加工中心基礎部件可再制造性評價模型
海天精工 加工中心 鉆攻中心前言:機電產品再制造是統(tǒng)籌考慮產品部件全壽命周期的系統(tǒng)工程[1]。再制造技術是綠色制造技術的重要分支,對重型加工中心實施再制造是******限度地利用資源和減少環(huán)境影響的******“綠色制造”模式。重型加工中心再制造的核心是基礎部件的再制造,評價基礎部件的可再制造性是進行再制造的前提。國內外學者針對不同的評價對象提出了多種綜合評價模型。張勇等[2]、勞兆利[3]結合層次分析法(analytic hierarchy process,AHP)與木旲糊綜合評價法在確定評價影響因素權重的基礎上,利用模糊評價方法減小權重的主觀性,使評價結果更為準確。Rank等[1]提出數據包絡分析方法,根據多項投人指標和多項產出指標,利用線性規(guī)劃方法來評價多輸人和多輸出的相對有效性。Saat.y[3]在AHP法基礎上提出了網絡分析法(ANP),ANP法考慮評價指標之間的影卩向,通過求解超矩陣(Super Matrix)解決非獨立層次結構問題。朱祖平等[6]、張中昱[7]利用模糊綜合評價方法所得到的綜合評價樣本數據建立神經網絡評價模型,使評價系統(tǒng)擁有自學習能力并且克服了評價的主觀性和模糊性。馮冬青等W、郭曉婷等M采用遺傳算法改進BP神經網絡,針對不同評價對象進行綜合評價,有效克服了 BP®'法易陷人堝部收斂的缺點。綜合已有的文獻可看出,針對評價對象的評價方法有很多種。傳統(tǒng)的層次分析法未考慮評價指標間的相互影響,網絡分析法雖然考慮了指標間的相互影響,但是超矩陣計算量過大。因此,本文利用指標間相關性法(CRITIC)求解部分權重,考慮了評價指標間的相互影響,且計算較為簡便。數據包絡法等諸多模型評價過程較為復雜,本文將模糊綜合評價法和數學公式法相結合,計算基礎部件可再制造性初始評價值。在建立傳統(tǒng)基礎部件可再制造性評價模型基礎上,利用傳統(tǒng)評價模型得到的評價數據構建基礎部件可再制造性BP神經網絡評價模型。相對于使用單一遺傳算法對BP神經網絡進行改進優(yōu)化,采用模擬退火遺傳算法(SG A )優(yōu)化的神經網絡具有更強的全局搜索能力和宏觀優(yōu)化性能,有效避免BP算法易陷人局部收斂的缺陷,提高了收斂速度。利用模擬退火遺傳算法對BP神經網絡的初始權值、閾值進行優(yōu)化,再利用BP神經網絡模型進行精確求解,從而使BP神經網絡收斂到全局最小值,提高BP神經網絡預測精度。1重型加工中心基礎部件可再制造性BP神經網絡評價模型1.1重型加工中心基礎部件可再制造性評價模型重型加工中心基礎部件可再制造性評價模型結構如圖1所示。建立全面、準確的評價指標體系可以綜合考慮多種因素對評價結果的影響,利用評價指標值量化數學模型得到基礎部件各個二級評價指標值,結合初始評價指標值采用組合賦權法得到各個評價指標的權重,將初始指標評價值進行加權求和得到基礎部件可再制造性綜合評價值。海天精工 備注:為保證文章的完整度,本文核心內容都PDF格式顯示,如未有顯示請刷新或轉換瀏覽器嘗試,手機瀏覽可能無法正常使用!結束語:相對于傳統(tǒng)加工中心基礎部件可再制造性評價模型,BP神經網絡評價模型具有高效、便捷等優(yōu)點,因此建立基礎部件可再制造性BP神經網絡評價模型對傳統(tǒng)評價模型的延伸與補充具有重要意義。由于采用了梯度下降法,所以BP神經網絡存在容易陷人局部最優(yōu)解的缺點,從而影響神經網絡模型的預測精度。本文采用模擬退火遺傳算法對BP神經網絡初始權值、閾值進行優(yōu)化,以提高神經網絡的全局搜索能力,避免出現局部最優(yōu)解。實驗分析表明,模擬退火遺傳算法優(yōu)化的BP神經網絡具有更高的預測精度。以一臺重型臥式車床基礎部件可再制造性評價為例,采用模擬退火遺傳算法優(yōu)化的B P神經網絡評價模型預測出各基礎部件可再制造性綜合評價值,并確定出基礎部件可再造性等級。海天精工是一家集銷售、應用及服務于一體的公司。產品包括:CNC加工中心、鉆攻中心、龍門加工中心、雕銑機、石墨機、五軸加工中心、立式加工中心、臥式加工中心等。我們機床的生產工廠設在廣東省寧波市,目前其生產的加工中心70%出口,其中出口到歐洲占到50%。我們盡心、盡力、盡意的服務!聲明:本站文章均來自網絡,所有內容不代表本站觀點,本站不承擔任何法律責任!