为准确地进行定量预测,提出了一种将仿真分析和集成径向基网络模型结合起来的制造系统性能指标预测方法。在定义和量化制造系统各类性能指标的基础上,分析了影响这些指标的静态和动态因素,并建立起径向基集成网络预测模型。通过基于Si m...为准确地进行定量预测,提出了一种将仿真分析和集成径向基网络模型结合起来的制造系统性能指标预测方法。在定义和量化制造系统各类性能指标的基础上,分析了影响这些指标的静态和动态因素,并建立起径向基集成网络预测模型。通过基于Si mul 8平台的仿真分析来收集样本数据,最终利用Bagging方法训练出集成神经网络,实现对工件平均完工时间和设备利用率等关键性能指标值的预测。试验结果表明,采用该方法输入动态影响因素的取值后,能快速获得比较理想的性能指标预测结果,并且其预测精度明显高于其他的神经网络方法。展开更多
文摘为准确地进行定量预测,提出了一种将仿真分析和集成径向基网络模型结合起来的制造系统性能指标预测方法。在定义和量化制造系统各类性能指标的基础上,分析了影响这些指标的静态和动态因素,并建立起径向基集成网络预测模型。通过基于Si mul 8平台的仿真分析来收集样本数据,最终利用Bagging方法训练出集成神经网络,实现对工件平均完工时间和设备利用率等关键性能指标值的预测。试验结果表明,采用该方法输入动态影响因素的取值后,能快速获得比较理想的性能指标预测结果,并且其预测精度明显高于其他的神经网络方法。
