魏 延，楊春穎，王永芳，劉鵬飛

（中國航天系統(tǒng)科學與工程研究院，北京，100142）

0 引 言

技術成熟度（Technology Readiness Level，TRL）是國際上廣泛使用的對重大科技攻關和工程項目的技術研發(fā)進展進行量化評價的方法，它表明了一個技術相對于系統(tǒng)或者整個項目而言所處的發(fā)展狀態(tài)，技術成熟度評估是確定裝備研制關鍵技術的成熟程度進行量化評價的一套系統(tǒng)化標準、方法和工具。

有關技術成熟度評估研究一直都是國內外的研究重點，以往的研究中多采用專家評審的方法，缺乏規(guī)范客觀的標準，1995 年美國航天局發(fā)布了技術成熟度白皮書，系統(tǒng)地提出了技術成熟度的9 個等級。同期，俄羅斯科學家Altshuller 在研究了250 萬例世界上不同的技術領域專利的基礎上，提出一套系統(tǒng)的高效創(chuàng)新方法——TRIZ 理論。該理論中的技術進化論認為，每一個產(chǎn)品都是一個不斷進化的系統(tǒng)，技術系統(tǒng)會隨著時間向更高級的方向發(fā)展和進化，都會經(jīng)歷孕育、成長、成熟、衰退的過程，即技術的進化規(guī)律滿足技術系統(tǒng)成熟度曲線（S 曲線）。

1 研究現(xiàn)狀

近年來，隨著專利數(shù)據(jù)的日益增多，從專利的視角開展研究更能體現(xiàn)出一項技術系統(tǒng)的價值，研究者主要通過TRIZ 理論對當前技術成熟度進行評估分析。

Altshuller 提出以專利數(shù)量、專利等級、產(chǎn)品性能、經(jīng)濟收益4 個指標與系統(tǒng)進化之間的關系來評估技術成熟度，后繼研究者也在此基礎上進行了多種改進。Mann提出通過降低成本的專利和彌補缺陷的專利考察技術產(chǎn)品是否到達成熟期；王秀紅提出根據(jù)專利數(shù)量、專利級別、性能、銷售量4 個指標對電動車技術進行成熟度評估；劉玉琴提出以專利技術新穎度反映專利質量等級、以專利維持成本代替利潤，與專利數(shù)量共同建立技術成熟評估模型；王道平和孫慶彬克服經(jīng)濟收益指標不方便計算的缺陷，提出專利數(shù)量、彌補缺陷的專利數(shù)量、彌補成本的專利數(shù)量和專利等級4 個指標對工業(yè)煤粉鍋爐相關專利進行了評估。

以上研究基本上只對技術的當前成熟度進行評估，而并沒有進一步的未來成熟度預測。謝國輝通過回歸分析，估計光熱發(fā)電4 個關鍵技術S 型曲線的參數(shù)，基于邏輯方程由此得到光熱發(fā)電技術成熟度預測曲線模型。由于技術的生命周期不是完全標準的Logistic 方程，導致擬合誤差較大。

因此，本文擬采用TRIZ 理論進行成熟度評估，通過LSTM 網(wǎng)絡模型對專利指標進行時序預測，并將LSTM 與SARIMA 進行對比，最后建立技術成熟度組合評估模型，實現(xiàn)技術成熟度的評估和預測。

2 基于TRIZ 理論的技術成熟度評估模型

2.1 TRIZ 理論在技術成熟度上面的應用

TRIZ 技術進化理論認為，任何一個技術系統(tǒng)都會經(jīng)歷一個從低級到高級的過程，該過程剛好與一條S 型曲線相契合，被稱為技術系統(tǒng)進化S 曲線，如圖1所示，該曲線解釋了技術系統(tǒng)進化的各個發(fā)展階段，包括嬰兒期、成長期、成熟期、衰退期。

