基于BP神经网络的离散车间智能制造系统评价体系的研究

【摘要】：离散制造业在我国经济发展中占有重要地位,对我国的综合实力影响巨大。车间作为离散制造企业的传统的成本中心以及新的利润中心,在离散制造企业发展的过程中扮演着关键角色,在市场竞争日益激烈的今天,一个与车间生产契合的智能制造系统的重要性不言而喻。目前针对离散车间智能制造系统的评价主要是从生产效率,制造柔性等方面,从系统全局角度的考察较少,并且评价指标体系和评价方法存在一定局限性。鉴于此,论文构建基于BP神经网络算法的评价模型,以期为系统的评价离散车间智能制造系统提供理论参考。首先,构建离散车间智能制造系统的评价指标体系。在综合分析离散车间智能制造系统结构和一般运行过程的基础上,从基础资源,产品制造以及系统信息三个维度初步建立评价指标体系,逐一分析评价体系中定性指标的定量化度量方法以及定量指标的计算公式,由于存在冗余现象,利用粗糙集属性约简方法进行评价指标体系优化。其次,建立基于BP神经网络的离散车间智能制造系统的评价模型。设计神经网络模型的结构,运用试凑法确定隐含层节点数,根据评价对象的特点选择隐含层以及输出层的传递函数,分析传统的BP算法存在的缺点并选取合适的优化算法,结合MATLAB仿真工程软件,在某汽车前桥装配车间科学选取样本数据,进行数据归一化处理后对BP评价模型进行网络训练并分析输出结果,验证所构建的BP评价模型的可行性。最后,设计并实现以BP神经网络算法为核心的评价原型系统。分析评价原型系统需求,设计系统结构和数据库表格,利用Visual 2015和SQL server 2014等专业编程软件,采用C#编程语言实现所设计的评价原型系统。通过采用定性分析与定量分析相结合的方法构建科学而全面的智能制造系统评价体系和评价模型,能够帮助企业管理者寻找智能制造系统的薄弱环节并进行改善,提高科学管理水平,同时丰富了智能制造系统评价的理论体系。