□ 王明珠 □ 常秀娟

中國航空規(guī)劃建設(shè)發(fā)展有限公司 工程技術(shù)研究院 北京 100120

航空產(chǎn)品的生產(chǎn)制造工時是企業(yè)人力和物質(zhì)資源投入的具體體現(xiàn)，是生產(chǎn)產(chǎn)品、生產(chǎn)規(guī)模、生產(chǎn)水平的一種反映，也是企業(yè)進(jìn)行生產(chǎn)條件建設(shè)、生產(chǎn)管理、成本核算、計劃控制等的重要依據(jù)，更是企業(yè)進(jìn)行科學(xué)管理、優(yōu)化加工結(jié)構(gòu)、提高勞動生產(chǎn)效率的基礎(chǔ)和重要前提。對于航空工業(yè)咨詢設(shè)計工作來說，航空產(chǎn)品的生產(chǎn)制造工時是對航空產(chǎn)品進(jìn)行生產(chǎn)性技術(shù)改造的主要依據(jù)之一，是咨詢設(shè)計中確定工廠規(guī)模大小、生產(chǎn)設(shè)備以及人員、面積配置情況的重要依據(jù)。

飛機(jī)產(chǎn)品的機(jī)械加工零件的生產(chǎn)工時涉及產(chǎn)品結(jié)構(gòu)、性能、特征、工藝方法、生產(chǎn)設(shè)備、加工參數(shù)等眾多方面因素，在零件實際生產(chǎn)之前，其工時只能通過一些特定方法進(jìn)行估算或預(yù)測。國外著名航空企業(yè)如波音、空客已經(jīng)在成本預(yù)測方面形成了相應(yīng)的技術(shù)體系與應(yīng)用范疇，可以在產(chǎn)品生產(chǎn)前對零件的加工時間及成本進(jìn)行預(yù)測。而我國當(dāng)前對零件工時預(yù)測的方法主要有以下兩種：（1）較為普遍采用的零件定額工時制定方法是根據(jù)產(chǎn)品的詳細(xì)生產(chǎn)工藝過程，逐步計算其生產(chǎn)工時，所用方法包括查表法、數(shù)學(xué)模型法、典型零件法、混合法等。隨著計算機(jī)技術(shù)的普及，目前國內(nèi)外已經(jīng)基于上述方法開發(fā)出了一些成形軟件系統(tǒng)，如昆明理工大學(xué)、南京航空航天大學(xué)等單位開發(fā)的機(jī)械加工工時定額子系統(tǒng)等，實現(xiàn)了工時定額計算的快速、科學(xué)、通用［1～6］。但由于飛機(jī)零件復(fù)雜程度的不斷提升和數(shù)控加工技術(shù)的大量采用，該類方法已經(jīng)越來越無法適用。（2）隨著數(shù)控加工快速編程技術(shù)的不斷進(jìn)步，UG、CATIA等軟件均提供了根據(jù)零件數(shù)控加工程序及走刀軌跡仿真加工工時的功能，但是由于其無法準(zhǔn)確地描述實際加工，該仿真工時不能真實地反映實際加工情況，使該方法的應(yīng)用受到一定程度的限制［7］。此外，上述兩種方法在使用過程中，都是以產(chǎn)品的詳細(xì)生產(chǎn)工藝過程為前提，涉及產(chǎn)品的結(jié)構(gòu)特征、詳細(xì)加工工序、生產(chǎn)設(shè)備、工藝參數(shù)，甚至加工型面、刀具、加工余量、走刀路線等眾多方面，不僅需要使用者具有深厚的生產(chǎn)工藝方面知識，還需要有大量的實際工作經(jīng)驗，且使用復(fù)雜、計算量大、易出差錯。

本文針對目前零件的機(jī)械加工工時預(yù)測方法存在的局限性，以飛機(jī)結(jié)構(gòu)件為典型研究對象，通過分析零件結(jié)構(gòu)性能、加工工藝等特點(diǎn)，提出了一種基于SLFM神經(jīng)網(wǎng)絡(luò)的零件數(shù)控加工工時估算方法。該方法在實際使用中，只需了解航空產(chǎn)品的基本結(jié)構(gòu)和工藝特征等指定特征信息，無需掌握每個零件的詳細(xì)加工工序和加工參數(shù)，即可對飛機(jī)零件工時進(jìn)行快速估算。

1 飛機(jī)結(jié)構(gòu)件及其數(shù)控加工工時估算的特點(diǎn)

