值大于0775 0 的近似值0961852 3輸入X 2的值大于0006 2 的近似值;50961852 35; 輸入X 3 的值不大于0003 1 的近似值0961852 3輸入X 4的值大于0003 1 的近似值;50961852 350449 7(這里0961852 3 (0449 7)= 0499 5)參考文:1那么Y= -0061 8尹朝慶, 尹 . 人工智能與專家系統(tǒng)M . 北:

20、中國水利水電出版社, 200. 3131.M are . Rueextracton by backpopagaton of po2yhedraJ . NeuralNework, 1999, 1: 7172.Taha , Ghoh . Smolc ntepretaton of artfcal neural neworksJ . EEE Trans Kw edge Data Eng, 1999, 1: 4446.Tukmoo . Extractng rues fm traned neural神經(jīng)網(wǎng)絡(luò)的輸出實(shí)際為上述R 01,R 11,R21,R31四條規(guī)那么的輸出Y 乘以各自規(guī)那么的使用度(即該 規(guī)那么前項與輸入的匹配度隸屬函數(shù)ij (x) (例,規(guī)那么R 11中的(0005 0), (0004 8), (0004 7)和