鄢 威，張 華，江志剛

YAN Wei,ZHANG Hua,JIANG Zhi-gang

（武漢科技大學(xué) 機(jī)械制造與自動(dòng)化學(xué)院，武漢 430081）

0 引言

綠色制造是一種綜合考慮環(huán)境影響和資源效率的現(xiàn)代制造模式，其目標(biāo)是使得產(chǎn)品從設(shè)計(jì)、制造、包裝、運(yùn)輸、使用到報(bào)廢處理的整個(gè)產(chǎn)品生命周期中，對(duì)環(huán)境的影響負(fù)作用為零或者極小，資源消耗盡可能小，并使企業(yè)經(jīng)濟(jì)效益和社會(huì)效益協(xié)調(diào)優(yōu)化[1]。機(jī)械加工系統(tǒng)作為制造企業(yè)實(shí)施綠色制造的基本單元之一，建立綠色預(yù)警模型有利于指導(dǎo)制造企業(yè)的綠色化改進(jìn)，對(duì)制造業(yè)可持續(xù)發(fā)展具有重要的作用。

隨著綠色制造理論、技術(shù)研究的深入，國(guó)內(nèi)外許多學(xué)者在機(jī)械加工系統(tǒng)綠色性分析評(píng)價(jià)方面進(jìn)行了大量的研究。Gutowski等通過(guò)大量實(shí)驗(yàn)和數(shù)據(jù)收集，分析了制造過(guò)程中造成資源消耗和環(huán)境排放的主要因素和狀況，應(yīng)用熱動(dòng)力學(xué)方法建立了機(jī)械加工系統(tǒng)的能量計(jì)算模型[2,3]；Bennett等對(duì)制造過(guò)程環(huán)境影響因素進(jìn)行分析，從加工設(shè)備的角度提出了一種綠色優(yōu)化決策方法減少制造過(guò)程的物料和能量消耗[4]；Diaz等分析了綠色制造的實(shí)施特性，提出了減少機(jī)床資源和能源消耗的設(shè)計(jì)和運(yùn)行策略[5]；Mori等通過(guò)對(duì)機(jī)床主軸電機(jī)和伺服電機(jī)進(jìn)行研究，提出了一種機(jī)床能效函數(shù)[6]；Konstantions利用LCA方法，分析了磨削淬火過(guò)程的環(huán)境排放特性[7]；Parag分析了數(shù)控加工系統(tǒng)刀具、輔助設(shè)備等制造資源，統(tǒng)一制造資源模型(UMRM)提供支持自動(dòng)化的工藝規(guī)劃決策[8]。在國(guó)內(nèi)，劉飛等建立了調(diào)度優(yōu)化模型來(lái)最小化制造系統(tǒng)的能量消耗和加工時(shí)間[9]；修世超等建立了磨削工藝綠色度評(píng)價(jià)指標(biāo)體系，并對(duì)各項(xiàng)指標(biāo)的影響因素進(jìn)行了分析[10]；尹勇等從宏觀和微觀兩個(gè)角度建立了綠色產(chǎn)品制造的整個(gè)生命周期中的物能資源消耗模型，在此基礎(chǔ)上對(duì)制造過(guò)程能源消耗的基本特性進(jìn)行了分析[11]。總的來(lái)說(shuō)，目前國(guó)內(nèi)外的研究主要集中在機(jī)械加工系統(tǒng)綠色性的后期評(píng)價(jià)，缺乏前期診斷方法和工具。因此，本文在前期研究基礎(chǔ)上，利用GA-BP混合算法建立了機(jī)械加工系統(tǒng)綠色預(yù)警模型，力圖在制造過(guò)程前期找出影響綠色性的因素。

