基于BP神經(jīng)網(wǎng)絡(luò)的機電產(chǎn)品綠色度評價方法

喬維德

（無錫開放大學(xué) 科研與質(zhì)量控制處，江蘇 無錫 214011）

基于BP神經(jīng)網(wǎng)絡(luò)的機電產(chǎn)品綠色度評價方法

喬維德

（無錫開放大學(xué) 科研與質(zhì)量控制處，江蘇 無錫 214011）

綠色度評價直接影響著機電產(chǎn)品的設(shè)計、制造、管理及發(fā)展。從機電產(chǎn)品制造的能源、資源、環(huán)境、經(jīng)濟和技術(shù)等屬性進行分析，運用層次分析法（AHP）確定機電產(chǎn)品綠色度評價指標體系及其權(quán)重，建立機電產(chǎn)品綠色度BP神經(jīng)網(wǎng)絡(luò)評價模型，通過粒子群-人工蜂群（PSO-ABC）算法優(yōu)化訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。仿真實驗表明，該方法評價速度快、準確率高，對于指導(dǎo)機電產(chǎn)品綠色制造具有較好的參考價值。

機電產(chǎn)品；綠色度；評價指標；AHP；PSO-ABC

0 引 言

制造業(yè)規(guī)模的不斷壯大，推動了國民經(jīng)濟發(fā)展，同時也給生態(tài)系統(tǒng)和自然環(huán)境帶來日益嚴重的破壞，如污染事故、沙塵暴、酸雨、溫室效應(yīng)等，不僅造成巨大經(jīng)濟損失，還嚴重影響人們的工作和生活，并由此引發(fā)了民生問題。為更好順應(yīng)人類社會可持續(xù)發(fā)展需求，最大限度地利用資源并有效減少或阻止廢棄物滋生，是當前人們必須重視的課題。在此背景下，綠色制造的理念應(yīng)運而生。綠色制造是一種充分考慮環(huán)境和資源問題的現(xiàn)代制造模式，強調(diào)產(chǎn)品在設(shè)計、制造、包裝、運輸、使用、報廢直至廢棄處置的整個產(chǎn)品生命周期進程中，做到資源利用率最高，對環(huán)境造成的負面影響最小，實現(xiàn)企業(yè)經(jīng)濟效益與社會效益相統(tǒng)一[1]。與傳統(tǒng)產(chǎn)品不同，綠色產(chǎn)品采取綠色制造技術(shù)進行設(shè)計、生產(chǎn)及加工，已成為現(xiàn)代制造的研究熱點之一。對制造產(chǎn)品綠色度作出科學(xué)、客觀的評價，當前國內(nèi)外仍缺乏統(tǒng)一且權(quán)威的衡量標準，一定程度上制約了制造產(chǎn)品的設(shè)計、制造、管理及發(fā)展。

制造產(chǎn)品綠色度評價是一個復(fù)雜的系統(tǒng)的評價過程，目前一般采用傳統(tǒng)的主觀評分法、層次分析法、模糊評價法等，這些方法操作簡便，實用性較強，但評價時參評人員的主觀性、隨意性往往對評價結(jié)果的影響較大；加之產(chǎn)品制造系統(tǒng)本身具有較強的非線性、時滯性及不確定性，單純運用傳統(tǒng)評價方法難以得出準確、客觀的評價結(jié)果。本文以機電產(chǎn)品為研究對象，運用層次分析法（AHP）建立機電產(chǎn)品綠色度評價指標體系，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的機電產(chǎn)品綠色度評價模型，并利用粒子群-人工蜂群（PSO-ABC）算法優(yōu)化其評價模型，以期更加全面、客觀、高效地評價機電產(chǎn)品綠色度。

1 機電產(chǎn)品綠色度評價指標體系的構(gòu)建

AHP是一種定性與定量有機結(jié)合的決策分析方法。運用AHP分析機電產(chǎn)品綠色制造的影響因素及其各因素之間關(guān)聯(lián)影響基礎(chǔ)上，形成綠色度評價的遞階層次結(jié)構(gòu)，確立層次結(jié)構(gòu)中每個因素的相對重要性，從而以數(shù)學(xué)化、層次化形式描述機電產(chǎn)品綠色度評價體系。

1.1 建立評價層次結(jié)構(gòu)

