6．减少非确定因素的影响
钣金零件非标件多，因为一些非确定性因素的影响，会导致成本估算和实际的消耗的成本总有误差。由于从影响因素到实际成本的具体映射关系是一种十分复杂的非线性关系，无法用经典的解析表达式来表达，人工神经网络具有强大的非线性处理能力，因此选用人工神经网络来解决这一问题。把对结果影响大的特征参数，例如重量、材料、主要工艺、形状特征等作为输入，同时把估算成本作为输入，把实际成本作为输出。通过网络进行自学习训练，调整各层权重，把误差降到最低。使估算成本更接近实际成本。如图2所示。
图2 利用ANN减少误差
三、结束语
本文对钣金的全生命周期的成本估算进行了研究，并将全生命周期划分为五个过程，分别研究各个过程的成本估算，以及对全生命周期成本的影响，并提出了利用成组技术构件数据库和相似函数进行相似性对比。还引入了人工神经网络以减少非确定因素的影响，使成本估算更准确合理。
