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DEkmeans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DEkmeans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。
科研之友
微信
新浪微博
Facebook
分享链接
