摘要：
作为航空运输生产的保障系统之一，机场助航设施起到了非常关键的作用。由于对助航设施设备完好率的高要求，有针对的开展维护检修工作非常有必要。为保证能够合理利用维护资源，快速排除设备故障，我们需要采用有效手段对设备故障可能发生的时间进行预测，以便及时调整维护策略，保障正常飞行。
本文介绍了利用人工神经网络工具，对单个助航设施进行安全评估的方法。在文中通过历史数据的分析，可以得出利用该数学工具可以较好的完成对助航设施的评估工作。这就为维护决策的制定提供了可靠的依据。
关键词：安全评估；指标体系；人工神经网
1.绪论
1.1 引言
随着中国民用航空机场助航设施系统的逐年增加，设施在种类上及数量上较以往发生了很大的变化。为进一步做好机场助航设施系统的运行维护，保障安全生产运行，主动采用高效的维护手段对助航设施进行保障也是积极的安全文化所倡导的。
解决机场助航设施系统中出现的维护问题，提升安全管理可靠度，保障系统的正常运行，任重而道远。如果能通过利用数学工具，建立一种科学合理的安全指标体系，这就有助于对助航设施的可靠程度做出量化的结论，也是实现安全监察与预警的重要途径，也是确保民航系统安全良好发展的重要保证。
1.2 论文的主要内容
本文所做的工作是对机场助航设施需要采用的安全评估方法进行探讨。本文讨论过程如下：
(1) 介绍机场助航设施相关概念。
(2) 安全评估指标体系的建立。
(3) 针对特定案例采用的BP神经网络法进行实例分析。
通过具体实例的分析，确认所采用方法的有效性，即预期结果贴近或符合客观情况时，认为该方法实现了预期目标。
2.机场助航设施简介及安全评估的基本概念
2.1机场助航设施简介
机场助航设施主要包括以下三个方面：
（1）助航灯光
指引航空器活动的灯光系统，包括进近灯光系统、目视坡度指示系统、站坪灯光系统等。
（2）通讯导航设施
航空器完成飞行指引的地面系统，如VOR、DME、ILS导航设施、一次雷达、二次雷达、甚高频共用系统等。
（3）机场标识物
一些目视参照物，如跑道标志、停机坪标志、风向袋、信号牌等。
2.2安全评估的基本概念
安全评估是以实现安全为目的，通过采用系统工程方法与原理，对工程、系统中的潜在危害进行分析识别，判断发生的概率以及造成危害的严重程度。安全评估是系统实施安全策略的前提，没有可靠的评估手段，就无法制定有效的维护策略。
2.3指标体系的构建原则
构建安全评估指标体系意在预防与纠正系统中安全隐患，保障系统的安全正常运作。构建该体系指标的原则有科学性原则、系统性原则、通用可比性原则、实用性原则。
特别说明的是，实用性原则应保证评估指标满足实用性、可行性和可操作性。该原则还要求数据获取方式简便，容易实现。每项指标都应尽量采集现有的监测指标，并根据科学的管理方法对数据进行修正和重新归类组合。
3.助航设施系统安全指标体系的评估
单指标下的人工神经网络法
人工神经网络是从信息处理角度，对人脑神经元网络进行抽象建立的某种简单模型。目前利用人工神经网络进行系统安全评估中已经取得了很多研究成果，因此将此方法应用在助航设施维护工作中是一个创新的办法。
本方法将采用计算机辅助计算的方式进行。所用软件为MATLAB，该软件自带了一个神经网络工具箱，通过直观的图形用户界面就可以进行参数输入与运算。
以机场助航设施系统中的测距仪DME系统为例对机场助航设施的安全性进行仿真。根据某机场空管站2015年3月至2016年4月的采集数据（如下图），应用反向传播神经网络模型来预测2016年5月的安全得分。
第一步：对样本进行归一化处理，公式为：
(3)
为各月份的安全评估分值， 
是其中的最大值或略大于最大值的一个数值，
则是其中的最小值或略小于最小值的一个值。
由此得到归一化数值表:
第二步：构建网络
进行归一化后，将本网络内的输入维数定为3，输出维数定为1（即输入前3个月的分值，以预测第4个月的得分），建立一个3维输入、单输出的2层BP神经网络模型。
在人工神经网络进行学习检验前，在助航设施系统中进行大数据实验，结果表明，当隐含层中的神经元个数为15时，本网络性能最佳，故设定隐含层单元个数为15，设定最小误差为0.01（其中，最小误差 0.01 是根据《中国民用航空通信导航监视系统运行、维护规程》中设备正常率和设备完好性的最小误差要求来设定的）。
第三步：网络学习和数据检验
首先输入第一组训练样本，以2015年3、4、5三个月的归一值作为第一组样本，2015年6月的归一值作为第一次输出结果，以2015年4、5、6月的归一值作为下一组样本，2015年7月的归一值作为第二次输出结果，以此类推。
