摘要：探讨了利用BP神经网络模型来评估注塑零件的制造成本。讨论了与注塑件制造成本相关的特征的提取和编码、网络结构的确定,并提出了系统的结构图和利用BP神经网络进行成本估算的流程图。此系统可给产品开发设计人员提供一种决策支持工具，让其在产品的设计阶段就可以估算注塑件的制造成本。

　　关键词：BP神经网络;特征;制造成本;成本估算

　　Abstract: BP neural networks was used for evaluating the manufacturing cost of injection parts. Extracting and coding of feature correlating with injection parts manufacturing cost，ensuring structure of neural networks, structure chart of the system and flow chart for evaluating manufacturing cost in BP neural networks was brought forward. A tool were offered to designers for evaluating injection parts cost during designing-time.

　　Key Words: BP neural networks; Feature; Manufacturing cost; Cost estimation

　　0. 引言

　　随着塑料制品的广泛应用，注塑件成本评估日益成为塑料制品厂家所关心的问题。但注塑件成本评估涉及的因素多而复杂，要做到比较准确的估价，即使具有丰富注塑件设计知识和经验的技术人员也感到比较困难。同时由于注塑件成本评估属于弱理论科学，想通过经验公式进行估算有很大的局限性。神经网络方法由于具有自组织性、对经验知识的学习能力、符合人们习惯思维的特点，应用于成本评估领域有独特的优点。本文基于人工神经网络的BP算法对注塑零件的制造成本进行了系统构造和估算方法的探索。该系统旨在提供给产品开发人员一种决策支持工具，让其在产品的设计阶段就可以对产品的制造成本进行估算，尽可能的把产品的一些增加成本、难于制造或不可制造的因素消除在设计阶段，在满足市场需求的前提下，以最低的成本、最快的速度设计出质量最高的产品。

　　1. 系统框架

　　注塑件制造成本评估系统是一种决策支持工具，它需要提取或输入的是产品的特征，输出的是产品的制造成本及改进建议。注塑件成本估算系统的组成模块如下： CAD模块 2)分析模块 参考库模块 特征描述数据库 制造工艺数据库 注射机模具数据库 方法库 参考库模块 制造成本文件 基于特征的CAD设计工具 特征信息处理 CAD模块 塑件制造成本

　　可制造性评价

　　加工工艺性评价

　　加工时间核算 特征映射

分析模块

　　图1 注塑件成本估算系统结构图

　　1)CAD模块：CAD模块根据零件功能要求提供基于特征的零件造型，设计者可以在此模块中进行零件的构造和修改。特征信息处理采用边界匹配(由于每一类特征都有其一定的边界模式，因而通过寻找其中符合特征边界模式的区域，进而识别出零件中包含的所有特征)与基于知识(根据零件的几何、拓扑信息与零件特征的布尔组合建立零件的知识库)的混合方式 ,自动实现从 CAD系统的设计数据库中提取零件的全部设计信息，并对组成零件的各个实体自动进行特征重组和特征识别，对每一设计特征进行标识并归类为不同的特征子集，同时给出每一设计特征的特征类码及相应的特征属性值，为实现设计特征向制造特征的转换提供了必须的信息。

　　2)分析模块：分析模块一共有两个子模块，一个为特征映射子模块，特征映射子模块是基于一定的映射机理，将零件的设计特征转换为制造特征,并生成每一设计特征的加工方法和初始工序设计方案。特征映射结果是进行可制造性评价的重要前提。

　　分析模块中另一个为可制造性评价子模块，该子模块共有四个功能：第一根据参考库模块中提供的方法和数据分析、评价每个塑件的加工工艺性(塑件形状是否有利于成型加工;尺寸、精度和表面粗糙度是否达到要求;是否有足够的脱模斜度;壁厚、加强筋、工艺圆角是否合理等);第二分析每个塑件的可制造性(即注塑出的产品工艺性能是否优良，注塑出的塑件的外观质量、成品合格率如何等);第三估算每个塑件所需要的注塑时间(注射或填注时间、冷却时间和模具复位时间);第四估算每个塑件的制造成本(模具成本、工艺成本和塑件材料成本)。

　　3) 参考库模块 参考库模块存储了几种参考数据，如注射机模具数据库中存储的是加工车间中注射机的相关信息(如额定注射量、注射行程、注射方式等)和模具的相关信息(如模具所能达到的精度、模具的型腔个数及开模行程等);制造工艺数据库存储的是工艺顺序以及注射时间、注射压力等;特征描述数据库存有塑件每个特征的有关数据;方法库存储注塑件制造成本和加工时间核算的方法;制造成本文件存放每个零件的核算成本及其加工时间，该文件最后提交给用户。

　　2. 基于神经网络的注塑件成本估算系统流程图

输入(或提取)塑件的基础信息 有无神经网络模型 从CAD软件中经过特征信息处理，获取塑件的基本设计信息 用户输入零件的工艺信息 计算模块 数据库 神经网络模型 制造成本

　　无 有

　　图2 注塑件成本估算系统流程图

　　用户使用此系统时，首先输入(或提取)此系统所要求的注塑件的基础信息，若系统中已经建立了相应的神经网络模型，则直接通过模型进行成本估算。由于一个产品的制造成本是一个企业实际市场环境、实际生产能力、技术水平、生产经营管理现状等的综合体现。更重要的是应该能反映本企业自身的特色(这是一个企业赖以生存和发展的基石)，因此在大多数情况下，企业对估算产品成本的神经网络模型无法提供训练的原始数据，在这种情况下，我们可以从CAD软件中，利用STEP中性文件，通过特征提取、特征映射等信息处理方法，提取出零件的基本设计信息，并通过工艺信息补充模块输入零件的工艺信息，利用计算模块计算出零件的详细制造成本，并把这些制造成本作为神经网络模型训练样本的原始数据[1]。

　　3.成本估算系统的关键技术

　　目前，在应用和研究中采用的神经网络模型有30多种，其中BP神经网络，是应用最广泛的一种神经网络模型。BP神经网络即误差反向传播网络( Error Back Propagation Network)，是一个典型的多层网络，分为输入层、隐含层和输出层，层与层之间采用全互连方式。BP网络实现了多层网络学习的设想，若干输入矢量经隐含层变换成输出矢量，实现了从输入空间到输出空间的映射。其学习算法的核心是梯度下降法，属于有导师学习训练法。BP神经网络的输入与输出之间是一种高度非线性的映射关系，其结构简单，工作状态稳定且易于用硬件实现，BP神经网络的这些优点，让设计人员在产品的设计阶段估算产品的制造成本成为可能，故我们在设计此系统时，采用了BP神经网络[2]。

 1/2    1 2 下一页 尾页