人工神经网络在注塑参数预测中的应用

应用人工神经网络技术建立了注塑工艺参数值快速预测的双层BP网络模型。利用CAE软件进行模拟，获取训练样本。用Matlab语言编制了应用程序，对网络的训练及参数预测的过程进行求解。将网络预测结果与模拟所得验证数据进行比较和误差分析，显示出BP网络的稳定性和可靠性。经实例验证，表明人工神经网络技术应用于注塑参数值的快速预测和选取方面是可行的。     

一种改进的实数编码混合遗传算法

为解决简单遗传算法的不成熟收敛和收敛速度慢的问题，针对实数编码遗传算法提出了初始种群的网格分布法,单步遗传操作后的最优个体保留策略,以及改进的动态交叉和自适应变异概率等，并应用上代最优个体替换当代最差个体的种群进化方法和近亲交叉回避机制等措施对其进行了综合改进。算例表明，该改进算法能有效实现全局优化，提高进化效率，对求解复杂的优化问题具有广泛的适应性。     

注塑参数优化研究方法

对参数优化方法在注塑研究中的应用进行了综述，阐述了各方法的基本原理和主要特点，着重讨论了优化方法所适用的优化问题的类型和其对注塑翘曲、收缩、熔接缝及强度的预测能力以及模拟软件的应用，探讨了不同优化方法相结合对搜索效率和优化结果的影响。     

CAD/CAE集成有限元模型转换在注射模具设计中的应用

从研究注射模具CAD/CAE的集成出发,分析了几何模型转换的不足,提出了一种采用有限元模型转换代替几何模型转换的方法.阐述了有限元模型转换相对于几何模型转换的优势,及其实现方法和途径.通过编制模型转换接口程序,成功地实现了方便快捷的有限元模型从CAD系统到CAE系统的"零失真"转换.     

基于ANN-GA的注塑参数优化系统及其应用

在以人工智能技术为基础的注塑工艺参数优化系统的开发方面进行了研究．构建了以混合神经网络与遗传算法方法为基础，并结CAE技术的参数优化系统，编制了应用程序，通过工程实例，将参数优化系统的预测结果与CAE模拟结果进行比较和误差分析，显示出优化系统的稳定性和可靠性；优化结果与CAE模拟结果及实验验证的结果具有一致性，证明优化结果是正确的，表明基于混合神经网络与遗传算法方法的注塑工艺参数优化系统具有工程应用价值。     

注射工艺参数的快速确定方法

采用试验法来调整并确定注射工艺参数的方法不仅费时费料、效率低下 ,而且由于参数间的相互影响 ,难以得到最合适的参数值。现对人工神经网络技术在注射工艺参数快速确定方面的应用进行了研究 ,在CAE模拟的基础上 ,利用MATLAB下的神经网络工具箱建立了BP网络模型 ,编制了应用程序 ,对参数非线性映射过程进行求解。结果表明 ,人工神经网络技术应用于注射参数的快速确定方面是可行的     

基于混合神经网络与遗传算法方法的注塑参数优化

建立了基于混合神经网络与遗传算法方法的注塑工艺参数优化系统，用Matlab语言编制了应用程序，对神经网络的参数预测与遗传算法的优化过程进行求解。将网络预测结果与CAE模拟结果进行比较和误差分析，显示出BP网络的稳定性和可靠性；优化结果经CAE模拟和实验验证，证明是正确的，表明基于混合神经网络与遗传算法方法的注塑工艺参数优化方法是可行的。     

注塑件熔接缝研究进展

综述了注塑过程中熔接缝形成的组织结构及其力学性能研究的进展 ,讨论了熔接缝的特点 ,着重阐述了熔接缝强度的影响因素、研究的技术手段和提高熔接缝强度的措施 ,以及熔接缝加工参数优化与数值模拟技术。     

基于人工神经网络的注塑参数模拟预测系统

将CAE模拟与神经网络技术相结合，在Matlab环境下建立了注塑工艺参数模拟预测系统。将系统预测结果与模拟及实验验证结果进行比较和误差分析，显示出系统的稳定性和可靠性，表明了该系统具有工程实用价值。