1 GA-BP 混合算法

BP神經(jīng)網(wǎng)絡(luò)能有效模擬人腦的思維方式來(lái)解決問(wèn)題，一個(gè)三層的神經(jīng)網(wǎng)絡(luò)能完成任意輸入到輸出層的轉(zhuǎn)換[12]，由于其優(yōu)越的非線性逼近能力，泛化能力和容錯(cuò)能力，BP神經(jīng)網(wǎng)絡(luò)已被廣泛應(yīng)用于語(yǔ)音識(shí)別、工業(yè)過(guò)程控制、庫(kù)存預(yù)測(cè)、自適應(yīng)控制等領(lǐng)域，并取得了顯著的應(yīng)用效果[13,14]。其基本結(jié)構(gòu)如圖1所示。

圖1 三層BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

在圖1中，Xin為輸入變量，wij,wj分別為神經(jīng)網(wǎng)絡(luò)隱藏層和輸出層的權(quán)重函數(shù)，Oi為輸出變量，n,l,m分別為輸入層、隱藏層和輸出層的節(jié)點(diǎn)數(shù)，其中n,m由神經(jīng)網(wǎng)絡(luò)的輸入、輸出參數(shù)決定，l由網(wǎng)絡(luò)的非線性程度決定，其選取原則為先由經(jīng)驗(yàn)公式算出初始值，再通過(guò)大量實(shí)驗(yàn)，計(jì)算輸出的相對(duì)誤差和網(wǎng)絡(luò)收斂速度對(duì)其值不斷進(jìn)行調(diào)整。一般來(lái)說(shuō)，選取節(jié)點(diǎn)太少可能影響學(xué)習(xí)樣本識(shí)別率和網(wǎng)絡(luò)容錯(cuò)能力，但節(jié)點(diǎn)過(guò)多會(huì)增加網(wǎng)絡(luò)訓(xùn)練時(shí)間，導(dǎo)致過(guò)度學(xué)習(xí)。

對(duì)機(jī)械加工系統(tǒng)綠色性而言，BP神經(jīng)網(wǎng)絡(luò)能有效地避免輸入指標(biāo)之間復(fù)雜的非線性關(guān)系，簡(jiǎn)化計(jì)算，但傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)存在收斂速度慢，容易陷入局部最優(yōu)等等的缺點(diǎn)。遺傳算法作為一種具有良好全局優(yōu)化能力的智能算法，能有效地避免BP神經(jīng)網(wǎng)絡(luò)這一缺點(diǎn)。GA-BP混合算法即是利用遺傳算法的全局優(yōu)化能力來(lái)確定一個(gè)較小的解空間，再利用BP神經(jīng)網(wǎng)絡(luò)在這個(gè)較小的解空間中計(jì)算出最優(yōu)解，與單一的遺傳算法或BP神經(jīng)網(wǎng)絡(luò)相比，這一方法能克服遺傳算法難以局部?jī)?yōu)化的缺點(diǎn)，同時(shí)加快網(wǎng)絡(luò)的收斂速度，避免網(wǎng)絡(luò)陷入局部最優(yōu)，具有良好的魯棒性、容錯(cuò)能力和自適應(yīng)能力。

2 機(jī)械加工系統(tǒng)綠色預(yù)警模型

2.1 綠色預(yù)警指標(biāo)體系的建立

科學(xué)合理的指標(biāo)體系建立預(yù)警的關(guān)鍵，因此，在建立監(jiān)控指標(biāo)體系前應(yīng)首先對(duì)機(jī)械加工系統(tǒng)的資源環(huán)境屬性、生產(chǎn)安全狀態(tài)進(jìn)行分析。

機(jī)械加工系統(tǒng)是將制造資源轉(zhuǎn)變?yōu)楫a(chǎn)品或零件的基本運(yùn)動(dòng)形態(tài)，通過(guò)制造設(shè)備及輔助設(shè)施、制造技術(shù)和操作者共同作用，從而轉(zhuǎn)變或改變?cè)牧希ɑ蚺髁希┑男螒B(tài)、結(jié)構(gòu)、性質(zhì)、外觀等來(lái)實(shí)現(xiàn)制造功能[15]，其通過(guò)物能資源（原材料、輔助材料、能量等）的輸入，輸出合格產(chǎn)品或零件，同時(shí)輸出廢品、副產(chǎn)品、廢料等固體廢棄物以及廢氣、廢液、噪聲、振動(dòng)、輻射等排放物，這些排放物可能對(duì)生態(tài)環(huán)境、人體健康、車(chē)間環(huán)境和生產(chǎn)安全等造成危害和影響。

