基于BP神经网络的集装箱制造过程绿色度评价研究

张比鹏，韩 聪，王靖涵

(辽宁工业大学 机械工程与自动化学院，辽宁 锦州 121000)

0 引言

随着我国工业化进程以及环境保护进度的加快,绿色制造将成为制造业发展的趋势。集装箱制造业作为典型的高消耗、高污染产业,对其制造过程进行绿色度评价,能够在一定程度上反映出制造业自身绿色制造的情况,从而引起人们对绿色制造的重视[1-3]。

本文结合集装箱制造过程中可能影响绿色度的因素,初步建立了绿色度评价指标体系,之后基于BP神经网络建立了集装箱绿色度评价模型。根据各指标的标准对其进行了界线划定,生成了训练样本,并对构建的评价模型进行参数优化。最后通过实际调研,对某工厂的集装箱制造过程的绿色度进行了评价。

1 集装箱制造过程绿色度评价指标体系

1.1 集装箱制造过程及属性分析

集装箱结构由箱顶、端面和侧壁等构件构成,制造过程中需经过预处理、冲压、自动打砂、(前端、后端、底架)自动焊、总装、总焊、油漆、美妆等班组的加工处理,主要产生了资源消耗与环境污染。

制造过程中的资源消耗主要是零件制造过程中所产生的各种原材料以及人力资源上的消耗,主要包括原材料、能源、人力资源以及其他消耗四部分。其中,原材料消耗包括钢材、焊丝、铝材、铁材和水性漆;能源消耗为水和电;人力资源消耗采用安全满意度、环境影响、难易程度、工作时长作为评价指标;其他消耗分为设备使用率和绿色资源。

集装箱的制造过程是各原材料、零部件经过层层加工并最终装配成集装箱的过程,在这个过程中产生了一些污染物从而对环境造成了影响。在制造过程中产生的对环境造成不利影响的因素主要包括一些污染物的排放,例如焊接废气、粉尘以及废水。

1.2 集装箱评价指标体系确定

结合以上的分析及评价指标构建的原则[4,5],对评价指标初步选取,构建出的制造过程绿色度评价指标体系如表1所示。

表1 初步确定的评价指标体系

2 基于BP神经网络的集装箱制造过程绿色度评价模型

2.1 BP神经网络训练样本及检测样本确定

用五分制法划分集装箱制造过程的绿色度等级,绿色度评价结果也分为5种,分别是深绿色[1,0,0,0,0]、中绿色[0,1,0,0,0]、浅绿色[0,0,1,0,0]、淡绿色[0,0,0,1,0]和非绿色[0,0,0,0,1],所以输出节点为5。

(1) 对于评价中涉及到的定量指标,如单位车间用电量、原材料利用率和机械性噪声等指标主要从以下三个方面进行绿色度等级的划定:①按照相关法律法规;②以国家未来所要达成的目标排放值为标准;③若没有参照标准,则以学者研究的数据为标准。

(2) 对于定性指标(24、27、28、29)则采用调查问卷和专家经验法进行收集,具体评价等级如表2所示。

表2 定性评价等级标准

为训练并提升神经网络的准确率,按随机生成均匀数据的方式来产生数据,每个类别生成300个数据,共计生成1 500组数据,以1 300组数据作为网络的训练值,200组作为网络的预测值。

2.2 BP神经网络建模

BP神经网络评价模型实质上就是非线性化的输入-输出的模式映射过程,由表1可知评价指标体系共有33个测量维度,因此输入单元数为33个,将绿色度评价的结果作为输出对象,具体BP神经网络的评价模型如图1所示。

图1 BP神经网络的评价模型

由于包含一个隐含层的网络就能够逼近任何闭区间内连续函数,所以三层的神经网络在本质上就能够对大部分显式问题进行描述和分析,因此选用网络拓扑结构为3层的神经网络。对于隐含层网络节点数的选择是通过经验公式来确定的,即:

(1)

其中:m为隐含层的节点数;n为输入层的节点数;l为输出层的节点数;a为1～10之间的常数。本文选取33个指标作为样本输入、5个输出节点的值作为网络输出,当隐含层为9个神经元时,网络的均方误差最小为0.993 25,所以确定隐含层节点数为9。

2.3 神经网络训练结果

神经网络训练完成后得到网络的梯度值、确认检查情况和学习率,如图2所示。

图2 迭代222步后的梯度值、确认检查和学习率

由图2可知经过222步迭代后的网络确认检查率为0,说明训练已完成,且此时模型的正确识别率为94.5%,说明该神经网络可用于对集装箱制造过程进行评价。

3 实证分析

A集装箱制造公司是专业设计生产国际标准集装箱和各种特种结构集装箱的中外合资企业。公司年产能为100 000 TEU,主要生产22.5箱、45箱、48箱、开顶箱、侧开门箱和水溶油漆粮食箱等。图3为制造过程现场。

图3 制造过程现场

通过实际调研,得到各评价指标的量化值如表3所示。

表3 评价指标量化值

在MATLAB中建立集装箱制造过程绿色度评价的GUI界面,可根据需求对网络的结构参数和训练参数进行设定,并输出训练误差的曲线图和测试样本的实际值和期望值,得到的评价结果如图4所示。可以看出仿真结果为[0,0,1,0,0]与浅绿色的隶属度最符合,说明该评价模型能够对集装箱制造过程的绿色度进行评价。

图4 仿真结果

4 结论

通过对集装箱制造过程进行分析,初步构建了集装箱制造过程绿色度评价体系,利用问卷调查的方法优化了指标体系,在MATLAB上建立了基于BP神经网络的集装箱制造过程评价模型,以相关标准的数据对其进行了训练,并对评价模型的参数进行了优化,最后将模型应用于某集装箱厂的制造过程进行绿色度评价,其评价结果为浅绿色,从而验证了该评价方法的可行性。该方法克服了其他一些评价方法的模糊性和主观性,具有一定的科学性、客观性和准确性。