基于BP网络的机械产品质量预测模型

摘 要：BP网络是在现下时代的科技水平之下，被研发出来的一种分析性网络，主要用于分析某产品质量问题的形成因素。此网络在现代的机械行业被运用甚广，其主要体现为质量预测模型。通过BP网络的预测模型，能够提前知道机械工件完成后的尺寸，进而以此为基础对产品生产、制作进行控制为产品质量带来了保障。

关键词：BP网络；机械产品；预测模型

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

0 引言

在传统的机械工件生产的模式之下，绝大部分的工作都需要人工进行实施，其中对于产品质量的检验也是同样。而当时对产品进行检验的方法，也主要是通过定期手动抽查的形式来实施，这样的检验方式显然只能发现产品质量问题，而无法改变产品质量问题。要做到产品质量问题的改变，需要对产品形成的过程、标准有一定的了解，至此BP网络被现代科技研发出来，通过BP网络的功能，能够在产品成型之前了解产品成型后的标准，如此辩护质量的把控。

1 BP网络概述

BP网络的全称为BP神经网络，是一种以误差逆向传播算法为基础，从而得出的多层前馈神经网络，目前此网络在社会各个行业当中应用广泛[1]。此网络的功能主要在于对某个目标进行分析，得出目标的标准形态、尺寸等，进而当BP网络运用于机械工件产品生产行业时，能够在产品成型之前，对产品进行分析了解标准的产品应当是什么样子的，从而以此为依据控制产品的质量。

BP网络的分析功能，主要是通过预测模型来实现，而通过预测模型能够知道，影响机械产品工件质量的因素，从而将此因素进行修复或排出。此项功能与人工审查的模式有着本质上的区别，即人工审查只能知道某个产品“因为什么因素，而出现了什么质量问题”，并不能将问题改善，而预测模型是在产品成型之前就对产品进行分析，从而当发现问题后产品依旧有较大的改善空间，并且模型的分析相对人工审核更加细致，基于现代科技的水平，预测模型的分析能力，能够达到肉眼无法辨识的微观的程度，十分精细的保障了机械工件质量。

2 BP网络解析

（1）BP網络预测模型建立。在通过BP网络进行预测工作时，首先第一步就是要建立预测模型，而建立预测模型主要又分为两个步骤，即为参数的输入确认、隐层神经元确认。

第一，参数的输入确认。预测模型的建立同样是需要基础的，而其基础就是输入的参数。在正确的参数输入之后，BP网络能够以其为基础，分析参数数据逐渐构建预测模型。

第二，隐层神经元确认。隐层神经元是预测模型的参数基础之一，但其关联重大，所以单独剖析。首先在输入隐层神经元时，要确认隐层神经元的数量，一般情况下可以通过仿真试验来进行确认。隐层神经元数量要保持恰当，过多会导致网络泛化的现象，并拖延训练的时间，太少则降低了网络与训练集的匹配度。

（2）BP网络预测模型训练。基于上述可以了解到，BP网络是采用误差逆向传播算法的一种网络，所以该网络在训练的工程当中，首先需要设定一个预想的输出数值，进而当信息进入网络时，在隐含层的作用之下将信息转化至输出层，最终输出层就会出现一个实际的输出。但因为基础的输出数值是预想数值，所以最终输出值未必是正确的，进而可能会产生最终输出没有达到预想输出数值的情况，在这样的情况下，两值之间的误差会形成误差信号，按照原流程返回初始的输入层，最终通过学习算法不断的修改神经元的权值，不断的反复运行此过程，在过程当中误差会逐渐减少，进而实现理想化的输出值。

3 BP网络在机械产品质量预测模型当中的应用

在网络状态完善的前提下，以某机械产品生产车间为例，对该车间BP网络的机械产品质量预测模型进行分析，预测了该车间产品生产质量。首先采集机械产品质量预测模型样本，通过产品生产信息实现采集工作，之后对产品进行产品质量成型后的尺寸标准进行预测。

样品采集结果显示，该车间机械产品工艺系统刚度为333.2K，工件硬度为154HBS，进给量0.05mm。之后开始预测工作，本次预测结果与实际目标值误差为6.1%，结果评估进入准确数据范围，由此证实通过BP网络的预测模型，能够准确的预测机械产品的尺寸，具备改善效应。

4 提高BP网络运行方针

（1）训练时间的缩短。现代的BP网络实际上已经趋于成熟，各项功能已经足以支撑现代的各个行业的需求，但是基于发展的角度上来说，BP网络的训练时间相对较长，虽然能够满足现在的需求，但随着需求的增加，早晚会出现不利的影响，所以需要继续缩短BP网络的训练时间，以此通过更高效的速率，来加强社会行业运作的效率。

（2）实施的便捷性研究。BP在现代而言是一项十分先进并且复杂的技术，其中含有十分强烈的专业性，所以在整体的角度上，许多车间工程并不会使用BP网络，使得其价值发展受到了阻碍。而为了加强BP网络的推广，就需要加强BP网络的实施便捷性，使得此网络更加大众化，以此形成良好的推广效应。

（3）改善容易陷入局部极小值的不足。通过对BP网络运行进行研究后发现，其时常会存在陷入在一个局部极小值当中循环，要等其自行脱出循环可能需要几万次甚至更多的运行，这就说明其运行的过程存在一定的缺陷，并且需要人工实时管理。而此项技术的本质上是含有较强自动化概念在内的，这样的运行现状显然违背了本质内容，所以需要对词典进行改善。

（4）学习时间的合理化加强。BP网络的运行当中存在一个学习的过程，但是通过大量的试验发现，即使是人工在短时间能够计算出来的简单问题，BP网络同样需要进行几百次的学习，这说明BP网络的运行模式存在不合理的弊端。理论上来说简单与复杂的问题，其所需要的学习时间是不相等的，而这样的现状显然不能贴合理论，所以需要对BP网络的学习过程进行深入分析，将学习时间进行合理的调试，使其合理化运行。

5 结语

现代的社会对于各方面的要求都逐渐增加，在机械产品方面同样有着相应的要求，而为了提高产品的质量，BP网络的应用能够很好的提供帮助。通过BP网络，能够在机械产品成型之前对其结果进行预测，从而实现保障。目前BP网络的运作现状存在不足，主要为训练时间的缩短、实施的便捷性研究、改善容易陷入局部极小值的不足、学习时间的合理化加强，需要对此类不足采取针对性的提高策略。

参考文献：

[1]张蕾.基于BP网络的机械产品质量预测模型[J].机械工程师，

2017（11）.

作者简介：张蕾（1981-），女，陕西西安人，硕士，讲师，研究方向：计算机集成制造、制造资源管理等。