因此，機(jī)械加工系統(tǒng)的綠色預(yù)警應(yīng)包含資源消耗預(yù)警、能源消費(fèi)預(yù)警、環(huán)境排放預(yù)警和安全生產(chǎn)預(yù)警四個(gè)部分[16]，其指標(biāo)體系框架如圖2所示。

2.2 綠色預(yù)警模型的建立

本文建立的機(jī)械加工系統(tǒng)預(yù)警模型包括2個(gè)部分：?jiǎn)我恢笜?biāo)預(yù)警模型和綜合指標(biāo)預(yù)警模型。

1）單一指標(biāo)預(yù)警模型：對(duì)機(jī)械加工系統(tǒng)單一指標(biāo)的預(yù)警判定，主要針對(duì)某些在國(guó)家標(biāo)準(zhǔn)、相關(guān)法律法規(guī)中有明確限定的指標(biāo)。如“噪聲”指標(biāo)，在國(guó)標(biāo)GB12348-2008中就明確限定不得高于70dB(A)，如測(cè)量值大于此值，則應(yīng)發(fā)出預(yù)警信號(hào)。

2）綜合指標(biāo)預(yù)警模型：當(dāng)所有單一指標(biāo)均符合相關(guān)限定時(shí)，則應(yīng)對(duì)此機(jī)械加工系統(tǒng)整體的綠色程度進(jìn)行分析。

在進(jìn)行綜合指標(biāo)預(yù)警時(shí)，應(yīng)首先對(duì)輸入指標(biāo)進(jìn)行量化處理。本文采取的方法是：對(duì)于沒(méi)有明確限定的指標(biāo)x，利用實(shí)驗(yàn)和加工原始數(shù)據(jù)方法確定最大值Xmax和最小值Xmin，利用進(jìn)行歸一化處理。

圖2 綠色預(yù)警系統(tǒng)指標(biāo)體系框架

對(duì)于綜合預(yù)警結(jié)果，本文將其分為三個(gè)等級(jí)：良好(0.0-0.4)、一般(0.4-0.7)和差(0.7-1.0)，如計(jì)算結(jié)果在差的范圍內(nèi)，將發(fā)出預(yù)警信號(hào)；計(jì)算結(jié)果在良好或一般的范圍內(nèi)，則不發(fā)出預(yù)警信號(hào)。預(yù)警等級(jí)如表1所示。

表1 綠色預(yù)警等級(jí)

2.3 綠色預(yù)警模型求解

1）限定性指標(biāo)分析模塊求解：求實(shí)際數(shù)據(jù)xi與限定值Xi的差值

xi?Xi＞0，輸出超標(biāo)指標(biāo)xi；

xi?Xi≤0，作為待評(píng)價(jià)樣本進(jìn)入綜合預(yù)警模塊；

2）綜合分析模塊求解

(1)確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：輸入節(jié)點(diǎn)數(shù)m，輸出節(jié)點(diǎn)數(shù)n，取1個(gè)隱層，節(jié)點(diǎn)數(shù)為l，訓(xùn)練精度ε；遺傳算子及相關(guān)參數(shù)：種群規(guī)模N，選擇概率 Ps，交叉概率Pe，變異概率Pm，權(quán)值變化范圍參數(shù)α，遺傳進(jìn)化代數(shù)A；

(2)量化輸入、輸出參數(shù)，按照前文采用的量化方法將輸入、輸出參數(shù)規(guī)范至(0,1)之間；

(3)建立遺傳算法權(quán)重矩陣，隨機(jī)產(chǎn)生一組神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值作為一個(gè)染色體進(jìn)行編碼，則整體權(quán)重矩陣為：

(4)分別計(jì)算每個(gè)染色體在BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差Δ Ei，得染色體適應(yīng)值：（其中，M為一個(gè)極大數(shù)，保證遺傳算法適應(yīng)值朝增大的方向進(jìn)化）；