1.1 飛機(jī)結(jié)構(gòu)件特點(diǎn)及分類

飛機(jī)零件與一般工業(yè)產(chǎn)品的零件不同，其具有種類繁多、復(fù)雜程度高的普遍特點(diǎn)。往往一架飛機(jī)就有不同種類的機(jī)加工零件幾千項到幾萬項，隨著飛機(jī)工業(yè)的不斷發(fā)展，飛機(jī)整體性逐漸加強(qiáng)，結(jié)構(gòu)件復(fù)雜程度也大大提高。大量飛機(jī)結(jié)構(gòu)件采用數(shù)控加工方法生產(chǎn)。根據(jù)不同機(jī)種的各類數(shù)控加工結(jié)構(gòu)件的特征、加工工藝以及數(shù)控加工工時的統(tǒng)計資料，結(jié)構(gòu)件的應(yīng)用功能、結(jié)構(gòu)形狀、材料毛坯、尺寸大小和加工方法等都具有不同的特征，但是也具有一定的共性。

根據(jù)飛機(jī)結(jié)構(gòu)件功能、特征和加工工藝等方面的共性，依據(jù)成組技術(shù)和相似性原則，結(jié)合飛機(jī)生產(chǎn)企業(yè)實際情況，本文將飛機(jī)結(jié)構(gòu)件劃分為框類、梁類、整體壁板類、接頭類等零件類型。

1.2 飛機(jī)結(jié)構(gòu)件數(shù)控加工工時影響因素

通過對航空生產(chǎn)企業(yè)數(shù)控加工車間的現(xiàn)場調(diào)研以及資料分析，可將影響零件數(shù)控加工工時的因素分為兩大類：一是零件本身的因素，包括零件復(fù)雜程度、材料、采用毛坯形式、結(jié)構(gòu)形狀（所包含的孔、槽等形狀特征）、尺寸、加工精度、批次產(chǎn)量等；二是加工方面的因素，包括加工方式、加工設(shè)備及其組合方式、生產(chǎn)工序、加工參數(shù)、刀具、換刀次數(shù)、加工余量設(shè)置、工人操作熟練程度、產(chǎn)品報廢情況等。

詳細(xì)分析上述影響數(shù)控加工工時的因素，本文從盡快得出數(shù)控加工工時的角度出發(fā)，在兼顧零件不同功能和結(jié)構(gòu)特點(diǎn)、加工工藝兩大方面的同時，把影響零件工時的諸多因素進(jìn)行綜合歸納并加以典型化，可以簡化為零件種類、零件截面形狀、加工面形狀特征、材料種類、毛坯形式、零件尺寸、加工信息共7類特征參數(shù)。其中，加工面形狀特征表征著零件的復(fù)雜程度，包括加工面的孔、槽、筋、輪廓等多種特征類型；加工信息體現(xiàn)了零件數(shù)控加工所采用的工藝及工藝參數(shù)，包括所采用的數(shù)控設(shè)備、加工設(shè)備組合形式、加工工藝參數(shù)等顯著影響加工工時的多項因素。

1.3 飛機(jī)結(jié)構(gòu)件數(shù)控加工工時估算特點(diǎn)

從上述分析可見，影響數(shù)控加工工時的特征參數(shù)較多，且各特征參數(shù)對工時的影響方式不同，有些可以用線性關(guān)系描述，而更多的則無法采用線性關(guān)系描述，如零件截面形狀、零件毛坯種類等。另一方面，各特征參數(shù)之間還存在不同程度的耦合效應(yīng)，如不同材料的零件對加工設(shè)備、加工參數(shù)等加工信息有著重大影響?？梢?，各特征參數(shù)對零件工時的影響呈現(xiàn)出典型的非線性關(guān)系，采用一般的線性數(shù)學(xué)模型難以對其準(zhǔn)確求解。

2 基于神經(jīng)網(wǎng)絡(luò)的數(shù)控加工工時估算模型

2.1 人工神經(jīng)網(wǎng)絡(luò)介紹

人工神經(jīng)網(wǎng)絡(luò) （Artificial Neural Networks，ANN）是近年來新興的一種模擬人腦及其活動的理論化數(shù)學(xué)模型，由多個簡單的處理單元（或稱神經(jīng)元）彼此按照某種方式相互連接形成一個復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，從而建立輸入與輸出之間的映射關(guān)系，適用于求解非線性問題。因此，本文采用神經(jīng)網(wǎng)絡(luò)建立飛機(jī)結(jié)構(gòu)件數(shù)控加工工時估算模型。