運用系統(tǒng)工程思維評價機電產(chǎn)品綠色度，按照全面性、可比性及經(jīng)濟效益、社會效益、環(huán)境效益三者密切融合的原則，構(gòu)建機電產(chǎn)品綠色度評價指標體系。影響機電產(chǎn)品綠色制造的因素錯綜復(fù)雜，在分析比較機電產(chǎn)品綠色度評價的相關(guān)文獻并咨詢專家意見前提下，從機電產(chǎn)品綠色制造的環(huán)境屬性、資源屬性、能源屬性、經(jīng)濟屬性、技術(shù)屬性等維度構(gòu)建機電產(chǎn)品綠色度評價指標體系[2]（見表1）。該指標體系為三層結(jié)構(gòu)模型，包含目標層（U）、一級指標層（V）和二級指標層（W），其中，一級指標層有指標5項，二級指標層有指標24項。

1.2 分配指標權(quán)重

由AHP對評價指標體系中的指標分配權(quán)重時，采取1—9比率標度法[3]建立機電產(chǎn)品綠色度評價指標層的權(quán)重判斷矩陣為：U—V，V1—W，V2—W，V3—W，V4—W，V5—W（見表2～表7）。在計算以上各權(quán)重判斷矩陣特征向量且進行歸一化處理后，得到機電產(chǎn)品綠色度評價指標合成權(quán)重（見表8），即二級指標層各指標相對目標層的綜合權(quán)重。

表1 機電產(chǎn)品綠色度評價指標體系

表2 權(quán)重判斷矩陣U─V

表3 權(quán)重判斷矩陣V1─W

表4 權(quán)重判斷矩陣V2─W

表5 權(quán)重判斷矩陣V3─W

表6 權(quán)重判斷矩陣V4─W

表7 權(quán)重判斷矩陣V5─W

表8 機電產(chǎn)品綠色度評價指標合成權(quán)重

2 PSO-ABC優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的機電產(chǎn)品綠色度評價模型

2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)模型[4]如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型

機電產(chǎn)品綠色度評價體系中的24項二級指標W11～W54作為BP神經(jīng)網(wǎng)絡(luò)的輸入，神經(jīng)網(wǎng)絡(luò)輸出Y與網(wǎng)絡(luò)期望輸出Q之間存在偏差，選取數(shù)據(jù)樣本對網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練，不斷調(diào)節(jié)連接權(quán)值ωij, Tki及節(jié)點閾值θi, θk等參數(shù)，直至偏差滿足規(guī)定的精度要求。傳統(tǒng)BP算法收斂速度慢，極易陷入局部極值，故本文采取PSO-ABC算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。

2.2 PSO-ABC優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程

利用PSO-ABC算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)步驟如下[5-6]：

（1）初始化種群并設(shè)置參數(shù)：粒子群規(guī)模N，慣性權(quán)重初始值ω1和終值ω2，學(xué)習(xí)因子C1，C2；PSO算法最多迭代次數(shù)tmax；ABC算法最多循環(huán)次數(shù)limit等。

（2）粒子群平均分為G組，每個組包含的粒子個數(shù)為n，其中N=G×n。

（3）求取全部粒子的適應(yīng)度值，記錄每組的最優(yōu)粒子Gij。

（4）對粒子當前速度、位置Vij，Xij進行更新操作，及時改變且記錄每組全局最優(yōu)粒子Gij，即：

（5）將G組中每組記錄的最優(yōu)粒子Gij重新組成人工蜂群，且作為ABC算法中初始粒子。

（6）令A(yù)BC算法初始迭代次數(shù)NC=1，蜂群中引領(lǐng)蜂在搜索蜜源時根據(jù)（4）式不斷更新當前位置xij，然后通過（5）式對搜尋的蜜源適應(yīng)度進行評價，即：

其中，F(xiàn)iti，fi分別表示第i個蜜源的適應(yīng)度和適應(yīng)值。

（7）比較引領(lǐng)蜂尋找的新蜜源與原蜜源的適應(yīng)度，若后者小于前者，則以新蜜源位置取代原蜜源位置，否則不變且NC+1。

（8）計算各蜜源位置的概率值P，蜂群中的跟隨蜂參照Pi選擇引領(lǐng)蜂搜索到的新蜜源，且計算其適應(yīng)度值，即：

（9）比較跟隨蜂選擇的新蜜源與原蜜源的適應(yīng)度值，若前者大于后者，則以新蜜源位置取代原蜜源位置，否則不變且NC+1。

（10）當?shù)螖?shù)NC超過ABC算法循環(huán)次數(shù)最大值limit時，保存且輸出群體中最優(yōu)蜜源，用來作為對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)最優(yōu)初始參數(shù)ωij, Tki, θi, θk。

