基于人工神经网络的车削加工成本快速估算

谢钰　王海生

【摘 要】快速估算加工成本对车间调度、工序调整与优化等都具有积极的意义。论文提出了一种基于人工神经网络（BPNN）的加工成本快速估算方法，通过BPNN算法训练该样本，获取影响成本的因素与成本结果之间的计算模型，从而实现成本的快速估算。

【关键词】人工神经网络；加工成本；估算

0 前言

快速估算加工成本对机械制造企业而言非常重要。由于加工成本受到诸多因素的影响，包括加工精度、加工材质、加工机床、加工特征面积、加工辅助时间等，这增加了快速估算加工成本的难度。论文提出了一种基于人工神经网络（BPNN）的加工成本快速估算方法，其基本原理是：首先通过精细计算，获取加工成本的样本；然后用BPNN算法训练该样本，继而获取影响成本的因素与成本结果之间的计算模型，实现成本的快速估算。

1 成本模型

加工成本受到诸多因素的影响，但主要的因素为加工精度要求、加工材质以及加工特征的表面积，见表1。

3 计算实例

某精密车床主要用于精密车削外圆特征，所加工特征都为中大批量（2000个左右），特征的材质为碳钢，且同次装夹加工的特征数量最多为三个。如表1所示，影响加工成本的要素主要有四个，其中同次装夹加工的特征数量将影响上下料等辅助操作成本等，这里采用的处理方法是根据同次装夹加工的特征数量平均分摊这些成本。

通过精细计算的方法，获取了10个加工成本的样本，见表2。

采用BPNN算法训练该样本，可以获取成本估算模型。比如要快速估算半精加工（1），材质为中碳钢（2），加工面积94.2mm2，同此装夹加工的特征数量为2个，则通过BPNN计算的成果为0.65元。

4 结束语

论文提出了采用BPNN算法进行加工成本快速估算方法，并通过实例进行了验证。因此论文所提出的方法具有一定的工程应用价值。

【参考文献】

[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]韩力群.人工神经网络理论、设计及应用[M].北京：化学工业出版社，2002.

[责任编辑：邓丽丽]