当实际输出与期望输出即第4个月的归一值误差在设定的目标误差之内，则退出，否则返回上一层进行修正，调整网络中各神经元的权值和阈值，同时设定训练次数（epochs）为100。
由下图的网络训练误差图可以看到，在第3次训练结束时即达到了本次训练的误差要求，随即停止训练。
本次训练采用的MATLAB程序算法如下：
a=[1.0000 0.6863 0.3333; %输入归一化后的数据
0.6863 0.3333 0.0000;
0.3333 0.0000 1.0000;
0.0000 1.0000 0.8039;
1.0000 0.8039 0.6078;
0.8039 0.6078 0.0392;
0.6078 0.0392 0.9804;
0.0392 0.9804 0.6275;
0.9804 0.6275 0.4706;
0.6275 0.4706 0.0980;
0.4706 0.0980 0.5686]';
b=[0.0000 1.0000 0.8039 0.6078 0.0392 0.9804 0.6275 0.4706 0.0980 0.5686 0.6863]; %目标值
threshold=[0 1;0 1;0 1];
n=newff(threshold,[15,1],{ 'tansig', 'logsig'},'trainlm'); %建立BP网络
n.trainParam.epochs=100; %设置网络属性
n.trainParam.show=20;
n.trainParam.goal=0.005
n.trainParam.lr=0.01
n=train(n,a,b) ; %训练网络
a_test=[0.0980 0.5686 0.6863]'; %输入预测数据
output=sim (n,a_test) %进行网络仿真，输出仿真值
trainlm, Epoch 0/100, MSE 0.10405/0.005, Gradient 0.956841/1e-010
trainlm, Epoch 4/100, MSE 0.00147732/0.005, Gradient 0.0406287/1e-010
trainlm, Performance goal met
经过程序运算，得出输出结果为：
output=0.0766
由上图可见，网络达到设定的精度要求经过了3步的训练，说明网络的收敛速度较快。
程序计算出2016年5月份的归一值为output=0.0766，反归一化得到相应的分值为0.43，经过比对发现，该分值与当年2月的份值接近。再通过审查2月份安全指标，我们可以基本预测描述出5月份的安全状况。以此为依据可制定相应的维修策略。
利用postreg函数对输出结果和目标输出进行线性回归分析，获得两者的相关系数，这样做可以检验该网络的性能，这里如图所示。
当网络性能处于良好状态时，所设计网络的模拟值接近或等于网络络的实际输出值，即MATLAB中所绘制的图像大致处于坐标轴第一象限的对角线上。这里取拟合度R大于0.80。由上图我们可以得出模拟值与实际输出之间的非线性回归方程为
A=0.89T+0.041(R=0.98) (4)
训练结果表明：本次助航设施系统安全评估的人工神经网络模型可以达到《中国民用航空通信导航监视系统运行、维护规程》中提出的误差指标规定。提出的网络性能满足助航设施系统复杂组成和环境的要求。
在利用人工神经网络法时，通过参考历史数据对未来进行预测，监察机构可以预测下一个特定时期的大致安全状况，从而能够迅速地采取措施，进行维护工作。只有消除可能存在的隐患，降低不安全事件或事故症候的出现概率，助航设施才能始终在一个相对的安全状态内运行。
4.总结
机场运行安全有序，助航设施系统肩负了重大的职责。本文以助航设施系统的安全评估为出发点，讨论了使用数学工具对该系统进行安全评估的一种方法。但是，面对种类繁多的设施与潜在未知的维护难题，助航设施系统只能借助这个工具，防微杜渐。
本文通过对机场助航设施系统安全评估方法的研究取得了以下成果：
（1）探讨了系统安全指标的原则和选取方法，构建了安全评估指标体系，配合已有数据与经验，大大增加了数据的可靠性和真实性。
（2）提出了BP人工神经网络法对安全状态进行预测的具体方法，为预警工作提供了很好的工具。
由于所能获取的信息严重不足，对助航设施系统进行全面评估时，需要获得大量的历史数据，以便人工神经网络可以进行足够的训练。这一点是本文撰写力所不能及的，本文仅提供一种简单思路，抛砖引玉，希望可以看到更多高效的数学方法参与到安全评估的工作中。
作者：郭志鹏
单位：维修工程部定检维修中心高检车间
来源：四型机场