圖1 技術系統(tǒng)進化S 曲線Fig.1 Technological Systems Evolution S curve

第1 階段：嬰兒期。產(chǎn)品的誕生需要引入新技術，由于新技術還不能解決關鍵性問題，產(chǎn)品性能進步速度緩慢，只有極少數(shù)抗壓能力強的企業(yè)進入該市場。

第2 階段：成長期。技術的關鍵性問題得以解決，產(chǎn)品性能快速提升，企業(yè)的盈利水平大幅提高，吸引更多企業(yè)進入市場。

第3 階段：成熟期。基本解決了該技術系統(tǒng)所有的技術難題，型號多樣化，專利數(shù)量持續(xù)增加。

第4 階段：衰退期。技術系統(tǒng)進入發(fā)展極限期，無論怎樣加大投入，技術系統(tǒng)的性能也無法提升，由于企業(yè)競爭加劇導致盈利水平降低，產(chǎn)品瀕臨淘汰。

通過選取合適的技術性能指標，確定產(chǎn)品位于S 曲線的位置就可以評估出該產(chǎn)品的當前技術成熟度。

2.2 評估指標的選取

評估指標的標準曲線如圖2 所示。

圖2 評估指標的標準曲線Fig.2 Standard Curves for Evaluating Indicators

2.2.1 專利數(shù)量

Altshuller 提出了專利數(shù)量在技術系統(tǒng)進化過程中的變化曲線，如圖2a 所示。隨著時間推進，專利數(shù)量先后出現(xiàn)3 個極值點，形成了生命周期中不同發(fā)展階段的臨界點。當一項突破性的專利出現(xiàn)之后，圍繞該技術形成一個研究熱潮，專利申請數(shù)量短期內突增，達到第1 個小峰值，即點。此后進入成長期，初期由于專利的壟斷以及市場的不確定性因素，專利的申請數(shù)量逐漸下降，隨著專利價值的挖掘，推進技術系統(tǒng)的快速發(fā)展，達到第2 個峰值。之后技術系統(tǒng)進入衰退期，可挖掘的技術問題越來越少，相應的專利數(shù)量也越來越少，開始轉向替代技術的研究。

2.2.2 專利等級

新的技術系統(tǒng)誕生往往伴隨著高質量專利的出現(xiàn)，誕生時專利等級最高，但由于在嬰兒期和成長期技術發(fā)展緩慢，投入的人力和財力有限，很多專利都未解決進入市場所面臨的關鍵性問題，專利等級出現(xiàn)波動。成熟期通過進一步對技術系統(tǒng)進行結構創(chuàng)新，性能水平達到最優(yōu)，由于只是對系統(tǒng)的局部完善，專利級別會更低。衰退期的專利級別繼續(xù)逐漸降低。專利等級-時間變化曲線如圖2b 所示。

專利等級指標一般通過專家進行經(jīng)驗界定，費時費力且主觀性因素過強。圍繞著定量計算，本文引入專利授權占比來量化專利等級。

2.2.3 技術強度

技術強度來量化技術的創(chuàng)新程度，通過專利申請量和當前技術影響指數(shù)的乘積，從質和量兩個方面對技術的創(chuàng)新程度進行評價。

式中為當前專利申請總量；，分別為前3 年的授權量和申請量；為當前技術影響指數(shù)，通過前3 年平均被引率來量化，反映研究對象技術影響力。

對于專利申請總量，在一個技術的生命周期中，專利申請總量呈現(xiàn)出S 曲線趨勢。對于當前影響指數(shù)，技術誕生之初由于被引次數(shù)較少，所以影響指數(shù)較低，隨著技術發(fā)展而逐漸增大，到達頂峰后開始降低。二者共同作用下技術強度也呈現(xiàn)出先增后減的趨勢，如圖2c 所示。

2.3 技術成熟度評估模型

技術成熟度評估模型主要分為2 個模型，分別是特征曲線擬合模型和特征組合評估模型。

2.3.1 特征曲線擬合模型

為更好地判斷產(chǎn)品在各項評估指標中所在的生命周期階段，對評估指標特征數(shù)據(jù)進行曲線擬合，常用的曲線擬合算法有時間序列分析法、生長曲線回歸法。本文采用多項式曲線擬合，多項式曲線擬合模型為

