基于 CBR 技术与 BP 神经网络的产品成本估算.pdf

《基于 CBR 技术与 BP 神经网络的产品成本估算.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、试验研究现代制造工程（ＭｏｄｅｒｎＭａｎｕｆａｃｔｕｒｉｎｇＥｎｇｉｎｅｅｒｉｎｇ）２０１４年第３期倡基于CBR技术与BP神经网络的产品成本估算周敏，张力，蒋国章，江志刚（武汉科技大学机械自动化学院，武汉４３００８１）摘要：针对ＢＰ神经网络成本估算方法无法找出典型样本的问题，提出了基于实例推理（Ｃａｓｅ-ＢａｓｅｄＲｅａｓｏｎｉｎｇ，ＣＢＲ）技术与ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）神经网络相结合的成本估算方法，利用ＣＢＲ技术为ＢＰ神经网络筛选出典型实例样本。以ＱＺ型抓斗桥式起重机的成本估算为例进行验证，结

2、果表明基于ＣＢＲ技术与ＢＰ神经网络的成本估算方法更加有效，精度更高。关键词：实例推理（ＣＢＲ）技术；ＢＰ神经网络；成本估算中图分类号：ＴＰ１８３；Ｆ２７５．３文献标志码：Ａ文章编号：１６７１—３１３３（２０１４）０３—００２７—０４AmethodofproductcostestimationbasedonCBRtechnologyandBPneuralnetworkＺｈｏｕＭｉｎ，ＺｈａｎｇＬｉ，ＪｉａｎｇＧｕｏｚｈａｎｇ，ＪｉａｎｇＺｈｉｇａｎｇ（ＳｃｈｏｏｌｏｆＭａｃｈｉｎｅｒｙａｎｄＡｕｔｏｍａｔｉｏｎ

3、，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ）Abstract：ＩｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｔｈａｔＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｓｔｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｃａｎ’ｔｆｉｎｄｒｅｐｒｅｓｅｎｔａｔｉｖｅｓａｍｐｌｅｓ，ａｍｅｔｈｏｄｏｆｐｒｏｄｕｃｔｃｏｓｔｅｓｔｉｍａｔｉｏｎｂａｓｅｄｏｎＣＢＲｔｅｃｈｎｏｌｏｇｙａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄ．ＵｓｅＣＢＲｔｅｃｈｎｏｌｏｇｙ

4、ｆｉｎｄｒｅｐｒｅ-ｓｅｎｔａｔｉｖｅｓａｍｐｌｅｆｏｒＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｆｉｎａｌｌｙ，ｔｈｅｎｅｗｍｅｔｈｏｄｉｓｕｓｅｄｔｏｅｓｔｉｍａｔｅｔｈｅｃｏｓｔｏｆＱＺｔｙｐｅｂｒｉｄｇｅｃｒａｎｅ．Ｉｔｉｓｄｅｍｏｎ-ｓｔｒａｔｅｄｔｈａｔｔｈｅｎｅｗｍｅｔｈｏｄｉｓｍｏｒｅｅｆｆｉｃｉｅｎｔａｎｄｈａｓｈｉｇｈｅｒａｃｃｕｒａｃｙｔｈａｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｓｔｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄ．Keywords：Ｃａｓｅ-ＢａｓｅｄＲｅａｓｏｎｉｎｇ（ＣＢＲ）；ＢＰｎｅｕｒａｌ

5、ｎｅｔｗｏｒｋ；ｃｏｓｔｅｓｔｉｍａｔｉｏｎ神经网络成本估算方法对学习样本具有依赖性，无法０引言找到典型的学习样本，而网络模型的逼近和推广能力［５］当今全球市场竞争日益激烈，企业的经营环境发与学习样本的典型性密切相关。针对这一问题，本生了深刻的变化，企业间竞争的焦点已转变到时间、文提出了基于ＣＢＲ技术与ＢＰ神经网络的成本估算模成本和顾客个性化需求方面。在此形势下，快速、有型，利用ＣＢＲ技术为ＢＰ神经网络筛选出典型实例效地估算顾客订单的成本必将提高企业的竞争优样本。［１］势。为了提高企业的市场应变能力和满足顾客

6、快１基于CBR技术与BP神经网络的成本估算速询价的需求，研究如何缩短成本估算周期和提高成方法原理本估算准确性具有十分重要的意义。ＢＰ神经网络由于其在处理复杂非线性问题方面基于ＣＢＲ技术与ＢＰ神经网络成本估算方法原理的优势，迅速成为成本估算方法研究领域的热点和前如图１所示。当获得一个新产品订单时，系统首先获沿。赵志文等人提出了基于作业成本（Ａｃｔｉｖｉｔｙ-Ｂａｓｅｄ取产品的各项技术参数并将此产品作为新实例，然后Ｃｏｓｔｉｎｇ，ＡＢＣ）法和ＢＰ神经网络的铁路货运成本估算检索实例库，找出与之相似的实例。根据事先设

7、置的［２］模型。ＷａｎｇＨＳ等人提出了基于粒子群优化算法相似度阀值γ来判断是否需要在原有实例的基础上（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）和ＢＰ神经网络的进行修改，即若能检索到相似度达到阈值的实例，则［３］塑料注塑件成本估算模型。刘天时等人提出了基系统提取出该相似实例的成本作为新实例的基础成［４］于ＢＰ神经网络的油气钻井成本预测模型。但ＢＰ本，供成本估算人员进行审核和修改，从而得到新产倡国家自然科学基金项目（７１２７１１６０，５１２０５２９５）；湖北省创新团队项目（Ｔ２０１１０２）２７

8、２０１４年第３期现代制造工程（ＭｏｄｅｒｎＭａｎｕｆａｃｔｕｒｉｎｇＥｎｇｉｎｅｅｒｉｎｇ）品订单的最终估算成本；若未能检索到相似度达到阀２．１．１精确值的相似度值的实例时，则在检索的实例中按相似度从高到低的特定区间内的两个精确属性值ai和bi之间的相似［６］顺序，选取一定数量的实例，作为ＢＰ神经网络的训练度可定义为：样本，然后利用ＢＰ神经网络预测出新产品订单的成bi－aiｓｉｍ（ai，bi）＝１－