人工神經(jīng)網(wǎng)絡(luò)的工作過程主要由兩個階段組成。前一個階段是學(xué)習(xí)（訓(xùn)練）過程，此階段執(zhí)行學(xué)習(xí)規(guī)則，通過獲得穩(wěn)定的權(quán)值矩陣來準(zhǔn)確反映輸入與輸出之間的映射關(guān)系。后一階段是工作過程，在各連接權(quán)值已經(jīng)固定的情況下，錄入新的輸入信息，系統(tǒng)可以得出映射的輸出結(jié)果。人工神經(jīng)網(wǎng)絡(luò)從結(jié)構(gòu)上可分為輸入層和輸出層，每個因變量對應(yīng)于輸入層中的一個輸入節(jié)點(diǎn)，目標(biāo)變量則對應(yīng)于輸出層節(jié)點(diǎn)。有些網(wǎng)絡(luò)系統(tǒng)在輸入層和輸出層之間還存在隱含層，隱含層對神經(jīng)網(wǎng)絡(luò)的使用者來說是不可見的，隱含層的層數(shù)以及每層節(jié)點(diǎn)的個數(shù)決定了神經(jīng)網(wǎng)絡(luò)的復(fù)雜程度。

2.2 數(shù)控加工工時估算模型

根據(jù)前述人工神經(jīng)網(wǎng)絡(luò)的工作過程以及數(shù)控加工零件工時估算系統(tǒng)的輸入輸出需求，工時估算模型的主要框架與計算流程如圖1所示。

圖1中以準(zhǔn)確可靠的典型零件的樣本作為學(xué)習(xí)階段流程，將待估算零件的計算流程作為工作階段流程，零件信息即為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入節(jié)點(diǎn)參數(shù)。通過對我國不同機(jī)種數(shù)控加工零件的特征、加工工藝以及數(shù)控加工工時的分析與研究，把前述分析獲得的影響數(shù)控加工工時的特征參數(shù)作為網(wǎng)絡(luò)系統(tǒng)的輸入?yún)?shù)，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸出層參數(shù)為該模型的目標(biāo)變量，即零件加工工時。

圖1 數(shù)控加工工時估算模型的系統(tǒng)框架與計算流程

3 SLFM神經(jīng)網(wǎng)絡(luò)算法

根據(jù)本文中問題的特點(diǎn)，數(shù)控加工工時估算選擇SLFM神經(jīng)網(wǎng)絡(luò)算法 （有監(jiān)督線性特征映射網(wǎng)絡(luò)，Supervised Linear Feature Mapping Network）。 SLFM 是一個2層網(wǎng)絡(luò)，在輸入層與輸出層之間沒有隱含層，網(wǎng)絡(luò)結(jié)構(gòu)簡單，收斂速度快，且計算結(jié)果精度較高，可靠性強(qiáng)。

SLFM網(wǎng)絡(luò)采用線性分度式輸出結(jié)構(gòu)，輸出層節(jié)點(diǎn)分別對應(yīng)于連續(xù)量的不同估計值，在網(wǎng)絡(luò)學(xué)習(xí)階段，每個學(xué)習(xí)樣本對應(yīng)一個特定的獲勝節(jié)點(diǎn)，也即映射到輸出層的一個特定節(jié)點(diǎn)上，該獲勝節(jié)點(diǎn)通過計算權(quán)值向量和輸入模式的歐幾里得（Euclid）距離最近的點(diǎn)確定，網(wǎng)絡(luò)的最優(yōu)權(quán)值向量通過采用獎罰式有監(jiān)督學(xué)習(xí)算法得到。獎罰式有監(jiān)督學(xué)習(xí)算法的主要內(nèi)容為：當(dāng)輸入學(xué)習(xí)樣本后，若獲勝節(jié)點(diǎn)與期望節(jié)點(diǎn)相符，則對獲勝節(jié)點(diǎn)實施獎勵，使其權(quán)值向量向輸入模式靠近；反之，則對獲勝節(jié)點(diǎn)進(jìn)行懲罰，使其權(quán)值向量遠(yuǎn)離輸入模式，同時對期望節(jié)點(diǎn)進(jìn)行獎勵。在SLFM網(wǎng)絡(luò)工作階段，通過計算某一輸入模式的獲勝節(jié)點(diǎn)映射到輸出層的一個特定節(jié)點(diǎn)上，從而獲得輸出結(jié)果［8～9］。

