潘尚峰　卢　超,2　彭一波

1.清华大学，北京，100084　　2.中国舰船研究设计中心，武汉，430064



基于改进BP神经网络的机床基础部件可再制造性评价模型

潘尚峰1卢超1,2彭一波1

1.清华大学，北京，1000842.中国舰船研究设计中心，武汉，430064

为了利用样本数据准确完成机床基础部件可再制造性评价，提高机床基础部件可再制造性评价预测精度，提出一种采用模拟退火遗传算法优化BP神经网络的机床基础部件可再制造性评价模型。该评价模型以机床基础部件可再制造性经典评价模型评价结果为样本数据，建立机床基础部件可再制造性评价BP神经网络预测模型，采用模拟退火遗传算法优化BP神经网络模型，寻找更优初始网络权值、阈值，以提高收敛速度和避免局部收敛。以一台机床基础部件可再制造性评价为例，验证了基于模拟退火遗传算法优化的BP神经网络评价模型具有更好的预测精度。

可再制造性；综合评价；BP神经网络；模拟退火遗传算法

0　引言

机电产品再制造是统筹考虑产品部件全寿命周期的系统工程[1]。再制造技术是绿色制造技术的重要分支，对重型机床实施再制造是最大限度地利用资源和减少环境影响的最佳“绿色制造”模式。重型机床再制造的核心是基础部件的再制造，评价基础部件的可再制造性是进行再制造的前提。国内外学者针对不同的评价对象提出了多种综合评价模型。张勇等[2]、劳兆利[3]结合层次分析法(analytic hierarchy process, AHP)与模糊综合评价法在确定评价影响因素权重的基础上，利用模糊评价方法减小权重的主观性，使评价结果更为准确。……