本发明专利技术公开了一种基于BP神经网络的再制造零件环境损耗的计算方法，(1)获取被测零件，将对被测零件有影响的再制造工艺参数的值作为检测数据；(2)根据归一化处理后检测数据建立误差反向传播神经网络模型；(3)对误差反向传播神经网络模型进行训练和测试，当误差小于误差阈值，执行步骤(4)；否则，继续进行训练和测试，直到迭代次数达到预设次数时，误差也没有小于误差阈值时，流程结束；(4)利用第二部分数据来检验网络，判断误差反向传播神经网络模型是否满足匹配率要求，如果是，执行步骤(5)；如果否，执行步骤(3)；(5)将实际再制造零件的检测数据输入到满足匹配率要求的误差反向传播神经网络模型中，预测环境损耗。
【技术实现步骤摘要】
本专利技术涉及一种工程机械零件再制造环境损耗的计算，特别涉及一种基于BP (误差反向传播)神经网络的再制造零件环境损耗的计算方法。
技术介绍
20世纪80年代以来，随着自然资源的日益短缺以及人们环境意识的提高，国际上形成了一个以充分利用资源、减小环境污染为目标的新兴研究领域一再制造工程。再制造工程是以产品全生命周期理论为指导，以优质、高效、节能、节材和环保为目标，采用先进技术和产业化生产为手段，进行修复或改造废旧产品的一系列技术措施或工程活动的总称。为了评价再制造的效果，现有技术中引入再制造度的概念，主要从环境等方面进行综合评价。·专利技术人在实现本专利技术的过程中，发现现有技术中至少存下以下缺点和不足由于环境所涉及的因素比较多，而且因素之间的关系复杂，很难用函数关系式进行再制造度的计算，导致再制造度的精度不高，使得不能充分利用废旧产品，浪费了一定的资源。
技术实现思路
本专利技术提出了一种基于BP神经网络的再制造零件环境损耗的计算方法，本专利技术采用神经网络实现了对再制造度的精确计算，提高了废旧产品的利用率，节约了资源，详见下文描述—种基于BP神经网络的再制造零件环境损耗的计算方法，所述方法包括以下步骤(I)获取被测零件，将对被测零件有影响的再制造工艺参数的值作为检测数据，并对检测数据进行-I和+1之间的归一化处理，获取归一化处理后检测数据；(2)根据归一化处理后检测数据建立误差反向传播神经网络模型；(3)对所述误差反向传播神经网络模型进行训练和测试，当误差小于误差阈值时，执行步骤(4);否则，继续进行训练和测试，直到迭代次数达到预设次数时，误差也没有小于所述误差阈值时，流程结束；(4)利用第二部分数据来检验网络，判断所述误差反向传播神经网络模型是否满足匹配率要求，如果是，执行步骤(5);如果否，执行步骤(3)；(5)将实际再制造零件的检测数据输入到满足匹配率要求的误差反向传播神经网络模型中，预测环境损耗。所述再制造工艺参数包括喷涂距离、水压、喷涂总遍数、涂层总厚度和喷涂面积，其中，当使用超音速火焰喷涂时，所述再制造工艺参数还包括氧气压力、氧气流量、丙烷压力、丙烷流量、氮气压力和氮气流量；当使用空气等离子喷涂时，所述再制造工艺参数还包括主气(Ar)气压、主气流量、次气气压、次气流量、电流和电压。所述误差反向传播神经网络模型包括一个输入层、一个中间层和一个输出层；所述输入层有11个神经元，所述输出层有3个神经元分别为材料消耗、能源消耗和废气排放;所述中间层的神经元数目《 = + + η,是输入层神经元数，η。是输出层神经元数，a是I到10的某一常数；同一层间神经元不连接，与下层神经元之间实现全连接。所述对所述误差反向传播神经网络模型进行训练和测试具体为将归一化处理后检测数据分为两部分，第一部分用来训练神经网络，记为训练样本；第二部分用来检验神经网络，记为检验样本；对神经网络反复训练，该步骤包括正向传播和反向传播，正向传播过程如下输入层第i个神经元的输出与输入相等权利要求1.一种基于BP神经网络的再制造零件环境损耗的计算方法，其特征在于，所述方法包括以下步骤 (1)获取被测零件，将对被测零件有影响的再制造工艺参数的值作为检测数据，并对检测数据进行-I和+1之间的归一化处理，获取归一化处理后检测数据； (2)根据归一化处理后检测数据建立误差反向传播神经网络模型； (3)对所述误差反向传播神经网络模型进行训练和测试，当误差小于误差阈值时，执行步骤⑷；否则，继续进行训练和测试，直到迭代次数达到预设次数时，误差也没有小于所述误差阈值时，流程结束； (4)利用第二部分数据来检验网络，判断所述误差反向传播神经网络模型是否满足匹配率要求，如果是，执行步骤(5);如果否，执行步骤(3)； (5)将实际再制造零件的检测数据输入到满足匹配率要求的误差反向传播神经网络模型中，预测环境损耗。