基于神經網絡集的注射成型工藝參數多目標優化
中南林業科技大學以CAE數值仿真正交試驗所得工藝參數與質量指標的數據作為訓練樣本，對經過優化的BP神經網絡進行訓練，得到工藝參數與制品質量指標之間的神經網絡集近似計算代理模型，該模型快速準確，可以利用遺傳算法進行全局尋優，得到使多個質量指標綜合最優的工藝參數組合。通過對比驗證，這種多目標優化方法可以在正交試驗結果數據較少的情況下較大程度地提高制品的多個質量指標。
基于神經網絡集的注射成型工藝參數多目標優化
中南林業科技大學以CAE數值仿真正交試驗所得工藝參數與質量指標的數據作為訓練樣本，對經過優化的BP神經網絡進行訓練，得到工藝參數與制品質量指標之間的神經網絡集近似計算代理模型，該模型快速準確，可以利用遺傳算法進行全局尋優，得到使多個質量指標綜合最優的工藝參數組合。通過對比驗證，這種多目標優化方法可以在正交試驗結果數據較少的情況下較大程度地提高制品的多個質量指標。
轉載請注明：轉載自環球塑化資訊網 http://www.wr5258.com/news/
本文鏈接：http://www.wr5258.com/news/chengxing/shjwl.html
免責聲明：本文"基于神經網絡集的注射成型工藝參數多目標優化"僅代表作者個人觀點，與PVC123無關。環球塑化網所轉載的內容，其版權均由原作者和資料提供方所擁有！如因作品版權問題需要處理，請與我們聯絡。電話：0769－38998777 郵箱：pvc@pvc123.com 新聞投稿
|
|
|
|
|
