集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)

唐珊　秦家怡

摘 要： 工業(yè)產(chǎn)品設(shè)計(jì)方案的好壞直接決定了產(chǎn)品帶來的經(jīng)濟(jì)效益高低，而工業(yè)產(chǎn)品設(shè)計(jì)方案受到多種指標(biāo)影響，是一個(gè)復(fù)雜的系統(tǒng)，為了獲得理想的工業(yè)產(chǎn)品設(shè)計(jì)方案，提出了集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型。選擇工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)，并通過層次分析法篩選重要的指標(biāo)，采用兩種神經(jīng)網(wǎng)絡(luò)對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案進(jìn)行評(píng)價(jià)，并通過確定適合權(quán)值得到工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)等級(jí)，最后通過實(shí)例測(cè)試評(píng)價(jià)模型的性能。結(jié)果表明，集成神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果優(yōu)于其他模型，驗(yàn)證了該模型的合理性和優(yōu)越性。

關(guān)鍵詞： 工業(yè)產(chǎn)品； 設(shè)計(jì)方案； 神經(jīng)網(wǎng)絡(luò)； 貢獻(xiàn)權(quán)值； 評(píng)價(jià)模型

中圖分類號(hào)： TN711?34； TH166 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）07?0112?04

Evaluation of industrial product design scheme based on integrated neural network

TANG Shan， QIN Jiayi

（School of Mechanical & Electrical Engineering， Xuzhou Institute of Technology， Xuzhou 221000， China）

Abstract： The design scheme of the industrial product determines the economic benefit of the product directly， and is affected by a variety of indicators. In order to obtain an ideal design scheme of the industrial product， an evaluation model of the industrial product design scheme based on integrated neural network is put forward. The evaluation indicators of the industrial product design scheme are selected， and the important indicators are screened with the analytic hierarchy process. Two neural networks are used to evaluate the design scheme of the industrial product， and determine the suitable weight to obtain the eva?luation grade of the industrial product design scheme. The performance of the evaluation model was tested with an instance. The results show that the integrated neural network can evaluate the industrial product design scheme accurately， its evaluation result is superior to that of other models， and the rationality and superiority of the model were verified.

Keywords： industrial product； design scheme； neural network； contribution weight； evaluation model

0 引 言

隨著市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展，企業(yè)之間的競(jìng)爭(zhēng)日益激烈，而工業(yè)產(chǎn)品是企業(yè)的核心競(jìng)爭(zhēng)力[1]。針對(duì)不同類型用戶，設(shè)計(jì)相應(yīng)的工業(yè)產(chǎn)品是適應(yīng)現(xiàn)代市場(chǎng)競(jìng)爭(zhēng)的需要，因此建立科學(xué)、合理的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型成為企業(yè)產(chǎn)品創(chuàng)新中的關(guān)鍵問題，具有十分重要的應(yīng)用價(jià)值[2?3]。

工業(yè)產(chǎn)品設(shè)計(jì)方案受到多種指標(biāo)影響，是一個(gè)復(fù)雜的系統(tǒng)，為此近年來國(guó)內(nèi)外學(xué)者進(jìn)行深入研究。有學(xué)者提出模糊聚類分析、灰色聚類分析的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型[4?5]，這些模型雖然考慮了工業(yè)產(chǎn)品設(shè)計(jì)過程的多個(gè)指標(biāo)，但無(wú)法描述工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)過程中的非線性、隨機(jī)性問題，局限性十分明顯[6]。

隨著人工神經(jīng)網(wǎng)絡(luò)的不斷成熟，有學(xué)者提出基于神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型[7?9]，可以對(duì)復(fù)雜系統(tǒng)進(jìn)行無(wú)限逼近，獲得良好的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果。

然于工業(yè)產(chǎn)品設(shè)計(jì)系統(tǒng)的復(fù)雜，單一神經(jīng)網(wǎng)絡(luò)無(wú)法建立科學(xué)、合理的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型。為此有學(xué)者提出了組合神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型[10]，比單一神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果更加客觀、可信，但如何確定每一個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)最終工業(yè)產(chǎn)品設(shè)計(jì)評(píng)價(jià)結(jié)果的貢獻(xiàn)十分關(guān)鍵，目前還沒有較好的解決方法。

為了獲得理想的工業(yè)產(chǎn)品設(shè)計(jì)方案，提出了集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型。

首先選擇工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)，并通過層次分析法篩選重要的指標(biāo)，然后采用神經(jīng)網(wǎng)絡(luò)對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案進(jìn)行評(píng)價(jià)，通過權(quán)值得到工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)等級(jí)，實(shí)例測(cè)試結(jié)果表明，集成神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果優(yōu)于其他模型。

