基于BP神经网络的离散车间智能制造系统评价体系的研究

发布时间：2022-01-10 10:16

　　离散制造业在我国经济发展中占有重要地位,对我国的综合实力影响巨大。车间作为离散制造企业的传统的成本中心以及新的利润中心,在离散制造企业发展的过程中扮演着关键角色,在市场竞争日益激烈的今天,一个与车间生产契合的智能制造系统的重要性不言而喻。目前针对离散车间智能制造系统的评价主要是从生产效率,制造柔性等方面,从系统全局角度的考察较少,并且评价指标体系和评价方法存在一定局限性。鉴于此,论文构建基于BP神经网络算法的评价模型,以期为系统的评价离散车间智能制造系统提供理论参考。首先,构建离散车间智能制造系统的评价指标体系。在综合分析离散车间智能制造系统结构和一般运行过程的基础上,从基础资源,产品制造以及系统信息三个维度初步建立评价指标体系,逐一分析评价体系中定性指标的定量化度量方法以及定量指标的计算公式,由于存在冗余现象,利用粗糙集属性约简方法进行评价指标体系优化。其次,建立基于BP神经网络的离散车间智能制造系统的评价模型。设计神经网络模型的结构,运用试凑法确定隐含层节点数,根据评价对象的特点选择隐含层以及输出层的传递函数,分析传统的BP算法存在的缺点并选取合适的优化算法,结合MATLAB仿真工... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

误差下降趋势

合肥工业大学学术硕士研究生学位论文 神经网络针对系统综合评价的学习结果包含预测值如图 4.7 所示，神经网络的真实值与预测值的轨迹基本拟合，预测结果较为接近。

图 4.8 网络训练误差Fig4.8 Network training error文在完成离散车间智能制造系统综合评价之后，分别对评价指标进行 BP 神经网络模型的训练，最终得到网络训练结果的误差图如

【参考文献】：
期刊论文
[1]智能制造领域研究现状及未来趋势分析[J]. 王媛媛.  工业经济论坛. 2016(05)
[2]基于BP神经网络的智能制造系统图像识别技术[J]. 李萍,徐安林.  现代电子技术. 2016(18)
[3]智能制造企业评价指标及评估方法的探讨[J]. 龚炳铮.  电子技术应用. 2015(11)
[4]制造业企业信息化和计算机使用的生产率效应[J]. 王万珺,叶林祥,周绍东.  工业技术经济. 2015(07)
[5]智能制造系统及其层级模型[J]. 杜宝瑞,王勃,赵璐,周元莉.  航空制造技术. 2015(13)
[6]基于粗糙集理论的高校教师教学质量评价系统研究[J]. 李建林,姚一豫,聂明,边长生.  计算机应用与软件. 2014(03)
[7]美国也要振兴制造业——美国先进制造业国家战略计划编译[J]. 左世全,王影,金伟,许斌.  装备制造. 2012(05)
[8]低碳产业创新系统运行绩效评价的指标体系[J]. 梁中,周翔.  统计与决策. 2012(02)
[9]基于系统动力学的生产企业生产能力研究[J]. 伯大辉,孔丽娟,徐学峰.  青岛大学学报(自然科学版). 2009(03)
[10]层次分析法在甲醇下游产品方案优选中的应用[J]. 张素敏,邓蜀平,蒋云峰.  化工进展. 2008(02)

博士论文
[1]BP神经网络的理论及其在农业机械化中的应用研究[D]. 王吉权.沈阳农业大学 2011
[2]基于粗糙集的指标体系构建及综合评价方法研究[D]. 李远远.武汉理工大学 2009

硕士论文
[1]基于BP神经网络的智能制造能力评价研究[D]. 张艺.昆明理工大学 2018
[2]技术创新与管理创新的整合—山东如意集团创新管理研究[D]. 张媛.青岛大学 2017
[3]基于物联网技术的智能粮库集成系统设计与实现[D]. 刘鹏.河南工业大学 2017
[4]多品种小批量生产中关键工序识别与质量控制研究及应用[D]. 钟昕怡.重庆大学 2017
[5]上海助邦医疗器械有限公司物流信息化改进策略研究[D]. 吴胜勇.华东理工大学 2017
[6]压铸车间智能制造系统关键技术的研究与系统开发[D]. 孙文峻.浙江大学 2017
[7]基于CPS模型的智能工厂复合通信技术研究[D]. 陈广.武汉科技大学 2016
[8]全过程视角下某离散制造系统运行评价及应用[D]. 李玉东.重庆大学 2015
[9]JC煤炭储运有限公司战略管理会计应用研究[D]. 梁鹏丽.天津商业大学 2014
[10]通讯设备制造业企业信息化水平评价研究[D]. 徐晓靓.西安建筑科技大学 2014



本文编号：3580534