基于BP網絡的機械產品質量預測模型

摘 要：BP網絡是在現下時代的科技水平之下，被研發出來的一種分析性網絡，主要用于分析某產品質量問題的形成因素。此網絡在現代的機械行業被運用甚廣，其主要體現為質量預測模型。通過BP網絡的預測模型，能夠提前知道機械工件完成后的尺寸，進而以此為基礎對產品生產、制作進行控制為產品質量帶來了保障。

關鍵詞：BP網絡；機械產品；預測模型

DOI：10.16640/j.cnki.37-1222/t.2018.08.066

0 引言

在傳統的機械工件生產的模式之下，絕大部分的工作都需要人工進行實施，其中對于產品質量的檢驗也是同樣。而當時對產品進行檢驗的方法，也主要是通過定期手動抽查的形式來實施，這樣的檢驗方式顯然只能發現產品質量問題，而無法改變產品質量問題。要做到產品質量問題的改變，需要對產品形成的過程、標準有一定的了解，至此BP網絡被現代科技研發出來，通過BP網絡的功能，能夠在產品成型之前了解產品成型后的標準，如此辯護質量的把控。

1 BP網絡概述

BP網絡的全稱為BP神經網絡，是一種以誤差逆向傳播算法為基礎，從而得出的多層前饋神經網絡，目前此網絡在社會各個行業當中應用廣泛[1]。此網絡的功能主要在于對某個目標進行分析，得出目標的標準形態、尺寸等，進而當BP網絡運用于機械工件產品生產行業時，能夠在產品成型之前，對產品進行分析了解標準的產品應當是什么樣子的，從而以此為依據控制產品的質量。

BP網絡的分析功能，主要是通過預測模型來實現，而通過預測模型能夠知道，影響機械產品工件質量的因素，從而將此因素進行修復或排出。此項功能與人工審查的模式有著本質上的區別，即人工審查只能知道某個產品“因為什么因素，而出現了什么質量問題”，并不能將問題改善，而預測模型是在產品成型之前就對產品進行分析，從而當發現問題后產品依舊有較大的改善空間，并且模型的分析相對人工審核更加細致，基于現代科技的水平，預測模型的分析能力，能夠達到肉眼無法辨識的微觀的程度，十分精細的保障了機械工件質量。

2 BP網絡解析

（1）BP網絡預測模型建立。在通過BP網絡進行預測工作時，首先第一步就是要建立預測模型，而建立預測模型主要又分為兩個步驟，即為參數的輸入確認、隱層神經元確認。

第一，參數的輸入確認。預測模型的建立同樣是需要基礎的，而其基礎就是輸入的參數。在正確的參數輸入之后，BP網絡能夠以其為基礎，分析參數數據逐漸構建預測模型。

第二，隱層神經元確認。隱層神經元是預測模型的參數基礎之一，但其關聯重大，所以單獨剖析。首先在輸入隱層神經元時，要確認隱層神經元的數量，一般情況下可以通過仿真試驗來進行確認。隱層神經元數量要保持恰當，過多會導致網絡泛化的現象，并拖延訓練的時間，太少則降低了網絡與訓練集的匹配度。

（2）BP網絡預測模型訓練。基于上述可以了解到，BP網絡是采用誤差逆向傳播算法的一種網絡，所以該網絡在訓練的工程當中，首先需要設定一個預想的輸出數值，進而當信息進入網絡時，在隱含層的作用之下將信息轉化至輸出層，最終輸出層就會出現一個實際的輸出。但因為基礎的輸出數值是預想數值，所以最終輸出值未必是正確的，進而可能會產生最終輸出沒有達到預想輸出數值的情況，在這樣的情況下，兩值之間的誤差會形成誤差信號，按照原流程返回初始的輸入層，最終通過學習算法不斷的修改神經元的權值，不斷的反復運行此過程，在過程當中誤差會逐漸減少，進而實現理想化的輸出值。

3 BP網絡在機械產品質量預測模型當中的應用

在網絡狀態完善的前提下，以某機械產品生產車間為例，對該車間BP網絡的機械產品質量預測模型進行分析，預測了該車間產品生產質量。首先采集機械產品質量預測模型樣本，通過產品生產信息實現采集工作，之后對產品進行產品質量成型后的尺寸標準進行預測。

樣品采集結果顯示，該車間機械產品工藝系統剛度為333.2K，工件硬度為154HBS，進給量0.05mm。之后開始預測工作，本次預測結果與實際目標值誤差為6.1%，結果評估進入準確數據范圍，由此證實通過BP網絡的預測模型，能夠準確的預測機械產品的尺寸，具備改善效應。

4 提高BP網絡運行方針

（1）訓練時間的縮短。現代的BP網絡實際上已經趨于成熟，各項功能已經足以支撐現代的各個行業的需求，但是基于發展的角度上來說，BP網絡的訓練時間相對較長，雖然能夠滿足現在的需求，但隨著需求的增加，早晚會出現不利的影響，所以需要繼續縮短BP網絡的訓練時間，以此通過更高效的速率，來加強社會行業運作的效率。

（2）實施的便捷性研究。BP在現代而言是一項十分先進并且復雜的技術，其中含有十分強烈的專業性，所以在整體的角度上，許多車間工程并不會使用BP網絡，使得其價值發展受到了阻礙。而為了加強BP網絡的推廣，就需要加強BP網絡的實施便捷性，使得此網絡更加大眾化，以此形成良好的推廣效應。

（3）改善容易陷入局部極小值的不足。通過對BP網絡運行進行研究后發現，其時常會存在陷入在一個局部極小值當中循環，要等其自行脫出循環可能需要幾萬次甚至更多的運行，這就說明其運行的過程存在一定的缺陷，并且需要人工實時管理。而此項技術的本質上是含有較強自動化概念在內的，這樣的運行現狀顯然違背了本質內容，所以需要對詞典進行改善。

（4）學習時間的合理化加強。BP網絡的運行當中存在一個學習的過程，但是通過大量的試驗發現，即使是人工在短時間能夠計算出來的簡單問題，BP網絡同樣需要進行幾百次的學習，這說明BP網絡的運行模式存在不合理的弊端。理論上來說簡單與復雜的問題，其所需要的學習時間是不相等的，而這樣的現狀顯然不能貼合理論，所以需要對BP網絡的學習過程進行深入分析，將學習時間進行合理的調試，使其合理化運行。

5 結語

現代的社會對于各方面的要求都逐漸增加，在機械產品方面同樣有著相應的要求，而為了提高產品的質量，BP網絡的應用能夠很好的提供幫助。通過BP網絡，能夠在機械產品成型之前對其結果進行預測，從而實現保障。目前BP網絡的運作現狀存在不足，主要為訓練時間的縮短、實施的便捷性研究、改善容易陷入局部極小值的不足、學習時間的合理化加強，需要對此類不足采取針對性的提高策略。

參考文獻：

[1]張蕾.基于BP網絡的機械產品質量預測模型[J].機械工程師，

2017（11）.

作者簡介：張蕾（1981-），女，陜西西安人，碩士，講師，研究方向：計算機集成制造、制造資源管理等。