(5)按照選擇概率 Ps選擇適應(yīng)值最大的個(gè)體構(gòu)成父本，為防止染色體退化，在選擇運(yùn)算時(shí)，max(f( i))對(duì)應(yīng)的染色體直接進(jìn)入下一代；

(6)選定遺傳算法權(quán)值變化范圍參數(shù)α(0＜α＜1)，計(jì)算新一代群體：

(7)變異運(yùn)算，選出2條不同染色體不同基座上的基因進(jìn)行變異計(jì)算；

(8)重復(fù)(3)～(7)步驟，得到BP網(wǎng)絡(luò)誤差最小的一組完整的初始權(quán)值和閾值；

(9)將訓(xùn)練好的初始權(quán)值存入BP神經(jīng)網(wǎng)絡(luò)，對(duì)待求樣本進(jìn)行計(jì)算分析。

該模型充分利用遺傳算法優(yōu)秀的全局搜索能力尋求全局最優(yōu)的網(wǎng)絡(luò)權(quán)值，再利用BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和記憶功能訓(xùn)練網(wǎng)絡(luò)，建立綠色監(jiān)控指標(biāo)和加工系統(tǒng)綠色預(yù)警等級(jí)之間的映射關(guān)系，得出接近于人類(lèi)思維模式的綜合評(píng)價(jià)結(jié)果。同時(shí)，考慮到相關(guān)標(biāo)準(zhǔn)、行業(yè)規(guī)范對(duì)監(jiān)控指標(biāo)的限制，加入了限定性指標(biāo)的分析功能，其框圖模型如圖3所示。

3 案例應(yīng)用

根據(jù)上述建模原理，在某閥門(mén)廠建立了綠色監(jiān)控模型，并以產(chǎn)品閥體TA082的生產(chǎn)過(guò)程實(shí)際監(jiān)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了校驗(yàn)。

選取閥體TA082的生產(chǎn)過(guò)程中的3個(gè)監(jiān)測(cè)值作為待分析對(duì)象，該廠取得了ISO9001質(zhì)量管理體系、ISO14001環(huán)境體系認(rèn)證，各監(jiān)測(cè)值均在限定性指標(biāo)界定范圍之內(nèi)，因此在實(shí)際生產(chǎn)中只需要對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行綜合分析。閥體TA082的3組綠色監(jiān)控指標(biāo)量化值如表2所示。

圖3 機(jī)械加工系統(tǒng)綠色預(yù)警模型框架

表2 TA082綠色監(jiān)控指標(biāo)

利用Matlab7.1編寫(xiě)GA-BP算法訓(xùn)練程序，根據(jù)監(jiān)控指標(biāo)設(shè)置BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)：輸入節(jié)點(diǎn)數(shù)m=16，輸出節(jié)點(diǎn)數(shù)n=1，隱層節(jié)點(diǎn)數(shù)l=8，學(xué)習(xí)率η=0.01，給定收斂值ε=0.01；設(shè)置遺傳算法運(yùn)行參數(shù)：種群規(guī)模N=25，交叉概率 Pe=0.8，變異概率 Pm=0.005，權(quán)值變化范圍α=0.5，遺傳進(jìn)化代數(shù)A=100。以閥體TA082 30組歷時(shí)實(shí)例數(shù)據(jù)作為訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算，訓(xùn)練過(guò)程如圖4所示，訓(xùn)練結(jié)果與實(shí)際結(jié)果如圖5及表3所示。

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程

圖5 訓(xùn)練結(jié)果與實(shí)際結(jié)果比較

表3 訓(xùn)練結(jié)果與實(shí)際結(jié)果比較

在表3中，最大相對(duì)誤差為3.86%，最小為0.11%，說(shuō)明該模型和方法基本反映了閥體TA082制造過(guò)程的綠色性狀況。將表2中待分析的3個(gè)實(shí)例作為檢測(cè)樣本分別輸入此訓(xùn)練好的網(wǎng)絡(luò)中，計(jì)算結(jié)果如表4所示。