式中，，…， b為模型參數(shù)；為時間變量。

2.3.2 組合評估模型

根據(jù)以上選取的成熟度評估指標，通過獲取各指標的數(shù)據(jù)，繪制相關曲線，并通過曲線擬合，根據(jù)曲線的斜率來組合判斷該技術系統(tǒng)目前所處的S 曲線的位置，評估對應的技術成熟度。組合評估模型見表1。

表1 技術成熟度組合評估模型Tab.1 Technology Maturity Portfolio Assessment Model

3 基于LSTM 的時序數(shù)據(jù)預測

首先進行數(shù)據(jù)擴充，通過縮短指標統(tǒng)計時間間隔，從按年統(tǒng)計縮短到按月統(tǒng)計，由此實現(xiàn)對3 個指標的數(shù)據(jù)進行擴充，然后基于LSTM 算法對指標數(shù)據(jù)進行預測，并基于預測的指標數(shù)據(jù)對未來15 年的技術成熟度進行預測，下面介紹LSTM 進行時序預測的原理。

長短時記憶神經(jīng)網(wǎng)絡模型（LSTM）是由Hochreiter和Schmidhuber 提出的一種特殊的循環(huán)神經(jīng)網(wǎng)絡模型（RNN），適用于學習長期依賴關系，核心在于記憶塊（Memory Block）的部分，如圖3 所示。

圖3 LSTM 在時序數(shù)據(jù)上的展開形式Fig.3 The Expansion Form of LSTM on Time Series Data

記憶塊包括了記憶細胞和3 個門控單元，通過記憶細胞與門控單元的合作，LSTM 具有強大的預測具有長期依賴性的時間序列的能力。門控單元分別為輸入門、輸出門和遺忘門。輸入門控制有多少新信息流入記憶細胞，遺忘門通過循環(huán)連接控制舊信息留在當前記憶細胞中。輸出門決定了哪些信息計算記憶塊的輸出激活，并進一步流入網(wǎng)絡的其余部分?；谝陨希總€單元都可以在任意時間間隔內記住所需要的信息，LSTM 算法對時序數(shù)據(jù)預測的原理如下。

對于一個時間序列，LSTM 塊通過從當前時刻的輸入來計算當前時刻的輸出和前一個時刻的隱藏層狀態(tài)，基于過去數(shù)據(jù)提供的信息計算下一時刻的預測輸出，這一過程也就是LSTM 的正向傳播過程，形式如下：

記憶塊的輸出向量經(jīng)過全連接層，得到預測值?為

經(jīng)過多層LSTM 結構，得到預測的輸出值為

式中為記憶單元的輸入向量；為遺忘門的激活向量；為輸入門的激活向量；為輸出門的激活向量；t為長短期記憶單元的輸出向量；為單元狀態(tài)向量；，表示權重矩陣；，均為激活函數(shù)；為待預測的時間長度。

4 實例研究——航天器電推進技術為例

根據(jù)以上建立的評估模型和預測算法，可以實現(xiàn)技術的成熟度評估和預測，流程如圖4 所示。

圖4 技術成熟度評估及預測流程Fig.4 Technology Maturity Assessment and Prediction Process

4.1 航天器電推進技術概況

電推進技術是利用電能加速工質形成高速射流而產(chǎn)生推力的技術，是迄今發(fā)展最快最為成熟的非化學火箭推進技術。具有高比沖，壽命長等優(yōu)點，電火箭推進的比沖高，可達250 kN·s/kg，累計工作時間上萬小時，重復啟動次數(shù)上萬次。而且，電推進器的推力一般小于100 N，因而適用航天器的精確控制。未來的航天活動對電推進的需求可概括為高比沖、高調節(jié)比、高效率和高可靠性。

