基于FASSA-BP算法的智能制造能力成熟度评价研究

【摘要】：随着新一代信息通信技术与先进制造技术的深度融合,智能制造已成为世界范围内制造业智能化转型升级的新路径。当前智能制造发展仍处于探索阶段,不同企业对智能制造的理解缺乏统一、对自身智能制造的定位和发展认知模糊,亟需有效方法指导其分布实施、系统推进智能制造建设,其中,寻找科学的智能制造能力评价方法成为一个关键问题。本文基于成熟度理论,在归纳总结智能制造能力成熟度影响因素的基础上,利用神经网络等智能算法,开展智能制造能力成熟度评价研究,以帮助制造企业识别差距,确定智能制造发展目标。主要研究工作如下:(1)构建智能制造能力成熟度评价指标体系。针对智能制造能力成熟度评价问题,确定评价指标,为评价模型奠定基础。围绕初步设计的评价指标,利用Delphi法和相关性分析筛选指标,确立评价指标体系,并基于评价指标设计问卷调查,以收集评价样本数据。(2)改进麻雀搜索算法。针对麻雀搜索算法易陷入局部最优的缺点,引入萤火虫算法中扰动策略对其进行改进,提出改进的麻雀搜索算法(FASSA)。选取低维、高维多峰等函数测试算法性能,结果表明,FASSA算法收敛精度和速度更高,全局搜索能力更好。(3)提出基于FASSA-BP算法的评价模型。BP神经网络是评价问题常采用的方法。针对BP神经网络对初始权、阈值敏感的问题,利用FASSA算法优化BP神经网络初始的权值和阈值,提出FASSA-BP算法,并构建评价模型。最后,选取样本数据进行模型训练和测试,将FASSA-BP模型与SSA-BP模型、PSO-BP模型以及传统BP模型进行实验对比,结果表明,本文提出的FASSA-BP评价模型具有更高的精确度和稳定性。(4)应用FASSA-BP评价模型。针对国内L电池企业智能制造能力成熟度的评价需求,通过企业调研和发放问卷等途径获取数据,采用所提FASSA-BP模型对L企业智能制造能力成熟度进行评价,根据评价结果判定等级,帮其识别差距,并给出改进建议。