在PSO-ABC算法中，適應(yīng)度定義為BP網(wǎng)絡(luò)期望輸出與實際輸出的均方差倒數(shù)，即：

其中，Qju, Yjk分別表示第j個訓(xùn)練樣本在第u個輸出節(jié)點處期望輸出和實際輸出，k表示輸出節(jié)點數(shù)(m=1)，m表示訓(xùn)練樣本數(shù)。

3 仿真實驗

3.1 指標無量綱化處理

機電產(chǎn)品綠色度評價體系中的二級指標計24項，涉及定量和定性指標，其中定量指標包含正向型、負向型指標。正向型定量指標如材料利用率、材料回收率、效能比、可回收率等，即指標值越大、指標性能越優(yōu)；負向型定量指標如大氣污染、水體污染、有毒有害氣體比率、制造成本、廢棄處置成本、維護成本等，即指標值越小、指標性能越優(yōu)。由于以上定量指標量綱、單位有所不同，這里需要先將指標數(shù)據(jù)作無量綱化、規(guī)范化處理[7-8]。

對正向型定量指標數(shù)據(jù)進行轉(zhuǎn)換，即：

對負向型定量指標數(shù)據(jù)進行轉(zhuǎn)換，即：

其中，w*(i)表示通過規(guī)范化處理的指標值，ximax表示第i個指標數(shù)據(jù)最大值，ximin表示第i個指標數(shù)據(jù)最小值，i表示定量指標個數(shù)。

對于定量指標數(shù)據(jù)一般可由相關(guān)實驗數(shù)據(jù)和統(tǒng)計資料分析獲取，對于定性指標數(shù)據(jù)則應(yīng)聘請專家或?qū)I(yè)人士現(xiàn)場考核記分，其分值區(qū)間設(shè)為[0, 100]，這樣首先將定性指標數(shù)據(jù)轉(zhuǎn)換為定量指標數(shù)據(jù)，再通過定量指標無量綱化處理方法，得到[0, 1]區(qū)間數(shù)值。

3.2 神經(jīng)網(wǎng)絡(luò)樣本選取

把機電產(chǎn)品綠色度評價指標體系中的24項二級指標作為輸入節(jié)點，在輸入節(jié)點時首先對每個指標數(shù)據(jù)均進行無量綱化處理。BP網(wǎng)絡(luò)輸出Y表示機電產(chǎn)品綠色度評價結(jié)果。Y分成5個等級，即產(chǎn)品綠色度很高（1～0.8）、較高（0.8～0.7）、一般（0.7～0.6）、較低（0.6～0.4）、很低（0.4～0）。部分典型的電冰箱、電磁爐、洗衣機等機電一體化產(chǎn)品綠色度的專家評價數(shù)據(jù)見表9。利用AHP求出以上各產(chǎn)品綠色度的綜合評價得分（最后列），以此作為BP神經(jīng)網(wǎng)絡(luò)的期望輸出Q。本試驗選取表9中前12組數(shù)據(jù)作網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練樣本，后3組數(shù)據(jù)作網(wǎng)絡(luò)測試樣本。

3.3 網(wǎng)絡(luò)參數(shù)設(shè)置、訓(xùn)練與測試

利用PSO-ABC算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始參數(shù)為：粒子群規(guī)模N=80, ω1=1.2, ω2=0.2, C1=C2=2, tmax= 150，limit=200，誤差精度ε=10-4。將表9中1～12組學(xué)習(xí)訓(xùn)練樣本數(shù)據(jù)輸入至神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)訓(xùn)練1 018次后，神經(jīng)網(wǎng)絡(luò)收斂能滿足精度ε要求。保存已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，輸入表9中13～15組測試樣本數(shù)據(jù)至神經(jīng)網(wǎng)絡(luò)，并進行檢驗，結(jié)果見表10。由表10可知，神經(jīng)網(wǎng)絡(luò)實際輸出Y與期望輸出Q之間的最大相對誤差不超過1.3%，表明網(wǎng)絡(luò)實際輸出的機電產(chǎn)品綠色度評價等級與期望輸出結(jié)果完全吻合。因此，利用PSO-ABC算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)具有較強的泛化能力，能很好地擬合機電行業(yè)領(lǐng)域?qū)＜业脑u價思維，對于現(xiàn)代機電產(chǎn)品綠色度評價更客觀、科學(xué)和高效。

