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(jī)電產(chǎn)品綠色度評價(jià)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(jià)直接影響著機(jī)電產(chǎn)品的設(shè)計(jì)、制造、管理及發(fā)展。從機(jī)電產(chǎn)品制造的能源、資源、環(huán)境、經(jīng)濟(jì)和技術(shù)等屬性進(jìn)行分析，運(yùn)用層次分析法（AHP）確定機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)體系及其權(quán)重，建立機(jī)電產(chǎn)品綠色度BP神經(jīng)網(wǎng)絡(luò)評價(jià)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(shí)驗(yàn)表明，該方法評價(jià)速度快、準(zhǔn)確率高，對于指導(dǎo)機(jī)電產(chǎn)品綠色制造具有較好的參考價(jià)值。

機(jī)電產(chǎn)品；綠色度；評價(jià)指標(biāo)；AHP；PSO-ABC

0 引 言

制造業(yè)規(guī)模的不斷壯大，推動(dòng)了國民經(jīng)濟(jì)發(fā)展，同時(shí)也給生態(tài)系統(tǒng)和自然環(huán)境帶來日益嚴(yán)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(jì)損失，還嚴(yán)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(huì)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(dāng)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(yùn)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(qiáng)調(diào)產(chǎn)品在設(shè)計(jì)、制造、包裝、運(yùn)輸、使用、報(bào)廢直至廢棄處置的整個(gè)產(chǎn)品生命周期進(jìn)程中，做到資源利用率最高，對環(huán)境造成的負(fù)面影響最小，實(shí)現(xiàn)企業(yè)經(jīng)濟(jì)效益與社會(huì)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(jìn)行設(shè)計(jì)、生產(chǎn)及加工，已成為現(xiàn)代制造的研究熱點(diǎn)之一。對制造產(chǎn)品綠色度作出科學(xué)、客觀的評價(jià)，當(dāng)前國內(nèi)外仍缺乏統(tǒng)一且權(quán)威的衡量標(biāo)準(zhǔn)，一定程度上制約了制造產(chǎn)品的設(shè)計(jì)、制造、管理及發(fā)展。

制造產(chǎn)品綠色度評價(jià)是一個(gè)復(fù)雜的系統(tǒng)的評價(jià)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(jià)法等，這些方法操作簡便，實(shí)用性較強(qiáng)，但評價(jià)時(shí)參評人員的主觀性、隨意性往往對評價(jià)結(jié)果的影響較大；加之產(chǎn)品制造系統(tǒng)本身具有較強(qiáng)的非線性、時(shí)滯性及不確定性，單純運(yùn)用傳統(tǒng)評價(jià)方法難以得出準(zhǔn)確、客觀的評價(jià)結(jié)果。本文以機(jī)電產(chǎn)品為研究對象，運(yùn)用層次分析法（AHP）建立機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)體系，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)電產(chǎn)品綠色度評價(jià)模型，并利用粒子群-人工蜂群（PSO-ABC）算法優(yōu)化其評價(jià)模型，以期更加全面、客觀、高效地評價(jià)機(jī)電產(chǎn)品綠色度。

1 機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)體系的構(gòu)建

AHP是一種定性與定量有機(jī)結(jié)合的決策分析方法。運(yùn)用AHP分析機(jī)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(jià)的遞階層次結(jié)構(gòu)，確立層次結(jié)構(gòu)中每個(gè)因素的相對重要性，從而以數(shù)學(xué)化、層次化形式描述機(jī)電產(chǎn)品綠色度評價(jià)體系。

1.1 建立評價(jià)層次結(jié)構(gòu)

運(yùn)用系統(tǒng)工程思維評價(jià)機(jī)電產(chǎn)品綠色度，按照全面性、可比性及經(jīng)濟(jì)效益、社會(huì)效益、環(huán)境效益三者密切融合的原則，構(gòu)建機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)體系。影響機(jī)電產(chǎn)品綠色制造的因素錯(cuò)綜復(fù)雜，在分析比較機(jī)電產(chǎn)品綠色度評價(jià)的相關(guān)文獻(xiàn)并咨詢專家意見前提下，從機(jī)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(jì)屬性、技術(shù)屬性等維度構(gòu)建機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)體系[2]（見表1）。該指標(biāo)體系為三層結(jié)構(gòu)模型，包含目標(biāo)層（U）、一級指標(biāo)層（V）和二級指標(biāo)層（W），其中，一級指標(biāo)層有指標(biāo)5項(xiàng)，二級指標(biāo)層有指標(biāo)24項(xiàng)。

1.2 分配指標(biāo)權(quán)重

由AHP對評價(jià)指標(biāo)體系中的指標(biāo)分配權(quán)重時(shí)，采取1—9比率標(biāo)度法[3]建立機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)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(jì)算以上各權(quán)重判斷矩陣特征向量且進(jìn)行歸一化處理后，得到機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)合成權(quán)重（見表8），即二級指標(biāo)層各指標(biāo)相對目標(biāo)層的綜合權(quán)重。

表1 機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)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(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)合成權(quán)重

