[发明专利]基于BP神经网络权重优化的案例推理刀具推荐方法

说明书

本发明公开了一种基于BP神经网络权重优化的案例推理刀具推荐方法。包括以下步骤：输入加工要求，对刀具案例库的属性进行归一化处理，计算灰色关联系数，然后计算属性权重，属性权重分别采用BWM主观权重和熵值法客观权重并进行线性加权，将属性权重通过BP神经网络进行优化得到更加客观的数据，最后，计算灰色关联度并进行排序，选出最适合的刀具。本发明在案例推理上的权重上进行了优化，指标权重更加客观，提高了检索的准确率。

技术领域

本发明涉及案例推理领域，特别是涉及基于BP神经网络权重优化的案例推理刀具推荐方法。

背景技术

工业互联网是智能制造的实现，随着技术革新与工业发展，制造业服务平台的重要性被不断凸显。然而对于制造业来说，刀具是其加工的核心工具，刀具品种繁多，如何能够给用户推荐合适的刀具对企业具有良好的商业价值。推荐系统可以根据用户以往信息进行刀具推荐，但效率不是很高。案例推理根据以往的经验，检索出最相似的案例。

案例推理从以往的案例库中检索出最相似的案例，为其提供参考，当无法匹配合适案例，可进行重修并更新案例库。案例检索影响着检索效果，许多专家对案例检索方法进行了大量研究，但仍存在许多不足。

发明内容

1、发明目的。

本发明提供一种基于BP神经网络权重优化的案例推理刀具推荐方法。

2、本发明所采用的技术方案。

本发明公开了一种基于BP神经网络权重优化的案例推理刀具推荐方法，具体步骤为：

S1：确定选择刀具的指标；

S2:通过用户调查问卷进行指标评价；

S3：采用BWM计算指标的主观权重；

S4：采用熵值法计算客观权重；

S5：采用线性加权计算综合权重；

S6：通过BP神经网络对权重进行优化；

S7：采用灰色关联法计算案例的相似度

本发明的特点及有益效果：

首先利用BWM计算主观权重、熵值法计算客观权重，最后通过线性加权计算综合权重，然后通过用户对指标进行打分，对用户的评价分数进行BP神经网络，来优化综合权重。将得到的优化权重运用到灰色关联的计算中，来计算案例的相似度。通过BP神经网络优化权重使的权重更加客观，避免了专家的主观评分，使得检索更加准确。

附图说明

图1为本发明的流程图

图2为BP神经网络流程图

具体实施方式

本发明一种基于BP神经网络权重优化的案例推理刀具推荐方法的流程图如图1所示。具体操作步骤如下：

步骤一:确定刀具案例库里的刀具属性。

根据刀具的加工信息，确定刀具的案例属性为加工材料、工件材料硬度、工件材料状态、加工面类型、加工尺寸；

步骤二：属性归一化

采用均值化方法进行归一化处理，其公式表达式为：

步骤三:计算属性的关联系数

计算结果为

步骤四：通过调查问卷收集用户对刀具指标重要性的评分

步骤五：用BWM方法计算主观权重

首先，专家对两两指标的重要程度进行打分，并确定最优指标与最差指标。然后，通过模型计算各个指标的权重。模型公式为