表9 網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練樣本及測試樣本

表10 檢驗樣本期望值與網(wǎng)絡(luò)訓(xùn)練結(jié)果比較

4 結(jié) 論

本文以機電產(chǎn)品綠色制造為例，提出基于層次分析和神經(jīng)網(wǎng)絡(luò)的機電產(chǎn)品綠色度綜合評價方法，采用AHP確定機電產(chǎn)品綠色度評價指標權(quán)重，并合理分配指標權(quán)重；利用PSO-ABC算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)評價模型。仿真實驗表明，該方法評價速度快、準確率高，為機電產(chǎn)品綠色度評價提供了一種嶄新的方法與思路，對于指導(dǎo)機電產(chǎn)品綠色制造具有較好的參考價值。

[1] 曾壽金.基于模糊AHP的機電產(chǎn)品綠色再制造綜合評價方法及應(yīng)用[J].現(xiàn)代制造工程，2012（7）：1-6.

[2] 林崗，錢陽.基于遺傳神經(jīng)網(wǎng)絡(luò)的機電產(chǎn)品綠色度評價[J].機械設(shè)計與制造，2014（5）：151-153.

[3] 喬維德.基于AHP的信息技術(shù)與課程整合教學(xué)能力評價[J].遠程教育雜志，2007（5）：42-44.

[4] 喬維德.基于AHP和ANN的網(wǎng)絡(luò)課程質(zhì)量評價方法研究[J].江蘇廣播電視大學(xué)學(xué)報，2006（6）：31-34.

[5] 喬維德.無刷同步發(fā)電機旋轉(zhuǎn)整流器故障的神經(jīng)網(wǎng)絡(luò)識別[J].溫州職業(yè)技術(shù)學(xué)院學(xué)報，2016（4）：44-48.

[6] 喬維德.螢火蟲-粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的異步電機轉(zhuǎn)子斷條故障診斷[J].電機與控制應(yīng)用，2017（1）：83-88.

[7] 喬維德.基于BP神經(jīng)網(wǎng)絡(luò)的現(xiàn)代遠程教育教學(xué)質(zhì)量評價模型的構(gòu)建[J].中國遠程教育，2006（7）：69-71.

[8] 喬維德，凌興宏，周曉謀.基于蝙蝠-蛙跳神經(jīng)網(wǎng)絡(luò)的提升機故障診斷研究[J].臺州學(xué)院學(xué)報，2016（6）：47-52.

[責任編輯：蔡 兵]

An Evaluation M ethod for Green Degree of M echanical and Electrical Products Based on BP Neural Network

QIAO Weide
(Scientif c Research and Quality Control Department, Wuxi Open University, Wuxi, 214011, China)

Green degree evaluation directly affects design, manufacture, management and development of the mechanical and electronic products. By analyzing the energy, resources, environment, economy, technology, etc. of the mechanical and electrical product manufacturing, and applying analytic hierarchy process (AHP) to determ ine the green degree evaluation indicator of the mechanical and electrical products and its weight, the research establishes a green degree evaluation model of BP neural network, and optimizes the BP network structure parameters via the particle swarm by arti f cial swarm algorithm (PSO-ABC) algorithm. Simulation data and experimental results show that this method of evaluation reveals high speed and high accuracy, and is valuable to the green manufacturing of the mechanical and electrical products.

M echanical and electrical products; Green degree; Evaluation indicator; AHP; PSO-ABC

TH122

A

1671-4326 (2017) 02-0033-05

DO I: 10.13669/j.cnki.33-1276/z.2017.030

2017-02-24

無錫市社會事業(yè)領(lǐng)軍人才資助項目（WX530/2016013）

喬維德（1967—），男，江蘇寶應(yīng)人，無錫開放大學(xué)科研與質(zhì)量控制處，教授.