基于人工神經網絡的車削加工成本快速估算

謝鈺　王海生

【摘 要】快速估算加工成本對車間調度、工序調整與優化等都具有積極的意義。論文提出了一種基于人工神經網絡（BPNN）的加工成本快速估算方法，通過BPNN算法訓練該樣本，獲取影響成本的因素與成本結果之間的計算模型，從而實現成本的快速估算。

【關鍵詞】人工神經網絡；加工成本；估算

0 前言

快速估算加工成本對機械制造企業而言非常重要。由于加工成本受到諸多因素的影響，包括加工精度、加工材質、加工機床、加工特征面積、加工輔助時間等，這增加了快速估算加工成本的難度。論文提出了一種基于人工神經網絡（BPNN）的加工成本快速估算方法，其基本原理是：首先通過精細計算，獲取加工成本的樣本；然后用BPNN算法訓練該樣本，繼而獲取影響成本的因素與成本結果之間的計算模型，實現成本的快速估算。

1 成本模型

加工成本受到諸多因素的影響，但主要的因素為加工精度要求、加工材質以及加工特征的表面積，見表1。

3 計算實例

某精密車床主要用于精密車削外圓特征，所加工特征都為中大批量（2000個左右），特征的材質為碳鋼，且同次裝夾加工的特征數量最多為三個。如表1所示，影響加工成本的要素主要有四個，其中同次裝夾加工的特征數量將影響上下料等輔助操作成本等，這里采用的處理方法是根據同次裝夾加工的特征數量平均分攤這些成本。

通過精細計算的方法，獲取了10個加工成本的樣本，見表2。

采用BPNN算法訓練該樣本，可以獲取成本估算模型。比如要快速估算半精加工（1），材質為中碳鋼（2），加工面積94.2mm2，同此裝夾加工的特征數量為2個，則通過BPNN計算的成果為0.65元。

4 結束語

論文提出了采用BPNN算法進行加工成本快速估算方法，并通過實例進行了驗證。因此論文所提出的方法具有一定的工程應用價值。

【參考文獻】

[1]Smith A E， Mason A K. Cost estimation predictive modelling： Regression versus neural network [J]. The Engineering Economist， 1997，42（2）：137-161.

[2]Duverlie P， Castelain J M. Cost Estimation During Design Step： Parametric Method versus Case Based Reasoning Method[J]. The International Journal of Advanced Manufacturing Technology， 1999，15（12）：894-906.

[3]韓力群.人工神經網絡理論、設計及應用[M].北京：化學工業出版社，2002.

[責任編輯：鄧麗麗]