基于结构风险最小化原则的径向基函数网络

通过分析径向基函数网络与支持向量机之间的关系,将结构风险最小化原则应用于径向基函数网络学习中,与传统的基于经验风险最小化原则的径向基函数网络相比,它充分保证了模型的泛化能力,能够弥补学习方法本身的缺陷.最后,将该算法应用于非线性时间序列预测,并与传统的径向基函数网络预测结果进行了比较,实验结果表明本算法提高了径向基函数网络的泛化能力.     

径向基函数神经网络在砂体厚度预测中的应用

目前,人工智能神经网络在地震储层参数的预测方面具有广泛的应用,最常用的为BP神经网络,但是效果并不是十分理想。径向基函数神经网络(RBFN)是一种前馈神经网络,其在函数逼近、模式识别方面都优于BP网络,已经在岩性识别、孔渗预测方面取得了较好的应用效果。本文首次将此方法运用于预测砂体厚度,利用地震属性信息和神经网络的学习,基于实际数据计算,最后计算出相应的砂体厚度值,并与实测值进行误差分析。实例分析表明,利用径向基函数神经网络进行砂体厚度预测具有一定的可行性和实用价值。     

人工神经网络光度法同时测定水中Fe(II)、Fe(III)

应用径向基函数人工神经网络(RBF)和误差反向传播神经网络(BP),采用磺基水杨酸-邻菲罗啉双显色剂光度法同时分析了水中Fe(II)和Fe(III)。实验证明,RBF算法在所需神经元个数、训练时间、预测准确度等方面均明显优于BP网络算法。该技术和光度法结合有望成为多组分分析的有效选择方法之一。     

人工神经网络光度法同时测定水中Fe(Ⅱ)、Fe(Ⅲ)

应用径向基函数人工神经网络（RBF）和误差反向传播神经网络（BP）,采用磺基水杨酸-邻菲罗啉双显色剂光度法同时分析了水中Fe（Ⅱ）和Fe（Ⅲ）.实验证明,RBF算法在所需神经元个数、训练时间、预测准确度等方面均明显优于BP网络算法.该技术和光度法结合有望成为多组分分析的有效选择方法之一.     

矩阵实验室径向基函数网络在硅橡胶配方设计中的应用

研究矩阵实验室径向基函数网络在金属氧化物填充室温硫化硅橡胶配方设计中的应用。结果表明，以正交试验为基础，利用矩阵实验室的径向基函数网络可预报硅橡胶胶料的性能及对应配方全组合的所有数据，从而观察到金属氧化物对硅橡胶性能的影响。利用该网络还可优选出符合要求的配方，并根据预测结果安排试验，有效减少试验次数。     

神经元网络建模与软测量技术

本阐述了神经元网络建模与软测量技术，并且用径向基函数神经元网络对两种典型化工对象进行了建模，结果证明用ＲＢＦ网络完全可以实现软测量模型。     

氨合成催化剂内表面利用率一种新的计算模型

运用径向基函数网络结合偏最小二乘回归（RBF－PLSR）的方法建立了氨合成催化剂内表面利用率计算模型，并对模型进行了验证，结果表明，该模型计算精度高，具有一定的实用价值。     

基于RBF神经网络的挤出吹塑中型坯尺寸的预测

在利用BP神经网络预测挤出吹塑中型坯尺寸工作的基础上,采用径向基神经网络(RBF)来预测挤出吹塑中型坯尺寸,并与BP神经网络的预测结果进行了比较。结果表明,虽然RBF与BP神经网络均能较好地预测挤出吹塑中型坯尺寸,RBF网络的训练时间比BP少很多,只是BP的0.7%。     

氨合成反应化学平衡常数计算模型的研究

针对目前氨合成反应化学平衡常数计算模型所存在的问题，提出一种基于径向基函数网络并结合主成分回归方法的网络模型。试验结果表明，该模型用于氨合成反应化学平衡常数的计算，效果良好。     