表4 待分析樣本的計(jì)算結(jié)果和預(yù)警狀態(tài)

利用GB-BP混合算法建立的機(jī)械加工系統(tǒng)綠色監(jiān)控模型在閥體TA082生產(chǎn)過(guò)程綠色監(jiān)測(cè)評(píng)價(jià)中計(jì)算結(jié)果偏差相對(duì)穩(wěn)定，能較為準(zhǔn)確的反應(yīng)該廠實(shí)際生產(chǎn)狀況，是一個(gè)合理且可行的監(jiān)控模型。

4 結(jié)論

通過(guò)對(duì)機(jī)械加工系統(tǒng)綠色特性的分析，利用GA-BP神經(jīng)網(wǎng)絡(luò)混合算法建立了機(jī)械敬愛(ài)工系統(tǒng)綠色預(yù)警模型，并對(duì)模型的指標(biāo)體系、模型求解方法進(jìn)行了研究。案例應(yīng)用表明，該模型能較好的反應(yīng)閥體（TA082）的生產(chǎn)狀況，具有良好的應(yīng)用前景。

[1] 劉飛,曹華軍,張華.綠色制造的理論與技術(shù)[M].北京:科學(xué)出版社,2005.

[2] Dahmus J B,Gutowski T G,“An environmental analysis of machining,”P(pán)roceedings of International Mechanical Engineering Congress and RD&D Expo,2004(12):1-10.

[3] Branham M,Gutowski T G,Jones A,et al,“A Thermodynamic Framework for Analyzing and Improving Manufacturing Processes,” IEEE International Symposium on Electronics and the Environment,2008,19-20:1-6.

[4] Bennett D P,Yano C A,“A decomposition approach for an equipment selection and multiple product routing problem incorporation environmental factors,”European Journal of Operational Research,2005(156):643-664.

[5] N.Diaz,et al,“Machine Tool Design and Operation Strategies for Green Manufacturing,”4th CIRP HPC,2010,1:271-276.

[6] M. Mori,M.Fujishima,Y.Inamasu,Y.Oda,“A study on energy efficiency improvement for machine tools,”CIRP Annals–Manufacturing Technology,2011,60:145-148.

[7] Konstantions S,George T,Stavros D,Panagiotis S,George C,“environmental Impact Assessment of Grind-Hardening Process,”P(pán)roceedings of LCE,2006:657-662.

[8] Parag Vichare,Aydin Nassehi,Sanjeev Kumar,Stephen T. Newman,“A Unified Manufacturing Resource Model for representing CNC machining systems,”Robotics and Computer-Integrated Manufacturing,2009,25:999-1007.

[9] 何彥,劉飛,曹華軍,劉純.面向綠色制造的機(jī)械加工系統(tǒng)任務(wù)優(yōu)化調(diào)度模型[J].機(jī)械工程學(xué)報(bào).2007(43):27-33.

[10] 修世超,馮強(qiáng),王瑤.磨削工藝綠色度評(píng)價(jià)指標(biāo)體系及影響因素分析[J].金剛石與磨料磨具工程.2007(159):60-63.

[11] 尹勇,周祖德,龍毅宏.綠色制造系統(tǒng)物資能耗模型及分析[J].管理技術(shù).2009(9):102-105.

[12] 閻平凡,張長(zhǎng)水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算[M].北京: 清華出版社,2005.

[13] Widrow B,et al,“Neural Networks Application in Industry,Business and Science,” Communication of the ACM,1994,37:93-105.

[14] Werbos P J,“The Roots of Back propagation: From Ordered Derivatives to NN,”John Wiley & Sons Inc,1994.

[15] 張華,江志剛.制造系統(tǒng)廢物流及其分類(lèi)研究[J].武漢科技大學(xué)學(xué)報(bào)（自然科學(xué)版）.2005(28):151-153.

[16] 劉飛,李聰波,曹華軍,王秋蓮.基于產(chǎn)品生命周期主線的綠色制造技術(shù)內(nèi)涵及技術(shù)體系框架[J].機(jī)械工程學(xué)報(bào).2009(12):115-120.