目前作业环境评价的研究对象一般为单一因素,不仅没有考虑各个环境因素之间的联合和拮抗作用,而且评价手段过于主观。针对该问题本文从多个环境因素入手对发动机生产作业环境进行综合评价研究。首先,通过分析发动机生产作业环境的特点、主要影响因素及其危害,建立发动机生产作业环境评价指标体系,并确定每个单项指标的分级标准;然后,将温度、湿度、气流速度、油雾、噪声以及照度6个指标作为模型输入,舒适度等级作为模型输出,建立三层BP神经网络模型;最后应用贝叶斯正则化和动量梯度下降法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。实验结果表明,基于该模型的评价结果不仅与实际结果一致,而且对作业环境改进具有指导意义。本论文得到了以下结论:1.通过对我国各地区多家汽车企业发动机生产作业环境的调查以及环境数据的采集,得出发动机生产车间作业环境影响因素有噪声、油雾、温度、湿度、气流速度、照明和振动、色彩等,本文在对发动机生产过程环境进行系统分析的基础上,建立了包括温度、湿度、气流速度、油雾、噪声、照明的综合指标体系,并将各个指标以及综合指标划分为5个等级:Ⅰ(优)、Ⅱ(良)、Ⅲ(中)、Ⅳ(合格)和V(不合格)。2.构建了数据采集过程所需硬件架构,针对具有波动变化特征的指标值利用时间序列状态空间模型转化卡尔曼问题,得到滤波数据,进而实现对传感器波动状态的监控;针对异常指标值利用基于邻近去最值均值滤波方法对监测数据进行修正。3.通过BP人工神经网络建立了发动机生产作业环境指标值一舒适度等级的关系模型,该评价模型不仅能够模拟专家来定量评价环境的舒适度,而且消除人工计取权值的主观性和不确定性。选择贝叶斯正则化算法使BP网络具有优良的综合训练和预测能力及卓越的泛化能力,并运用已训练好的网络模型对样本数据进行测试,测试精度满足实际使用要求。