謝鈺　王海生

【摘 要】快速估算加工成本對車間調(diào)度、工序調(diào)整與優(yōu)化等都具有積極的意義。論文提出了一種基于人工神經(jīng)網(wǎng)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(xiàn)成本的快速估算。

【關鍵詞】人工神經(jīng)網(wǎng)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(yè)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(zhì)、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(jīng)網(wǎng)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(xiàn)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(zhì)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(zhì)為碳鋼，且同次裝夾加工的特征數(shù)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(shù)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(jù)同次裝夾加工的特征數(shù)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(zhì)為中碳鋼（2），加工面積94.2mm2，同此裝夾加工的特征數(shù)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(jīng)網(wǎng)絡理論、設計及應用[M].北京：化學工業(yè)出版社，2002.

[責任編輯：鄧麗麗]