SLFM網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示，當(dāng)將其應(yīng)用于數(shù)控零件加工工時估算時，假設(shè)輸入層有n個節(jié)點(diǎn)，對應(yīng)于數(shù)控零件的n個特征參數(shù)；輸出層有p個節(jié)點(diǎn)，對應(yīng)于數(shù)控零件工時的不同估計值，若輸出層工時范圍設(shè)定為［t1，t2］，t1可以從 0 開始，相鄰輸出節(jié)點(diǎn)對應(yīng)工時值之差稱為節(jié)點(diǎn)分度值Δ，則有t2=t1+Δ（p-1）；采用某類型典型零件作為學(xué)習(xí)樣本，樣本數(shù)為m，那么網(wǎng)絡(luò)系統(tǒng)具體學(xué)習(xí)過程如下所述。

圖2 SLFM網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

（1）從典型零件數(shù)據(jù)庫中讀入典型零件特征信息和工時信息作為學(xué)習(xí)樣本對，并將零件特征信息進(jìn)行歸一化處理后作為SLFM網(wǎng)絡(luò)的輸入向量，記為Xm=（x1，x2，…，xn），與之對應(yīng)的零件工時作為一維的預(yù)期輸出向量，記為 Tm=t，其中 t∈［t1，t2］。

（2） 初始化權(quán)值矩陣 Wij，i=1，2，...n；j=1，2，...，p；Wij∈（0，1）。

（3）對于某一典型零件，計算輸入向量 Xk（k=1，2，…，m）與各輸出節(jié)點(diǎn)權(quán)值向量的歐氏距離djk，并選擇歐氏距離最小的輸出節(jié)點(diǎn)作為獲勝節(jié)點(diǎn)g；同時計算預(yù)期輸出值對應(yīng)的期望節(jié)點(diǎn)d。

（4）調(diào)整網(wǎng)絡(luò)權(quán)值。若獲勝節(jié)點(diǎn)與期望節(jié)點(diǎn)相符，則對獲勝節(jié)點(diǎn)實施獎勵，使其權(quán)值向量向輸入模式靠近；反之，則對獲勝節(jié)點(diǎn)進(jìn)行懲罰，使其權(quán)值向量遠(yuǎn)離輸入模式，同時對期望節(jié)點(diǎn)進(jìn)行獎勵。權(quán)值向量的修正公式為：

式中：tm為最大迭代循環(huán)次數(shù)。

（5）輸入下一個典型零件樣本，返回到步驟（3），直到m個樣本都學(xué)習(xí)一遍后，網(wǎng)絡(luò)完成一次迭代。

（6）計算網(wǎng)絡(luò)誤差。對于所有典型零件樣本，求零件工時最大偏差Emax和均方根誤差Erms：

若上述兩種誤差不能滿足給定的精度要求，則返回步驟（2），進(jìn)入下一次迭代循環(huán)，直到其中任一誤差滿足給定精度要求或者網(wǎng)絡(luò)循環(huán)達(dá)到最大迭代次數(shù)，則學(xué)習(xí)過程結(jié)束，并記錄下此時SLFM網(wǎng)絡(luò)權(quán)值矩陣Wij以及系統(tǒng)誤差Emax和Erms。

SLFM網(wǎng)絡(luò)學(xué)習(xí)過程的具體流程如圖3所示，該過程是圖1所示框架流程中“ANN網(wǎng)絡(luò)訓(xùn)練”的具體內(nèi)容。當(dāng)SLFM網(wǎng)絡(luò)完成學(xué)習(xí)后，對于輸入的某一零件特征信息，系統(tǒng)計算得到其對應(yīng)的獲勝節(jié)點(diǎn)g，則該零件對應(yīng)的零件加工工時為：

圖3 SLFM網(wǎng)絡(luò)算法流程圖

Tg=t1+Δ（g-1）

一般情況下，t1從0開始，此時：

Tg=Δ（g-1）

4 實施算例

基于以上研究，本文以某航空企業(yè)提供的飛機(jī)數(shù)控加工結(jié)構(gòu)件為應(yīng)用算例，采用SLFM神經(jīng)網(wǎng)絡(luò)建立數(shù)控加工工時估算模型，并對數(shù)控加工零件工時進(jìn)行快速估算，現(xiàn)簡要介紹模型實施效果。