2.根据权利要求I所述的一种基于BP神经网络的再制造零件环境损耗的计算方法，其特征在于，所述再制造工艺参数包括喷涂距离、水压、喷涂总遍数、涂层总厚度和喷涂面积，其中， 当使用超音速火焰喷涂时，所述再制造工艺参数还包括氧气压力、氧气流量、丙烷压力、丙烷流量、氮气压力和氮气流量； 当使用空气等离子喷涂时，所述再制造工艺参数还包括主气气压、主气流量、次气气压、次气流量、电流和电压。3.根据权利要求2所述的一种基于BP神经网络的再制造零件环境损耗的计算方法，其特征在于，所述误差反向传播神经网络模型包括一个输入层、一个中间层和一个输出层； 所述输入层有11个神经元，所述输出层有3个神经元分别为材料消耗、能源消耗和废气排放；所述中间层的神经元数目》= φ>, +%+α,η,是输入层神经元数，η。是输出层神经元数，a是I到10的某一常数；同一层间神经元不连接，与下层神经元之间实现全连接。4.根据权利要求2所述的一种基于BP神经网络的再制造零件环境损耗的计算方法，其特征在于，所述对所述误差反向传播神经网络模型进行训练和测试具体为 将归一化处理后检测数据分为两部分，第一部分用来训练神经网络，记为训练样本；第二部分用来检验神经网络，记为检验样本；对神经网络反复训练，该步骤包括正向传播和反向传播，正向传播过程如下 输入层第i个神经兀的输出与输入相等 X = X^ (I) 中间层第j个神经元的输入$是输入层各个神经元输出向量X 1与连接权值Wji乘积的总和再加上中间层的阈值Iv P为输入神经元的个数；5.根据权利要求4所述的一种基于BP神经网络的再制造零件环境损耗的计算方法，其特征在于，所述利用第二部分数据来检验网络，判断所述误差反向传播神经网络模型是否满足匹配率要求具体为 利用输入到所述误差反向传播神经网络模型的第二部分数据所得到的再制造零件环境损耗，当所述误差反向传播神经网络模型的输出值与实际测量值之间的匹配率满足要求时，用于预测工作，执行步骤(5);如果否，执行步骤(3)。6.根据权利要求5所述的一种基于BP神经网络的再制造零件环境损耗的计算方法，其特征在于，所述将实际再制造零件的检测数据输入到满足匹配率要求的误差反向传播神经网络模型中，预测环境损耗具体为 先将所述实际再制造零件的检测数据归一化到-I和+1之间，再输入到满足匹配率要求的误差反向传播神经网络模型进行运算，对运算后的输出值进行反归一化处理，即得到再制造零件环境损耗。全文摘要本专利技术公开了一种基于BP神经网络的再制造零件环境损耗的计算方法，(1)获取被测零件，将对被测零件有影响的再制造工艺参数的值作为检测数据；(2)根据归一化处理后检测数据建立误差反向传播神经网络模型；(3)对误差反向传播神经网络模型进行训练和测试，当误差小于误差阈值，执行步骤(4)；否则，继续进行训练和测试，直到迭代次数达到预设次数时，误差也没有小于误差阈值时，流程结束；(4)利用第二部分数据来检验网络，判断误差反向传播神经网络模型是否满足匹配率要求，如果是，执行步骤(5)；如果否，执行步骤(3)；(5)将实际再制造零件的检测数据输入到满足匹配率要求的误差反向传播神经网络模型中，预测环境损耗。文档编号G06N3/08GK102880908SQ201210334959公开日2013年1月16日 申请日本文档来自技高网...
【技术保护点】
一种基于BP神经网络的再制造零件环境损耗的计算方法，其特征在于，所述方法包括以下步骤：(1)获取被测零件，将对被测零件有影响的再制造工艺参数的值作为检测数据，并对检测数据进行？1和+1之间的归一化处理，获取归一化处理后检测数据；(2)根据归一化处理后检测数据建立误差反向传播神经网络模型；(3)对所述误差反向传播神经网络模型进行训练和测试，当误差小于误差阈值时，执行步骤(4)；否则，继续进行训练和测试，直到迭代次数达到预设次数时，误差也没有小于所述误差阈值时，流程结束；(4)利用第二部分数据来检验网络，判断所述误差反向传播神经网络模型是否满足匹配率要求，如果是，执行步骤(5)；如果否，执行步骤(3)；(5)将实际再制造零件的检测数据输入到满足匹配率要求的误差反向传播神经网络模型中，预测环境损耗。
【技术特征摘要】
【专利技术属性】
技术研发人员：乌焕涛，马宁，陈源，叶福兴，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。