2 PSO-ABC優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的機(jī)電產(chǎn)品綠色度評價(jià)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(jī)電產(chǎn)品綠色度評價(jià)體系中的24項(xiàng)二級指標(biāo)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(jìn)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(diǎn)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(gè)組包含的粒子個(gè)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(dāng)前速度、位置Vij，Xij進(jìn)行更新操作，及時(shí)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(shí)根據(jù)（4）式不斷更新當(dāng)前位置xij，然后通過（5）式對搜尋的蜜源適應(yīng)度進(jìn)行評價(jià)，即：

其中，F(xiàn)iti，fi分別表示第i個(gè)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(jì)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(jì)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(dāng)?shù)螖?shù)NC超過ABC算法循環(huán)次數(shù)最大值limit時(shí)，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(shí)際輸出的均方差倒數(shù)，即：

其中，Qju, Yjk分別表示第j個(gè)訓(xùn)練樣本在第u個(gè)輸出節(jié)點(diǎn)處期望輸出和實(shí)際輸出，k表示輸出節(jié)點(diǎn)數(shù)(m=1)，m表示訓(xùn)練樣本數(shù)。

3 仿真實(shí)驗(yàn)

3.1 指標(biāo)無量綱化處理

機(jī)電產(chǎn)品綠色度評價(jià)體系中的二級指標(biāo)計(jì)24項(xiàng)，涉及定量和定性指標(biāo)，其中定量指標(biāo)包含正向型、負(fù)向型指標(biāo)。正向型定量指標(biāo)如材料利用率、材料回收率、效能比、可回收率等，即指標(biāo)值越大、指標(biāo)性能越優(yōu)；負(fù)向型定量指標(biāo)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(hù)成本等，即指標(biāo)值越小、指標(biāo)性能越優(yōu)。由于以上定量指標(biāo)量綱、單位有所不同，這里需要先將指標(biāo)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(biāo)數(shù)據(jù)進(jìn)行轉(zhuǎn)換，即：

對負(fù)向型定量指標(biāo)數(shù)據(jù)進(jìn)行轉(zhuǎn)換，即：

其中，w*(i)表示通過規(guī)范化處理的指標(biāo)值，ximax表示第i個(gè)指標(biāo)數(shù)據(jù)最大值，ximin表示第i個(gè)指標(biāo)數(shù)據(jù)最小值，i表示定量指標(biāo)個(gè)數(shù)。

對于定量指標(biāo)數(shù)據(jù)一般可由相關(guān)實(shí)驗(yàn)數(shù)據(jù)和統(tǒng)計(jì)資料分析獲取，對于定性指標(biāo)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(biāo)數(shù)據(jù)轉(zhuǎn)換為定量指標(biāo)數(shù)據(jù)，再通過定量指標(biāo)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(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)體系中的24項(xiàng)二級指標(biāo)作為輸入節(jié)點(diǎn)，在輸入節(jié)點(diǎn)時(shí)首先對每個(gè)指標(biāo)數(shù)據(jù)均進(jìn)行無量綱化處理。BP網(wǎng)絡(luò)輸出Y表示機(jī)電產(chǎn)品綠色度評價(jià)結(jié)果。Y分成5個(gè)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(jī)等機(jī)電一體化產(chǎn)品綠色度的專家評價(jià)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(jià)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(yàn)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(jìn)行檢驗(yàn)，結(jié)果見表10。由表10可知，神經(jīng)網(wǎng)絡(luò)實(shí)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(shí)際輸出的機(jī)電產(chǎn)品綠色度評價(jià)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(qiáng)的泛化能力，能很好地?cái)M合機(jī)電行業(yè)領(lǐng)域?qū)＜业脑u價(jià)思維，對于現(xiàn)代機(jī)電產(chǎn)品綠色度評價(jià)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(yàn)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(jī)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(jī)電產(chǎn)品綠色度綜合評價(jià)方法，采用AHP確定機(jī)電產(chǎn)品綠色度評價(jià)指標(biāo)權(quán)重，并合理分配指標(biāo)權(quán)重；利用PSO-ABC算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)評價(jià)模型。仿真實(shí)驗(yàn)表明，該方法評價(jià)速度快、準(zhǔn)確率高，為機(jī)電產(chǎn)品綠色度評價(jià)提供了一種嶄新的方法與思路，對于指導(dǎo)機(jī)電產(chǎn)品綠色制造具有較好的參考價(jià)值。

[1] 曾壽金.基于模糊AHP的機(jī)電產(chǎn)品綠色再制造綜合評價(jià)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(jī)電產(chǎn)品綠色度評價(jià)[J].機(jī)械設(shè)計(jì)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(jià)[J].遠(yuǎn)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(jià)方法研究[J].江蘇廣播電視大學(xué)學(xué)報(bào)，2006（6）：31-34.

[5] 喬維德.無刷同步發(fā)電機(jī)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(bào)，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(jī)轉(zhuǎn)子斷條故障診斷[J].電機(jī)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(yuǎn)程教育教學(xué)質(zhì)量評價(jià)模型的構(gòu)建[J].中國遠(yuǎn)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(jī)故障診斷研究[J].臺州學(xué)院學(xué)報(bào)，2016（6）：47-52.

[責(zé)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(huì)事業(yè)領(lǐng)軍人才資助項(xiàng)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.