共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型,模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量,以煤灰流动温度作为输出量,对126组来自中国北部地区的煤灰样数据进行训练与测试,并建立常规BP神经网络模型,研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明:不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力,所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加,虽略微提高模型对训练样本的拟合程度,但也导致验证时过拟合现象的发生,模型对新样本的拟合优度下降。采用SiO2,Al2O3,Fe2O3,CaO,MgO和Na2O+K2O的质量分数6个参数作为输入变量的GA-BP模型最为适合,其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。 相似文献
3.
本文建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本,人工神经网络有效的创建了翘曲预测模型;遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数(模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等)的优化,并计算出了它们的优化值,按该参数进行试验,效果良好,可以有效地减小薄壳塑件翘曲变形,其试验数值与计算数值基本相符,说明所提出的方法是可行的。 相似文献
4.
建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本,人工神经网络有效的创建了翘曲预测模型;遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数(模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等)的优化,并计算出了它们的优化值。按该参数进行试验,效果良好,可以有效地减小薄壳塑件翘曲变形,其试验数值与计算数值基本相符,说明所提出的方法是可行的。 相似文献
5.
6.
基于支持向量机算法的微注射成型工艺参数优化 总被引:1,自引:0,他引:1
为了控制菲涅尔透镜在注塑过程中的翘曲变形量,采用支持向量机算法建立了菲涅尔透镜的翘曲预测模型,并对该模型的预测精度进行了研究.采用正交试验法获取注塑工艺参数,各组注塑工艺经Moldflow仿真得出模型的训练样本及检验样本数据.然后,对支持向量机算法建立的翘曲预测模型进行样本学习,训练完毕后由检验样本验证该模型的预测精度.实验结果表明:采用支持向量机算法建立的预测模型预测误差比较稳定,均在0.2%以内.因此,采用支持向量机算法建立菲涅尔透镜的翘曲预测模型可有效地预测菲涅尔透镜的最大翘曲量,且预测的精度与稳定性较高. 相似文献
7.
8.
《工程塑料应用》2021,49(5)
针对塑料模型注塑成型优化过程中工艺参数多、计算准确度低、工程模拟量大的特点。以塑料齿轮零件为例,通过引入BP神经网络技术,结合Moldflow软件建立注塑成型工艺参数优化模型。以体积收缩率和翘曲变形量为注塑工艺评定目标函数,选择熔体温度、保压压力、保压时间、模具表面温度为训练样本,建立4~4正交试验表,由相对方差分析评价模型的分析结果,给出优化后的工艺参数,指导工程实际应用。研究结果表明,通过BP神经网络对初始工艺参数进行训练,模型训练预测值与模拟值相对误差在3%以下,满足预测精度要求,经过对正交试验表样本进行训练,确定优化工艺参数为:熔体温度220℃、保压压力50 MPa、保压时间15 s,模具温度70℃。由Moldflow模型验证指出优化后的工艺参数组合能减少塑料件的注塑缺陷,提升塑料件的使用性能。 相似文献
9.