DE_kmeans预测液压缸零件工时定额

• 作者: 张均利 潘彩霞 陆宝春
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 工时定额 预测 加工特征参数 改进DEkmeans BP神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 数字化设计与制造
• 页码范围: 162-165
• 页数: 4页
• 分类号: TH16|TH166
• 字数: 3156字
• 语种: 中文

摘要

为提高液压缸零件工时定额预测的准确性及高效性,提出一种基于加工特征参数的DE_kmeans预测模型.首先根据工时影响因素提炼出历史及待预测加工特征参数;采用改进的DE_kmeans算法对历史加工特征参数进行聚类成组;对每个聚类组分别建立BP神经网络预测模型并基于历史加工特征参数进行训练;针对待预测加工特征参数,按照标准化欧式距离最小的原则划分至特定聚类组及预测模型;用该模型对待预测零件工时进行预测.通过测试实例验证该方法的预测误差控制在10％以内,证明该方法的可行性及有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆宝春	南京理工大学机械工程学院	93	555	11.0	18.0
2	潘彩霞	南京理工大学机械工程学院	2	1	1.0	1.0
3	张均利	南京理工大学机械工程学院	3	1	1.0	1.0