4.2 技術成熟度評估

4.2.1 全球專利檢索

在全球專利數(shù)據(jù)庫中，針對電推進技術進行檢索，通過電推進相關技術關鍵詞和分類號來命中專利。專利數(shù)據(jù)檢索基本情況如表2 所示。

表2 航天器電推進技術專利檢索表Tab.2 Patent Search Table for Spacecraft Electric Propulsion Technology

4.2.2 曲線擬合

為了更好地觀察指標的變化趨勢，采用多項式函數(shù)曲線擬合，如5 圖所示。

圖5 多項式函數(shù)擬合指標曲線Fig.5 Polynomial Functions Fit Index Curves

4.2.3 技術成熟度評估結果

航天器電推進技術自1965 年提出，1995 年專利申請數(shù)量大幅增加，1998 年，美國深空一號探測器推進系統(tǒng)首次成功使用電推進技術，此后該項技術迅速發(fā)展，申報專利數(shù)量繼續(xù)增加。技術強度也迅速提升，并在2005 年達到頂峰。其后，技術強度和專利等級出現(xiàn)波動式下降。由3 個指標的擬合曲線，結合圖2 標準曲線和技術成熟度組合評估模型，可得：1965~1995 年，技術處于嬰兒期；1995~2005 年，技術處于成長期；自2005 年，航天器電推進技術進入成熟期。

4.3 基于LSTM 的技術成熟度預測

4.3.1 模型預測與性能評估

本文構建的模型主要由LSTM 及全連接層兩個層級構成，將數(shù)據(jù)按照3:1 的比例劃分為訓練集和測試集，計算損失函數(shù)，通過Adam 算法，對最小均方根誤差優(yōu)化，得到預測結果。本文采用PRMSE 進行評估。

為對比驗證LSTM 模型性能，采用季節(jié)性自回歸移動平均模型（SARIMA）基于相同的訓練集和測試集進行計算。模型預測效果對比見表3。由PRMSE 結果可得LSTM 模型在3 個特征表現(xiàn)出來的預測效果明顯優(yōu)于SARIMA 模型。

表3 模型預測效果對比Tab.3 Model Performance

4.3.2 未來15 年的預測結果

對未來15 年即180 個時間點使用LSTM 算法進行預測，設置試驗參數(shù)如表4 所示。試驗結果見圖6。根據(jù)預測數(shù)據(jù)和曲線擬合結果，年專利申請量自2021 年持續(xù)上升，在2029 年到達拐點，此后持續(xù)下降；專利等級自2021 年持續(xù)下降；技術強度自2021 年逐年上升，自2029 年大幅下降，與專利申請數(shù)量的走勢一致，側面驗證了預測的準確性。以上3 個特征的預測結果符合標準曲線模型中的成熟期到衰退期的趨勢。航天器電推進技術成熟度預測2029 年進入衰退期。

表4 LSTM 預測試驗參數(shù)Tab.4 LSTM Predicts Experimental Parameters

圖6 基于LSTM 的特征預測結果及曲線擬合Fig.6 Feature Prediction Results and Curve Fitting Results Based on LSTM

續(xù)圖6

5 結束語

本文基于TRIZ 理論的技術系統(tǒng)進化法則，從海量的專利數(shù)據(jù)中，挖掘出專利數(shù)量，專利等級和技術強度三個評估指標，建立了技術成熟度組合評估模型，通過航天器電推進技術實例論證了評估模型的有效性，分析了1965 年至2020 年的專利數(shù)據(jù)，通過指標數(shù)據(jù)提取，高次多項式曲線擬合和組合評估，該技術自2005 年開始，至今仍處于成熟期。

本文以月作為預測的時間尺度，預測未來180 個月的指標數(shù)據(jù)，通過LSTM 算法進行時序預測，并與SARIMA 算法預測結果進行比較，LSTM 算法在各項指標的百分均方誤差表現(xiàn)均好于SARIMA 算法。通過對LSTM 預測的數(shù)據(jù)進行曲線擬合，根據(jù)組合評估模型，預測出航天器電推進技術在2029 年進入衰退期，該領域研究者需要盡快尋找突破技術或轉向新的演進方向。