首先對企業(yè)提供的數(shù)控加工零件進(jìn)行有效性甄別，以準(zhǔn)確性、具有代表性和去除數(shù)據(jù)奇異點(diǎn)為原則，共獲得典型零件數(shù)據(jù)108條，涵蓋6個零件類型，具體數(shù)據(jù)分布如表1所示。將上述零件信息導(dǎo)入本系統(tǒng)典型零件數(shù)據(jù)庫。

表1 典型零件數(shù)據(jù)類型分布

根據(jù)人工神經(jīng)網(wǎng)絡(luò)模型的一般規(guī)則，隨機(jī)選取80%的典型零件作為訓(xùn)練樣本對SLFM網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并保存訓(xùn)練結(jié)果，訓(xùn)練參數(shù)根據(jù)各零件類型的具體情況設(shè)定。選取剩余20%典型零件作為測試樣本對本系統(tǒng)計算結(jié)果進(jìn)行仿真檢驗，檢驗結(jié)果如表2所示。

由表2可見，在隨機(jī)測試情況下，本系統(tǒng)計算得到的零件工時與實際情況的誤差基本在10%以下，70%以上的零件計算結(jié)果相對誤差在5%以下。未來，隨著典型零件數(shù)量及多樣性的不斷增加，系統(tǒng)計算精度還會進(jìn)一步提高。

表2 系統(tǒng)仿真檢驗結(jié)果

5 結(jié)束語

對數(shù)控加工零件工時進(jìn)行估算時，各特征參數(shù)對零件工時的影響是一種典型的非線性關(guān)系，并且各影響因素之間存在著不同程度的耦合效應(yīng)，采用一般的線性模型難以對其準(zhǔn)確求解。而人工神經(jīng)網(wǎng)絡(luò)模型在解決多參數(shù)非線性和參數(shù)間耦合等問題方面具有突出的性能，非常適用于本課題中對零件工時的估算。本文詳細(xì)論述了人工神經(jīng)網(wǎng)絡(luò)在數(shù)控加工零件工時估算中的應(yīng)用，并采用SLFM網(wǎng)絡(luò)建立工時估算模型，為解決工時估算開辟了新的途徑。該方法工作量小，對使用者的工藝水平和實際經(jīng)驗要求較低，計算速度快，如能滿足所需要的精度要求，則較適合在咨詢設(shè)計項目及企業(yè)管理中使用，并可成為企業(yè)外包生產(chǎn)中談判、制定價格的依據(jù)。

除數(shù)控加工外，飛機(jī)制造過程中涉及的復(fù)材加工、鈑金、裝配等其它工種或生產(chǎn)流程，只要能夠合理論證選取影響產(chǎn)品零件工時的特征因素，都可以根據(jù)本文提出的方法建立工時估算模型，因而這種方法在工程咨詢和企業(yè)生產(chǎn)管理中具有極高的應(yīng)用價值。

［1］ 杜茂華，黃亞宇，王學(xué)軍.CAPP系統(tǒng)中機(jī)械加工工時定額子系統(tǒng)的開發(fā)［J］.機(jī)械設(shè)計，2006（1）：10-12.

［2］ 朱歷新，劉誠恪.計算工時定額的神經(jīng)網(wǎng)絡(luò)系統(tǒng)建模與實現(xiàn)［J］.航天制造技術(shù)，2004（2）：46-49.

［3］ 李曉斌，譚理剛，劉子建.CAPP中的工時定額的計算研究［J］.同煤科技，2005（4）：3-4.

［4］ 黃喜，王真星.CAPP中工時定額系統(tǒng)的研究與開發(fā)［J］.電腦開發(fā)與應(yīng)用，2002（9）：2-4.

［5］ 莊長遠(yuǎn).機(jī)械加工工序工時自動計算方法的研究［J］.成組技術(shù)與生產(chǎn)現(xiàn)代化，1996（3）：29-32.

［6］ 姜曉鵬，王潤孝，高琳，等.計算機(jī)輔助工時定額系統(tǒng)中的定額測算模型研究［J］.計算機(jī)應(yīng)用研究，2006（3）：183-185.

［7］ 龔清洪，夏雪梅，牟文平，等.基于加工特征實例的零件工時預(yù)測評估［J］.工具技術(shù)，2009（3）.

［8］ 朱名銓，蔡永霞，鄧寅東.刀具磨損估計的多信號人工神經(jīng)網(wǎng)絡(luò)方法研究［J］.工具技術(shù)，1995（11）.

［9］ 蔡永霞.神經(jīng)網(wǎng)絡(luò)在刀具磨損量估計及監(jiān)控中的應(yīng)用［D］.西安：西北工業(yè)大學(xué)，1997.