1 工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)體系

工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)受多種指標(biāo)影響，多指標(biāo)可以定義為[x1，x2，…，xm，]這些指標(biāo)之間互相聯(lián)系，同時(shí)也存在干擾，導(dǎo)致工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)十分復(fù)雜，指標(biāo)和工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果之間出現(xiàn)一種非線性變化關(guān)系，它們可以采用如下函數(shù)進(jìn)行描述：

[y=fx1，x2，…，xn] （1）

式中[f（ ）]表示工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)模型。

工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)首先要建立指標(biāo)體系，若指標(biāo)體系建立不好，那么后繼的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果將不合理。

工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)很多，它們對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果的影響程度不一樣，而且若全部作為評(píng)價(jià)模型輸入，會(huì)導(dǎo)致評(píng)價(jià)模型的結(jié)構(gòu)十分復(fù)雜，為此采用層次分析方法剔除一些不重要的指標(biāo)，篩選出一些重要指標(biāo)。層次分析法根據(jù)標(biāo)度值對(duì)兩個(gè)指標(biāo)的關(guān)系進(jìn)行衡量，標(biāo)度值為：

[Aij=1，Aij<1EViEVj， 1≤Aij≤99， Aij>9] （2）

式中：[EVi]和[EVj]表示指標(biāo)[i]和指標(biāo)[j]對(duì)評(píng)價(jià)結(jié)果的影響程度。

如果兩個(gè)指標(biāo)的影響程度出現(xiàn)評(píng)價(jià)不一致時(shí)，那么就進(jìn)行一致性校驗(yàn)，即：

[CR=λmax-nn-1] （3）

式中：[λmax]為最大特征值；[n]為階數(shù)。

2 RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)

2.1 RBF神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典的神經(jīng)網(wǎng)絡(luò)，自適應(yīng)能力強(qiáng)、學(xué)習(xí)效率低，且需要調(diào)整參數(shù)相對(duì)較少，在工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)中得到了成功應(yīng)用，基本的RBF神經(jīng)網(wǎng)絡(luò)如圖1所示。

設(shè)[X]表示輸出，RBF神經(jīng)網(wǎng)絡(luò)的回歸函數(shù)定義如下：

[f（X）=i=1lWisRi（X）] （4）

式中：[Ri（X）]為RBF函數(shù)，[i]為神經(jīng)元節(jié)點(diǎn)的數(shù)量；[Wis]為權(quán)值。

RBF函數(shù)對(duì)輸入數(shù)據(jù)進(jìn)行變換，本文采用高斯核函數(shù)，其定義為：

[Ri（X）=exp-12X-ciσi] （5）

式中：[ci]為RBF函數(shù)的中心；[σi]為中心的寬度；[X-ci]為[X]與[ci]之間的距離。

在RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程中，計(jì)算[σi（j）=][X（j）-ci（j-1）2]的值，并找到距離最小的中心[cmin，]同時(shí)對(duì)RBF函數(shù)的中心進(jìn)行調(diào)整，具體為：[cmin（j）=cmin（j-1）+αX（j）-cmin（j-1）] （6）

式中[α]為學(xué)習(xí)速率。

調(diào)整后的歐幾里德范數(shù)計(jì)算公式為：

[σmin（j）=X（j）-cmin（j）] （7）

2.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)也是一種經(jīng)典的神經(jīng)網(wǎng)絡(luò)，具有誤差反饋功能，設(shè)映射過程為：[f：Rm→R1，]那么BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)輸入為：

[Sj=i=1mwijxi-θj] （8）

式中：[wij]為初始連接權(quán)值；[θj]為初始閾值。

通過Sigmoid函數(shù)對(duì)輸出數(shù)據(jù)進(jìn)行變換，該函數(shù)定義為：

[f（x）=11+e-x] （9）

相應(yīng)的輸出計(jì)算公式為：

[bj=11+expi=1mwijxi-θj， j=1，2，…，p] （10）

最后，BP神經(jīng)網(wǎng)絡(luò)的輸入向量和實(shí)際輸出為：

[L=j=1pwjkbj-θkxi+1=11+expj=1pvjbj-γ] （11）

式中：[vj]為隱含層至輸出層的神經(jīng)元節(jié)點(diǎn)之間的權(quán)值；[γ]為輸出層的閾值。

3 集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型

（1） 對(duì)一個(gè)工業(yè)產(chǎn)品設(shè)計(jì)方案進(jìn)行分析，并通過一些專家建立工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)體系。

（2） 對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)的值進(jìn)行如下處理，歸一化區(qū)間為[0，1]。

[x′i=xi-ximinximax-ximin] （12）

式中：[ximin]和[ximax]分別為最小值和最大值。

（3） 采用層次分析法計(jì)算每一個(gè)指標(biāo)對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果的貢獻(xiàn)，并剔除一些不重要的評(píng)價(jià)指標(biāo)。

