基于神经网络识别的复杂工艺参数柔性优化.pdfVIP

2o14年第21期 s。i d孟 。m。mR。h doi：10．3969／j．issn．1000—7695．2014．21．038 基于神经网络识别的复杂工艺参数柔性优化 叶 斌 ，潘 郁 ，潘 芳 ，吴 媚 (1．南京工业大学经济与管理学院，江苏南京 211816； 2．南京中医药大学经贸与管理学院，江苏南京 210046； 3．江苏祥兆书写工具厂，江苏常熟 215500) 摘要：为提高复杂工艺环境下生产合格率，动态的柔性优化工艺参数组合，以现场生产数据为学习样本和控制 对象，基于可适应BP神经网络建立识别生产变化的工艺参数柔性优化模型。在此基础上，通过引入惩罚机制改 进粒子群算法在神经网络输入端迭代求解最优参数组合。为 了验证模型的有效性，验证实例由3条轻化_z-艺路 线生产数据构成，结果表明模型预测误差绝对值在3％以内，优化得到的参数组合提高合格率到85％以上，有 效的提高生产效果和生产柔性。 关键词：复杂工艺；参数优化系统；神经网络；群智能；柔性制造 中图分类号：TP29；TP242．6 文献标志码：A 文章编号：1000—7695 (2014)21—0192—07 FlexibleOptimizationofComplexProcessParametersBasedonNeuralNetworkRecognition YEBin ，PAN Yu ，PAN Fan ，WU Mei (1．CollegeofEconomicsandManagement，NanjingUniversityofTechnology，Nanjing211816，China； 2．CollegeofEconomicsManagement，NanjingUniversityofChineseMedicine，Nanjing210046，China； 3．JiangsuXiangzhaoWritingToolFactory，Changshu215500，China) Abstract：InordertOimprovethepassingrateofproductionundercomplexprocessandrealizedynamicallyflexibleoptimi— zationforcompositeparameters，takingthefieldproductiondataastrainingsamplesandcontrollingobject，complexparam— etersoptimizingmodelwasbuilt，whichcanadapttoneur~networkandidenti~variationsofprocess．Basedonthismod- el，PSOalgorithm combinedwithpunishmentwasusedtocalculatetheoptimizedparameterscombination．Finally，thevali— dation instance，consistingwiththeproductiondataofthreelightchemical routing，wasusedtoidentifytheeffectivenessof optimizingmode1．Theresultsshowedthattheerrordeclinedtobelow3％ andthepassingratesachievedwerehigherthan 85％ ．Thismodelcaneffectivelyimprovetheproductionresultsandrealizeflexibility． Keywords：complexprocess；parameteroptimizationsystems；neuralnetwork；swarm intelligence；flexiblemanufacturing 多批次