基于最近邻-径向基函数网络的石油产量预测模型

针对时间序列变量难以精确预测的问题，本文将最近邻思想与径向基函数网络相融合．提出了一种新的预测方法，并将其应用于石油产量的预测，取得了良好的效果。     

注塑制品翘曲变形的数值模拟优化与预测

以电池后盖板为CAE模拟分析模型,利用正交试验设计方法,将减小制品翘曲变形量作为优化目标,得到各工艺参数对制品翘曲变形量的影响程度及最优化工艺参数组合。利用径向基函数RBF神经网络对制品翘曲量进行预测,建立了各工艺参数与制品翘曲变形之间非线性映射关系模型,并与BP神经网络进行了对比。结果表明:RBF神经网络模型,可以较准备地预测制品的翘曲变形,并且在精度、训练速度等方面优于BP网络。     

利用神经网络预测注塑成型过程熔融温度

Among the processing conditions of injection molding, temperature of the melt entering the mold plays a significant role in determining the quality of molded parts. In our previous research, a neural network was developed to predict the melt temperature in the barrel during the plastication phase. In this paper, a neural network is proposed to predict the melt temperature at the nozzle exit during the injection phase. A typical two-layer neural network with back propagation learning rules is used to model the relationship between input and output in the injection phase. The preliminary results show that the network works well and may be used for on-line optimization and control of injection molding processes.     

基于GRNN-NSGA的带嵌件注塑件多目标优化

带嵌件的注塑产品成型过程相较于传统注塑产品较为复杂,产品成型周期和产品质量难以预测。针对这一问题,以带嵌件的静电检测盒为例,运用广义神经网络(GRNN)和非支配排序遗传算法(NSGA-Ⅱ),对注塑成型过程进行控制与优化。以熔体温度、模具温度、注射时间、冷却时间、保压压力和保压时间为输入层,体积收缩率、X方向翘曲变形、Z方向翘曲变形作为输出层,建立GRNN模型。利用正交试验设计得到的样本对神经网络模型进行训练和测试,运用NSGA-Ⅱ对建立的模型进行优化,最终三个目标值分别降低了30.96%、22.76%、15.62%,表明该方法可以对注塑成型过程进行预测和控制。     

基于神经网络的注塑制品重量实时控制系统

介绍了基于神经网络的注塑制品重量实时控制系统，该系统以生产现场试验数据调整制品重量与注塑工艺参数的神经网络模型。模型调整成功后，可以实时预测注塑制品重量，在基于规则的基础上自动调节工艺参数，保证制品重量在要求范围内。     

基于RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。     

注塑模拟分析中面流技术应用研究——中面模型自动生成方法

中面模型网格的建立是基于中面流技术注塑模拟有限元分析的基础。本文采用一种中轴变换的替代算法,实现了注塑模拟分析中实体模型向中面模型的转化,建立了相应程序模块。     

水辅助注塑成型技术及其进展

水辅助注塑成型技术是一种新型的生产中空或者部分中空注塑制品的成型方法。介绍了这种成型技术的加工原理、成型方法、设备及其进展，并将其与气体辅助注射成型技术进行了比较。     

Modeling and Optimization of Injection Molding Process Parameters for Thin-Shell Plastic Parts

This paper deals with the application response surface methodology (RSM) integrating with statistical technique to discuss variation of warpage and tensile stress properties depended on injection molding parameters during production of thin-shell plastic components. By applying RSM analysis, a mathematical predictive model of the warpage and tensile stress properties was developed in terms of the injection molding parameters. The trim operation has been optimized for a given injection molding condition by desirability function approach and the response surface contours were constructed for determining the optimum conditions. Additionally, the analysis of variance is also applied to identify the most significant factor.     

基于CAE的轿车零件注射模具优化设计

以汽车零件为研究对象,利用CAE技术及注塑模具CAD技术,借助Moldflow和PRO/E软件,建立了产品的三维实体模型,在产品的结构工艺性和成型性分析的基础上,进行了产品成型过程的模拟分析,获得了优化的成型方案和参数,并利用PROE/E模块EMX进行了模具结构的三维优化设计。     

Moldflow在后盖注射模设计中的应用

以某移动空调后盖为例,针对注射成型过程中出现严重区边缺陷,运用专业模流分析软件Moldflow对后盖注塑件的注塑生产过程进行模拟分析,利用模拟结果优化模具结构,找到合理的注塑工艺参数,进而选定注塑机。