（4） 根據(jù)篩選出來的指標(biāo)對(duì)工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)樣本進(jìn)行處理，減少樣本的規(guī)模，加快神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程。

（5） 根據(jù)指標(biāo)數(shù)據(jù)分別確定BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。

（6） 采用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)分別建立工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型，并根據(jù)支持向量機(jī)確定它們的權(quán)重值。

（7） 根據(jù)權(quán)重值得到工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)結(jié)果。

集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)流程如圖2所示。

4 性能的測(cè)試

為了分析集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型的可行性和優(yōu)越性，采用VC++ 6.0編程進(jìn)行仿真測(cè)試，首先根據(jù)評(píng)價(jià)指標(biāo)采集數(shù)據(jù)，并通過采用層次分析法保留最重要的一些指標(biāo)，集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)等級(jí)與專家評(píng)價(jià)的等級(jí)相關(guān)系數(shù)變化曲線如圖3所示，從圖3可以發(fā)現(xiàn)，集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果更可靠。

采用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)對(duì)比實(shí)驗(yàn)，結(jié)果如圖4和圖5所示，它們的相關(guān)系數(shù)如表1所示。

對(duì)表1以及圖4，圖5的結(jié)果進(jìn)行對(duì)比和分析，集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果要優(yōu)于RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)，主要是綜合了RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，可以從多個(gè)方面描述工業(yè)產(chǎn)品設(shè)計(jì)方案的優(yōu)劣，有效提高了工業(yè)產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)準(zhǔn)確性，評(píng)價(jià)結(jié)果更加科學(xué)合理。

5 結(jié) 語(yǔ)

為了解決單一神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)評(píng)價(jià)結(jié)果不合理的難題，本文提出集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型，與其他評(píng)價(jià)模型的測(cè)試結(jié)果相比，集成神經(jīng)網(wǎng)絡(luò)是一種組合模型，不僅包含了BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，而且具有RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，克服了單一神經(jīng)網(wǎng)絡(luò)的局限性，并通過層次分析法剔除一些不重要的評(píng)價(jià)指標(biāo)，加快了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，并通過支持向量機(jī)確定每一個(gè)神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)結(jié)果的權(quán)值，充分體現(xiàn)了單一神經(jīng)網(wǎng)絡(luò)的貢獻(xiàn)，使得工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)結(jié)果更加可信，評(píng)價(jià)結(jié)果更具科學(xué)性和合理性，在工業(yè)產(chǎn)品設(shè)計(jì)過程中具有廣泛的應(yīng)用前景。

參考文獻(xiàn)

[1] 劉英平，楊素君，陳曉霞.不確定信息的機(jī)械產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)方法[J].機(jī)械科學(xué)與技術(shù)，2008，27（7）：945?949.

[2] 劉英平，高新陵，沈祖詒.基于模糊數(shù)據(jù)包絡(luò)分析的產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)研究[J].計(jì)算機(jī)集成制造系統(tǒng)，2007，13（11）：2099?2104.

[3] 李柏妹，雛興剛，唐加福.基于可調(diào)節(jié)參數(shù)的產(chǎn)品族設(shè)計(jì)多階段方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2010，16（6）：1138?1143.

[4] 楊潔，楊育，王偉立，等.基于粗糙集的產(chǎn)品協(xié)同設(shè)計(jì)知識(shí)推送方法研究[J].中國(guó)機(jī)械工程，2009，20（20）：2452?2456.

[5] 張雷，彭宏偉，劉志峰，等.綠色產(chǎn)品概念設(shè)計(jì)中的知識(shí)重用[J].機(jī)械工程學(xué)報(bào)，2013，49（7）：72?79.

[6] 曹鵬彬，肖人彬，庫(kù)瓊.公理設(shè)計(jì)過程中耦合設(shè)計(jì)問題的結(jié)構(gòu)化分析方法[J].機(jī)械工程學(xué)報(bào)，2006，42（3）：46?55.

[7] 孫良峰，裘樂森，張樹有，等.基于泛邏輯推理的復(fù)雜產(chǎn)品融合綠色性分析的設(shè)計(jì)方案評(píng)價(jià)技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng)，2013，19（8）：1990?1999.

[8] 吳晨睿，張樹有，劉曉健.基于群聚參數(shù)網(wǎng)絡(luò)分析的產(chǎn)品方案設(shè)計(jì)評(píng)價(jià)[J].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2014，49（8）：1495?1502.

[9] 楊濤，楊育，張雪峰，等.基于客戶聚類分析的產(chǎn)品概念設(shè)計(jì)方案評(píng)價(jià)決策方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2015，21（7）：1669?1678.

[10] 閆會(huì)強(qiáng)，侯東超，檀潤(rùn)華.基于T?FAHP產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)模型[J].機(jī)床與液壓，2009，37（2）：4?8.