论文部分内容阅读
模具报价是模具制造企业技术、经济、效率和管理的综合反映,同时也是决定模具制造企业和客户间能否成交的一个重要经济条件。随着模具制造业的快速发展,依靠个人经验所进行的报价已不能适应市场竞争和变化的需要。开发一套既能反映模具制造企业自身的生产能力,又能在速度、准确程度和详细程度上满足客户需要的模具报价系统成为模具制造商和客户所共同关心的问题。本文以注塑模具作为研究对象,首先对其成本构成和成本影响因素进行了详细分析。在此基础上并结合国内外的研究现状,采用工时法、BP神经网络法和CBR方法开发了一个注塑模具的成本估算系统,为快速准确的进行模具报价提供了一套有效可行的方法。结合注塑模具成本估算问题的特点,提出了基于BP神经网络的成本估算方法,建立了注塑模具成本估算的三层BP神经网络模型。在成本分析和参考工时技术参数法的基础上,选取了10个成本影响因素作为神经网络的输入。给出了样本数据的预处理以及学习因子、动量系数、隐含层节点数等的确定方法,对BP神经网络结构进行了优化,从而提高了网络的收敛速度和逼近精度。将基于实例的推理应用于注塑模具成本估算,构建了系统成本估算的CBR模型。采用框架表达法对注塑模具实例进行了表示;在实例的检索机制中,构建了两种检索模型:基于BP神经网络的检索模型和基于最近邻居法的检索模型,并给出了一种权重动态调整方法;采用了交互式改写法、基于规则改写法和指数平滑改写法三种实例改写方法,为实例改写提供了一整套方法,从而实现了实例改写的多方法集成;制定了一个实例学习策略,保证了加入到实例库中的新实例的“质量”,提高了系统的效率。在上述理论研究的基础上,通过三个具体的注塑模具实例分别对系统所用的三种成本估算方法的运行过程进行了简单介绍。